
文|三少爷
上周,百度世界 2026 大会,依然帅气无比的李彦宏,奉献了「智能组织」这个新概念。
或许是因为涉及组织架构的调整、AI 与人的关系,坊间大部分视角和声量都落脚到了智能组织这个话题上。不过,智能组织是一个很长时间才能落地的、属于未来的生产关系,当下最重要的,其实还是生产力。
说到生产力,很多人或许会心一笑,内心慢慢浮现起「起大早,赶晚集」这六个大字。这种简单的标签化判断,确实很容易口口相传,但对于百度来说,属于只见巫山不见云,略微有些片面。当我们把百度放到黄仁勋提出的五层蛋糕的理论框架下,就会发现,百度只不过是在大模型这个领域起了个大早、赶了个晚集,而在其他层级里,百度强大的战斗力不容小觑。
芯片与 Infra,百度还是可以的
2026 年 1 月,达沃斯,身穿爱妻严选皮夹克的时任英伟达掌门人黄仁勋,在现场给出了五层蛋糕理论,将 AI 产业从下到上切成五层:能源、芯片、基础设施、模型、应用。
能源是电,AI 的尽头是电力,这句话已经流传许久了。芯片是把电大规模转化为算力的处理器—— GPU、CPU、高带宽内存和快速互连;基础设施是土地、供电、冷却、网络加编排软件,把成千上万颗处理器编排成 Token 工厂——传统数据中心存储文件,AI 工厂生产 Token;模型是理解信息的科技——语言之外,蛋白质、化学、物理世界各有各的语言;应用则是把智能装进各行各业、产生经济价值的产品和服务—— Coding Agent、自动驾驶汽车、人形机器人都在这层。

在这五层架构里,芯片和基础设施埋在机房深处,投入大、周期长,不直接面对用户,平时很少出现在公众视野里。可百度真正的杀手锏,恰恰就在这里。
在 2026 年一季度的业绩会上,Robin 谈到百度 AI 芯片的作用:「在底层算力基础设施层面,自研昆仑芯人工智能芯片构筑起坚实竞争壁垒。」此话真实不虚,有数字为证。经过两代产品的磨砺,其第三代昆仑芯 P800 开始采用百分之百自研的 XPU-P,可以根据 AI 计算的特性修改架构——通用 GPU 的指令集和显存配比要为图形渲染、通用计算留出余量,专做 AI 计算的芯片可以大刀阔斧,精准修改。据百度官方表示,P800 显存规格比同类主流 GPU 高 20%-50%,再加上其率先支持 8bit 推理,可实现单机 8 卡跑 671B 模型、32 台支撑全参数训练。

同时,对标英伟达 NVLink,昆仑芯自研了兼容 OISA 协议的 XPU Link,可将单个计算域支持的芯片数推到 1024 张,带宽突破 TB/s 级,时延压到数百纳秒。对于芯片,大家的关注点大都集中在算力多大、内存容量及带宽上,但芯片间互联其实也特别关键。根据英伟达网络高级副总裁 Gilad Shainer 的说法,NVLink 是「GPU 的延伸」,其使命是让多颗 GPU 被软件当成一颗大得多的处理器来使用。当然,国产芯片没有像英伟达那样单干,而是聚拢在 OISA 协议的大旗下:由运营商牵头、多家芯片厂共建,昆仑芯是共建方之一,互联做成公共标准,而非各做各的私有协议。
基础设施介于芯片与模型之间,把纸面算力变成模型真正能干的活。向下看,AI Infra 受制于芯片:单卡多快、卡间怎么连,是它改不了的前提;但几千张卡怎么排、怎么同步、坏了怎么切换,是基础设施自己的事。往上看,模型能跑多长的上下文、首字要等多久、每个字隔多久出来,都由它决定。

AI Infra 服务训练和推理两大场景。训练市场,百度成绩斐然,其客户横跨互联网、游戏、具身智能、自动驾驶、手机和金融等多个领域,明星客户包括宇树科技、荣耀、OPPO、vivo 和所有主流车企,在具体指标上,其万卡训练线性度 85%,有效训练率高达 97.12%。
推理层面,Token 的生产要走八道工序——接入与路由、分词、多模态编码、请求调度、Prefill、Decode、采样,最后分词还原、流式返回。其中,Decode 是系统能力的试金石,在 Decode 上,百度把张量并行切分让了出去,改用 32 卡专家并行——小批量下高频全规约通信会把每一步都拖慢;共享专家在每张卡上各留一份副本,高频调用不必跨卡;再把算子融合、多步预测投机推理和批次组装三处的缝隙逐个填上。通信在单层耗时里的占比从四成压到一成半,4K 上下文下单卡每秒吐出 1.006K 个 Token,字与字的间隔 47.6 毫秒。当然,这几个数都锚定在天池超节点上,换一套硬件平台未必还成立。
模型 " 不在第一梯队 ",应用亮点在 Robotaxi
在五层蛋糕里,模型和应用层离用户最近,发一个模型、上一个 Agent,第二天就有人评测打分,因此,过去几年的聚光灯几乎都打在模型和应用身上。城头变幻大王旗,百度始终没能占领高地,这也是其斩获 " 起个大早、赶个晚集 " 调侃的原因之一。
百度的基座模型水平到底如何,李彦宏自己在 8 月的财报电话会上给过实事求是的判断和定性——要让文心重回基础模型的第一梯队。言外之意,文心目前不在第一梯队,我们也就不再尬吹了。

