検索エンジン大手の百度（Baidu、バイドゥ）が、非エンジニアや現場の作業スタッフでも直感的なUI操作で独自の高精度カスタムAIを構築・デプロイできるノーコード開発プラットフォーム「EasyDL」の展開を強化しています。
大規模言語モデル（LLM）を中心とする高度な生成AIが脚光を浴びる一方で、スマートファクトリーの品質検査や店舗管理などの実業務における「個別最適化された実用タスク」を低コストで回すための現場主導のノーコード開発基盤として、着実な導入拡大を見せています。
1. 専門知識ゼロで高精度モデルを構築する「3ステップ開発」
百度のEasyDLの最大の特徴は、ディープラーニング（深層学習）の基礎知識やPythonのコーディングスキルを持たない一般のビジネス部門の担当者でも、以下の3つの直感的なステップのみで、実用的なカスタムAIモデルを作成できる点にあります。
- データアップロードとアノテーション： 画像や音声、テキストなどの学習データをドラッグ＆ドロップでインポート。内蔵されたスマートアノテーションアシスタントの支援により、アノテーション（ラベル付け）の手間を大幅に削減します。
- 自動学習（AutoML）の開始： 「画像分類」「物体検出」「音声分類」「テキスト分析」などの目的を選択し、学習ボタンを1クリックするだけ。裏側のAutoMLエンジンが最適なニューラルネットワークのアーキテクチャを選定し、自動でトレーニングを実施します。
- 1クリックデプロイ： 学習が完了したモデルは、クラウドAPIとしてのデプロイはもちろん、スマートフォンや産業用PCなどのエッジデバイス（iOS、Android、Windows、Linux、Raspberry Piなど）に最適化された軽量SDKとしてワンクリックでエクスポート可能です。
2. LLMプラットフォーム「千帆（Qianfan）」との対照的な棲み分け
百度は企業向けのLLM開発やAIエージェント構築のためのプラットフォーム「千帆（Qianfan）」を提供しており、大企業や大規模プロダクトの開発にはこちらの千帆が主導権を握っています。
これに対してEasyDLが狙うのは、より小さく、現場に分散した個別のニーズです。例えば「製造ラインに流れてくる製品の特定の傷だけを判定したい」「特定の工場音の中から異常音の予兆だけを検出したい」といった固有のローカルタスクです。
これらのユースケースでは、パラメータ数が莫大で処理コストが高い大容量LLMを動かす必要はなく、EasyDLで構築した数十MBの特定タスク特化型軽量モデルをローカルのエッジデバイスで低遅延かつ低コストで稼働させる方が、はるかに合理的です。
3. 編集部解説：現場が主導するボトムアップ型DXの重要性
日本の製造業や小売業のDXにおいて、最も大きなボトルネックとなっているのが「IT・AI人材の圧倒的不足」です。専門のデータサイエンティストを各現場にアサインすることは現実的に不可能であり、これがAI導入の足枷となっています。
百度のEasyDLが提示するアプローチは、AIの開発権限を専門の開発チームから「現場のドメイン知識（業務知識）を持つ担当者」へと民主化（ノーコード化）することです。
「最も課題を理解している現場の人間が、自分でデータを集めてモデルを作り、明日から現場に導入する」というボトムアップ型のAI実装サイクルを回す仕組みが、実効性のあるデジタル変革（DX）を推進するための最も合理的な戦略となるでしょう。
なお、同領域における最新の産業構造と競争力学については、本誌が検証した「オープンは高すぎる」李彦宏、百度AIエージェントの現実およびMeta買収を中国規制に阻まれたManusが独立再起動への分析もあわせて参照されたい。
コメント
...