文章图片
文章图片
当下AI行业的商业格局中 ， 收获红利的不仅是英伟达这样的硬件厂商 ， 同样作为AI算力和基础设施提供者的云服务提供商 ， 业务规模也在持续高速增长 。 2025年上半年全球云服务市场同比增长近25% ， 全年规模有望突破4000亿美元 。
多年来 ， 百度在搜索之外 ， 一直没有放弃寻找新增长极的尝试 。 随着2023年后生成式AI浪潮带来的AI模型能力持续进化、开源生态不断完善 ， 全行业对 AI 算力需求稳步攀升成为新常态——当模型、算力与行业场景在云端汇合 ， 百度终于在 AI 云的晨光里 ， 看见了可被验证的增长 。
根据IDC公布的数据 ， 2024年中国AI公有云服务市场规模达195.9亿元 ， 百度智能云以24.6%的市场份额稳居第一 ， 连续六年领跑市场 。
在传统云计算市场优势并不明显的百度 ， 为什么在 AI云计算市场上 ， 却能持续保持领先?
虽然百度是国内最早在AI云计算领域发力的云厂商 ， 但是在2023年大模型技术爆发之后 ， 阿里 ， 腾讯 ， 华为都加大AI云服务的投入力度 ， 百度智能云在市场份额上的领先 ， 似乎很难仅仅用入场时间早来解释 。
百度在传统云服务和AI云服务市场中生态位差异一个重要的原因在于 ， AI云计算和传统云计算除了名字相似以外 ， 从服务内容 ， 底层技术 ， 客户价值等维度来看 ， 几乎是完全不同的两个行业 。 在传统云计算市场领先的玩家 ， 在AI云计算市场上不会具有天然的优势 。
传统云服务主要提供通用的IT业务（网站、企业系统、数据库） ， 而AI云服务是为“大模型”量身打造 ， 围绕着大模型的训练、微调和在线推理提供服务 。
传统云是建立在CPU和常规网络和存储硬件之上 ， 而AI云以GPU等加速卡为核心 ， 再配超高速网络和并行存储 ， 加上专门的训练/推理引擎 。 传统云看稳定性和延迟 ， 一般按实例或者带宽收费；AI 云更看吞吐和响应速度、GPU利用率 ， 一般按GPU小时或token/API调用收费 。
这是两个竞争态势完全不同的市场 ， 而取得优势的核心取决于谁能更好地满足各行各业客户对于AI算力的需求 ， 提供更好的客户价值 。
在最近召开的云智大会上 ， 百度进一步更新了智能云相关的全栈产品和服务 。 百度集团执行副总裁、百度智能云事业群总裁沈抖提出 ， AI云基础设施正在从成本中心 ， 转向新型利润中心 。
而百度在AI领域的全栈技术积累 ， 成为了激烈的市场竞争中最深的护城河 。
A
目前为止 ， 百度和谷歌是云计算领域唯二两家拥有从最底层芯片到最上层应用全栈自研技术的云厂商 。
百度的四层AI架构覆盖从自研AI芯片加速器、底层GPU集群管理平台 ， 到大模型框架以及上层行业应用 。 全栈布局和技术积累使百度智能云能够针对AI场景进行深度优化 ， 提供性能与成本兼顾的解决方案 。
特别是在国内云厂商都比较缺乏技术积累的芯片层和基础设施层 ， 百度的昆仑芯和百舸AI计算平台都具有明显的技术优势 ， 能对用户的需求进行底层的针对性优化 ， 提升性能表现 ， 降低成本 。
在芯片层面 ， 百度自研的昆仑芯已经跑通完整的万卡级别的训练任务 。 在推理任务上 ， 对 MoE 这种目前最主流的大模型架构有很强的适配性 ， 推理效率很高 。
在基础设施层面 ， 百度自主研发的“百舸”AI计算平台最近也进行了全面升级 。 面向当前流行的超大模型和 MoE 架构 ， 最新升级的百舸 5.0 针对训练和推理进行了全栈优化 。
百度向字母榜透露 ， 百舸推出了生产可用的 FP8 混合精度方案 ， 将端到端训练速度提升了约 30% 。 这意味着相同 GPU 算力可以产出更多模型训练迭代 ， 加速 AI研发周期 ， 有效降低客户成本 。
同时 ， 百舸的PD分离式推理部署方案 ， 包括了推理调度系统、推理加速引擎、分布式KVCache服务等 ， 可以大幅度提升集群的吞吐、降低TTFT ， 大幅提高资源利用率 。 在百度内部测试中 ， 通过这种架构使得大模型训练的有效算力利用率超过95% ， 推理成本显著下降 。
