奔驰、茅台、中车都来百度上“AI补习班”？

8月15日，百度发起的AICA首席AI架构师培养计划（以下简称“AICA”）在北京举办第九期开学典礼。

让人意想不到的是，很多学员都是世界知名企业的技术高管，包括茅台、麦当劳、奔驰等行业龙头。

奔驰学AI似乎还能理解，茅台和麦当劳这种传统食品企业，为什么也要学AI呢？

其实，时代的改变，早已经开始。

两年前，埃隆·马斯克就表示，“AI自动化将取代所有工作。”科技企业家亚历克斯·芬恩近期也发文警告说：“未来五年内，不拥抱AI的人，将完全被社会边缘化。”

传统巨头们去学AI，不只是好奇心驱动，而是变革已来。

尽管是传统企业，但AI的赋能作用，是让人意想不到的。

当下的白酒市场正在面临转型，茅台需要通过深度学习，更精准地了解到消费者的需求，并迅速调整其营销策略，让每一分的投入产出更大的回报。

同时，AI大模型的应用，也能够帮茅台预测原材料和市场的价格波动，帮助企业更有效地管理供应链。

AICA主要培训一些什么内容呢？一方面是技术开发，另一方面是项目落地。

想要用好基础大模型，就需要针对性地对模型进行定制化，注入特定的行业、企业数据，才能更好地服务特定场景。

当然，进入大模型领域，也需要找对师傅，百度在这一点上恰好具有优势。

百度是全球为数不多实现芯片-框架-模型-应用四层技术栈的全栈自研的企业。

从昆仑芯到飞桨深度学习框架，再到文心大模型，各个层面都有领先业界的关键自研技术，自主可靠的同时，也大幅提升了效率。

像茅台一样，中车这样的行业龙头企业，也一直在积极布局AI，比如中车研究院就基于飞桨框架，仅用几个月就完成了虚拟传感器模型的搭建、训练和部署。

作为动车、轨道交通的龙头企业，中车承载了中国人的出行安全，过去检测轨道安全，需要很多人手排查，而多在深夜作业。

但通过百度飞桨的使用，实验验证显示，其虚拟传感数据与实际传感器数据同等有效，且在算法优化后，故障检测准确率整体提升了10%，更有效地保障了轨道交通装备的安全。

百度AI赋能的企业还有奔驰。

奔驰车出厂前，都要经过漆面检测的工序，过去这个工序是依靠传统机器和人工来检测，成本非常高，一套检测系统大概在1500、1600万左右，但带来的收益又微乎其微。

怎么把成本打下来？百度AICA第八期的一位奔驰学员，就用飞桨等百度AI技术做了一个漆面检测的系统，让检测的成本大大减少，同时提升了准确率。

现在这套系统已经在奔驰很多工厂落地了，每一套成本都比原来降低了数百万。

奔驰的工程师还特地提到，当时他们对比了大概几十个模型，百度提供的算法收敛会更快，效果也是测试下来最好的。

学好AI，立省几百万，正是这种诱惑，让越来越多的企业，开始关注AI的产业化应用。

百度的李彦宏曾说，应用驱动是第一性原理，大厂不要卷模型，要卷应用。

由此可见，大模型的价值不在参数竞赛，而在于能否真实成为产业的赋能工具。

麦当劳团队在开学典礼上表示，过去他们开发的智能体“麦麦巡警官”存在很多问题，比如迁移到其他场景时需要重复进行提示词，过于繁琐，在多项任务执行时，智能体也容易错乱，这就需要通过更好的模型和训练方法赋能。

而本次AICA 9期班，特别新增了文心开源、MCP前沿技术、多模态、数据等模块，以及百度重点技术的实战案例，对当前AI应用的主流技术路线，实现了全覆盖。

与往期相比，AICA第九期特别携手了头部高校产教融合平台、国家重点实验室等，带领学员交流访学，直指产业之间缺乏互动的痛点，杜绝纸上谈兵。

同时还首次试点“共创小组”模式，鼓励产业上下游企业自由组队，聚焦产教融合、产业链协同等合作模式，弥补行业上下游交流不足的难题。

金拱门AI研发工程师韦文泽提到，“大模型帮助我们提升我们的工作效率，提升我们员工的幸福度，我觉得这就是一个非常大的贡献。”

