从谷歌到百度：揭秘“内化AI能力”的成功之道

新眸原创·作者 | 鹿尧

三年前，ChatGPT的出现让科技界震动不已。短短两个月，用户活跃度就突破了亿，GPT系列的表现简直像是复制了“创业公司挑战行业巨头”的经典场景。那时候，很多人都在想，AI将成为下一个由创业公司引领的变革浪潮。

可是，经过三年的发展，技术浪潮的叙述发生了微妙变化。行业经历了初期的喧嚣后，眼前出现了一个更为现实的问题：如何把AI技术融入企业的可持续发展之中，进而转化为切实的商业价值呢？

曾经被认为“慢半拍”的谷歌，最近的表现却值得关注。今年上半年，他们推出的Gemini2.5系列模型在多模态能力上取得了显著进展，业内不少专家认为在多个方面已经超越了GPT-4系列。

支撑Gemini迅速迭代的，正是谷歌将AI技术深度融入的全栈能力：从为AI研发了近20年的TPU芯片，到覆盖模型、框架与应用的完整技术链，谷歌的这些“底蕴”在AI竞争进入深水区时，展现了其强大的影响力。

与此同时，跨越大洋的百度同样展示了类似的逻辑。自搜索引擎时代起，到如今的昆仑芯片、飞桨框架、文心大模型以及百度智能云等一系列产业应用，十年的时间里，百度搭建了一个能够深度融合AI的完整技术生态。

在百度世界2025大会上，除了全新升级的文心大模型5.0，发布了包括百度伐谋、百度慧播星等一系列产业级AI解决方案，这些都显示了如何将全栈布局转化为实际的生产力——不仅仅是技术层面的突破，更是把AI能力像乐高积木一样灵活组合，融入各个行业。

这一切背后的行业变化含义深远。随着AI技术进入深水区，企业客户的需求也在微妙地转变。从早期的追求“最强模型”，到如今更倾向于寻找“最合适的解决方案”。这种需求催生了更复杂的竞争格局，也让全栈能力成为连接技术创新与真实产业需求的桥梁。

因此，大家心里都有了一个清晰的认知：AI的竞争，已经从单一模型的突破，转向了将AI深度融入企业系统的综合战斗。在这个新局面下，拥有全栈能力的科技巨头们展现出了明显的优势——他们能提供从芯片到应用的全链条解决方案，让AI真正成为企业的核心竞争力。

这场比赛注定是给长跑者准备的，不只是考验技术的灵敏度，更需要战略的耐心、工程的执行力和生态系统的构建能力。

01

为什么AI竞争越来越重视“全栈能力”？

在AI发展的早期，企业的需求比较简单，主要是关注模型的性能。那时候大家普遍认为，只要模型的准确率和召回率够高，就能在市场上占得先机。然而，随着AI逐渐从基础能力向深度行业应用过渡，企业意识到，单靠模型的表现是远远不够的。

拿自动驾驶来说，虽然一个高精度的目标检测模型很重要，但这只是自驾系统中的一部分。为了确保车辆的安全和稳定，得考虑实时传感器数据处理、车辆控制、系统的可靠性和安全性等多个方面。

因此，AI解决方案需要实现端到端的整合，从数据的起点到最终应用，形成一个完整而高效的闭环。

此外，算力的调度和成本控制也是大规模应用中不可避免的挑战。不同的业务场景对算力的需求差异很大，比如在电商领域，传统的固定算力配置在应对需求波动时就显得力不从心。而且，几百万的GPU采购成本也是企业在部署时的一大难题，更别提耗电量也是个不小的负担。

在这样的情况下，企业开始寻求能提供全栈能力的合作伙伴——这种能力不仅包含高性能的AI模型，还能在算力调度、系统集成、应用开发等多个方面提供协同优化。

举个例子，过去制造企业可能只购买“AI质检模型”来检查产品缺陷，但面临两个问题：算力不足，产线数据庞大，外部算力成本高，尤其是在高峰期调度非常困难；而且模型不匹配，通用模型对特定产品的识别效果不佳，想更改模型又缺乏必要的框架工具。

但如果企业能够利用全栈能力，比如借助百度百舸AI计算平台建立本地算力中心，就不仅能降低长期成本，还能灵活应对产线的高峰算力需求；通过飞桨定制适合行业的模型，结合产线数据进行优化后，再通过千帆大模型平台把模型部署到生产设备，并与企业的ERP系统对接，实现全面打通。

