大模型“鬼故事”纏上的不止百度_風聞

“這顯然是假的。大模型是積極的進攻，也是必須做的防守。反正沒聽説模型優先級降低。”

“老闆明確表示，我們絕不會下table。”

針對“百度大概率放棄通用基礎大模型”的傳聞，兩位百度員工對「市象」表示。

所謂的傳聞來自一篇帖子：“百度大概率將放棄通用基礎大模型研發，（又是起了個大早趕了個晚集?）李彥宏最近和內部明晰了主要做應用的戰略，百度在模型層實在卷不動了。”

該帖在短暫發酵後引發關注，這最終迫使百度不得不作出回應。9月9日，文心一言市場部負責人張全文在朋友圈發文，“所謂‘放棄通用大模型研發’純屬謠言！文心一言剛完成了功能全面升級。我們將持續加大在通用大模型領域的研發投入。”

事後，一位接近百度的知情人士對「市象」透露，這在百度內部引發了廣泛討論。

有百度員工對「市象」坦言，有這樣的傳言並不意外：“SuperCLUE總排行榜（2024年8月），ERNIE-4.0-Turbo-8K的評分已經落後於不少模型。如果轉向應用領域，那機會就更渺茫了。”

過去半年，市場對AI大模型的關注焦點從模型技術本身轉向了智能應用的實際落地，AI預期也開始回調。因此，在基礎大模型的投入與AI應用落地之間做出取捨，實際上已成為所有大模型玩家不可迴避的共同難題。

01 從ROI看“謠言”誕生的通路

“或者這麼説吧，訓練下一代模型不是百度的第一優先級。”上述發帖者表示，言外之意是“放棄”並不準確。

他此前對百度大模型方向的判斷邏輯是：

GPT-4現在還沒追上，到了GPT-5這個級別的模型花費可能30億美金(粗估，上下浮動，這幾乎是百度一年的淨利潤)，而且你得知道怎麼做，而且做出來要考慮ROI（投入產出比）能不能打正，一旦失敗就是巨大的資源浪費和機會成本損失，這已經是在眼前非常現實的問題，百度這個體量的公司已經支撐不起模型夢了。

從ROI角度出發，單看產出端，即大模型的變現而言，百度當前確實面臨着一定的商業化壓力。

據二季度財報，百度最大的收入來源線上廣告業務收入為192億元，同比下滑2%。廣告業務如此表現的原因是，百度推進搜索業務的人工智能革新造成了不小的內部壓力。目前百度檢索結果中有18%的結果是由生成式人工智能提供。目前這部分業務尚未實現變現。

有營銷業內人士對「市象」指出：“百度在AI技術上的投入為未來鋪路，但目前AI生成的內容還沒有找到合適的變現模式，這在一定程度上影響了廣告主的投放決策。”

在另一塊雲業務上，百度雲當季收入為51億元，其中，9%的收入來自外部客户對大模型和生成式AI相關服務的需求。據計算，該季度，生成式AI為百度雲貢獻了約4.59億元的收入，而在之前的兩個季度，這一數字分別為3.24億元和2.74億元。

生成式AI收入呈現增長趨勢，但目前該業務對整體業績的貢獻依然有限，尚不足以撬動百度雲的整體增長曲線。

百度等大廠在大模型商業化上的變現壓力，還來自國內雲廠商主動或被動發起的大模型價格戰。

近日，騰訊推出了新一代大語言模型“混元Turbo”，並以降低50%的價格進一步加劇了這場價格戰。而在此之前，百度也在持續降低其模型的推理成本，來應對市場的價格壓力。

今年5月，百度智能雲宣佈ERNIE-Speed、ERNIE-Lite、ERNIE-Tiny系列模型預置服務對客户免費開放使用；今年7月WAIC期間，百度智能雲宣佈ERNIE 4.0、ERNIE 3.5兩款旗艦模型大幅降價，ERNIE 4.0 Turbo面向企業客户全面開放，輸入輸出價格分別低至0.03元/千Tokens、0.06元/千Tokens。

隨着國內大模型市場的激烈競爭，**價格戰導致大模型的調用成本急劇壓縮，行業已經陷入所謂的“負毛利時代”。**無論是開源還是閉源模型，當前都面臨着同樣的困境——大模型業務難以實現直接盈利。

據財經雜誌，“大模型市場的淘汰賽已經啓動。”一位中國雲廠商大模型業務負責人分析稱，大模型調用的負毛利意味着，在短期內，調用次數越多，雲廠商的虧損就越大。

綜合這些因素，“單靠當前大模型的商業開發程度就實現正向ROI，有些不切實際。因此，百度重新定戰略是完全有可能的。”一位騰訊AI算法專家對「市象」表示。

02 百度的AI路徑是“既要又要”

百度此次雖否認了“放棄通用大模型研發”的傳聞，但並未否認對應用開發的優先級。與其他大廠相比，百度十分重視AI應用開發。

遍數廠長的發言，始終強調“卷大模型沒有意義，卷應用機會更大”。在近期的WAIC上，李彥宏甚至不再強調模型開源還是閉源，“這些都不重要，缺乏應用支撐的基礎模型，無論開源還是閉源，都毫無價值。”

一位接近百度的業內人士向「市象」透露：“李彥宏的意思是，希望創業者能基於文心大模型開發更多AI應用，而不是讓資源浪費在過多的基礎大模型上。”

**“其實想法是對的，問題在於怎麼落地，百度自己就是搞基礎大模型的，別人憑什麼聽你的。”**他進一步補充道。

百度內部員工也討論過這個問題，有員工表示，希望robin（李彥宏）在公開場合少發表那些容易引發眾嘲的言論。“只有百度的大模型不算浪費，別的公司做就是浪費資源，這種態度，作為行業領軍者，實在是格局不夠。”

