题图｜视觉中国

如果说 2023 年是 AI 的模型年，2024 年是 AI 的应用年，今年毫无疑问是 AI 的“成效年”。

参照上一轮移动互联网革命的进程，AI 大模型产业并没有迎来真正的“爆发期”。用户规模和 App 的装机量或许已经上去了，第一批核心用户群体也已经出现了，但从渗透深度，到营收转化，都还处于一段前夜的寂静中。

这或许就是为什么，在今年的百度世界大会上，作为 AI 领域领头羊之一的百度，并没有强调任何单一维度的 KPI。无论是算力储备、模型跑分，还是单个应用的用户增长，都不是百度关注的重点。相反，百度关注的是每一个垂直场景的“小成功”、“小进展”。

对百度来说，AI 战略从播种走到了育苗的阶段，但他们似乎并不急于追求“收获”。

过去一段时间，百度曾被舆论认为在 AI 竞争中掉队，是“起个大早，赶个晚集”。但百度展现了自己的态度——他们要赶赴的，是 AI 的“大集”。

实际上，历史也一次次证明着，一项技术从积累走向爆发，是无法被严格计划的。每一次收获，都是坚持长期主义的回报。

技术的原爆点，是与用户需求的深度交织

自 2023 年 ChatGPT 横空出世，两个月收获一亿用户，很多人都将其视为 AI 的“原爆点”，也是从这里，模型能力和 App 增长的激战打响。

到现在，近三年过去，我们必须承认，ChatGPT 或许并不是那个原爆点。当早期的热潮褪去，它后劲不足的现实也逐渐暴露出来。

根据多项市场研究，ChatGPT 用户平均每次与 AI 互动 5-6 轮，持续时间约为 6-15 分钟左右，在 App 平均停留时间为 15 分钟。其他 AI 聊天机器人工具也面临类似状况，用户平均每周的活跃天数仅为 2-3 天，且难以被推送通知激发。而且，这些核心行为数据，在过去三年里并没有明显增长。

体现在模型能力上也是一样。无论是语言还是视觉模型，它们的效果在过去三年里确实有明显改善，但随着用户和 AI 的交互深入，各种错误和问题的暴露也成指数级增加，主流舆论对声称是内容的态度也从早期的“惊奇”，逐渐转向“质疑”。尤其在严肃的专业领域，对 AI 生成内容的人工核查、编辑，成为了非常关键的工作流程。

这一切问题在 OpenAI 身上体现得淋漓尽致。作为一家创业公司，OpenAI 并没有先天的用户场景，而无论是 ChatGPT 还是 Sora，这些新造的应用场景，其实都表现出了它们的脆弱之处。

尤其是 Sora 2 推出后，至今一个月的时间内，已经接连爆出争议。从好莱坞明星，到马丁路德金的后代，以及日本动画行业，先后发表声明表示 Sora 生成的内容侵犯了他们的肖像权或版权。还有媒体发现 Sora 生成了大量包含种族主义、暴力元素的有害内容。

这些摩擦都说明，要找到 AI 技术的“原爆点”，最关键的不是初期规模，而是未来势能。驱动这一势能的核心因素不是一时的市场投入，而在于它如何与用户的需求和行为深度交织。

从 OpenAI 的反面，更容易理解这一点。过去一年，Gemini 的增长速度和用户口碑正在超过 CahtGPT。根据市场调研机构 Similarweb 的数据，以流量计算，Gemini 的市场占有率从一年前的 6.4%，翻倍增长到了 12.9%。曾一度“垄断”这一市场的 ChatGPT，则从 87% 降到了 74%。且这个统计方法只计算了 Gemini 本站的流量，只占 Gemini 总流量的一小部分。

在这背后，最关键的变量依然是“场景”。谷歌将 Gemini 与搜索进行了紧密结合，搜索框不仅是一个“入口”，更在于搜索行为本身，和 AI 提示词编写就属同一逻辑，是最典型的“与用户行为深度交织”的 AI 场景。

同一逻辑在百度身上也得到了印证。过去一年，百度 AI 搜索月活达到 3.82 亿，用户规模在互联网的后增长时代实现了 18.6% 的环比增长。通过 AI，百度对搜索的产品逻辑也进行了重构，从过去的搜索文字内容和链接，再进行跳转，变成了新的直接展示经过整合的富媒体内容。对国内用户来说，这种搜索体验更接近他们最熟悉的“应用”的体验。

AI 的长期价值，要看它与时间的积分

当下行业对 AI 应用的默认路径是“产品化”，除了 API，创业公司推出的更多是一个个 App，这是移动互联网时代的惯性。但实际上，AI 更深刻的价值可能依然在于服务化。

这里一个很合适的类比案例是“云储存”。回到十年前，一个普遍的认识是：C 端云储存平台的商业模式是简单的“卖订阅服务”，无论 Dropbox 还是 1Password，都采用了这一套逻辑。

但十年后的今天，事实证明，云平台最重要的价值，是像 iCloud 那样，把用户的行为和数据捆绑在一起，不只是卖储存空间，而是一整套自洽的硬件、软件、服务。随着用户使用时间越长，越形成习惯，就捆绑得越紧，就越体现为价值。

