文章圖片
文章圖片
當下AI行業的商業格局中 ， 收獲紅利的不僅是英偉達這樣的硬件廠商 ， 同樣作為AI算力和基礎設施提供者的云服務提供商 ， 業務規模也在持續高速增長 。 2025年上半年全球云服務市場同比增長近25% ， 全年規模有望突破4000億美元 。
多年來 ， 百度在搜索之外 ， 一直沒有放棄尋找新增長極的嘗試 。 隨著2023年后生成式AI浪潮帶來的AI模型能力持續進化、開源生態不斷完善 ， 全行業對 AI 算力需求穩步攀升成為新常態——當模型、算力與行業場景在云端匯合 ， 百度終于在 AI 云的晨光里 ， 看見了可被驗證的增長 。
根據IDC公布的數據 ， 2024年中國AI公有云服務市場規模達195.9億元 ， 百度智能云以24.6%的市場份額穩居第一 ， 連續六年領跑市場 。
在傳統云計算市場優勢并不明顯的百度 ， 為什么在 AI云計算市場上 ， 卻能持續保持領先?
雖然百度是國內最早在AI云計算領域發力的云廠商 ， 但是在2023年大模型技術爆發之后 ， 阿里 ， 騰訊 ， 華為都加大AI云服務的投入力度 ， 百度智能云在市場份額上的領先 ， 似乎很難僅僅用入場時間早來解釋 。
百度在傳統云服務和AI云服務市場中生態位差異一個重要的原因在于 ， AI云計算和傳統云計算除了名字相似以外 ， 從服務內容 ， 底層技術 ， 客戶價值等維度來看 ， 幾乎是完全不同的兩個行業 。 在傳統云計算市場領先的玩家 ， 在AI云計算市場上不會具有天然的優勢 。
傳統云服務主要提供通用的IT業務（網站、企業系統、數據庫） ， 而AI云服務是為“大模型”量身打造 ， 圍繞著大模型的訓練、微調和在線推理提供服務 。
傳統云是建立在CPU和常規網絡和存儲硬件之上 ， 而AI云以GPU等加速卡為核心 ， 再配超高速網絡和并行存儲 ， 加上專門的訓練/推理引擎 。 傳統云看穩定性和延遲 ， 一般按實例或者帶寬收費；AI 云更看吞吐和響應速度、GPU利用率 ， 一般按GPU小時或token/API調用收費 。
這是兩個競爭態勢完全不同的市場 ， 而取得優勢的核心取決于誰能更好地滿足各行各業客戶對于AI算力的需求 ， 提供更好的客戶價值 。
在最近召開的云智大會上 ， 百度進一步更新了智能云相關的全棧產品和服務 。 百度集團執行副總裁、百度智能云事業群總裁沈抖提出 ， AI云基礎設施正在從成本中心 ， 轉向新型利潤中心 。
而百度在AI領域的全棧技術積累 ， 成為了激烈的市場競爭中最深的護城河 。
A
目前為止 ， 百度和谷歌是云計算領域唯二兩家擁有從最底層芯片到最上層應用全棧自研技術的云廠商 。
百度的四層AI架構覆蓋從自研AI芯片加速器、底層GPU集群管理平臺 ， 到大模型框架以及上層行業應用 。 全棧布局和技術積累使百度智能云能夠針對AI場景進行深度優化 ， 提供性能與成本兼顧的解決方案 。
特別是在國內云廠商都比較缺乏技術積累的芯片層和基礎設施層 ， 百度的昆侖芯和百舸AI計算平臺都具有明顯的技術優勢 ， 能對用戶的需求進行底層的針對性優化 ， 提升性能表現 ， 降低成本 。
在芯片層面 ， 百度自研的昆侖芯已經跑通完整的萬卡級別的訓練任務 。 在推理任務上 ， 對 MoE 這種目前最主流的大模型架構有很強的適配性 ， 推理效率很高 。
在基礎設施層面 ， 百度自主研發的“百舸”AI計算平臺最近也進行了全面升級 。 面向當前流行的超大模型和 MoE 架構 ， 最新升級的百舸 5.0 針對訓練和推理進行了全棧優化 。
百度向字母榜透露 ， 百舸推出了生產可用的 FP8 混合精度方案 ， 將端到端訓練速度提升了約 30% 。 這意味著相同 GPU 算力可以產出更多模型訓練迭代 ， 加速 AI研發周期 ， 有效降低客戶成本 。
同時 ， 百舸的PD分離式推理部署方案 ， 包括了推理調度系統、推理加速引擎、分布式KVCache服務等 ， 可以大幅度提升集群的吞吐、降低TTFT ， 大幅提高資源利用率 。 在百度內部測試中 ， 通過這種架構使得大模型訓練的有效算力利用率超過95% ， 推理成本顯著下降 。
