近日，全球領先的IT市場研究和咨詢公司IDC發布《中國生成式AI應用開發平臺市場：企業統一AI開發平臺的雛形》報告。IDC所定義的大模型平臺包括兩部分，一個是模型開發平臺，即提供模型訓練與調優工具，賦能開發者自主使用基礎模型進行開發，另一個是應用開發平臺，支持開發人員聚焦應用開發，提供低代碼無代碼開發工具。

該報告不僅對市場上主流的大模型平臺廠商進行了對比分析，還為企業用戶選擇大模型平臺提供了關鍵的技術指標。在此次評估中，百度智能云獲得七項滿分，位于所有大模型平臺廠商第一名。亞馬遜云AWS、阿里云并列第二名。

IDC報告指出，大模型平臺給應用程序開發提供了一個新的路徑，企業在選擇大模型平臺的時候，應該重點關注廠商在模型層和數據層的能力。在模型層能力方面，如何讓模型更好的適配企業的應用場景至關重要。而在數據層能力方面，如何做好RAG（檢索增強生成），保證生成內容的準確性，消除幻覺最為關鍵。

而在這兩個方面，百度智能云都有深厚的技術積累。百度智能云千帆大模型平臺（以下簡稱千帆平臺）是大模型與AI應用開發及服務平臺，可以從模型開發、模型服務、應用開發三大維度，為企業提供全流程服務。目前，文心大模型日均調用量超過15億次，千帆平臺已經幫助客戶精調了3.3萬個模型、開發了77萬個企業應用。

模型精調助力大模型與產業深度融合

大模型具有強大的泛化能力，可以處理很多通識類問題，但在某些特定行業及領域的表現不如人意。這是因為不同行業有著獨特的專業知識、邏輯和數據特點，通識知識無法完全覆蓋這些特殊需求。模型精調是增強大模型在行業應用中表現的關鍵，通過將行業的專業知識和數據特征融入大模型，可以讓其更好地滿足行業特定需求，從而提升應用的準確性和可靠性。

行業內主流大模型服務商也正在通過大模型平臺提供模型精調服務，幫助企業快速打造AI應用。

AWS SageMaker集成了亞馬遜的高性能預訓練模型庫，這些預訓練模型在大規模的通用數據上進行了訓練，已經學習到了豐富的特征表示和知識，為模型精調提供了良好的基礎，同時，SageMaker?還提供了多種先進的機器學習算法，用戶可以根據精調任務的特點和需求，選擇合適的算法來進一步優化模型性能。

百度智能云千帆大模型平臺提供了完整的工具鏈，是業界首個上線DPO、KTO等模型訓練方法的平臺，提供了高質量通用語料數據和開箱即用的模型精調樣板間。無論是想要自己準備數據、做精調，還是想快速上手、復制行業最佳實踐，千帆平臺都可以高效支持。目前，在千帆平臺上，每天有超過一半的調用量是來自精調后的模型。

拿醫療行業舉例，杭州全診醫學基于千帆平臺和文心大模型打造了AI醫療助理應用，能夠在導診、預診、診間、入院、手術、隨訪等全階段服務醫生患者。以輔助醫生撰寫病歷為例，全診醫學通過使用20萬份精標病歷數據對大模型進行了精調，使AI醫療助理的醫學用語更準確、更規范，大幅提升病歷內容質量。病歷生成的準確度提升了45%，醫生的接診量提高了20%，造福更多病患。

RAG已成為企業解決大模型幻覺問題的有效手段

生成式?AI?已成為企業布局和 投資 的重點，企業希望借助大模型實現降本增效和產品創新。然而，通用大語言模型（LLM）在實際應用中往往存在幻覺問題或回答不準確的情況，尤其是在面向?B?端場景時，難以有效滿足企業的落地需求。為解決這一問題，企業通常采用?RAG（檢索增強生成）技術，將生成式?AI與企業內部數據庫、知識庫相結合，使生成內容更加準確、合理。在此過程中，向量數據庫憑借其在語義理解和高效檢索方面的獨特優勢，成為企業實現?RAG?的關鍵組成部分。

不久前，IDC發布了《RAG與向量數據庫市場前景預測》報告，對使用大模型的企業進行了深入調研。報告顯示，在生成式?AI?的開發過程中，41%?的高管認為構建?RAG?架構至關重要；此外，81%?的?IT?領導者認為，基于業務數據的生成式?AI?模型能夠為企業帶來顯著的競爭優勢。這表明，RAG?技術在提升通用大模型準確性方面效果顯著，且企業對其認可度正持續提高。隨著更多企業意識到?RAG?的重要性，它有望成為生成式?AI?落地的關鍵推動力。

在分析了RAG和向量數據庫市場的發展趨勢后，IDC還評估了市場上的主要廠商。在這一評估中，百度智能云的向量數據庫?VectorDB?在核心性能、功能全面性、大模型支持、戰略與生態合作、工程化落地五個關鍵領域保持領先，綜合排名并列第一。

目前，百度智能云?VectorDB?已經在超過?500?家客戶中實際落地使用，支持?HNSW、Puck、PQ?等常用算法，主流?LLM、RAG?框架，以及百度智能云千帆和開源?Embedding?模型，支持企業一站式部署落地。面向未來，百度智能云?VectorDB?將繼續在產品形態、內核功能、生態支持三個方面重點發力，為企業?AI?應用落地服務，提供最專業的向量數據庫服務。