Создание «всемогущего и вездесущего» ИИ: почему Baidu начинает с «операционной системы»?

Автор:Стильный гик

Большие модели могут систематизировать всё, что происходило в Китае за последние пять тысяч лет, но не могут ответить, который сейчас час; могут объяснить, что такое квантовая механика, но даже создать профессиональную презентацию PPT с иллюстрациями для них сложно.

Почему большие модели кажутся всемогущими, но на практике всегда чего-то не хватает?

Причина проста: ум и эрудиция не равны способности работать.

Ум требует, чтобы большая модель прошла обучение на огромном массиве знаний и выработала развитый мозг, способный хорошо ответить на вопрос;

А чтобы одновременно удовлетворить двум элементам — ум и способность действовать, нужно снабдить этот умный мозг гибкими конечностями, реализовав «глубокое мышление + глубокую доставку».

Именно поэтому то, как продвинуть большие модели от умного мышления к эволюции «умных и способных», стало решающим фактором, определяющим, станет ли эта волна энтузиазма вокруг больших моделей мимолётным увлечением или изменит историю.

Baidu показала пример.

25 апреля на конференции разработчиков ИИ Baidu Create 2025 основатель Baidu Ли Яньхун представил первую в мире операционную систему в области контента, совместно выпущенную Baidu Wenku и Baidu Netdisk — ОС Cangzhou.

Она, полностью интегрируя базовые технологии, возможности и данные, накопленные ранее Baidu Wenku и Netdisk, может, подобно воде, проникать в различные сценарии, реализуя низкопороговую и сквозную качественную доставку в наиболее разумной форме и через наиболее удобный для пользователя интерфейс.

Опираясь на ОС Cangzhou, видение и ожидания Baidu Wenku и Baidu Netdisk в отношении ИИ заключаются в реализации настоящей сквозной доставки «одного окна» в любое время, в любом месте и на любом терминальном устройстве, позволяя ИИ стать «всемогущим и вездесущим».

01

ОС Cangzhou: вывод ИИ на уровень эволюции операционной системы

В технологической индустрии существует консенсус: любая технология, прежде чем перейти из лаборатории в дома миллионов, должна пройти долгий путь кривой Gartner.

На этой кривой рост на первом этапе в основном зависит от рыночных ожиданий, вызванных технологическим прогрессом, но по мере того, как результаты внедрения технологии оказываются не идеальными, рост на этом этапе быстро переходит в спад, пока условия, необходимые для внедрения технологии, постепенно не созреют и не будут конкретизированы в виде инфраструктуры с почти нулевым порогом входа, всемогущей и вездесущей, после чего наступит взрыв экосистемы второго этапа.

Одним из признаков начала второго этапа индустрии программного обеспечения обычно является появление зрелой операционной системы, например, Windows для индустрии ПК или iOS для индустрии мобильных телефонов.

Так как же определить зрелую операционную систему? Около 15 лет назад в глобальной технологической индустрии велась дискуссия: почему Apple, или смартфоны, которые также могут управлять сенсорным экраном, имеют большой экран, могут звонить, фотографировать, воспроизводить музыку и отправлять сообщения, являются двумя разными видами по сравнению с прошлыми функциональными телефонами.

Одна из ключевых причин заключается в том, что iOS унаследовала стабильность на уровне ядра и многозадачность от MAC OS и превратила это в открытую экосистему, где разработчики могут свободно интегрировать эти базовые возможности Apple и создавать свои инновационные приложения. Это также превратило определение того, что такое телефон, из дела одного-двух гигантов вроде Motorola и Nokia в огромную индустрию с безграничными возможностями, где участвует вся экосистема, тем самым открыв двери мобильного интернета на последующие десять с лишним лет.

Технологии движутся вперёд, но сюжет бизнес-историй всегда повторяется в похожем ритме. Базовая логика, проверенная на мобильных ОС, остаётся применимой и при построении ОС в эпоху больших моделей.