字母榜了解到 ， 視覺 AI 公司格靈深瞳在接入了百舸平臺之后 ， 比先前使用其他 AI 云平臺的訓練效率提高了 3倍左右--MFU(模型浮點運算利用率)從之前的 10%左右大幅提升到了 30%以上 ， 大大節省了訓練成本 ， 提高了模型迭代的效率 。
硬件和工程層面 ， 百度多年的技術積累保證了百度智能云能夠為客戶提供超過市場平均水平的成本優勢 ， 而AI云服務產品服務層面的創新決定了能夠創造客戶價值的上限 。
B
在應用層 ， 技術創新和用戶需求驅動是AI云服務市場發展第一動力 。 企業需要一套真正系統化的AI開發基礎設施 ， 既要易用 ， 又要強大 ， 還能支撐Agent開發范式的持續創新 。
百度智能云的Agent能力和模型平臺的性能和不斷針對用戶需求的迭代 ， 鞏固了To B市場的領先地位 。
百度最新升級的千帆4.0包含模型服務、智能體(Agent)、數據服務和企業級能力四大模塊:既能支持大模型的自主調優和高效推理 ， 也提供了全新的企業級Agent 構建框架 ， 以及貫穿數據梳理、治理到反饋迭代的閉環數據平臺和把Agent 從原型設計推進生產環境的 AI云全棧能力.
一系列的升級主要是針對大模型落地的關鍵環節——如何讓模型更好地為業務場景服務 。
百度智能云千帆4.0順應了智能體應用興起的趨勢 。 除了提供了全面的 AgentInfra的能力外 。 還針對企業在Agent落地過程中遇到的數據難題 ， 專門提供了千帆數據智能平臺 DataBuilder 。
百度向字母榜表示 ， 百度智能云在過去兩年多和各行各業的企業客戶的業務往來中獲得的一個特別重要的經驗就是做好人工智能大模型的落地應用 ， 第一步是做好企業的For Al的數據治理 。
大模型和智能體能力要能有效地在各行各業中落地 ， 交付具有價值 ， 值得信賴的結果 ， 一個非常重要的前提就是AI能力必須和行業中的數據進行緊密的結合 。
千帆數據智能平臺就是針對這個痛點而演化出的一個產品 ， 覆蓋了從多模態數據采集、轉換、處理、檢索、服務等數據治理的全生命周期 ， 角解決了模型訓練和 AI 應用數據處理過程中 ， 從數據管理 ， 數據開發到數據生成處理全鏈條訴求 。
這個模塊能幫助用戶高效完成多模態數據管理與治理 ， 顯著提升模型訓練和AI原生應用的迭代效率 。 根據百度提供的數據 ， 采用了千帆DataBuilder的項目 ， 在處理效率上可以提升600% ， 計算成本降低30% ， 開發效率提升30% ， 同時在檢索存儲方面實現高達80%的成本下降 。
而且除此之外 ， 對于有著特殊或者定制化需求的客戶 ， 百度也會派出工程師到現場 ， 針對客戶的具體需求完成對于數據 ， 模型等定制化的服務 ， 保證最終AI能力能夠交付出解決實際問題的結果 ， 從而能夠幫助企業高效地解決好AI能力和 Agent落地過程中最辛苦卻也最重要的工作 。
而且 ， 為了能夠為高效地應對來自千行百業客戶的實際需求 ， 千帆平臺提供了行業定制的大模型調優能力 。
百度智能云采用“通用大模型+行業微調”的思路 ， 與企業合作訓練垂直模型 。 例如 ， 在能源、金融、政務等領域 ， 百度幫助客戶利用行業專屬數據對通用模型進行再訓練和強化學習 ， 使模型更貼合特定業務場景 。
很多開源或基礎模型在多模態、細分任務上效果有限 ， 準確率可能只有20%-30% 。 對此 ， 百度會協助企業通過數據標注和小模型微調 ， 大幅提升特定場景下AI模型的精度 。
例如在教育領域 ， 百度聯合行業頭部企業培訓了作業批改、題目識別的多模態小模型 ， 將原本效果低下的開源多模態模型進行優化后 ， 得到了實測中表現優秀的定制化模型 。
這一系列圍繞企業痛點的升級 ， 使百度智能云在ToB市場更具吸引力:不僅交付AI 模型本身 ， 更提供從數據到應用的端到端支持 ， 確保 AI真正融入業務流程并創造價值 。
這一策略也反映在客戶群體的擴展上 。 據百度智能云內部人士透露 ， 今年百度AI云的企業客戶數量大幅增長 ， 覆蓋了多模態內容生產、智能駕駛、具身智能等豐富場景 。
