图片系AI生成

6月6日消息，在2025智能经济论坛上，百度集团执行副总裁、百度智能云事业群总裁沈抖宣布，目前已有65%的央企选择与百度智能云开展深度合作，同时百度智能云发布千帆慧金金融大模型，并推出了覆盖能源、交通、汽车、医疗、环境等领域的精选行业场景智能体家族。

百度摸索行业大模型，金融领域做试点

行业大模型是指基于通用大模型技术底座，在落地到特定行业时，针对特定行业需求和应用场景融入大量行业特定的数据和知识，从而在专业领域内表现出更高的准确性和实用性。

一个关键的问题是，行业大模型由谁来构建？

如果是垂直行业头部厂商，领域内其他厂商可能心存顾虑，担心自己的核心数据安全，以及是否会越来越落后于头部厂商；如果是通用大模型厂商，核心数据从哪来，行业知识是否足够，行业厂商能否认可，同样是问题。

百度智能云以自己积累较多的金融领域为试点，探索行业大模型的可行性。沈抖表示，基础模型能力再强，直接放到具体的行业场景中，效果往往不达预期。

拿金融行业来说，金融对大模型的要求非常高，知识面广、时效性强，而且对大模型的准确性和幻觉率要求更严格。通用模型因为缺乏专门金融语料的训练，很难精准回答，容易出现幻觉。

更重要的是，真正有价值的金融数据，大多掌握在机构内部。企业想基于这些数据做精调，面临两个难题：一是效果好的基座模型，往往参数规模都是千亿级，训练一轮成本高、周期长；二是部署大参数模型需要大量算力，成本也很高。

他认为，大模型厂商基于金融专业语料打造“懂业务、够专业”的行业大模型，在同等参数规模下，直接调用，效果远超通用模型。企业还可以基于行业模型，进一步定制专有模型和企业应用，提高效果、降低成本。

因此百度智能云以金融行业为试点，推出千帆金融行业大模型“千帆慧金”。在通用模型的基础上，对研报、财报、专业书籍等海量金融数据做了深度清洗和挖掘，整理出数百亿tokens的高质量金融领域语料，同时做了包括指令对齐、知识增强、训练、推理策略等一系列优化。

在它的基础上，针对行业复杂计算任务，百度智能云系统优化了模型思维链，进一步研发了千帆慧金金融推理增强大模型。每个模型都提供大、小两个版本，8B版本小参数模型，响应快、易部署，适用于意图识别、指标抽取等对速度要求高、任务相对明确的场景；70B大参数版本更适合处理投研辅助、策略分析等复杂推理和多轮任务规划问题。

这两个模型都支持最长32K的上下文输入，可以覆盖金融行业绝大多数场景。在金融领域的多个数据集评测中，以百亿参数规模实现了超过千亿参数通用模型的效果。

智能体，大模型下一个战场

沈抖表示，AI产品体验不断优化，正在从“能用”走向“好用”。越来越多的领先企业坚定攻关大模型，并且重点已经从最初的提示词优化，走向了更系统化的智能体应用构建。

从行业视角观察，2025年被认为是Agent元年，可能并不是真正意义上智能体大爆发的元年，而是更多企业的投入重心转为智能体领域。

这也与行业对大模型的认知加深有关，当面对复杂任务和多样化的应用场景时，单纯依靠提示词已难以充分发挥大模型的潜力，例如一些需要模型自主决策、持续交互以及调用外部工具的场景中，提示词优化难以实现任务，促使行业开始寻求更具自主性和智能性的解决方案。

咨询机构IDC预计，2025年生成式AI在企业的落地仍将优先聚集在办公助手等提升生产力的场景，其次是行业垂直业务场景。金融、能源、零售、制造是最值得关注的传统行业。从另一个角度，智能体将是大模型应用的重要方向，流程自动化，RPA，CRM，数字员工将优先受益于智能体升级。

以能源电力领域为例，百度智能云联合国家电网打造了“营销供电方案智能体”，用户通过国网App提交需求后，智能体可自动识别意图、拆解任务，调用专家模型和多种工具核验信息、填报工单，并生成多套供电方案，支持动态优化与智能推荐。

在交通领域，百度发布了“公路应急指挥智能体”，已在河北京雄高速落地使用，能高效识别如异常停车等突发事件，并快速生成处置预案，显著缩短应急响应时间。该智能体通过大小模型协作，有效弥补了传统小模型在连续状态识别方面的短板，预警准确率提升至95%以上，体现了AI在复杂应急场景中的实战价值。

沈抖表示，百度智能体已经针对行业场景做了深度优化，内置了特定的大、小模型、行业知识、行业标准流程和常用工具，对于同行业的客户具备一定的通用性，百度智能云精选“行业场景智能体家族”已在千帆平台全面上线。

“客户、伙伴只需要对它们做一些轻量定制，就可以把这些能力快速嵌入到自己的业务系统。在我们和很多客户的实践中，‘轻量定制行业智能体’，正在成为大模型产业落地的最快路径。”沈抖说。

此外他提到，也有不少客户希望进一步打造更贴合自身业务的智能体，从轻量定制走向系统化构建，此时需要考虑的三个关键问题是：怎么开发、选什么模型、用什么算力。

在开发层面，百度智能云千帆平台可提供企业级智能体工厂，客户在千帆上课直接使用百度提供的成熟智能体，未来百度智能云计划通过A2A等协议，供客户调用更多来自百度集团内部、上下游合作伙伴的第三方智能体；企业也可开发自己的智能体，通过MCP协议连接企业内外部的服务。

沈抖说，千帆不仅可以跑在公有云上，也支持私有化部署。即使是私有化部署，也不会“锁死”在某个版本。千帆的“私有化”本质是“私有化订阅”吗，每当模型或平台有重大升级，百度将新的更新推送到客户业务系统。

模型层面，4月份百度发布了两款旗舰模型：文心4.5 Turbo和对应的推理模型X1 Turbo。文心 4.5 Turbo的多模态理解效果提升超过30%，在多个测试集上追平甚至部分超越了OpenAI的最新模型GPT 4.1，而价格只是GPT 4.1的6%，DS V3调用价格的40%。

算力层面，沈抖着重介绍了昆仑芯P800，采用了完全由昆仑芯自研的XPU-P架构，显存远超同类芯片，CUDA上能跑的大模型，P800都可以跑，而且迁移成本非常低。

沈抖透露，2月百度点亮了P800的万卡集群，4月点亮了3万卡集群，在这么大的规模上采用昆仑芯P800和海光CPU的全国产方案，属于国内首个。目前国家电网、中国钢研、招商银行，以及北大、同济等高校和互联网企业，已经开始规模部署P800。

在昆仑芯之外，百舸还适配多款主流芯片，向下兼容各种芯片、屏蔽底层差异，向上也适配了各种主流的大模型框架，支持包括DeepSeek在内的国产开源模型的训练和推理。

使用百舸+昆仑芯的方案，单卡吞吐性能相比国内主流芯片方案可以高出90%；大规模高并发模型推理速度可以提升40%以上。以百度和长安汽车共建的长安汽车智算中心为例，依托百舸平台和客户自研的“星环平台”，集群平均算力使用率可以达到90%以上，综合资源利用率提升50%。（本文首发于，作者 | 张帅，编辑 | 盖虹达）