從當下市場視角來看，百度在大模型和應用領域的理想目標其實是雙管齊下。

在一直強調的應用領域，百度推出了三款AI開發工具，分別是智能體開發工具（AgentBuilder）、AI原生應用開發工具（AppBuilder）和模型定製工具（ModelBuilder）。

智能體是百度最看好的AI應用發展方向。在2024百度AI開發者大會上，李彥宏透露，已有1萬名百度客户成功上線智能體，應用覆蓋教育培訓、房產家居、機械設備、商務服務等30多個行業。

在近期內部公開分享中，李彥宏也再次重提智能體，他認為智能體的低門檻是做應用直接的思路。

然而，智能體的方向或在公司內部並未達成一致。據接近百度的知情人士透露，在百度AI開發者大會期間，一些員工私下表達了不滿。

**有員工表示，文心智能體平台展示的那些所謂的“智能體”，除了少數用於展示的項目，其他99%更像是玩具。**這些“玩具”即使通過搜索分發，也幾乎沒有實際價值。真正有意義的智能體，應該能夠提供高質量服務，或者具備公網無法獲取的私域數據。如果這些“玩具”都能被稱為AI原生應用，那無異於自欺欺人。

李彥宏或許也認識到智能體的不足，“有很多人看好智能體這個發展方向，但是到今天為止，智能體還不是共識，像百度這樣把智能體作為大模型最重要的戰略、最重要的發展方向的公司並不多。”

除了智能體自身的產品屬性之外，外部開發者在AI應用開發方面對百度也保持一定的謹慎。

從目前公開的案例來看，使用百度AI開發平台的多為商家為其消費者提供的輕量級應用，企業級應用卻相對稀少。儘管李彥宏多次承諾百度不會涉足應用開發，給創業者留出足夠空間，但在移動互聯網時代屢見不鮮的“像素級複製”，讓開發者在大模型時代更加警惕。

一名垂直領域模型初創公司的創始人曾向財新表示，一方面，基於百度平台進行開發意味着將算法和數據暴露給百度；另一方面，百度可能無法為腰部開發者提供足夠的接口支持，這也意味着開發者的客户數據難以在百度平台上進行部署。

03 大模型泡沫下的戰略轉向

眼下，高潮過後，更多的人開始審視生成式AI帶來的實際收益問題。

高盛在6月末發佈報告《生成式AI：花費甚多，而收益甚少》，高級策略師Allison Nathan提出了一個很關鍵的問題：在AI上的投入是否過多，而收益卻太少？

在高盛的報告中提到，生成式AI技術被認為能改變公司、行業和社會，所以很多大公司計劃在未來幾年投入1萬億美元在AI相關的東西上，比如數據中心、芯片和電網。

這一支出已得到驗證。CoutueAI的報告也提到，預計到2030年，基礎設施建設將耗資約1.2萬億美元，主要用於採購大約2500萬單位的GPU及其他相關支出。

要實現正向ROI，按照25%的回報率計算，預期收益需達到6000億美元，加上1.2萬億美元的投入，到2030年AI的總收入必須達到1.8萬億美元才能實現收支平衡。然而，根據高盛的觀點，迄今為止，這些鉅額投資除了略微提升了開發人員的工作效率，尚未看到顯著的成果。甚至從中獲益最多的英偉達，其股價也出現了下跌。

當然，這只是宏觀層面的討論。如果聚焦到具體的大廠，實際面臨的問題是，**通用大模型逐漸演變為一個“超級燒錢”的遊戲，變成了只有巨頭才能參與的“富豪局”。**沒有足夠資金的公司將不得不退出這場競爭。

根據國家網信部門官網公示的信息，自去年8月31日我國首批通過備案的人工智能大模型名單出爐以來，短短一年間，全國已有188款大模型完成備案，

從終局思維來看，隨着資金不足的玩家被淘汰，或者在競爭中耗盡資源，最終只有少數幾家真正具備競爭力的大模型公司會主導市場。

“本質上，基礎大模型就像CPU，都是通用技術。只要少數幾家公司做到足夠強，就能滿足大部分市場需求。通用性商品的競爭就是如此，贏家通吃，最終通過市場的競爭洗禮，只有少數幾家廠商能勝出並生存下來。”一位計算機業內人士表示。

**這種“燒錢打仗”的局面在互聯網大廠中已上演多次。**以雲廠商的大模型調用價格戰為例，雲廠商賭的是，隨着大模型調用價格降低90%，未來1-2年內調用次數將呈指數級增長。在這場賭局中，必然會有一批模型廠商因價格戰倒下，而倖存者將接手市場，收拾殘局。

顯然，大廠要想在基礎大模型的“金錢戰”中勝出，除了眼下是否有足夠的資金支持，長遠來看，自身的造血能力至關重要，而AI應用正是實現這一目標的關鍵方向。

事實上，仔細研究今年各大廠商的動向可以發現，他們除了在基礎大模型方面持續投入，也在不斷強調AI應用的開發。AI應用不僅是未來的造血工具，也是將大模型落地並創造實際價值的重要途徑之一。

因此，“百度採取雙軌策略（同時推進大模型和AI應用的發展），是為了應對可能出現的大模型泡沫時比較穩妥的做法。”接近百度人士對「市象」表示。

“唯一的問題在於，AI應用的落地方向仍然不夠清晰。許多項目還停留在概念驗證階段，距離真正的商業化應用還有一段不小的距離。”