百度智能云年增长12%，稳居中国四朵云，连续三个季度跑赢“大盘”。
其他
Canalys：中国云市场发展动力将来自传统行业 “云智一体，深入产业”占先机
Canalys报告指出，中国云市场正在进入一个新时代，竞争格局和客户结构都正在发生重大变化，未来中国云市场的发展动力将来自传统行业的企业客户。对此，百度集团执行副总裁、百度智能云事业群总裁沈抖表示：“智能化为传统行业创造价值的浪潮才刚刚开始，这就需要云计算厂商标准化地输出智能化的底层能力，把芯片、大模型、深度学习框架等高门槛的技术，变成像水电能一样供客户按需取用。”
增长动力转换
传统行业牵动云市场增长
过去，互联网行业是云计算增长的主要动力来源。但Canalys预计，传统行业将是未来新动力。Canalys进一步指出，百度智能云在制造业、能源和交通等传统垂直行业，都很早获得立足点。基于“云智一体，深入产业”战略，百度智能云聚焦质量管理、安全生产、能耗优化、智能调度等核心场景，打造诸多标杆案例。
以制造业为例，在恒逸石化的车间里，过去检测丝锭质量主要依靠“肉眼+手电筒”。现在AI检测一个丝锭只需2.5秒，效率比人工提高70%。这一应用已从1条产线复制到30条产线。未来，百度智能云还将为恒逸石化提供厂区分布式云与集团级云底座，智能应用将扩展到安全检测、能耗优化等更多场景中。
大榭石化是长三角地区重要的石化基地。为了保障能源生产安全，大榭石化携手百度智能云落地管廊智能巡检系统，通过AI机器人对隧道管廊进行巡检，将发现隐患的响应速度提升6倍。
Canalys报告指出，通过云技术和人工智能技术结合，百度使云解决方案更简易和通用化，而且还可以通过跨行业复制解决方案来实现规模化应用。比如，百度智能云的AI质检方案，除了化纤，已经广泛应用在纺织、电子、汽车等行业。
在苏州常熟东南相互电子，AI检测PCB电路板，可以让头发丝大小的瑕疵无处可藏。智能化改造让报废成本一年降低1000多万。在浙江美欣达集团的印染车间，AI不仅识别布匹瑕疵与色差，比人工快2倍，还可以管控能耗，一年节省100多万元。
这些经过实践检验的算法模型和行业知识，已经沉淀到百度智能云开物工业互联网平台上。企业可以快捷、低成本的调用需要的AI能力。
百度发布国内首个全栈自研
AI基础设施“AI大底座”
随着大模型、AIGC为代表的AI应用不断成为行业热议话题，AI原生时代正在加速到来，这对云计算的基础设施提出了新要求：全栈融合（需要提供芯片、框架、模型、应用在内的全栈方案）、端到端优化、提供极致的资源效能和模型效能，成为未来智能计算发展的三大主流方向。
但企业在构建云计算基础设施时，面临两大痛点：企业在用云时，需要把大量时间精力花在构建基础设施上，且这样的基础设施大多是拼凑组合的，没有发挥出最佳的性能和效率；基础设施中的核心部分，比如，芯片、深度学习框架、大模型，需要大规模投入才能做好，一般企业无力支付巨额的研发成本。
12月27日，百度智能云发布国内首个全栈自研的AI基础设施“AI大底座”，面向企业AI开发和应用，提供端到端自主可控、自我进化的解决方案。简单来说，百度“AI大底座”是百度各项AI技术的集大成者，通过AI底层技术的通用化、模块化，实现AI服务的规模化，其目的本质上是帮助企业降本增效，实现“AI的随用随取”。
沈抖表示，“AI大底座就是要帮助客户从上云，进入到用数、赋智的快车道，极大降低AI产业应用的门槛，提升效率，而企业只需要把精力聚焦在场景业务上。”
目前，“百度AI大底座”已经在金融、能源、智能驾驶等领域大规模落地，取得丰富成果。
在金融领域，依托AI大底座，中国邮储银行构建了国内大型商业银行中首个落地的全行范围统一机器学习平台“邮储大脑”。目前，邮储银行的AI平台已经运行100多项AI能力,支撑18个业务系统。在电力领域，国家电网通过AI大底座建设“两库一平台”智能基础设施，在输电端构建起安全隐患识别模型、知识管理平台。在巡检一线，无人机接到指令后，可自主完成输电线路巡检作业。智能算法将识别准确率提升了30%，识别效率提升了5倍。
“我们一直试图建立起来一个能够持续反馈、不断进化的AI新范式。”百度集团副总裁侯震宇表示，整体来看，百度自研的AI技术上下贯穿了行业场景和基础底座，通过打造行业标杆应用，形成诸如智能客服、数字人等标准化的AI通用产品，进一步带动和沉淀AI PaaS层和AI IaaS层的能力，打造高性价比的异构算力和高效的AI开发运行能力，从而形成云智一体、螺旋上升的业务模式。