AI热潮过后一季度百度财报能给我们带来什么经验？

5月16日，百度提交了今年第一季度业绩。

无论是作为整体经济复苏后的首份财报，还是作为AI领域经历了一个季度的高速增长后的首份财报，百度的财报都具有重要的象征意义。总体来看，百度的业绩超出了市场预期。成本效率的提升和审慎的业务扩张非常有效：一季度，百度实现营收311亿元，同比增长10%；净利润达到57亿元，同比大幅增长48%。

受益于宏观经济形势的好转，作为百度第一增长曲线的广告业务强势复苏，核心网络营销收入达166亿元，同比增长6%，为百度奠定了坚实的基础。

围绕“商业化”主题，百度搜索、电商、智能驾驶均取得亮眼成绩。3月，百度App月活跃用户达6.57亿，同比增长4%，搜索业务的稳健增长也带动电商当季同比增长4%。同时，自动驾驶业务芜湖快跑本季度订单量同比增长236%至66万单，财报显示芜湖快跑目前是全球最大的自动驾驶出行服务提供商。

值得注意的是，作为AI的基础设施和第二增长曲线，百度智能云已实现季度盈利，营收同比增长8%至42亿元，业务健康状况有所改善。

正如百度创始人、董事长兼首席执行官李彦宏所言，“2023年第一季度，百度核心交出了稳健的业绩报告，收入增速较上一季度加快，营运利润率改善，并实现营运杠杆效应。”

稳健增长的背后，百度还用所谓的“AI大模型”奠定了变革的基础。

从去年年底开始，全球掀起大语言模型热潮，前期拥护者众多，但真正加入的人却寥寥无几，2月7日，百度决定发布基准大语言模型，成为中国第一家公布自己大语言模型的互联网厂商。

3月16日，“文心易言”内测如期启动，11天后，百度智能云迅速将“文心易言”企业级大模型服务商业化，平台开放内测。百度通过对技术变革的快速响应、研发乃至商业化，向市场展示了其深厚的AI技术储备和行业经验。

围绕“文心易言”，李彦宏还明确了百度未来的发展方向：“我们计划把文心易言逐步融入到百度的所有业务中，赋能我们的产品和服务，吸引更广泛的用户和客户。围绕文心易言构建新时代的新生态，也有助于我们实现长期可持续的增长。”

拐点来临，AI赋能第二增长曲线

长期以来，人工智能是一门好生意，但不是一门好生意。

翻看国内外上市AI企业的财报可以发现，AI解决方案虽然营收可观，但毛利率却极低，这也反映出在日益旺盛的市场需求面前，AI厂商依然无法摆脱高投入、低回报增长的困境。

AI服务能成为一门好生意吗？答案是肯定的。百度本季度的数据证实了拐点的到来。从2022年第二季度开始，百度智能云构建了“可持续增长”的业务模式，为重点客户构建标准化、可扩展的人工智能解决方案。

标准化显著拉动了智能云的利润，本季度百度智能云营收达42亿元，同比增长8%，首次实现盈利，这也意味着AI解决方案已经建立了坚实的毛利基础，成为百度智能云板块。

原因就在于AI服务的标准化。

在以往“1000人、1000个AI”的定制模式下，每面对一个新客户或新场景，企业都要从头开始重新做解决方案，应用场景的碎片化让高额研发投入难以分摊，AI企业常常陷入高投入低回报的泥潭，也间接增加了下游客户企业接入定制化AI模型的成本。

基于这些原因，近年来国内外众多云厂商喊出的“让AI成为第二增长曲线”的口号至今仍未成为现实。

AI解决方案标准化的意义在于将原本庞大、全面的“笨重”解决方案拆分成标准化的单元，企业可以根据不同的业务需求和应用场景，像搭建乐高一样，灵活组合、集成不同的AI模型，实现高效复制。标准化不仅降低了企业使用AI的门槛，也让企业更容易在实际场景中看到人工智能带来的成本降低和效率提升。

举一个典型的例子：在百度AI开放平台提供的八大智能产品服务中，“智能教育”领域的通用文字识别服务和作业辅导批改，在“智能医疗”领域的医学文档中也有应用，这是非常典型的场景。同样，人脸实名认证技术，也可以灵活运用在教育、医疗、零售等服务领域。

例如在品控场景下，传统机器识别准确率低，误点率高达70%以上。这就意味着，被判定为不合格的产品，70%以上其实是合格的。在与互通电子的合作中，百度智能云的智能质检解决方案可以过滤掉80%的误点，一年可节省200多万元的人工成本。如今，这套智能质检解决方案已被复制，正在常熟本地多家企业投入使用，包括阳轩电子、生益科技等。

在完成“0-1”标准化改造后，AI厂商需要快速进入“1-10”推广普惠阶段，积累优质客户资源。例如在水务领域，百度智能云先打磨福建泉州市自来水公司，一季度将标准化解决方案复制到1000公里外的甘肃省临洮县供水公司。丽江和百度的智慧城市建设经验也可以在昆明市官渡区应用，部署时间缩短50%。