面對這種“遍地開花”的需求增長 ， 云服務商是否能夠提供靈活且定制的服務 ， 某種程度上決定了未來在AI云服務市場中的增長潛力 。
C
除了技術和產品層面 ， 產業生態同樣是AI云計算增長引擎的關鍵一環 。
目前百度智能云已與超過20家具身智能企業達成戰略合作 ， 還與其他包括像格靈深瞳這樣的 AI 創新企業有深度合作關系;而另一方面 ， 與國家電網、興業銀行等傳統行業龍頭也有很密切的合作關系 。
百度在云智大會上透露 ， 通過與伙伴聯合開發解決方案、分享經驗 ， 百度云進一步豐富了自己的行業Know-How ， 也擴大了AI落地版圖 。
例如 ， 先前提到的百度與視覺AI公司格靈深瞳合作優化大模型訓練框架 ， 在多模態大模型訓練上將效率提升了約3倍 ， 為后者模型迭代提速 。 在能源領域 ， 百度與國家電網聯合訓練了電力調度領域的專屬模型 。 在金融業 ， 百度為多家銀行定制了智能客服和風控模型 ， 并通過聯合發布的方式推廣標桿案例 。
圍繞生態構建 ， 百度還創新了商業合作模式 ， 引入“按效果付費”的機制 ， 被稱為RaaS（Result-as-a-Service ， 即結果即服務） 。
簡言之 ， 百度不再僅售賣云資源或模型 ， 而是與客戶共同對AI項目成敗負責：如果AI應用未能帶來實際業務價值 ， 百度將不收取費用；一旦產生了可量化的效益 ， 則按照價值分享收益 。
百度提供標準化的AI產品（如數據治理工具、大模型平臺等）和咨詢服務 ， 先幫助客戶梳理業務場景、清洗數據并構建模型應用 。 在項目實施后 ， 通過訂閱制或服務費等方式按實際效果計費 。
比如 ， 某制造企業引入百度智能質檢系統后良品率提升了X% ， 那么百度可按這部分提升帶來的效益收取一定比例費用 。 這種模式將百度與客戶的利益緊密捆綁 ， 讓百度有動力不斷迭代優化方案 ， 也讓客戶以較低前期投入就能嘗試AI項目 。
對于許多尚在觀望AI轉型的傳統企業來說 ， RaaS降低了采用AI的財務風險 ， 因此受到歡迎 。 百度方面表示 ， 他們正在與國央企探索這種新機制 ， 希望通過“效果說話”來驅動AI大規模落地 。
從百度自身來看 ， RaaS模式如果能持續取得成功 ， 將帶來穩定、可持續的訂閱式收入 ， 實現與客戶共同成長的雙贏閉環 。
更重要的是 ， 百度正將這些分散的項目沉淀為通用的平臺能力 ， 反哺其云平臺升級迭代 。
例如 ， 在服務某銀行過程中積累的風控算法 ， 日后可以沉淀為金融AI模型庫的一部分 ， 供其他銀行按需調用；與某汽車企業合作的多模態文檔分析技術 ， 也可沉淀為通用AI能力服務于不同行業 。
“平臺+生態”戰略 ， 能夠形成AI云計算的商業正反饋循環：每落地一個行業 ， 就豐富一分平臺能力；平臺越強 ， 又能吸引更多伙伴和客戶加入 ， 由此不斷加深自己產品和服務的護城河 。
百度2025年第二季度財報顯示 ， 包括智能云在內的AI新業務收入同比大增34% ， 首次單季突破100億元人民幣 ， 智能云27%的亮眼增速依然推動百度核心營收基本穩定 。
【AI云，就在燈火闌珊處】百度創始人李彥宏在財報會上強調 ， 公司正將搜索等核心業務加速轉型為AI驅動 ， 并以智能云作為這一轉型的支點 。 可以說 ， 智能云業務已被百度提升到戰略核心高度 ， 承擔著從搜索巨頭向AI基礎設施提供商蛻變的使命 。
推薦閱讀
- 網易云音樂黑膠邀請官重磅升級 會員贈送天數大幅增加
- 采購寒武紀15萬片GPU！阿里云：消息不實！
- Agent實效競賽正式打響！百度智能云在服務營銷、工業賽道先各下一城
- 百度沈抖：云智一體，智能優先
- 百度沈抖：AI云四大核心要素“算力、模型、數據和工程能力”
- AI云第一，百度智能云憑什么？
- 具身智能下一站在哪？來外灘大會這場論壇帶你撥云見日！
- AI智取云計算
- 10年融云：人與AI的十字路口
- 華為擎云 C9首秀2025數博會，開啟商用平板電腦新時代