智能体的应用落地，在哪里？

文：董指导

图片由文心4.5生成

本期要点

b

大模型被用起来了吗？最近在业内有些声音：用调用量、Token数等指标来表明大模型使用度、公司实力。这有一定道理，但不是核心。

毕竟大模型已经过去两年了，调用量的边际指导意义，已经不如从前了。要关注的是有效调用量、真正作为生产力的调用量，要比纯尝鲜、简单对话的调用量更有价值。

就像，“读了”十本书，和“读懂”十本书，肯定是不一样的。

那么，大模型被用起来了吗？是的。不仅是大模型，众人期待的智能体，也已经用了起来。不只是用在C端可以自动做研究、生成PPT；更是在B端和产业结合，带来了效率跃升。

尤其担当国民经济大任的央国企，也作为创新先锋，让智能体走进了业务，让AI服务了大众。

大模型开始读懂产业，而不只是读了数据。而产业的落地，也对大模型行业的竞争格局，产生着影响。

01电网新系统，AI新帮手

在上世纪90年代，停电是太稀松平常的事情。随着我国电网的大规模建设，电几乎是唾手可得了。然而，随着光伏、风电、核电等新能源开始成为发电主力，储能电池、电动车等成为用电新秀，电力生产模式，输电结构和消费形态都发生了变化。

把电用得稳，也并不容易。新型电力系统建设，也迫在眉睫。

比如，“电网断面”，是承担特定方向电力输送任务的通道，也被誉为电力系统的关键动脉。就像如果人的关键动脉堵死、或者压力过大爆掉，旁边细小的血管并不能有效提供所需血液的供应。同样的，一旦电网断面发生故障，整个电网也会遭受严重冲击。

因此，在电网运维中，断面管理就非常重要。

传统模式下，断面管理主要靠调度员，日积月累、经验越来越丰富。但是，随着新型电网的普及，人工调控就有点“捉襟见肘”了：响应速度慢、精细化程度差，无法快速有效识别故障点。

这些越来越凸显的困难，都在发出提醒：该补AI了。

南方电网广西电网，就付诸了实践。首先，南方电网基于百度千帆工具链以及人工智能算法模型支撑，开发了电力调度领域的行业大模型“大瓦特-天璇”；广西电网基于大瓦特平台，开发了电网断面调控智能体。

为了确保智能体的可靠性，研发人员从海量的监视信息中，提取了电网故障与断面状态，基于强化学习小模型，实现了自适应的调控策略、实时安全校核；他们也构建了一个数字孪生空间，模拟极端场景，让智能体快速积累了百万次训练。

这个场景就像电影《黑客帝国》里尼奥在矩阵的虚拟世界里学习功夫一样。要足够智能，依然要付出努力，但训练速度和人类相比，可谓是指数级加倍。

如今，断面调控智能体已经在广西电网调度台运行了半年多，检测范围包括全省600多个场站、90多个断面。

根据广西电网的工作人员介绍，4月19日广西白色地区发生极端天气事件，1个小时内有11条20万伏及以上线路因故障跳闸。而断面调控智能体，在海量告警信息中迅速辨识了关键故障信息，不仅发现、约束了断面，也提前警示了潜在风险的断面。

除了南网之外，国家电网以百度文心大模型为基础，开发了千亿级、多模态的“光明大模型”。各类智能体也逐渐投入使用。例如，营销供电方案智能体，大幅节省了双方精力。用电企业在国网App上发起用电申请后，智能体对需求进行拆解、规划、并且自动填写工单、生成多套供电方案；并且告知用户优劣区别，便于用户做出最优选择。

用户用电无忧的岁月静好，除了电力工作人员的默默付出之外，人工智能也已经加入进来、保驾护航。

02生活所需处，皆有AI

如果说投票一下，哪些领域的管理需要提高效率？排在前列的，应该有交通、医疗。

公路建设是我国遥遥领先的成就之一。虽然公路变长了，但汽车数量也暴增了。尤其出现一些不规范驾驶时，美好的假期出行，就会变成公路聚会。因此，交通管理也是用AI等新技术来提效的重要方向。

高清摄像头，已经司空见惯；许多城市，也已经采用了无人机来协助交通管理。然而，在公路上，可能会遇到交通事故、异常停车、行人闯入、道路遗撒、火灾等等情况。无论是无人机，还是摄像头，要想协助交通处理，第一步是，能准确识别交通状况。

为此，河北高速联合百度智能云，基于百度智能云千帆大模型平台、以及文心大模型能力开发落地了公路应急指挥智能体，并采用了大小模型的协作。

小模型用来做实时路况检测，可以快速从视频中抽出几百帧进行处理，反应灵敏，但缺点是“理解力还不够”。比如在堵车时，车辆走走停停，可能就会被小模型误判为“异常停车”，开个错误罚单。所以，就需要大模型的介入，对完整视频做语义理解，精准判断。

智能体给出情况判断、处罚建议后，监管人员会确认执行；然后智能体自动发送情报，联动应急、养护等相关部门，推进处置。在事件处理结束后，生成相应的报告，作为后续类似事件的参考。