“实战”的作用，用百度集团执行副总裁、百度智能云业务群总裁沈抖的话来说，主要在两个方面：一方面，利用AI解决重点场景的痛点；另一方面，通过不断获取反馈，不断优化技术，为客户提供高性价比的AI服务。

模式变革，MaaS支撑第二曲线

当AIGC技术的发展引领人工智能新浪潮迅速席卷全球时，很多业内人士认为云计算行业是首当其冲受到影响的行业，也是尾巴最长、红利最稳定的行业。不仅模型服务调用需求激增，而且自研模型的科技公司也越来越多，这两个现象都意味着算力需求的急剧增加。

而为AI大脑源源不断供给血液和能量的AI芯片和云服务，将率先收获这波红利。一个典型案例是微软2023年Q1财报超出市场预期，云服务占微软财报的1.3%，在电话会议中被提及20次。这份云答卷确实不错：微软智能云营收221亿美元，同比增长16%，其中其他云服务营收增长27%。

作为国内首个提出“云计算一体化”理念的公司，百度智能云服务一直是其财报主力，今年一季度智能云服务已巩固核心业务地位，营收占比达13.5%。

但仔细观察就能看出百度智能云业务重心的变化，从原来几乎单卖算力的商业模式，逐渐过渡到卖模式能力——这也间接体现了云计算市场预期的变化：从单点服务转变为“端到端”的一站式服务。

这与AI行业高强度的算力、金钱、人力投入息息相关，过去卖算力、卖存储空间的粗暴模式，业务链条短，竞争壁垒低，同时客户还需要在框架层从头搭建服务：对很多公司来说，进入AI赛道的门槛短期内会越来越高。

MaaS，即服务（ as a ），这是百度创始人、CEO李彦宏在“文心易言”发布会上对大模型时代三大产业机会的判断之一。

这也是一种新的云计算服务模式，相较于传统的IaaS（基础设施即服务）、SaaS（软件即服务）、PaaS（平台即服务）等云服务模式，MaaS模糊了层与层之间的界限，具有更高的灵活性和适应性，能够根据企业的数字化发展目标和业务场景提供定制化的解决方案。

今年3月27日上线的“文心千帆大模型平台”是百度智能云推出的MaaS服务，除了提供以“文心易研”为核心的大模型服务，帮助客户对产品和生产流程进行AI转化之外，文心千帆作为大模型生产平台，将模型开发、训练、调优、运行等复杂流程封装起来，帮助企业基于平台上任意开源或闭源大模型开发出自己专属的大模型，实现低门槛、高效率获取大模型能力。

在5月9日的“问心千帆”技术交流会上，百度智能云直观地展示了基于“问心千帆”大模型平台的MaaS能力，算法工程师仅传输100条标注数据，仅用几分钟就通过可视化工具对模型进行了微调，原本无法画出折线图的模型成功绘制出了某公司在全国各省的销售情况报表。

对于客户而言，MaaS模式下软件开发的门槛相比SaaS更低，即便是没有强大技术研发基础的小公司和个人，也有机会直接利用自身能力进行软件开发。灵活的MaaS模式可以将AI模型的控制权从服务商转移到用户身上，用户接入后可以随时使用。相比于技术理解和使用门槛较高的独立定制化AI服务，MaaS已将技术快速落地的画面呈现在客户眼前。

随之而来的是云计算市场态度的快速转变。百度集团副总裁侯振宇举了一个例子，“以前，高层领导过来谈，只是了解一下；但今年以来，客户开始关心如何去落实。”

得益于在多个垂直行业落地通用基数文心大模型的经验，百度积累了大量的行业知识，这也让“文心易言”上线后能够快速应用到政务、金融、智能等领域，包括数字创意、数字人直播、企业知识管理和“智能客服”等六大领域的智能产品都将全面升级。

自3月份以来，已有超过300家百度智能云生态伙伴参与“文心易言”内测，百度智能云销售线索同比增长超过400%，申请加入文心易言内测的企业数量已超过15万家。

对于客户来说，调用模型服务的门槛降低是直观的，但前期选择模型的门槛还是很高，对于大部分缺乏AI基因的公司来说，灵活运用（测试集）来测试模型能力还是太过专业。

市场上对于MaaS能力的评判并没有一个明确的标准，这也带来了云计算市场的另一个变化：未来云厂商推出的大模型服务需要从第一天开始就提升技术能力和成本可见性，这样才能保证云厂商推出的大模型服务既能满足市场的需求，又能响应市场的期待。

在侯振宇看来，评判模型能力的指标很复杂，但市场预期很直观：“最终导致大模型服务普及的原因只有两个：第一是模型有效性，第二是成本。”

