仙剑奇侠传3

交通运输部：已启动首批“人工智能+交通运输”典型应用场景项目创建工作_我的网站

爱玩客

一 | Agent背后，是工程化的系统性交付。

二 | 作者｜Lynn 编辑｜郑玄企业正在为一堆「不产生价值的 Token」买单。这句 Palantir 公司 CEO 在节目里说的话，一经播出就广泛流传。抛开背后的商业竞争不谈，这句话被广泛传播，就是因为戳中了当下人们的体感，行业的注意力，渐渐从「模型多强，用了多少 Token」变成：这些 token 到底帮我解决了什么，智能是否真的转变成了生产力。 Agent 这个产品形态，当初有多 fancy，如今就有多祛魅。一个任务扔进去，模型自顾自跑上几个小时，token 哗哗地掉，交付回来的东西却不一定能用。

三 | 模型强是前提，但只靠模型不够，还需要整套让能力收拢、稳定交付的工程。　　讯 8月20日，交通运输部举行专题新闻发布会，介绍“人工智能+交通运输”典型应用场景创新行动有关情况。　　交通运输部科技司司长徐文强在会上表示，交通是国民经济的大动脉，也是人工智能落地的超级实景试验场和规模化应用主阵地。近年来，交通运输部加快推进人工智能与交通运输深度融合，聚焦基础设施、运载工具与装备、运输服务、行业治理4大方向，梳理形成覆盖铁、公、水、航、邮全领域860项率先突破场景；成功举办了首届综合交通运输大模型智能体创新应用大赛，涌现出100多项典型智能体成果；组建交通运输大模型创新与产业联盟，汇聚55家行业龙头企业、人工智能企业、高校院所协同攻关，加快构建“1+N+X”综合交通运输大模型体系，为行业提供“会说交通话、善做交通事”的数智基座。

四 | 　　徐文强介绍，去年9月，交通运输部联合6部门，出台了《关于“人工智能+交通运输”的实施意见》，全面绘制了“人工智能+交通运输”的方向标和路线图。从这个视角来看百度搭子最近的成绩，会更有意思。WAIC2026 上，百度搭子入选大会「镇馆之宝」，并且是十大获奖展品中唯一的通用智能体产品。荣誉只是表象，背后的数字是：自全量上线以来，用户日均提问次数涨了 20 倍。

五 | 这说明，用户不是来试几个新鲜问题，而是开始把资料整理、信息检索、PPT 生成、内容创作这些真实任务交给它。 01 单点能力跑不远先说一个越来越公认的事实：做好 Agent，不是给模型套一个 API。今年6月，交通运输部又会同国家铁路局、中国民航局、国家邮政局和国家铁路集团，印发了《“人工智能+交通运输”典型应用场景创新行动方案》，全面启动了典型应用场景创新行动，打通政策落地“最后一公里”，推动人工智能技术更加有力驱动加快建设交通强国。同一款底层模型，交给不同团队，跑出来的结果可以差很远。　　此次创新行动，核心目标有3个：一是，让宏观政策落地生根，破解“政策空转、抓手缺失”的难题；二是，打通技术与行业供需壁垒，在主动向人工智能企业开放交通真实高价值场景的同时，引导交通行业主动拥抱新技术，消除“技术方不懂业务、业务方不懂算法”的鸿沟；三是，依托人工智能技术补齐行业短板，推动成熟技术规模推广、集成技术示范融合、核心场景集中攻关，培育自主可控的交通人工智能产业生态。