Если подытожить, их три: полные базовые возможности, гибкое центральное планирование и процветающая экосистема прикладных сервисов. Это точно соответствует трёхуровневой архитектуре ОС Cangzhou: базовая инфраструктура, центральная система и прикладные сервисы. Единственное отличие заключается в том, что мост между приложениями, центром и базой сменился с прежнего API на более стандартизированный и низкопороговый MCP.

Среди них базовая инфраструктура части MCP Server, её ключевым компонентом является Chatfile plus, основная функция которого заключается в разборке и анализе контента различных модальностей, форм и форматов на уровне элементов через фреймворк знания, а также в предоставлении ряда инструментальных компонентов, таких как многомодальное понимание, многомодальный поиск, декодирование и анализ файлов.

В то же время Baidu Wenku и Netdisk построили «три большие базы»: базу знаний публичного домена, базу знаний приватного домена и базу памяти. Конкретно это означает: данные знаний публичного домена, накопленные Baidu Wenku за многие годы (база знаний публичного домена), данные знаний, используемые пользователями с авторизацией в Netdisk (база знаний приватного домена), команды, привычки использования и история генерации пользователей в Wenku или Netdisk в прошлом (база памяти).

Эти данные часто представлены в различных модальностях, формах и форматах. Среди них база знаний публичного домена предоставляет общие знания, а база знаний приватного домена и база памяти хранят персонализированные данные пользователей.

В фреймворке знания ОС Cangzhou будет обрабатывать многомодальный контент из «трёх больших баз» посредством векторизации и тегирования, то есть преобразовывать неструктурированные данные, такие как изображения, текст, видео, аудио, документы, в многомерные векторные данные, понятные компьютеру, через различные профессиональные модели, то есть в набор токенов.

Что касается центральной системы, Baidu Wenku и Netdisk самостоятельно разработали «три больших инструмента»: интегрированный редактор (для редактирования документов, PPT и т.д.), читалку (для чтения документов и PPT и т.д.), плеер (для воспроизведения аудио и видео) и другие инструменты.

В то же время ОС Cangzhou может также через «центр планирования», используя компоненты взаимодействия, модели намерений и инфраструктуру передачи, комбинируя память пользователей и данные профиля, понимать намерения пользователей через модели и эффективно распределять и планировать агентов.

На самом верхнем уровне находится серия AI-агентов. «ОС Cangzhou» интегрирует сотни AI-агентов из Wenku и Netdisk, таких как PPT, AI-книги с иллюстрациями, AI-интеллект-карты, AI-постеры, AI-заметки, AI-сканирование, AI-запись на слух и т.д. Модальности генерации охватывают различные типы, такие как изображения, текст, видео, аудио, полностью охватывая сценарии обучения, работы, жизни и развлечений, и, опираясь на возможности редактирования, изменения и тонкой настройки интегрированного редактора, делает качество поиска и генерации контента выше и более соответствующим реальным потребностям персонализированных задач.

02

На ОС Cangzhou,

Создание большего количества «умных и способных» агентов

Вокруг прикладных сервисов верхнего уровня Baidu Wenku & Baidu Netdisk запустили сотни полезных AI-агентов, проверенных сотнями миллионов пользователей, и в то же время подключили большое количество профессиональных агентов третьих сторон для создания большой экосистемы приложений.

Как «платформа для получения и создания контента ИИ одного окна», платные пользователи Baidu Wenku превысили 40 миллионов, ежемесячная активная аудитория ИИ достигла 97 миллионов. Baidu Netdisk также обновился до «платформы контент-сервисов одного окна», обслуживая более 1 миллиарда пользователей, общее используемое пространство превышает 100 миллиардов ГБ, ежемесячная активная аудитория ИИ превышает 80 миллионов. Baidu Wenku и Baidu Netdisk стали настоящей «супер-продуктивностью» эпохи больших моделей.

На конференции Baidu Wenku и Baidu Netdisk также продемонстрировали новые возможности, разработанные на основе «ОС Cangzhou»: «GenFlow Суперпартнёр» и «AI-заметки».

GenFlow Суперпартнёр — это возможность многоагентного сотрудничества, запущенная в приложении Baidu Wenku. С поддержкой «ОС Cangzhou» генерация контента может выполняться параллельно для нескольких задач, а также может выполнять поставку различных задач на основе самой полной профессиональной онлайн-информации, привычек и предпочтений самого пользователя.