为了让模型效果看得见，5 月 9 日，百度成为国内首家现场演示微调的企业。企业一旦使用，也能发现诸多技术迭代带来了提升的效果：自 3 月 16 日发布以来，问心易言在内测过程中已完成四项关键技术升级，包括首个支持动态插入的分布式推理引擎，数据直观地展现了技术升级的效果：单机 QPS（每秒查询量）较线上版本提升了 123%、模型推理效率提升了 10 倍、推理性能提升了 50%、算力利用率提升了 1 倍。

成本优化则更为明显。软件服务成本依然强调规模经济，例如上线后首月通话成本下降超过90%，随着用户规模的扩大和技术的优化，“文心易言”的通话成本也将继续下降。侯振宇透露，与今年3月16日“文心易言”刚上线时相比，成本已经降低了90%。

基础设施完工，技术投入打造第二曲线

融合多层服务模型的MaaS并不意味着研发流程的简化，而是云厂商需要在架构的每一层提供技术含量更高的服务。

“从层级上看，传统的IaaS在云上提供计算和存储，但在AI大模型时代，IaaS层依然是计算、存储和网络，但要求更高——比如专用网络、高密度计算能力。在软件层面，要能支撑AI的训练与推理、通信加速、算子加速；在PaaS层面，AI需要完整的工具链来支撑开发、管理和运维。”百度集团副总裁谢广军举了一个例子——当然，这也需要更高的算力和更高效的支撑算法。

未来，通过统一布局、高效协同，能够整合更多算力、更低服务成本的云，将能够在技术发展的浪潮中引领更多变革。

从此角度来看，在芯片、框架、模型、应用四大方面均有布局的百度，在资源整合和端到端优化方面拥有强大优势，例如通过构建智能计算集群、模型训练加速库，以及大模型自动并行化、容错训练等机制，百度智能云将AI开发效率提升100%，资源利用率提升70%，千卡加速提升90%。

与此同时，百度智能云还推出了一整套自研的新基础设施：百度AI大基地。作为10年AI技术积累和行业经验的结晶，百度AI大基地集成了芯片层基础设施AI IaaS层，以及融合框架层和模型层的应用平台AI PaaS层。

全套核心产品均为自研，能够深度耦合各层，最大程度发挥“端到端”优化的有效性。例如在生命科学领域，官方信息显示，百度生物科学基于与百度智能云联合打造的生物超级计算机，百度AI大基座为地平线智能驾驶解决方案全生命周期提供高性能数据存储和模型训练支撑。

开源模式的快速发展，给客户提供了更加多样化的选择，但也引发了云供应商对竞争的担忧。谷歌最近泄露的一份文件称：“开源模式速度更快、可定制性更强、更私密、功能更强大。”一份内部文件直言：“……当免费、无限制的替代方案在质量上取得突破时，人们不会为受限模式付费。我们应该思考我们的真正价值是什么。”

但开源模型提供的是技术，而非服务。对于站在智能化转型前沿的非技术公司来说，如何选择合适的开源模型、如何微调开源模型等一系列问题提高了进入门槛。对于技术公司来说，调用开源模型的算力支出依然不可避免，还要承担底层模型存在漏洞导致的 Bug 风险。

“开源模型会比百度全栈优化更便宜吗？不会。”百度集团副总裁侯振宇说，“一方面，普通企业不一定能负担得起两三千块的集群卡，另一方面，也不一定能做到，这么大的集群出现bug，很难调整，需要整体的调优服务能力。大模型贵，是因为体量大，训练时间长，在成本上，最终还是要看有没有整体的端到端成本控制能力，肯定会比单纯购买成本低。”

面对开源模型的冲击，云厂商通过“端到端”的优化，依然可以有效控制模型训练和托管的成本，让算力变得可以承受。百度智能云的“文心千帆”大模型平台未来也会支持第三方开源模型，为其提供训练、调优等服务。

这将是一个不断投入、不断创新的过程。

玩家众多，但数十年的技术研发投入实属不易，百度核心研发费用占核心营收比重连续7个季度超过20%，今年Q1技术研发投入仍占核心营收比重达17.43%。

正如侯振宇总结的，在大模型时代，企业要想通过创新脱颖而出，不仅需要智能的算力、灵活的框架平台、丰富的大模型体系、优质的应用解决方案，还需要对这四个要素进行端到端的适配和优化，这是一个需要“这、这、还有更多”的端到端的创新工程。

在过去的半年里，微软取得了长足的进步，凭借其技术和配套的云服务，微软聚集了越来越多的客户资源，目前已有超过1亿客户使用其云服务，同比增长超过150%。

同时，AI重塑的云服务赛道更强调先发优势和规模效应，日益增长的用户规模会以数据反馈的方式影响AI模型的能力和服务能力，李彦宏在内部信中强调，要有足够的规模，“端到端”才是最高效的。

随着越来越多云厂商布局AI+MaaS，率先以“问心无愧”交出答案的百度依然拥有显著的先发优势，Q1是全面踩下油门的起点，未来，云端还会发生更多变革。