愉悦家纺信息技术总监胡健也提到了大模型对企业赋能的案例：

大家都把纺织行业叫成“夕阳行业”，但愉悦却认为，这是“朝阳行业”。

过去的纺织行业，非常依靠纺织老师傅的印染经验，但这很难转化为结构化的数据。

想要构建工艺知识图谱，将手感、色差等模糊指标数字化，就需要AI的帮忙。

胡健提到，之前他们和纺织协会信息中心合作过一个AI的项目，用自己20多年的画稿素材积累，实现了AI生图，在7个月时间内，将效率提升了20多倍。

AI的应用，不仅让传统手工业有了新的科技玩法，对于科技行业来说，更是极大缩短了实验周期。

能不能用AI采集到电流电压的震动数据？（物理限制无法加装传感器）如果可以，具体用什么样的模型？

如何在高铁上立硬币，硬币的1.0、2.0版本，或者立一个鸡蛋能保证它的平稳？

中车研究院人工智能所副所长刘琦提到，今天的AI落地趋势，已经从单点试水向深水区拓展，尤其是在高价值领域，如动车组设计、故障预测、悬挂控制优化等，都需要对其进行系统性的规划产业变革路径，通过构建大模型与小模型协同，强化落地性和人机协同机制，提升投入产出比。

AI在高端制造业的核心价值，就在于以技术确定性应对产业不确定性。

百度AI追求的不是技术炫技，而是扎根研产供销服的高价值问题——用不断完善的模型去解决企业的实际痛点，用生态协作去放大创新效能。

AI的好，全球的科技界都知道，但能不能将AI贯穿到企业的实际应用，关键还要看人。

尤其是懂AI，能把AI用好的人。

刘琦就在最近的分享中提到，她从2020年就参加了AICA的第三期，她认为，现在的企业发展，非常需要创新技术的人才：

“AICA在2019年开始从创设之初，我们那时候就会发现复合型的人才，就是既懂AI新技术又懂行业。”

AI是一个体系化、系统化的工程，靠一个人或者靠一件事情其实是很难做到的。

就拿中车来说，动车组从设计到落地，再到检修要考虑到上百种应用场景，分批分步骤实施，比如工业设计、审图、质检、安防、故障预测等。

怎么解决那么多的工程难题呢，这就需要一个坚实的技术底座，既能实现多模态数据融合感知、虚拟传感，又要对时空关系进行深度理解，多个智能体之前，还要有人机协同控制。

在这基础上，还要进一步考虑方案应用的落地，比如怎么和云边端结合，哪些适合放在云端，哪些适合放在边或者端侧来进行应用。

总之，要想实现整个系统的AI化，就需要一个“懂场景、有技术、真实践”的AI团队去推动，完成从“单点场景”的突破到“协作深水区”的攻坚。

所以中车也正在筹划一个AI+装备制造的联合创新体，来联动高校、科研机构以及民营企业一起加入，共同把工业人工智能发展起来。

愉悦家纺也是深刻认识到AI对系统的整体赋能作用，今年以来，从董事长层面到所有公司高层和中层管理人员，都在全面学AI，全面用AI。

企业的升级，往往始于微小突破：一颗螺丝的质检精度提升1%，一句客服应答快0.5秒，一次漆面扫描省100元。

正是这些微观层面的积累，才能汇聚成了茅台重构消费服务、中车创新研发、麦当劳重写运维的宏观产业变革。

所以说，AICA的这些学员带回企业的不仅是代码工具，更是让AI在钢铁、粮食、布料中扎根生长的能力。

而在2025年的AI竞赛中，百度也是逐步明确了自己的方向定位：

不做炫技的参数王者，做产业转型的“水电煤”。

从芯片层到框架层，从模型层到应用层，再到AICA培养计划，让AI真正“降得下成本、扎得进车间”，将“有用且好用”的AI基因植入到中国制造的毛细血管。

好的智能，不是替代劳动者，而是让每个劳动者，都成为AI的驾驭者。

这便是百度的价值观。

AICA首席AI架构师培养计划第十期预报名链接：https://iwenjuan.baidu.com/?code=787mjf&user=AILive