再说说金融行业，早期金融机构使用AI工具进行风控时，数据安全风险和响应速度不稳定，会严重影响用户体验。现在如果能有一整套全栈方案，既能构建私有AI集群，确保数据安全不外泄，又可以训练专属模型，实现实时审批与动态风控，最后再利用“文心快码”这类代码工具开发风控系统的前端应用，打通模型与业务流程，那么风控问题就能迎刃而解。

这些案例的共同点是：企业从只需某一项AI能力（比如模型或工具），转变为需要“算力-框架-模型-应用”的全栈协同解决方案——因为只有具备全栈能力，才能有效解决“成本、安全、适配性和效率”等大规模应用的核心问题，这也是全栈需求激增的根本原因。

在今年上半年，国内的大模型中标项目已达到1810个，这个数字甚至超过了2024年的全年预期。值得关注的是，在这过程中，依托领先的大模型技术与全栈智能基础设施的百度智能云，获得了越来越多的青睐，其中标项目和中标金额双双位居行业第一，尤其在金融、能源、政务、制造等关键领域表现突出：

数据显示，目前有65%的央企、所有系统重要性银行及800多家金融机构、超过一半的主流游戏公司、TOP10手机厂商、中国市场销量前15的汽车品牌和TOP10新能源车企都与百度智能云建立了合作关系。

与此同时，行业需求的变化也在推动技术供应商进行调整战略。

一方面，模型制造商积极向下游拓展。比如，OpenAI正在计划自研AI芯片，以减少对英伟达的依赖，而Anthropic则在加强与云服务商的合作，寻求更优化的计算资源解决方案。

另一方面，云服务商也在加速向上游拓展。无论是百度的“云智一体”战略，还是谷歌的VertexAI平台，都在努力提供从基础设施到模型能力的完整服务。这种界限的模糊化，标志着AI产业正逐步从“专业分工”走向“垂直整合”。

而这种转变的深层原因在于，AI的价值实现越来越依赖于各个技术环节的紧密合作。

企业需要的可不仅仅是先进的工具，更是能将这些工具转化为实际业务价值的完整能力。全栈能力，已经从三年前的可选项，演变为如今的竞争必需品。它不仅标志着AI产业向商业成熟阶段的过渡，同时也预示着未来竞争将更加注重系统性和可持续性。

在这个新的竞争格局中，具备全栈能力的企业，自然就占据了更有利的位置。

02

全栈能力如何帮助企业在“AI内化”中脱颖而出？

今年，李彦宏在百度世界大会上提出了一个很有趣的观点：AI只有当真正内化为一种原生能力时，才能在各行各业中实现显著效果，从而引发一场全面的生产力革命，推动经济增长，让“智能红利”转变为“社会红利”。

这句话的中心思想就是，AI不该仅仅作为附加功能，而应该像水和电那样，自然融入到业务的血液中。这里的“内化”不仅是企业自身的成长，也象征着AI与行业的深度融合。当AI与业务深度结合到一定程度后，质变就会自然而然地发生。

举个例子，大家常常把谷歌的“逆袭”看作是AI全栈优势的集中体现。当ChatGPT率先引起市场轰动时，谷歌的全栈布局为其迅速反超打下了基础。无论是TPU芯片、TensorFlow框架，还是庞大的数据资源，这些都使得Gemini在多模态领域取得了突破。

再比如电力革命，工厂不再只是简单地放一台发电机，而是将电力系统深度融入到生产线的设计中，从而真正推动了工业生产效率的革命。如果AI仅仅被用来写邮件或做图，那带来的提升就是局部的、有限的。

百度的转型同样是一个典型的例子。

在今年的百度世界大会上，发布的一系列产业级AI产品展示了其全栈布局如何作为“AI原生能力”的基础，催生出创新应用。从昆仑芯片提供基础算力，到飞桨框架支持模型开发，再到文心大模型理解复杂需求，最终在应用层实现丰硕成果：

百度推出的慧播星数字人是市场上首个全面的数字人直播解决方案。这个“罗永浩数字人”依托庞大的知识库和实时互动能力，在双11期间创造了新的销售记录，某些类别的销售数据甚至超越了真人直播。目前，已经有超过10万的慧播星数字人活跃在电商、教育、医疗等多个行业。