不过,即便百度最终未能重回第一梯队,其大模型还是能找到用武之地。现在 OpenAI、Anthropic、DeepSeek、智谱这些第一梯队的选手,推的都是双档模型:一个旗舰级大模型,面向高价值、对容错率和专业度要求非常高的任务;再出一个 Flash 大模型,面向中低价值、容错率和专业度没那么高的任务。百度的文心大模型可以考虑这种定位,它只要提供非常好的性价比,然后也能匹敌 DeepSeek 和智谱的 Flash 版本模型,就完全可以凭借其全栈 AI Infra 在这个市场上获取非常大的竞争优势。DeepSeek 和智谱在海外也是作为 Anthropic、OpenAI 王牌旗舰模型的替补,百度这种定位,也不算太委屈。
应用这一层,数字 AI 这边,百度产品比较杂,哪一个都不算太出圈,这不是故意找它难看,其财报可以佐证我这个判断:2026 年二季度,百度 AI 应用收入约 25 亿元,同比增长 3%,在 Agent 大爆发元年,这个数字实在是相当不好看。
其 AI 应用的真正亮点在物理 AI 领域的萝卜快跑 Robotaxi。口说无凭,先亮成绩:截至 2026 年 6 月底,萝卜快跑覆盖全球 28 座城市,自动驾驶里程超过 3.5 亿公里,其中全无人里程超过 2.4 亿公里,累计出行服务超过 2300 万次,单是二季度就完成了约 100 万次全无人出行订单。

海外的进展也很快。迪拜 3 月 30 日开启全无人商业化运营,8 月 20 日接入 Uber,除了自营的 Apollo Go,用户也能在 Uber App 里直接叫到车,成了当地规模最大的全无人车队;香港 7 月 23 日拿到运输署首个全无人测试牌照,7 月 27 日在机场岛开始车内无安全员的测试,是全球第一个在 " 右舵左行 " 体系下跑全无人的平台;伦敦 7 月 28 日联合 Uber、Lyft 旗下的 Freenow 启动公开道路测试;哈萨克斯坦 7 月 16 日与 TPH 签了战略合作协议,中国无人车第一次进中亚。6 月还和瑞士公交集团 PostBus 合作,在瑞士做公开道路测试。
这是绝绝对对的第一梯队,按车圈的说法就是 T0 梯队。
成绩摆完了,再来看百度的技术功底。在自动驾驶赛道叱咤十余年,聚是一团火,散是满天星,百度培养了一代又一代自动驾驶技术大咖。个中成果,以最近发布的 Apollo World 为例,这是一款既能洞悉物理规律(因果性),又能学会社会运行规律(交互性)的世界模拟器,一座专门为萝卜快跑的端到端系统出题、当考官的虚拟城市。

听惯了车企吹牛逼的读者似乎对此不以为意,但是值得指出的是,别家测的是一段路、一个路口,几十秒,车流行人按脚本走;Apollo World 测的是从接单、载客到送达的整个流程,而且,交通参与者可以自己做判断。几十秒的模拟,画面对得上就行,而一整套流程的模拟,物理稍不准,误差就一路累积,跑着跑着就飘了。市面上多数仿真做不到长时间运行,物体和细节也会漂,跟百度真的不在一个量级。
写在最后
" 起个大早、赶了个晚集 " 这句调侃,百度大概还得继续背一阵子。不排除有些人对百度本身就带着有色眼镜,这种情绪可以理解,但他们的视角有点窄了。
他们只看到了百度不在第一梯队的大模型和没能破圈的应用。说起应用,百度现在的产品当然没法和聊天时代的豆包、Agent 时代的 WorkBuddy 相提并论,但萝卜快跑 Robotaxi 绝对是遥遥领先的存在。
把百度放回老黄的五层蛋糕框架下看,在芯片这一层,百度走在了大部分竞争对手的前面,基础设施也可圈可点。
所以,为什么要小觑百度呢?



登录后才可以发布评论哦
打开小程序可以发布评论哦