Например, пользователь хочет организовать свадьбу, но первоначальный ввод содержит только одну простую фразу: «Я хочу провести выездную свадьбу на Хайнане во время майских праздников, помогите мне сделать план и приглашение».

Запрос кажется простым, его можно решить, просто заполнив пробелы в исторических шаблонах. Но чтобы удовлетворить пользователя, нужно знать его эстетические предпочтения, ожидания по бюджету, предпочтения по процессу, также нужно знать погоду на Хайнане во время майских праздников, поток людей, распределение площадок, после чего нужно комбинировать эти изображения, текст и знания через инструмент PPT, чтобы сгенерировать полный план, и наконец, на основе плана и эстетических предпочтений пользователя, создать полный постер-приглашение на свадьбу.

 

А чтобы выполнить вышеупомянутое содержание, необходимо отдельно планировать исторические записи чатов пользователя, историю просмотров, а также распознавание намерений, поиск во всей сети, инструмент PPT, анализировать намерения пользователя, понимать предпочтения пользователя, свободно комбинировать инструменты, и только в конечном итоге предоставить пользователю очень конкретный полный план, включающий процесс, дату, площадку, бюджет, тему, детали выполнения, стиль, расписание персонала.

В то же время план и постер, необходимые пользователю, должны сочетаться друг с другом, что требует, чтобы вся информация обоих была согласована, и вывод осуществлялся параллельно с использованием одной и той же операционной системы.

Конечно, ИИ наверняка не сможет с первого раза сгенерировать результат, который удовлетворит всех, это требует, чтобы как план свадьбы, так и постер обладали возможностью редактирования, и поддерживает эту возможность способность интегрированного редактора «ОС Cangzhou».

Нетрудно заметить, что от глубокого мышления до глубокой доставки, GenFlow Суперпартнёр является почти единственным готовым продуктом класса «многоагентное сотрудничество» на рынке. Он не только решает общие проблемы продуктов класса многоагентного сотрудничества, такие как высокая стоимость, долгое время генерации, низкая эффективность, нестабильная доставка, невозможность тонкой настройки через много раундов диалога, но и напрямую встроен в зрелые продукты в сочетании с авторизованными пользователем частными данными, давая ИИ реальную возможность достичь цели «всемогущий и вездесущий».

AI-заметки Baidu Netdisk являются надёжным помощником для бесчисленных офисных работников, студентов, готовящихся к поступлению в аспирантуру или на госслужбу.

AI-заметки — это первые в индустрии многомодальные AI-заметки, которые могут вкладывать различные учебные видео для поступления в аспирантуру и страницы заметок, хранящиеся пользователем в Baidu Netdisk, в один и тот же интерфейс, реализуя плавную связь, причём контент видео и заметки сильно связаны друг с другом, от просмотра видео до генерации AI-заметок, до суммирования AI-интеллект-карты и до финальной генерации вопросов ИИ для проверки результатов обучения, полностью охватывая весь цикл обучения пользователя.

Например, сложность экзамена по английскому языку для поступления в аспирантуру стала горячей темой в последнее время, пользователь хочет сосредоточиться на повторении для экзамена. AI-заметки сначала произведут поиск соответствующих материалов, хранящихся в сетевом диске пользователя, одновременно запросив ключевые точки экзамена, данные в открытых материалах в интернете, и упорядочат их. Но весь процесс не останавливается на этом, AI-заметки также комбинируют реальные экзаменационные вопросы прошлых лет, чтобы произвести окончательную проверку сгенерированных ключевых точек, и только прошедшие проверку ключевые точки могут на этой основе продолжить генерировать интеллект-карты, прогноз экзаменационных вопросов, помогая пользователю ускорить прогресс обучения.