六 | 因为一个任务从进来到交付，中间要过很多关：理解用户需求，拆解小步骤，每一步该调什么工具、哪个系统，执行完还要判断质量、必要时自己返工，最后把过程里的经验沉淀下来。　　本次创新行动，坚持“技术突破-场景验证-产业发展-体系升级”实施路径，设置了应用推广、创新示范、攻关突破3类场景，紧盯人工智能技术和具身智能等前沿技术发展态势，分批次推出典型应用场景建设指引。交通运输部提出了如下蓝图愿景：到2030年，开放一批高价值应用场景，形成一批高水平算法模型，涌现一批“人工智能+交通运输”新基础设施、新技术装备、新服务模式、新产业形态，使人工智能更加有力支撑交通运输高质量发展和高水平安全，更好引领发展交通运输新质生产力。　　徐文强表示，目前，已围绕智能驾驶、智慧公路、智能铁路、智慧民航、智能邮政、智能多式联运等10大方向，发布了第一批41个重点典型场景建设指引，正式启动了首批典型应用场景项目创建工作。长链路操作鲁棒性考验的就是工程。如果说模型决定了 Agent 智能的上限，harness 决定了它能不能稳定地摸到上限，它决定了模型往哪走、调什么、何时停、错了怎么办。这也解释了智能体赛道早期的一个现象。

七 | 不少产品靠一个亮眼功能，或者蹭一波模型红利跑了出来，热闹一阵，没多久就很少再被提起。Agent 产品多，卡在半途的 Agent 也很多。

八 | 因此在 Agent 类的产品中，除了灵光一现的设计，更需要踏实的技术积累。百度搭子在信息检索这一关上幻觉更少、找得更准，靠的不仅仅是模型的智能，还有百度多年搜索的经验——怎么判断信息可信、怎么在一堆结果里定位到有价值的那条，这些经验被搬进了 Agent 的执行链里。再往上一层，每一步该调哪个工具、哪个系统，背后是百度搜索、网盘、地图等成熟能力被接入同一条执行链。在 OpenClaw 生态的公开 Agent 评测 PinchBench 上，百度搭子以 93.3% 和 93.2% 拿下前两名。在此也强调，这次创新行动始终是开放式、普惠制原则，不设名额限制，不搞评比，只要项目符合“技术先进成熟、应用场景真实、具有行业推广价值”的标准，都积极将其纳入“人工智能+交通运输”创新成果库。真正值得看的是一组对照：同一款底层模型,放进百度搭子的框架能跑到 93.3%，换到 Anthropic、OpenAI 自己的框架里,则是 89.0% 和 91.6%。对于入库的项目，将通过政策指导、标准服务、成果推广等多种方式给予支持，广泛激发全行业的创新积极性，共同将“人工智能+交通运输”做深做实。　　数据是人工智能的“燃料”。交通运输部将会同国家数据局，同步实施交通运输行业高质量数据集建设“百数争先”创新行动，广泛动员行业内外创新主体，统筹公共与非公共两类数据资源，贯穿供数、治数、用数全流程环节，完善制度、技术、标准、应用四大支撑体系，争取用3-5年时间，形成一张规模可观、模态丰富的高质量数据资源地图，构建供给有力、流通高效、安全可靠的行业数据资源体系，以高质量数据有力支撑典型应用场景创新行动。模型没变，成绩的差异，就说明了外面这层工程的实力。　　安全是人工智能的“底盘”。工程之外，还有一关平时不被注意，但做不好不但会影响产品体验，甚至会带来后果的事情：安全。

九 | Agent 要替人类删文件、改系统、发数据，权限就不能是完全敞开的。百度搭子从权限、审计、隔离、确认四个维度兜底——员工能用哪些技能、碰哪些数据是限定的，所有操作可追溯，沙箱和本机环境完全隔离，删除、外发这类高危动作必须人工点头才执行。交通运输部同步前瞻开展了行业人工智能应用安全体系研究，出台《“人工智能+交通运输”应用安全指引》，坚持“包容审慎、风险导向、敏捷治理、技管结合、协同应对、防范失控”六大安全治理原则，形成覆盖人工智能应用全生命周期、全业务领域的安全治理框架，为本次典型应用场景创新行动筑牢安全底线。这套东西不性感，却决定了企业客户敢不敢把 Agent 放进真实流程。大规模落地还有另外一个关键：成本。6 月的引擎升级里，在任务效果不降的前提下，执行过程的 token 消耗压低了 75%。

