百度近日正式推出文心5.0原生全模態大模型，標志著國內人工智能領域在多模態技術方向上取得重大突破。該模型參數規模達2.4萬億，采用創新的原生全模態統一建模架構，突破傳統多模態技術"后期融合"的局限，實現文本、圖像、視頻、音頻等多元數據在統一模型框架中的深度協同訓練。這一技術路線使模型具備原生全模態理解與生成能力，在40余項權威基準測試中，語言與多模態理解能力超越國際主流模型，穩居全球第一梯隊。
在技術架構層面，文心5.0創新性地采用超大規模混合專家結構，通過超稀疏激活參數設計將激活參數比控制在3%以下，在保持模型強大性能的同時顯著提升推理效率。模型開發團隊基于大規模工具環境構建長程任務軌跡數據，結合思維鏈與行動鏈的端到端強化學習訓練方法，使模型在智能體交互和工具調用能力上實現質的飛躍。這種技術突破為AI在復雜場景中的應用奠定了堅實基礎。
百度集團副總裁吳甜在發布會上強調，文心5.0的技術路線與業界普遍采用的"后期融合"方案存在本質差異。通過將多源數據在統一自回歸架構中進行聯合訓練，模型實現了多模態特征的深度融合與協同優化，這種原生全模態建模方式使模型能夠更自然地處理跨模態任務。例如在圖像生成場景中，模型可以同時理解文字描述、語音指令和參考圖像，生成更符合用戶預期的視覺內容。
應用模型研發部負責人賈磊現場展示了三項突破性技術：基于聲音Token的端到端合成大模型通過離散語音表示、MoE韻律建模和Unet聲學編碼等技術，實現了更自然的語音合成效果；5分鐘直播技術通過少量音色采樣和韻律模式匹配，使合成語音具備專業主播的情緒表現力；實時交互數字人技術采用三態Token聯動架構，突破傳統數字人制作模式，實現文本、語音、視頻的流式控制，顯著降低制作成本。這些技術已應用于羅永浩數字人直播等場景，創造行業新紀錄。
為推動大模型技術落地，百度千帆平臺推出Agent Infra解決方案，提供包含文心5.0在內的150余個場景化模型服務，集成百度AI搜索等工具鏈，結合數據管理和企業級服務能力，為企業打造全周期、多場景的業務運行環境。目前平臺已孵化超130萬個智能體應用，以百度AI搜索為代表的工具日均調用量突破千萬次，形成完整的"芯云模體"技術生態閉環。
相較于國際主流AI應用仍以對話交互為主的現狀，文心5.0的技術突破為AI在真實行業場景中的深度應用開辟新路徑。通過構建從芯片到智能云，再到模型應用的完整技術棧，百度正在探索一條具有中國特色的AI發展道路。這種全棧自研的生態閉環，不僅提升了技術自主性，更為金融、醫療、教育等垂直領域提供了可定制化的智能解決方案。
