【摘要】百度AI正經歷戰略關鍵轉折。2025年3月，百度宣布文心大模型4.5及X1全面開源免費，標志其十年閉源邏輯向開源生態的急轉。

這一妥協背后，是始終難逃的戰略搖擺質疑。從IDL重心的偏移到“起大早趕晚集”的智駕布局，一個經典的“重投入-低ROI-戰略曖昧”公式出現了。

當然，百度這次似乎只要里子，畢竟，自研昆侖芯萬卡集群和最大的生態資源足夠讓其有充分的發揮空間。

百度不是機會主義者，AI也不是，因此耐心和里子最重要。

以下為正文：

2013年初，AI還未成為全球熱點，李彥宏在年會上豪言：百度將建立初期專注于Deep Learning(深度學習)的研究院，并命名為Institute of Deep Learning(以下簡稱IDL)，后者成為AI界乃至智駕界的黃埔軍校。

12年后，各家大模型當道、DeepSeek席卷全球之時，百度和李彥宏卻還在摸索一條讓百度重鑄榮光的生命線。

2025年3月16日，百度發布文心大模型4.5和文心大模型X1，并拋出一個重磅消息，所有用戶免費開放。除此之外，文心大模型4.5還是百度首個原生多模態大模型。

很難想象，一個在AI界深耕10年的巨頭公司，會在短短不到兩個月內，經歷了從"閉源才是未來"到“全面開源”、從內部業務養模型到全面擁抱DeepSeek。

過去的深耕不一定失誤，眼下閃電般的轉變也尚需等待雷霆效果，唯一可以確定的事，百度似乎終于要“聽勸”了。

不過，百度向來都是一個邏輯自洽后愿意放手一搏的公司，在經歷了數次“起早趕集”的命題后，大手筆、高速度并不能救百度，接下來的策略才是百度AI的中場核心。

國內廠商中，百度是閉源派龍頭，李彥宏本人也多次公開表明立場。

去年7月的世界人工智能大會上，李彥宏表示開源大模型在學術研究、教學領域等特定場景下有存在的價值，但并不適用于大多數應用場景。他認為，在同樣參數規模下，開源模型的能力不如閉源，“如果開源能力要追平閉源，它需要有更大的參數規模，這意味著推理成本更高、反應速度更慢?！?/p>

而在今年2月的迪拜峰會上，李彥宏的口徑則來了個緊急轉彎，“開源有助于技術傳播和創新孵化”，此時距離DeepSeek發布大模型R1僅僅過去半個月。

業內盛傳，是DeepSeek擊穿了百度的閉源邏輯，恐怕并不全面。如此大幅的轉變是李彥宏和百度一次徹底的決策失誤嗎？恐怕也很難下定論。

通俗來講，百度此前閉源邏輯聲稱的“更有效率”是從綜合成本來看的。

按照此前李彥宏本人的說法，閉環的商業化是無數個用戶在共享同樣的資源，在分攤研發成本、分攤推理用的機器資源和GPU。而資源集中在一家、付費使用是能讓有限的推理卡發揮出最大的價值。

DeepSeek是開源的，成本也幾乎已經降到了業內最低，但用戶和開發者自己部署、部署之后GPU的使用率都要被算進成本模型里面，在各大公司尚且在囤卡的時節，一個普通用戶自行部署是相對更沒有效率的。

從實際效果上看，一個頗具代表性的現象是，盡管不少組織甚至高校第一時間宣稱適配的DeepSeek模型，但喧囂過后真正能夠實現滿血版的寥寥無幾，一個72B的模型顯然不能擊潰閉環的優勢。

而李彥宏的“開源有助于技術傳播和創新孵化”則頗有深意，其背后大概率代表百度意識到一個重要問題：大模型普及得先讓用戶用起來，有了接受度才有后續的一切故事。這個邏輯和比亞迪做智駕普惠是一個道理。

