中国搜寻引擎龙头百度（Baidu Inc.）週一推出全新人工智慧模型ERNIE‑4.5‑VL‑28B‑A3B‑Thinking，宣称在多项视觉理解任务中击败Google与OpenAI的最新系统，且所需运算资源远低于竞争对手。此举被视为百度在全球AI竞赛中的关键布局，也显示多模态AI（具备文字、影像、影片综合理解能力）已迈入更高效率与更广泛应用的新时代。
根据官方技术文件，该模型总参数量达280亿，但实际运行时仅激活约30亿参数，仰赖先进的「动态路由」机制，自动挑选最适合的子网络进行计算。这项创新设计不仅让其在文件解析、图表解读与图像推理等复杂任务上媲美更大规模的模型，同时也显著减少记忆体占用与能耗，被外界誉为以精巧架构实现高效能的典范。
这项AI技术最引人注目的功能，在于其具备「动态缩放视觉焦点」的能力——如同人类看图时先掌握整体轮廓，再聚焦细节。例如分析一张复杂的电路图时，它会先识别整体结构，再逐层深入特定元件进行判断。这种类人眼的观察方式，使其在处理工业检测、财务报表或学术图表时更具弹性与精准度。
背后的关键技术是「混合专家系统」（Mixture of Experts, MoE），让模型能依任务需求动态启用最相关的30亿参数运作，而非全部启动。这意味着企业用户仅需配备一张高端GPU即可部署运行，大幅降低硬件门槛与运营成本，对中小企业尤其具吸引力。
值得一提的是，百度采用「Apache 2.0」开源授权释出此模型，允许任何人自由下载、修改，并可用于商业用途。相较之下，Google与OpenAI多数先进模型仍采取封闭或限制性授权模式，此举无疑为开发者生态注入更强动能。
百度表示，ERNIE‑4.5‑VL‑28B‑A3B‑Thinking在多项基准测试中表现优于Google Gemini及传闻中的GPT-5，尤其是在图文关联理解与跨模态推理方面领先明显。然而，目前尚未有第三方机构独立验证这些成果，实际效能仍有待业界广泛测试确认。
该模型特别适用于金融分析、供应链管理、制造业质检等领域，可自动解读合同文件、侦测图表异常、识别生产线上的瑕疵品。由于其低资源消耗特性，即使资源有限的企业也能轻松导入AI能力。
百度预计将在11月13日举行的「Baidu World 2025」大会上，公开更多实际应用场景与性能数据。若其效能确实如官方所述，有望重塑全球AI产业格局，推动低成本、高效率的多模态AI工具普及化。