字母榜了解到 ， 视觉 AI 公司格灵深瞳在接入了百舸平台之后 ， 比先前使用其他 AI 云平台的训练效率提高了 3倍左右--MFU(模型浮点运算利用率)从之前的 10%左右大幅提升到了 30%以上 ， 大大节省了训练成本 ， 提高了模型迭代的效率 。
硬件和工程层面 ， 百度多年的技术积累保证了百度智能云能够为客户提供超过市场平均水平的成本优势 ， 而AI云服务产品服务层面的创新决定了能够创造客户价值的上限 。
B
在应用层 ， 技术创新和用户需求驱动是AI云服务市场发展第一动力 。 企业需要一套真正系统化的AI开发基础设施 ， 既要易用 ， 又要强大 ， 还能支撑Agent开发范式的持续创新 。
百度智能云的Agent能力和模型平台的性能和不断针对用户需求的迭代 ， 巩固了To B市场的领先地位 。
百度最新升级的千帆4.0包含模型服务、智能体(Agent)、数据服务和企业级能力四大模块:既能支持大模型的自主调优和高效推理 ， 也提供了全新的企业级Agent 构建框架 ， 以及贯穿数据梳理、治理到反馈迭代的闭环数据平台和把Agent 从原型设计推进生产环境的 AI云全栈能力.
一系列的升级主要是针对大模型落地的关键环节——如何让模型更好地为业务场景服务 。
百度智能云千帆4.0顺应了智能体应用兴起的趋势 。 除了提供了全面的 AgentInfra的能力外 。 还针对企业在Agent落地过程中遇到的数据难题 ， 专门提供了千帆数据智能平台 DataBuilder 。
百度向字母榜表示 ， 百度智能云在过去两年多和各行各业的企业客户的业务往来中获得的一个特别重要的经验就是做好人工智能大模型的落地应用 ， 第一步是做好企业的For Al的数据治理 。
大模型和智能体能力要能有效地在各行各业中落地 ， 交付具有价值 ， 值得信赖的结果 ， 一个非常重要的前提就是AI能力必须和行业中的数据进行紧密的结合 。
千帆数据智能平台就是针对这个痛点而演化出的一个产品 ， 覆盖了从多模态数据采集、转换、处理、检索、服务等数据治理的全生命周期 ， 角解决了模型训练和 AI 应用数据处理过程中 ， 从数据管理 ， 数据开发到数据生成处理全链条诉求 。
这个模块能帮助用户高效完成多模态数据管理与治理 ， 显著提升模型训练和AI原生应用的迭代效率 。 根据百度提供的数据 ， 采用了千帆DataBuilder的项目 ， 在处理效率上可以提升600% ， 计算成本降低30% ， 开发效率提升30% ， 同时在检索存储方面实现高达80%的成本下降 。
而且除此之外 ， 对于有着特殊或者定制化需求的客户 ， 百度也会派出工程师到现场 ， 针对客户的具体需求完成对于数据 ， 模型等定制化的服务 ， 保证最终AI能力能够交付出解决实际问题的结果 ， 从而能够帮助企业高效地解决好AI能力和 Agent落地过程中最辛苦却也最重要的工作 。
而且 ， 为了能够为高效地应对来自千行百业客户的实际需求 ， 千帆平台提供了行业定制的大模型调优能力 。
百度智能云采用“通用大模型+行业微调”的思路 ， 与企业合作训练垂直模型 。 例如 ， 在能源、金融、政务等领域 ， 百度帮助客户利用行业专属数据对通用模型进行再训练和强化学习 ， 使模型更贴合特定业务场景 。
很多开源或基础模型在多模态、细分任务上效果有限 ， 准确率可能只有20%-30% 。 对此 ， 百度会协助企业通过数据标注和小模型微调 ， 大幅提升特定场景下AI模型的精度 。
例如在教育领域 ， 百度联合行业头部企业培训了作业批改、题目识别的多模态小模型 ， 将原本效果低下的开源多模态模型进行优化后 ， 得到了实测中表现优秀的定制化模型 。
这一系列围绕企业痛点的升级 ， 使百度智能云在ToB市场更具吸引力:不仅交付AI 模型本身 ， 更提供从数据到应用的端到端支持 ， 确保 AI真正融入业务流程并创造价值 。
这一策略也反映在客户群体的扩展上 。 据百度智能云内部人士透露 ， 今年百度AI云的企业客户数量大幅增长 ， 覆盖了多模态内容生产、智能驾驶、具身智能等丰富场景 。
