财报公告 | AI业务收入占比又过半,百度押注智能组织的深层逻辑
“为什么我的Token花费越来越多,收入和利润却不见涨?”11月12日百度世界大会上,百度创始人李彦宏抛出了众多企业管理者的共同困惑。过去一年,百度在与金融、制造、能源等行业高管交流时发现,不少曾经疯狂堆Token用量的企业,开始收紧预算。大模型接口普遍按输入输出的词元(Token)按量计费,调用量上去了,先涨的永远是成本账单。
四天后,百度发布2026年第三季度财报。公司总营收308亿元,一般性业务收入250亿元,同比增长1%。其中,百度核心AI业务收入132亿元,同比增长37%,占百度一般性业务收入的53%。AI云基础设施收入82亿元,同比增长94%。
按财报披露的取整数据计算,三季度AI云基础设施收入同比增加约40亿元,超过了核心AI业务约36亿元的净增量。算力订单快速膨胀的另一面,恰恰折射出当下行业现实:企业在算力、Token上持续投入,但AI价值并不会随着采购金额自动兑现。对采购企业而言,AI项目的真实回报要看模型嵌入业务后,产品上线能提前几天、审计能省多少重复工作、订单交付能快多少。
李彦宏给出的答案是“智能组织”:让企业围绕AI打破岗位边界、沉淀经验资产、闭环验收结果。百度已经在数字人交付、财务内审、文心大模型研发等内部场景跑通了这套模式,又在本届大会上正式推出大模型交易平台“词元所”。当越来越多的核心业务交给AI持续运转,百度瞄准的就不只是一次性的算力订单,更是企业长期复购的模型与服务需求。
算力收入高增背后,企业的AI投入困局
百度核心AI业务增长,意味着AI业务的收入占比持续抬升。三季度,百度核心AI业务占一般性业务收入的比重较上年同期提高14个百分点。
在云基础设施板块,以订阅制交付的AI加速器算力,是观察客户需求的一个窗口。三季度,百度GPU云收入同比增长191%,环比增长43%。这项业务的经营质量提升,直接体现在客户采购模式的变化上:国际投行高盛称,越来越多GPU云客户开始支付预付款、签订更长期的服务合同;高盛同时认为,云业务经营改善,与现有算力利用率的提升直接相关。
百度在三季度业绩会上举例,按合同金额计最大的三家GPU云客户今年续约时都签了多年期合同,其中一家新合同的期限是原合同的六倍。李彦宏在会上说,随着需求保持强劲、业务规模扩大和盈利能力改善,AI云基础设施的投资回收期正在缩短。
百度智能云事业群总裁沈抖在同场业绩会上说,一些企业把AI从试验用到了核心业务,算力也随之成为经常性需求。企业租用算力,既可用于大模型训练,也可用于模型上线后的推理调用。李彦宏在百度世界大会上说,此前算力需求以训练为主,如今训练与推理并重。他判断,随着智能体规模化落地,推理将成为AI芯片需求长期增长的核心驱动力。百度智能云在今年世界大会上发布天池1024卡超节点,计划2027年正式商用。对百度来说,加码算力部署是扩大供给。对企业客户来说,算力采购的最终价值,还要落到具体业务的产出效率上。
咨询公司麦肯锡今年针对全球97个国家1719名受访者的调研显示,80%的受访者认为AI提升了个人工作效率,但仅有37%表示AI对所在企业的息税前利润产生了正向贡献;约五分之一的受访者坦言,所在企业因AI运行成本(尤其是Token开支)限制了使用规模。
员工单点效率提升,和部门级业务产出增长,不是一回事。前者在试用阶段就能直观感受到,后者则受分工流程、审批链路、验收标准等多重因素影响。这也是李彦宏用工厂做类比的原因:他把AI比作新电能,给现有流程装AI工具只是“换电机”,而“重新设计新厂房”才是真正的分水岭。
他与联想集团董事长兼CEO杨元庆的对谈,也印证了这件事的难度。杨元庆介绍,联想已经把AI用在需求预测、排产、质检、物流等多个环节,但AI给出的预测结果只是基础草稿,最终决策仍要人来做;一份预测能否真正改善经营,还要看采购、生产、供应链等部门能不能协同落地。德勤8月发布的调研数据也显示,仅有15%的受访组织实现了跨职能、多智能体协同的规模化落地。