 

И в этом процессе вызов инструментов, вовлечённых, не меньше, чем при планировании свадьбы. Например, поиск ключевых точек экзамена, поиск реальных вопросов требует способности поиска во всей сети, а реальные вопросы часто представлены в формате PDF или даже изображений, интерпретация известных преподавателей представлена в виде видео, что требует способности анализа многомодального контента. Генерация финальной интеллект-карты и прогноз экзаменационных вопросов требуют способности рассуждения большой модели, способности генерации многомодального контента, а также способности отображения и связи между различным контентом, одновременно необходимо гарантировать абсолютную точность генерации контента.

За этим стоит расширение возможностей «ОС Cangzhou».

Конечно, Baidu поддерживает разработчиков в полном объятии MCP, поэтому ОС Cangzhou служит не только внутренней экосистеме Baidu, важнейшим звеном развития и роста операционной системы является открытость вовне, стимулирующая инновационные способности широкого круга разработчиков.

Поэтому, чтобы экосистема и приложения发挥了 максимальную ценность, Baidu Wenku и Baidu Netdisk на основе «ОС Cangzhou» первыми полностью применили MCP к связи продуктов и экосистемы, построив трёхуровневую систему MCP Server-Client-Host, открывая возможности Wenku и Netdisk через форму MCP Server, через MCP Client SDK, облегчая доступ большему количеству корпоративных пользователей, разработчиков, приложений агентов и других MCP Host.

Среди них наиболее репрезентативным случаем являются мобильные телефоны Samsung. Мобильные телефоны Samsung сейчас подключаются к нескольким MCP server загрузки, скачивания, поиска, обмена и понимания контента файлов Baidu Wenku Netdisk.

С одной стороны, пользователь в интерфейсе голосового помощника телефона, через голосовой ввод, может напрямую реализовать функции загрузки файлов в резервную копию Netdisk, обмена в облаке, суммирования документов и вопросов и ответов контента.

С другой стороны, эти server также могут обогатить возможности облачного хранения системы мобильных телефонов Samsung, решая проблему телефона самого с трудным массовым резервным копированием и обменом больших файлов и множества файлов.

Например, пользователь в альбоме телефона вызывает голосового помощника и говорит: «Зарезервируй фотографии, сделанные вчера в Аосэн, в Baidu Netdisk и отправь фотографии Сяо Мина ему». Соответствующие фотографии будут загружены в авторизованный пользователем аккаунт Netdisk, и будет сгенерирована ссылка для обмена, помощник телефона затем вызовет адресную книгу и отправит эту ссылку на телефон другой стороны через SMS, просто нажав на ссылку, пользователь сможет напрямую войти в Baidu Netdisk для просмотра или сохранения.

Без сомнения, проверка надёжности базовых возможностей OS заключается не в нагромождении инструментов или количестве чёрных технологий. Удобство, зрелость и богатство экосистемы прикладных сервисов верхнего уровня является лучшим стандартом проверки возможностей OS.

03

У истории OS нет конца

На рынке капитала один из типов предприятий, наиболее признанных инвесторами, называется «друг времени».

Так называемый друг времени — это когда предприятие сделало одно дело правильно, далее нужно просто продолжать делать это, тогда результаты будут поддерживать рост в стиле вечного двигателя, и разработчики экосистемы также могут постоянно получать выгоду.

А операционная система — это именно такой типичный рынок вечного двигателя. Пока рынки компьютеров и мобильных телефонов всё ещё существуют, у истории операционных систем, принадлежащих Microsoft, Apple, Google и другим, не будет конца.

С большими моделями аналогично. Когда «глубокое мышление + глубокая доставка + public/private данные + экосистема MCP» соберутся вместе и в будущем станут всемогущим и вездесущим ИИ новой эпохи, тогда непрерывно будет происходить большой взрыв новых видов, подобный Кембрийскому периоду.

В этом процессе, если смотреть вниз, это открытие собственных возможностей Baidu Wenku, Baidu Netdisk и других. Через активное объятие экосистемы, стать создателями новых видов больших моделей и установщиками новых правил.

Если смотреть вверх, то это бесчисленные новые агенты, созданные и увиденные на основе «ОС Cangzhou», составляющие мощную и извергающуюся новую экосистему прикладных сервисов.

И сейчас все истории только刚刚开始. (И сейчас все истории только начинаются.)