AI全栈优势显现 百度智能云前三季度中标量领跑行业

和讯网
Oct 24

  金融行业正迎来大模型应用的爆发期。

  记者10月20日获悉,据第三方市场报告最新数据统计,2025年1-9月,金融行业大模型中标项目数量达358个,较2024年全年激增170%,披露金额规模达9.55亿元,同比增长近三倍。在这一快速成长的市场中,百度智能云凭借其在技术、生态与场景融合方面的综合能力,中标数量位居行业第一,成为推动金融智能化转型的重要力量。

  数据显示,2025年前三季度,金融行业对大模型的投入呈现出“量价齐升”的态势。尽管项目金额中位数略有回落,但项目数量连续多个季度创出新高,反映出金融机构对大模型技术从“试点探索”迈向“规模化部署”的明显趋势。在这一高速增长的市场中,百度智能云成为中标数量最高的服务商。据公开资料显示,其在银行、保险、证券等多类金融机构中均有所覆盖,项目包含从底层算力、大模型平台到上层智能应用的全链条环节。

  算力方面,百度智能云与招商银行正基于昆仑芯P800开展算力合作,为招行多个核心业务场景落地大模型应用提供全面支撑。昆仑芯P800不仅性能卓越,更易于部署。据项目实测,其仅需32台服务器即可完成千亿参数模型的全参数训练,可快速提升多模态数据分析、智能客服、代码助手等场景的应用效能,部分多模态模型推理性能达到行业领先水平。

  智能体应用方面,今年4月,百度智能云与兴业银行联合发布“金融智能体联盟筹备启动计划”。双方将以发布的两项技术作为核心支撑,在智能体中台、大模型应用等领域展开深化合作,并共建联合创新实验室。构建开放协同的金融智能体生态。

  “大模型在金融领域的落地仍处于早期阶段,”一位行业观察者指出,“未来真正的领先者,一定是那些既能提供稳定可靠的技术底座,又懂业务、能陪伴机构共同成长的厂商”。分析认为,百度智能云之所以能够快速占据市场高地,离不开其差异化优势的支撑。首先是其全栈的AI技术布局。 在金融这类对安全性、合规性要求极高的行业,拥有自主技术路线和可控供应链成为关键竞争力。百度智能云构建了从芯片、框架、模型到应用的四层架构。

  在芯片层,百度智能云实现了国产AI芯片的重大突破。今年4月,百度成功点亮国内首个全自研三万卡昆仑芯集群,并推出昆仑芯超节点,标志着百度AI基础设施进入性能领先的新阶段。

  算力平台层,百舸AI计算平台,可以从资源准备、模型开发、模型训练到模型部署各个维度,满足企业大模型落地“快稳省”的要求。

  模型服务层,百度千帆提供覆盖模型调用、模型开发、应用开发到数据智能的全流程、一站式AI服务。值得一提的是,百度千帆在Agent开发工具链上,还支持调用百度独有AI搜索组件。

  应用层,百度智能云在8月推出全球首批数字员工。此外,百度智能云还对外发布了智能客服客悦、多模态视觉管理平台一见等通用应用产品,以及结合行业Know-How开发出的一系列行业智能体。

  其次,百度智能云还基于行业知识与场景融合推出多个面向金融等垂直场景的专精模型,其在与多家金融机构的合作中,实现了模型与业务数据、工作流程的深度融合,体现出较强的行业落地能力。

  截至目前,百度智能云已服务800+金融机构,覆盖100%系统重要性银行,成为中国金融行业的首选合作伙伴。

  多年持续的积累,让百度智能云在AI云赛道持续保持领先地位。在今年8月IDC发布的《中国AI公有云服务市场报告》中,百度智能云便以24.6%的市场份额稳居第一,连续六年、累计十次蝉联中国AI公有云市场冠军。多份权威报告亦显示,百度智能云在 AI云整体竞争中保持稳固领先。

  随着第四季度各类机构继续加码AI预算,金融大模型市场有望迎来又一轮增长。对百度智能云等头部AI云厂商而言,持续夯实技术优势、拓展生态合作、深耕高价值场景,将是守住领先地位并参与下一阶段竞争的关键。

关注同花顺财经(ths518),获取更多机会

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10