重构工作流:百度先在内部跑通了智能组织
本届百度世界大会上,李彦宏将智能组织的落地拆解为三个核心动作:一是打破岗位边界,让人与智能体围绕同一任务协同作业;二是沉淀隐性知识,换言之,就是把资深员工难以言传的隐性经验沉淀下来,成为团队可复用的公共资产;三是设计流程闭环。用每一次执行的结果反向优化下一次流程,也就是他提到的“Looping”闭环。最终的效果,可以用交付周期、合规通过率、结果可复现性等指标来衡量。
百度数字人创新业务部,就是按这套逻辑重构了需求从提出到上线的全流程。过去,一条需求要在产品、设计、研发、测试等多个岗位间流转,链路长、协同成本高。团队引入自研智能体BiuBiuAgent后,部分需求可由一名员工全程跟进交付。百度给出的案例显示,一名校招新人仅用1天,就完成了原本需要5类角色配合、至少10天才能交付的需求。从团队整体数据看,三季度该部门完成564次产研迭代,交付周期缩短28.8%,同时沉淀了130项可复用技能。单个案例是效率缩影,团队级的交付周期变化,才是可持续观测的核心指标。
AI工具为什么能让新人快速上手?《经济学季刊》一项研究基于某企业5172名客服人员的数据,对比了AI聊天助手上线前后的表现:使用AI后,员工人均每小时解决问题数平均提升15%,其中经验较少的员工提升幅度约30%。研究者认为,核心原因在于AI工具让新人能够快速接触到高绩效员工的工作方法——这正是经验沉淀的价值。
这套逻辑用在百度财务内审场景,沉淀的就是专业审计经验。审计人员对业务风险的判断、对历史案例适用条件的把握,都是难以快速传递的隐性知识。团队将业务资料与历史案例接入系统,让AI辅助制定审计计划、排查风险、核查问题,再由人工复核并将专家经验回写到规则库中。据百度披露,其内部审计流程的AI自动执审率已达40%。
文心大模型团队在优化文心5.5 Flash推理性能时,则用自动研究系统ERNIE Evolve,把“闭环迭代”的原则落地到了具体研发任务中。工程师先设定优化目标、划定可修改的代码范围,沿用原有测试流程做验收标准;系统自动提出优化方向、修改代码、跑实验,并完整记录有效与无效的改动路径。
百度披露的数据显示,在昆仑芯P800的低时延测试中,优化后的最优版本生成速度达到基线的约6.2倍,且全部通过正确性校验。团队同样保留了失败的尝试:系统曾尝试将专用通信替换为通用集合通信,结果当轮测试速度反而下降14%,这条路径就此被标记放弃。未来做同类优化时,可以直接避开已验证的弯路。
李彦宏还用“模体并行、协同进化”,阐述了应用场景对模型能力的反向塑造。百度通过千帆平台开放的文心闪电深度思考模型,最初是为百度搜索场景量身打造——搜索场景要求它既能理解复杂查询、调用工具,又能支撑海量用户的低时延响应。同期开放的文心一镜微表情模型,则针对视频创作场景,主打精细的人物表情与动作生成。两款模型的能力差异,本质上都是场景需求倒逼的结果。
据李彦宏透露,过去一年百度内部日活智能体从日均5000个增长到3.7万个,智能体每周完成的有效任务从约8.4万个增长到超100万个;公司搭建了4300个工作空间,累计沉淀超2万个组织技能。在他的设想里,智能组织既能实现轻资产运营、构建新护城河,也能创造和发现新市场——而这一切,最终都要到企业客户的真实业务中接受检验。
这套用结果反向优化方案的思路,也已经应用到工业场景。在海高激光的生产车间,四台机械臂协作切割工件时,工艺人员需要规划每台设备的切割区段、启动顺序,还要避免机械臂碰撞。百度伐谋智能体基于生产数据预测各工序耗时、优化任务分配与工序排布,再验证运行路径是否存在冲突。据百度披露,优化后设计一套四臂切割方案的时间从4—8小时缩短至约10分钟。目前项目已跑通单个工件的全流程,正在验证更多工件类型与批量生产场景。
