Canalys報告指出，中國云市場正在進入一個新時代，競爭格局和客戶結構都正在發生重大變化，未來中國云市場的發展動力將來自傳統行業的企業客戶。對此，百度集團執行副總裁、百度智能云事業群總裁沈抖表示：“智能化為傳統行業創造價值的浪潮才剛剛開始，這就需要云計算廠商標準化地輸出智能化的底層能力，把芯片、大模型、深度學習框架等高門檻的技術，變成像水電能一樣供客戶按需取用。”
增長動力轉換 傳統行業牽動云市場增長
過去，互聯網行業是云計算增長的主要動力來源。但Canalys預計，傳統行業將是未來新動力。Canalys進一步指出，百度智能云在制造業、能源和交通等傳統垂直行業，都很早獲得立足點。基于“云智一體，深入產業”戰略，百度智能云聚焦質量管理、安全生產、能耗優化、智能調度等核心場景，打造諸多標桿案例。
以制造業為例，在恒逸石化的車間里，過去檢測絲錠質量主要依靠“肉眼+手電筒”。現在AI檢測一個絲錠只需2.5秒，效率比人工提高70%。這一應用已從1條產線復制到30條產線。未來，百度智能云還將為恒逸石化提供廠區分布式云與集團級云底座，智能應用將擴展到安全檢測、能耗優化等更多場景中。
大榭石化是長三角地區重要的石化基地。為了保障能源生產安全，大榭石化攜手百度智能云落地管廊智能巡檢系統，通過AI機器人對隧道管廊進行巡檢，將發現隱患的響應速度提升6倍。
Canalys報告指出，通過云技術和人工智能技術結合，百度使云解決方案更簡易和通用化，而且還可以通過跨行業復制解決方案來實現規模化應用。比如百度智能云的AI質檢方案，除了化纖，已經廣泛應用在紡織、電子、汽車等行業。
在蘇州常熟東南相互電子，AI檢測 PCB電路板，可以讓頭發絲大小的瑕疵無處可藏。智能化改造讓報廢成本一年降低1000多萬。在浙江美欣達集團的印染車間，AI不僅識別布匹瑕疵與色差，比人工快2倍，還可以管控能耗，一年節省100多萬元。
這些經過實踐檢驗的算法模型和行業知識，已經沉淀到百度智能云開物工業互聯網平臺上。企業可以快捷、低成本的調用需要的AI能力。
百度發布國內首個全棧自研的AI基礎設施“AI大底座”
隨著大模型、AIGC為代表的AI應用不斷成為行業熱議話題，AI原生時代正在加速到來，這對云計算的基礎設施提出了新要求：全棧融合（需要提供芯片、框架、模型、應用在內的全棧方案）、端到端優化、提供極致的資源效能和模型效能，成為未來智能計算發展的三大主流方向。
但企業在構建云計算基礎設施時，面臨兩大痛點：企業在用云時，需要把大量時間精力花在構建基礎設施上，且這樣的基礎設施大多是拼湊組合的，沒有發揮出最佳的性能和效率；基礎設施中的核心部分，比如芯片、深度學習框架、大模型，需要大規模投入才能做好，一般企業無力支付巨額的研發成本。
12月27日，百度智能云發布國內首個全棧自研的AI基礎設施“AI大底座”，面向企業AI開發和應用，提供端到端自主可控、自我進化的解決方案。簡單來說，百度“AI大底座”是百度各項AI技術的集大成者， 通過AI底層技術的通用化、模塊化，實現AI服務的規模化，其目的本質上是幫助企業降本增效，實現“AI的隨用隨取”。
沈抖表示，“AI大底座就是要幫助客戶從上云，進入到用數、賦智的快車道，極大降低AI產業應用的門檻，提升效率，而企業只需要把精力聚焦在場景業務上。”
（2022年12月27日，百度發布國內首個全棧自研的AI基礎設施“百度AI大底座”）
目前，“百度AI大底座”已經在金融、能源、智能駕駛等領域大規模落地，取得豐富成果。
在金融領域，依托AI大底座，中國郵儲銀行構建了國內大型商業銀行中首個落地的全行范圍統一機器學習平臺“郵儲大腦”。目前，郵儲銀行的AI平臺已經運行100多項AI能力, 支撐18個業務系統。在電力領域，國家電網通過AI大底座建設“兩庫一平臺”智能基礎設施，在輸電端構建起安全隱患識別模型、知識管理平臺。在巡檢一線，無人機接到指令后，可自主完成輸電線路巡檢作業。智能算法將識別準確率提升了30%，識別效率提升了5倍。
“我們一直試圖建立起來一個能夠持續反饋、不斷進化的AI新范式。”百度集團副總裁侯震宇表示，整體來看，百度自研的AI技術上下貫穿了行業場景和基礎底座，通過打造行業標桿應用，形成諸如智能客服、數字人等標準化的AI通用產品，進一步帶動和沉淀 AI PaaS 層和 AI IaaS 層的能力，打造高性價比的異構算力和高效的 AI 開發運行能力，從而形成云智一體、螺旋上升的業務模式。