自 2018 年 Dropbox 上市至今，它的市值几乎没有显著增长，完全落后于硅谷的“大部队”。过去五年的收入增长也陷入乏力，从 2020 年的 15% 年复合增长，到现在已趋于停滞，过去两个季度更是出现了同比下降。

与之相对的是苹果的软件服务收入，在过去五年实现了几乎翻倍的增长成绩，近一年的增长率仍保持在 13%。

类似的例子其实有很多，从 AWS、微软，到英伟达，每一家巨头的成功，无不是极致坚持长期主义的结果。自 1999 年上市至今 26 年时间，英伟达有 95% 的市值是过去 3 年涨出来的。

尤其是像 AI 大模型这样的基础技术，它的价值，只有通过与时间的积分，才能真正体现。追求短期的规模扩大，很容易变成泡沫，想要摘取长期主义的果实，必须要有非常坚硬的技术内核。

尝试提炼这样一颗内核，就是百度目前的第一目标。一种观点会认为百度错过了上一个移动互联网、App 时代，这或许正是百度在 AI 战略上，没有落入 App 思维定势的原因。从搜索到云平台、再到数字人、文库，以及萝卜快跑，百度试图打造的是 AI 的全栈，而不是单点的应用突破。不放弃任何一个可能性，也不急于 all-in 任何一段短暂的狂热。

在这一“育苗”的战略下，已经有不少阶段性成果产生。尤其是过去一年，萝卜快跑在出海领域，已展现出超越行业的发展势头。萝卜快跑目前累积的自动驾驶行驶里程已超过 2.4 亿公里，其中全无人驾驶里程超过 1.4 亿公里，累计为公众提供了超过 1700 万次出行服务，各项指标全球第一。截至目前，萝卜快跑已覆盖全球22座城市，每周订单量超 25 万单，且 100% 为全无人订单。在打车这一已经过充分验证的需求场景下，展现出走向长期的巨大潜力。

“内化 AI 能力”

今年的百度世界大会上，李彦宏特别提出了一个新概念——“内化 AI 能力”。他说：“只有当 AI 被内化为一种原生的能力，才能真正在各行各业实现效果的涌现，进而引爆一场全面的生产力革命，推动经济增长，让智能红利转化成社会红利。”

这就是为什么百度不再瞄准短期 KPI，不只强调以季度为单位的增长数据，而是关注长期的应用场景，更深层次的技术落地逻辑。

“内化 AI 能力”，是摒弃“AI 颠覆一切传统，寻求替代人类”这样的对立，强调 AI 技术与当下社会的顺向结合。AI 发展的目标不是单一维度的算力扩充、模型跑分或用户增长，而是要让 AI 能力与上下游有机交织，产生正和的价值。

这一观点，恰好击中了当下 AI 行业不容忽视的一个大问题。过去三年，在 AI 渗透市场的同时，其投资效率低下的问题也遭到频繁质疑。

不止一家研究机构发现，AI 领域存在巨大的由互相投资造成的泡沫，尤其是以 OpenAI、英伟达、甲骨文为核心的多笔投资、合作交易。

围绕 OpenAI 目前已达成的 AI 投资交易，总额有 1 万亿美元量级，这个规模有明显被夸大的迹象。金融分析师认为这意味着 OpenAI 对外投资的资金基础，从过去的正常现金流，转为了其持有的英伟达股份和债券。这是非常典型的“泡沫化”现象。

根据 CB Insights 的数据，当下有超过 498 家 AI 创业企业实现了十亿美元的“独角兽”估值，一亿美元估值的 AI 公司更是多达 1300 家。而十年前，整个移动互联网行业的独角兽企业也不过 140 家左右。

在 AI 行业投资繁荣的背后，下游市场则表现出明显的摩擦和消化不良。

根据 MIT 的一份调研报告，当下 95% 的企业在投资引入 AI 工具后，并没有获得正收益。AI 在很多垂直领域都已展现出不可替代的作用，但它并不是很多人理解的“通用智能”，并不能像魔法一样解决任何问题，而是需要切入契合的场景，形成新的流程。这个“磨合”的过程，无法一蹴而就。

这一切都证明了，AI 的“大集”还在路上，理解 AI、用好 AI，是一个比想象中更长的过程。

当下的百度，并不是没有资源去给产品买量。但百度更看重的，还是一款产品在应用场景下，能不能体现出更大的潜力。这就是为什么百度在 AI 战略上依然保持着“广撒种”和“深储备”，体现在外界感知上，给人一种“掉队”的错觉。

从 AI 搜索、无人驾驶，智能云和芯片，大模型和框架，到数字人、无代码开发平台，再到文库网盘以及新推出的算法智能体伐谋，百度在 AI 行业里不是最会高调炫技的一个，但可能是技术布局最全面的一个。这种探索以团队内部对 AI 工具的应用为起点，因为经过内部验证的实践，往往具有最强的生命力。

在积蓄中，百度也等待着“AI 大集”的检验。AI 浪潮的序幕刚刚结束，真正的决赛比拼，还没有开始。

特别策划