流程常态化运转,词元所切入模型采购全链路
面向企业客户,百度也在调整AI服务的交付模式。过去百度智能云的链路是:销售与解决方案团队对接行业需求,交付团队负责现场部署,产品研发团队再根据反馈迭代产品,链路长、响应慢。引入前沿部署工程师岗位后,这个角色可以直接串联现场需求、部署落地与产品反馈,形成更短的闭环。
据百度介绍,这种模式已经覆盖金融、能源、制造等行业的100多个业务场景。
海外海集团把智能体用在了客房定价场景。这款房价管理智能体基于百度搭子开发,打通酒店管理系统与携程平台数据,为试点门店提供动态调价方案。据百度披露,试点门店客房收入提升了10%。
客房定价,核心特点是流程需要长期、高频运行。AI深度嵌入日常业务后,模型服务采购会从一次性试点转为长期管理。企业需要持续考核模型版本、响应速度和服务可用性,并提前准备服务中断时的备选方案。
财报显示,三季度,百度千帆MaaS平台来自外部客户的Token调用收入同比增长1159%。李彦宏在业绩会上说,千帆当季提高了模型推理的吞吐量,也通过调整资源调度提高了算力利用率。
IDC《中国AI软件市场半年度追踪》数据显示,2026年上半年,中国模型即服务(MaaS)市场规模达106.3亿元,同比增长889.4%。同期市场Token消耗量同比增长约432.5%。细分来看,大语言模型约占MaaS收入的47%,视频生成占32.7%。
文本、代码、视频等不同任务需要不同模型,同一款模型也可能有多家服务商提供接口。IDC统计的大语言模型MaaS营收排名中,百度位列阿里云、智谱、火山引擎之后,排名第四,独立推理服务商PPIO位列第六。
即便选用同一款模型,不同服务商的接口在成本、速度上也可能差距悬殊。第三方测评机构Artificial Analysis针对GLM-5.3-Flash的供应商测试显示,按其测试配置,Bitdeer AI接口首Token响应约19秒、单任务总耗时约9分钟,GMI接口首Token响应约85秒、单任务总耗时约49分钟;两者单任务成本分别为0.48美元和0.41美元。
对夜间批处理这类场景,速度慢一些尚可接受;但对客服系统这类实时响应场景,用户等待时长、失败重试成本都要算进最终的任务成本里,企业采购必须综合考量。
正是瞄准这一痛点,百度近期还推出了定位是“大模型交易所”的词元所。百度的判断是,当前市场上大量中转服务商给同款模型报出不同价格,客户还要自行甄别模型真伪、响应速度、服务稳定性,选型成本极高。词元所将模型原厂与第三方推理服务商接入同一平台,采购方可以直观对比报价、响应速度、调用成功率,通过统一API一键接入或灵活切换供应商。
百度将上架前的审核机制称为“验真”:平台核验供应商资质,同时通过模型指纹比对、能力测试、性能测试、可用性测试层层把关;服务上线后还会持续抽检与实时监测,数据全部计入供应商信用评级。在工信部信息通信经济专家委员会委员盘和林看来,这类平台也为大量有算力、缺直销渠道的中小算力中心,提供了可被客户搜索、比价的公开销售渠道。
词元所的推出,让百度的角色向采购上游延伸了一步:即便企业最终选择了第三方模型,百度也能从交易中获取相应的服务收入。
据百度披露,词元所试运行期间,入驻供应资源超100个,日均调用量超5000万次;当时平台上架40余款模型,涵盖文心、DeepSeek、Kimi、智谱GLM等主流产品。正式发布首日,又有超100家供应商申请入驻,超1000家客户完成接入。
对精打细算的企业来说,比Token成本更重要的,是一项工作从启动到验收的全流程耗时、总Token消耗,以及中间的人工交接与返工成本,而这正是智能组织要解决的终极问题。
数据及图片提供方:百度
文章原文
内容来自 财新网,版权归原作者所有。
阅读原文 ↗