智能体、无人机，将来可能还会有无人执法车、机器人担架等等智能设备来协助交通管理，促进交通驾驶更规范，出行更畅通。

而提到医疗，也许每个人都有排队等待的经历，甚至也有病情严重但挂不到号的焦急。改善医疗资源的匹配效率，就格外重要。

武汉协和医院和百度智能云，一起开发了智慧就医智能体。它可以发挥大模型自然语言的理解、生成能力，通过患者在就诊前的描述，为患者推荐合适的科室；在问诊阶段，智能体也可以辅助书写结构化病历，节省医生的精力，从而可以接待更多的病人。

对于患者而言，在过去，即使病情严重，需要加号，也需要等待。因为加号人也多，医生在接诊之余，还需要审核是否应该加号，压力太大。

现在，患者可以先上传过往就诊报告、病情照片等资料给智能体，智能体识别相关信息，并有针对性地向患者询问最近的状况、病情的变化等信息，然后生成病情卡给到医生，医生可以更快捷判断、筛选加号需求。

这样，病情严重的病人，既不需要承受排队等待之苦，也可以提前就医、减少疾病之痛。

智慧就医智能体，就像一个高级医学助理，率先和患者进行沟通，弥补信息不对称，让患者和医生会诊的每一分钟，都花在刀刃上。毕竟，在医院里，时间不是金钱，而是健康和生命。

诸如交通、医疗等领域的智能体应用案例，还有很多。它们虽然是在B端部署、落地，却也都把创新红利直接带给了普通人，实践着科技的使命。

03 B端不性感，但很关键

在B端做应用开发，看起来不如C端性感：没有C端一夜成名的爆发、没有网络快速传播的快感，甚至有时候都没办法登上台前、而是在客户业务的幕后默默支持。

但实际上，在大模型的浪潮中，B端的落地，对竞争格局、对终局景象，非常重要。

一方面，当下的科技巨头，往往是“成年人不做选择，B端、C端我都要”。而且，B端的业务比重也越来越重要。

就像微软，虽然有用户熟知的办公软件、操作系统，但实际上面向企业的云业务、和生产力业务流程业务，才是微软的收入核心。根据2024年11月的财报显示，500强企业中有70%都在使用其AI产品Copilot，85%在使用其Azure的开放AI服务。

AI当红炸子鸡英伟达，也早早从C端为主的游戏显卡业务，转向了面向B端的数据中心业务。亚马逊、谷歌，也都是B、C两手抓。

另一方面，对于人工智能的落地、Agent的开发，面向B端也许比面向C端更容易形成壁垒。

如果C端的Agent只是工具，而没有涉及用户数据的话，相对而言，很难形成粘性。就像当前的Chatbot，和螺丝刀、扳手之类机械工具一样，哪个好用、用户用什么。

但在B端，即使作为工具，企业用户的切换成本，还是要比C端个体要高；尤其，当工具不局限是工具，而是深入到企业用户的业务流程中、伴随着业务更新迭代时，客户粘性就会显著增加。

而且，每个行业、每个场景，都有各自特点。在大模型还未强大到完全通用的前提下，行业特色，依然现实存在。而AI落地时的前期开发、中期部署、后期运维，整个过程都会形成深厚的行业know-how，成为客户选择的理由，参与竞争的底气。

因此，B端的扎根、结果，虽然没有C端迅猛，但却也“力大势沉”，是站在终局的重要因素。

但扎根，也非易事。

有些公司会采用低价策略来抢夺云服务市场。这个策略可以快速见效，但云市场已经过了纯比价的时代，真正留住用户的，还是服务体系、和客户的共识。

一站式产品服务，无疑是赢得客户的重要“法宝”。一个案例是百度智能云，打造了系统级服务，包括百度百舸GPU算力平台、千帆大模型平台，可以针对算力部署、模型开发、应用开发实现全旅程陪伴。

千帆平台上的智能体工厂，提供成熟的智能体供直接使用、也有便捷工具支持用户开发智能体，也可以通过MCP、A2A等协议，调用外部智能体、外部接口等等。

模型层面，文心4.5 Trubo 多模态理解能力提升了30%，而且价格仅为GPT4.1 的6%、DeepSeek V3的40%。可以说是，又好又实惠。可以降低B端客户的成本焦虑、提升探索的欲望。

如今，有65%的央企都选择了百度智能云，作为其人工智能落地的合作伙伴。“勇于创新”的背后，也离不开“便于创新”的支撑。

04 结尾

无论是在大众看得见的地方、还是看不见的地方，各类智能体都已经开始作为超级同事、协助工作人员处理各项事务。

它们远远超越人类个体的知识储备、秒级的响应速度、一丝不苟的态度、几乎不掉线的耐心，以及还在飞速提升的能力，必须、也必然会和产业结合，带来增长的新动力；更作为产品、服务提供者，为大众带来新体验。

这是B端的发展，也是C端的提升。很欣喜，在创新先锋们的探索下，智能体的落地，已经来了。

---全文完，欢迎交流

理工/金融 复合背景

畅销书《英伟达之道》译者

百亿私募/头部自媒体 双重经历