十一 | 约等于用四分之一的 token，做完了原来的工作量。

十二 | 而 token 能压下来，又跟百度自己有模型、有云、有芯片布局分不开。。

十三 | 正是因为每一层都有布局，联合优化带来的空间才能够更大。换句话说，跑出一个搭子，背后是一整个百度。 02 从个人到企业，在真实任务里长出场景工程是说给行业听的。另一方面，对用户来说，一个 Agent 好不好，就一条，能不能把他真正头疼的事办了。老万，70 岁，长白山的野生动物摄影师，手里攒了一百多 TB 的红外相机和监控素材。

十四 | 他最头疼的不是拍，是看——几个小时的视频，靠人眼一帧帧回放，挑出有动物出现的画面，眼睛先扛不住。他不会写代码，也没有团队，只是用平常说话的方式给百度搭子下了个指令：把有野生动物的画面挑出来、单独建个文件夹、再按我的习惯整理一份监测日志。原来要靠人眼熬着一帧帧回放的活，现在他说完需求就能拿到挑好的片段和整理好的日志——70 岁的眼睛，从这道工序里解放了出来。杭哥，在杭州开缝纫教室，教零基础学员三天速成。他最耗神的环节，是把学员「想要通勤一点」「想显瘦但别太夸张」这样模糊的话，变成能落地的服装方案。过去要反复沟通、反复改图，一张效果图能耗掉一天。现在他把学员的描述丢给百度搭子，效果图、版型建议、面料推荐、制作成本，连带上课用的课件大纲，一次对话就出来了。这两个案例的共同点是，用户并没有在学习一套复杂软件，也没有为了某个垂直需求单独搭系统。

十五 | 他们只是把目标说出来，百度搭子把背后的工具、数据和流程组织起来。这两个人都是自己所在领域的专家，没有技术背景。他们的麻烦过去也不是花钱就能解决的。

十六 | 一个摄影师、一个缝纫老师，不会为筛素材、画版型去搭一套系统，市面上也没有正好接住这种活的工具。现在可以实现的，是过去他们够不着的一副外挂：一句日常的话，就能调动一整套本来不属于个人的能力。能实现如此专业的系统性能力交付，可以从百度搭子成长路径来看。

十七 | 百度搭子的成长路径，并不是先做一个轻量聊天工具，再慢慢加功能。更准确地说，它一直围绕「完成任务」来扩展能力：个人版补齐多端共享记忆、Browser Use、PPT 生成和自媒体专业套件，企业版则把这些能力带进团队协作、权限管理和组织资产沉淀。

十八 | 最新长出来的一个场景，有点出人意料。世界杯期间，百度搭子进了央视频的《超级绿茵场》，在「AI 战术分析时刻」里，把进球、跑位、防守漏洞，拆成普通观众能看懂的战术。把同一套分析能力挪到看球这件事上，它就多出了点陪伴的意味。有意思的是，让它能陪你看球的，正是它平时用来干活的那套分析能力，它能去到哪些场景，其实不由它预设，而由有人把什么样的问题带到它面前。 03 一个 Agent 能走多远，取决于背后的系统一个 Agent 能走多远，短期看它现在能做什么，长期看它靠什么越做越好。答案在那条链的内部。全栈的各层之间，不仅在技术层面能够默契耦合的，也成为了数据优化的天然通道。智能体被用起来，产生真实的任务数据，这些数据回过头优化模型；模型的需求，又牵动着芯片和算力怎么调度；产业里的真实场景，则反过来检验这个智能体到底有没有解决问题。转得越快，迭代越快，成本压得越低，落地也越深。所以，百度搭子站上 WAIC『镇馆之宝』的位置，并不是一个孤立的展会荣誉。公开评测里的成绩，说明它在长任务执行上跑出了结果；央视频世界杯里的战术分析，说明它能进入高关注度的大众内容场景；日均提问次数 20 倍增长，说明用户正在把真实任务交给它。