越來越多的廠商也紛紛尊重了這一鐵律。

曾經的閉源王者OpenAI透露“免費加開源”消息，阿里通義千問、騰訊混元早一步布局開源，智譜公司也于今年3月宣布全系列大模型開源。

大勢所趨之下，百度很難獨善其身，在禍不單行般經歷數輪輿論風波之后，開源也是個挽救聲量和產品使用率的重要辦法。

對于百度而言，“堅持”是褒義還是貶義？

之所以這么問，是因為百度3月宣布開源的舉動，透露了一股熟悉的“妥協”氣息。

百度的轉變，往往伴隨著一套“重資本投入遠大目標——ROI不佳——被后起之秀逼宮——對目標曖昧不清”的經典循環。

2013年就成立的眾星云集的IDL，很早就首次系統性地展示了深度學習的"冪律增長"，為后來的大語言模型發展奠定了重要的理論基礎，但當時百度的重點在自動駕駛乃至造車。

ChatGPT爆火后，緊接著推出的文心一言夠快，但不夠先進。

汽車智駕轟轟烈烈的時候，百度曾瞄準過乘用車輔助駕駛，多次宣稱不會放棄L2級別智能駕駛，但在量產上少有動作，并戰略性放棄了極越汽車。

正因如此，才有了業內盛傳的“起大早趕晚集”。

亡羊補牢為時未晚是真理，咬定青山不放松也是真理，關鍵在于百度要選哪一個。因為從效果上看，這種無大功也無大過的打法似乎并沒有拿下足夠優質的市場聲量。

一個典型的例子是馬云和阿里云。2009年阿里云剛剛創辦時，云計算還是一門新技術，不被很多人看好，帶隊的前微軟亞洲研究院副院長王堅經常一籌莫展。

而馬云則直接在2012年的阿里年會上放話：“我每年給阿里云投 10 個億，投個十年，做不出來再說?！?/p>

也正是有了馬云的支持和在內部強化的信心，阿里云的研發后續一路高歌猛進，成就了一段沒有馬云就沒有阿里云的案例。

百度也并非沒有過成功的版塊，一直堅持下來的蘿卜快跑目前已經打造了國內第一批真正意義上的無人出租車，并成了推動L4路權放開的標桿帶頭企業。

從這個角度看，無論用戶給不給百度耐心，百度首先得給自己耐心。

日前發布的文心大模型4.5，是百度首個原生多模態大模型。

技術層面，市場應該相信百度的理解，原生多模態大模型相較于普通的多模態大模型勝在以統一的架構，去實現對復雜世界的統一理解。

推理成本上，文心 4.5 的推理成本是 GPT-4.5 的 1%，而 X1 的推理成本是 Deepseek R1 的一半左右。

能做到這一點，與其背后的昆侖芯也有關系。

須知，大模型難以降價和開源的其中一個原因是算力緊張導致大模型訓練成本、推理成本，乃至使用成本居高不下。而要想降低大模型的算力成本，自研芯片成了一條困難但成效極好的路徑。

這一點上，百度智能云今年已經官宣成功點亮了昆侖芯三代萬卡集群，這也是國內首個正式點亮的自研萬卡集群，不僅解決了百度自身大模型發展的算力問題，也為國內大模型產業發展提供了資源。

大規模GPU集群的構建天然存在高成本、難運維兩大挑戰，也只有作為國內大模型領域的頭部玩家，才能用重資本思考如何構建管理和維護這樣龐大的GPU集群，這一點是百度的優勢。

除此之外，相較于單打獨斗的廠商，百度的原生AI產品還是已經建立了一部分受眾的，渠道也遠比中小廠商豐富。

對于百度來說，哪怕跟著跑，也絕對超過了大部分同類公司。

但在剛剛起跑時，思考這場跟跑的持續性和堅定性很重要。

按照李彥宏在百度2024年四季度及全年財報電話會上的解釋，百度希望通過開源推動文心大模型的性能升級與成本降低，提升市場對文心一言能力的認知，促進其在更多行業的廣泛應用。

明顯的是，大模型到最小用戶單元普及的距離仍然很遠，此次的轉向能堅持多久是個戰略問題。

不僅僅是從閉源到開源的急轉，百度此前的每一步都踩在AI的浪尖上，卻也深陷爭議漩渦中。

如今的轉變，是技術單點升級為生態全域廝殺的大勢所趨，好消息是百度的AI敘事從不缺硬核技術，但也仍然需要警惕曾經多次的戰略反復。

百度不是機會主義者，AI也不是，因此耐心和里子最重要。