面对这种“遍地开花”的需求增长 ， 云服务商是否能够提供灵活且定制的服务 ， 某种程度上决定了未来在AI云服务市场中的增长潜力 。
C
除了技术和产品层面 ， 产业生态同样是AI云计算增长引擎的关键一环 。
目前百度智能云已与超过20家具身智能企业达成战略合作 ， 还与其他包括像格灵深瞳这样的 AI 创新企业有深度合作关系;而另一方面 ， 与国家电网、兴业银行等传统行业龙头也有很密切的合作关系 。
百度在云智大会上透露 ， 通过与伙伴联合开发解决方案、分享经验 ， 百度云进一步丰富了自己的行业Know-How ， 也扩大了AI落地版图 。
例如 ， 先前提到的百度与视觉AI公司格灵深瞳合作优化大模型训练框架 ， 在多模态大模型训练上将效率提升了约3倍 ， 为后者模型迭代提速 。 在能源领域 ， 百度与国家电网联合训练了电力调度领域的专属模型 。 在金融业 ， 百度为多家银行定制了智能客服和风控模型 ， 并通过联合发布的方式推广标杆案例 。
围绕生态构建 ， 百度还创新了商业合作模式 ， 引入“按效果付费”的机制 ， 被称为RaaS（Result-as-a-Service ， 即结果即服务） 。
简言之 ， 百度不再仅售卖云资源或模型 ， 而是与客户共同对AI项目成败负责：如果AI应用未能带来实际业务价值 ， 百度将不收取费用；一旦产生了可量化的效益 ， 则按照价值分享收益 。
百度提供标准化的AI产品（如数据治理工具、大模型平台等）和咨询服务 ， 先帮助客户梳理业务场景、清洗数据并构建模型应用 。 在项目实施后 ， 通过订阅制或服务费等方式按实际效果计费 。
比如 ， 某制造企业引入百度智能质检系统后良品率提升了X% ， 那么百度可按这部分提升带来的效益收取一定比例费用 。 这种模式将百度与客户的利益紧密捆绑 ， 让百度有动力不断迭代优化方案 ， 也让客户以较低前期投入就能尝试AI项目 。
对于许多尚在观望AI转型的传统企业来说 ， RaaS降低了采用AI的财务风险 ， 因此受到欢迎 。 百度方面表示 ， 他们正在与国央企探索这种新机制 ， 希望通过“效果说话”来驱动AI大规模落地 。
从百度自身来看 ， RaaS模式如果能持续取得成功 ， 将带来稳定、可持续的订阅式收入 ， 实现与客户共同成长的双赢闭环 。
更重要的是 ， 百度正将这些分散的项目沉淀为通用的平台能力 ， 反哺其云平台升级迭代 。
例如 ， 在服务某银行过程中积累的风控算法 ， 日后可以沉淀为金融AI模型库的一部分 ， 供其他银行按需调用；与某汽车企业合作的多模态文档分析技术 ， 也可沉淀为通用AI能力服务于不同行业 。
“平台+生态”战略 ， 能够形成AI云计算的商业正反馈循环：每落地一个行业 ， 就丰富一分平台能力；平台越强 ， 又能吸引更多伙伴和客户加入 ， 由此不断加深自己产品和服务的护城河 。
百度2025年第二季度财报显示 ， 包括智能云在内的AI新业务收入同比大增34% ， 首次单季突破100亿元人民币 ， 智能云27%的亮眼增速依然推动百度核心营收基本稳定 。
【AI云，就在灯火阑珊处】百度创始人李彦宏在财报会上强调 ， 公司正将搜索等核心业务加速转型为AI驱动 ， 并以智能云作为这一转型的支点 。 可以说 ， 智能云业务已被百度提升到战略核心高度 ， 承担着从搜索巨头向AI基础设施提供商蜕变的使命 。
推荐阅读
- 网易云音乐黑胶邀请官重磅升级 会员赠送天数大幅增加
- 采购寒武纪15万片GPU！阿里云：消息不实！
- Agent实效竞赛正式打响！百度智能云在服务营销、工业赛道先各下一城
- 百度沈抖：云智一体，智能优先
- 百度沈抖：AI云四大核心要素“算力、模型、数据和工程能力”
- AI云第一，百度智能云凭什么？
- 具身智能下一站在哪？来外滩大会这场论坛带你拨云见日！
- AI智取云计算
- 10年融云：人与AI的十字路口
- 华为擎云 C9首秀2025数博会，开启商用平板电脑新时代