再说说萝卜快跑，它是全球最大的自动驾驶出行平台，充分展现了全栈能力在安全性和规模上的双重优势。它的无人驾驶车队已经行驶了超过2.4亿公里，安全性比人类司机还要高出十倍。如今，从武汉到迪拜，香港到瑞士，萝卜快跑在全球22个城市都已经实现了规模化运营。

值得注意的是，所有这些AI应用的成功落地，离不开百度智能云的强大支持。

百度智能云通过将技术与市场相结合，不仅为内部的海量业务提供了锻炼的平台，同时也成为了能力外溢的通道。经过大规模的内部验证的AI技术，通过云服务扩展到金融、交通和制造等行业，把AI从一个“外部工具”转变为行业的“原生能力”。

全栈能力的价值在于“内部练兵，外部赋能”的模式中得到了充分释放。这种模式让创新不再只是停留在实验室，而是通过系统化的工程转化为可规模化的商业产品，甚至推动生产力的革命，同时在帮助外部企业的过程中实现了能力的“内化”。

03

未来竞争：

全栈能力将是AI公司的护城河

对于企业来说，构建全栈AI能力，实际上是对战略定力的考验。这可不是一朝一夕的事情，而是需要十年如一日的持续投入，在芯片、框架、模型和应用的各个层面不断积累。

谷歌之所以能够迅速推出Gemini系列模型并在多模态领域取得突破，关键在于它将AI能力深深融入到公司的技术基因中——自研芯片提供算力支持、TensorFlow搭建的开发者生态，以及多年积累的数据资源。这种涵盖基础设施、软件框架与应用层的深度协同，成为了其技术反超的重要支撑。

同样，百度的文心大模型在不断升级的过程中，再加上能够寻找“全局最优解”的百度伐谋，都体现了它在芯片、框架、模型和应用四个层面上的协同作用，成功突破技术高地。

以百度伐谋为例，它是全球首个可以商用的“自我演化”超级智能体，这个新产品在OpenAIMLE-Bench等三大权威基准测试中获得头名，并在StanfordKernelBench中实现了20倍的算子优化加速，成为衡量AI复杂系统优化能力的“标杆”。

从根本上讲，伐谋最引人注目的地方在于突破了传统AI的能力界限。它不仅仅是处理单一任务，而是通过海量数据自主学习、不断迭代，在多种约束条件下超越人工的限制，找到跨维度、长周期的最佳解决方案的智能系统。

简单来说，伐谋在行业里几乎首次实现了“复杂系统全局优化”，把AI从以往的“被动响应”提升到了“主动寻找最佳解决方案”的层面，真正进入了决策智能的深水区，帮助解决了产业链上的多个痛点。

现在，伐谋已经在很多实际应用中取得了显著成果。比如在交通领域，它通过协同信控算法，让百度智能云的SaaS信控平台优化了红绿灯的配时，从而缓解了城市的交通拥堵；在金融领域，伐谋帮助精准识别优质客户，扩大了金融服务的覆盖范围。对于海上能源平台和港口枢纽等国家关键项目，伐谋利用高效的优化方案，降低了建设成本并提高了工程的可靠性，为这些大规模项目提供了技术支持。

可以想象，这样的技术进步将会持续发展，因为在百度，AI能力的提升依然在不断推进。

从最近的大会来看，百度智能云在基础算力方面不仅推出了新一代的昆仑芯（包括明年上市的推理优化型M100和2027年推出的多模态训练与推理型M300），还发布了天池超节点，并宣布未来五年将持续推出新产品，致力于打造最强的AI云。

目前，昆仑芯的部署数量已经达到数万卡。凭借全栈AI云的优势，百度智能云连续六年在中国的AI云服务市场中保持第一。

随着行业竞争的重心从单纯的模型“跑分”转向生态的繁荣，评估一家AI公司的标准已经不再是它的最强模型的性能，而是其技术是否能够像乐高一样灵活、低成本地融入到各行各业的解决方案中。

市场研究也佐证了这一趋势。最近，华安证券指出，AI产业的战略重心正在从提供单一功能的API，转向构建平台化和生态化的“超级操作系统”。换句话说，单一技术优势的生命周期正在不断缩短，全栈能力正成为更难以模仿和超越的竞争壁垒。

对于像谷歌和百度这样坚持全栈路线的公司来说，这条护城河的价值正在逐渐显现：更快的迭代、更低的协同成本，以及更好地满足产业复杂需求。当AI竞争进入深入阶段，全栈能力不仅能够区分科技企业在“内化AI能力”上的高下，也推动了科技巨头日益加速前行。