百度：从人工智能先驱到落后者

百度：从人工智能先驱到落后者 | AI生成和翻译

Home 2026.03

Question: 为什么百度在 AI 和 deep learning 领域起步如此之早（2014 年就拥有大量的 GPU 和人才，处于全球领先地位，甚至曾与 Google 竞购 Geoffrey Hinton 的公司），但现在却落后于 Minimax、Kimi (Moonshot AI) 和 Qwen (Alibaba) 等中国新兴玩家？

Answer:

百度在 2010 年代初确实是全球 AI 先驱，这归功于其远见卓识的领导层和对 deep learning 的激进早期投资。然而，由于业务重心的偏移、数据优势的更迭、执行速度以及激烈的市场竞争，百度在生成式 AI 时代难以维持其统治地位。

早期的 AI 领导地位 (2012–2017)

李彦宏对 deep learning 的豪赌：百度的 CEO 李彦宏很早就意识到了 deep learning 的潜力。2013 年，百度成立了 Institute of Deep Learning。他们聘请了余凯等顶尖人才，并建立了全球首批大规模 GPU 集群之一用于 deep learning 研究。
Andrew Ng 时代 (2014–2017)：百度挖来了 Google Brain 的联合创始人 Andrew Ng 担任首席科学家。Ng 在 24 小时内就订购并收到了 1,000 块 GPU —— 这比在 Google 的速度快得多 —— 并将 AI 团队扩大到约 1,300 人（包括 300 名研究人员）。百度将 AI 应用于 search、语音识别 (Deep Speech)、图像识别、地图等领域。他们将自己定位为中国 AI 的领导者，甚至在全求范围内展开竞争。
竞购 Geoffrey Hinton：2012–2013 年，在 Hinton 突破性的 AlexNet 论文发表后，百度（与 Google、Microsoft 和 DeepMind 一起）在一场秘密拍卖中竞购 Hinton 及其学生的专业知识（通过一家名为 DNNresearch 的壳公司）。据报道，百度最初出价约 1200 万美元；Google 最终以约 4400 万美元获胜，但百度曾是一个强有力的竞争者，这彰显了百度的雄心。
其他优势：百度在硬件（早期 GPU 集群）上投入巨资，并在硅谷开设了 AI 实验室。他们在语音和 computer vision 等领域处于领先地位，部分项目在当时甚至优于许多西方同行。

百度的优势包括快速反应的企业文化（采购速度快于 Google）、CEO 对 AI 的大力支持，以及中国日益增长的人才库和来自 search 的数据。

为什么百度掉队了（尤其是 2022 年生成式 AI 爆发后）

几个结构性和战略性因素解释了这种相对衰落：

核心业务依赖与错过移动/社交转型：
- 百度的收入长期由 search 广告主导（约 80-90%）。随着中国互联网转向 mobile apps、社交媒体（微信、抖音）、e-commerce (Alibaba) 和超级应用 (Tencent)，百度的 search 流量和广告业务增长放缓。竞争对手如 Alibaba 和 Tencent 构建了更丰富、更多样化的数据生态系统（电商交易、社交图谱、即时通讯），事实证明这些数据对于训练现代 AI models 更有价值。
对生成式 AI 和 LLMs 的适应较慢：
- 百度很早就发布了 Ernie Bot（2023 年 3 月，ChatGPT 发布后不久），声称在中国处于领先地位。然而，它在用户采用率和性能 benchmark 上屡次落后。Ernie Bot 的月活跃用户数远落后于字节跳动的豆包、DeepSeek 等。批评者指出其创新步伐较慢、战略波动（从闭源转向 2025 年开源 Ernie 4.5），以及低估了市场的快速变化。
- Minimax、Moonshot AI (Kimi)、智谱 AI 和阿里巴巴的 Qwen 系列等新兴玩家凭借敏捷的团队、更好的 product-market fit（例如 Kimi 的长文本推理、Qwen/DeepSeek 强大的开源发布）以及对应用或成本效率的高度专注，移动速度更快。
人才和执行力挑战：
- 虽然百度吸引了像 Ng（2017 年离职）这样的明星人才，但在竞争极其激烈的中国 AI 环境中留住顶尖人才一直很困难。许多研究人员流向了 startup 或其他 BAT 公司。监管压力和经济放缓也影响了招聘和士气。
- 百度强调全栈控制（PaddlePaddle 框架、Kunlun 芯片、Ernie models、Qianfan 平台），但这种闭源/专有方法有时会比竞争对手更开放或应用优先的策略导致迭代变慢。
算力、资金和生态系统动态：
- 2014 年，早期的 GPU 获取是一个巨大的优势。今天，由于出口管制限制了 Nvidia GPU 进入中国，迫使企业依赖国产芯片（如百度的 Kunlun）或替代方案。虽然百度投资了自己的芯片并拥有规模化集群，但新兴 startup 获得了巨额融资并采用了更高效的 training 方法（例如据报道 DeepSeek 用更少的资源训练出了强大的模型）。
- 中国的 AI 热潮催生了数十个资金充足的模型；百度 CEO 甚至警告 LLM 数量“太多”，呼吁关注应用而非原生模型。百度拥有强大的 cloud/AI 基础设施和多模态进展（2025 年的 ERNIE 5.0 是具有强推理能力的原生全模态模型），但变现滞后 —— AI 虽有贡献，但尚未完全抵消广告业务的疲软。
宏观市场压力：
- 疫情后的经济放缓影响了广告支出。尽管百度在 AI 方面做出了努力，但其股价表现逊于同行。Search 结果也因 AI 生成的垃圾内容而受到批评，侵蚀了用户信任。
- 竞争对手：字节跳动利用短视频数据和规模优势；阿里巴巴将 AI 与 cloud/e-commerce 绑定；纯 AI startup 则背负较少的历史包袱。

现状 (2025–2026)

百度远未出局。它继续进行大额投资：

ERNIE 系列（最高 5.0版本）具备多模态能力、agent 特性，并集成了 search、cloud (Qianfan)、Apollo Go (robotaxis) 和数字人。
开源了部分 Ernie 以提高采用率。
拥有自研 AI 芯片 (Kunlun M 系列) 和全栈生态系统 (PaddlePaddle)。
AI 现已驱动 cloud 收入的增长和 API 调用（每日达数十亿次），尽管广告业务导致整体收入有所下降。

从技术角度看，百度仍是中国最强大的 AI 公司之一，拥有深厚的专利和基础设施沉淀。然而，在超高速的生成式 AI 竞赛中，敏捷性、数据护城河、产品执行力和专注度让新进入者（Minimax, Kimi, Qwen, DeepSeek）在人气和 benchmark 上实现了赶超。

简而言之：百度的早期领先源于“前 LLM”深度学习时代的宏伟愿景、人才挖掘和硬件速度。目前的滞后源于对 search 的过度依赖、向面向消费者的生成式 AI 转型较慢、对手拥有更丰富的数据生态，以及一个 startup 迭代更快的碎片化且竞争极其激烈的中国 AI 市场。百度正在通过应用和多模态模型追赶，但在经济和监管挑战中重新夺回绝对领导地位仍需要持续的执行力。

References:

Back Donate