近日，全球领先的IT市场研究和咨询公司IDC发布《中国生成式AI应用开发平台市场：企业统一AI开发平台的雏形》报告。IDC所定义的大模型平台包括两部分，一个是模型开发平台，即提供模型训练与调优工具，赋能开发者自主使用基础模型进行开发，另一个是应用开发平台，支持开发人员聚焦应用开发，提供低代码无代码开发工具。

该报告不仅对市场上主流的大模型平台厂商进行了对比分析，还为企业用户选择大模型平台提供了关键的技术指标。在此次评估中，百度智能云获得七项满分，位于所有大模型平台厂商第一名。亚马逊云AWS、阿里云并列第二名。

IDC报告指出，大模型平台给应用程序开发提供了一个新的路径，企业在选择大模型平台的时候，应该重点关注厂商在模型层和数据层的能力。在模型层能力方面，如何让模型更好的适配企业的应用场景至关重要。而在数据层能力方面，如何做好RAG（检索增强生成），保证生成内容的准确性，消除幻觉最为关键。

而在这两个方面，百度智能云都有深厚的技术积累。百度智能云千帆大模型平台（以下简称千帆平台）是大模型与AI应用开发及服务平台，可以从模型开发、模型服务、应用开发三大维度，为企业提供全流程服务。目前，文心大模型日均调用量超过15亿次，千帆平台已经帮助客户精调了3.3万个模型、开发了77万个企业应用。

模型精调助力大模型与产业深度融合

大模型具有强大的泛化能力，可以处理很多通识类问题，但在某些特定行业及领域的表现不如人意。这是因为不同行业有着独特的专业知识、逻辑和数据特点，通识知识无法完全覆盖这些特殊需求。模型精调是增强大模型在行业应用中表现的关键，通过将行业的专业知识和数据特征融入大模型，可以让其更好地满足行业特定需求，从而提升应用的准确性和可靠性。

行业内主流大模型服务商也正在通过大模型平台提供模型精调服务，帮助企业快速打造AI应用。

AWS SageMaker集成了亚马逊的高性能预训练模型库，这些预训练模型在大规模的通用数据上进行了训练，已经学习到了丰富的特征表示和知识，为模型精调提供了良好的基础，同时，SageMaker还提供了多种先进的机器学习算法，用户可以根据精调任务的特点和需求，选择合适的算法来进一步优化模型性能。

百度智能云千帆大模型平台提供了完整的工具链，是业界首个上线DPO、KTO等模型训练方法的平台，提供了高质量通用语料数据和开箱即用的模型精调样板间。无论是想要自己准备数据、做精调，还是想快速上手、复制行业最佳实践，千帆平台都可以高效支持。目前，在千帆平台上，每天有超过一半的调用量是来自精调后的模型。

拿医疗行业举例，杭州全诊医学基于千帆平台和文心大模型打造了AI医疗助理应用，能够在导诊、预诊、诊间、入院、手术、随访等全阶段服务医生患者。以辅助医生撰写病历为例，全诊医学通过使用20万份精标病历数据对大模型进行了精调，使AI医疗助理的医学用语更准确、更规范，大幅提升病历内容质量。病历生成的准确度提升了45%，医生的接诊量提高了20%，造福更多病患。

RAG已成为企业解决大模型幻觉问题的有效手段

生成式AI已成为企业布局和投资的重点，企业希望借助大模型实现降本增效和产品创新。然而，通用大语言模型（LLM）在实际应用中往往存在幻觉问题或回答不准确的情况，尤其是在面向B端场景时，难以有效满足企业的落地需求。为解决这一问题，企业通常采用RAG（检索增强生成）技术，将生成式AI与企业内部数据库、知识库相结合，使生成内容更加准确、合理。在此过程中，向量数据库凭借其在语义理解和高效检索方面的独特优势，成为企业实现RAG的关键组成部分。

不久前，IDC发布了《RAG与向量数据库市场前景预测》报告，对使用大模型的企业进行了深入调研。报告显示，在生成式AI的开发过程中，41%的高管认为构建RAG架构至关重要；此外，81%的IT领导者认为，基于业务数据的生成式AI模型能够为企业带来显著的竞争优势。这表明，RAG技术在提升通用大模型准确性方面效果显著，且企业对其认可度正持续提高。随着更多企业意识到RAG的重要性，它有望成为生成式AI落地的关键推动力。

在分析了RAG和向量数据库市场的发展趋势后，IDC还评估了市场上的主要厂商。在这一评估中，百度智能云的向量数据库VectorDB在核心性能、功能全面性、大模型支持、战略与生态合作、工程化落地五个关键领域保持领先，综合排名并列第一。

目前，百度智能云VectorDB已经在超过500家客户中实际落地使用，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开源Embedding模型，支持企业一站式部署落地。面向未来，百度智能云VectorDB将继续在产品形态、内核功能、生态支持三个方面重点发力，为企业AI应用落地服务，提供最专业的向量数据库服务。