11月16日晚,百度交付三季度的财报成绩。总营收308亿元,百度一般性业务收入250亿元,同比增长1%,超出市场预期;AI业务收入132亿元,占百度一般性业务收入53%,已连续三季占比过半。本季度,AI云基础设施收入同比增长94%,较上一季度50%的同比增速显著加快。
在此前的百度世界大会上,李彦宏将智能组织比作AI时代的“新厂房”:换上AI电机之后,还要重新设计工厂。从百度内部的工作流程,到客户企业的业务现场,这场改造正在展开。
从购买算力
到把AI放进经营流程
一家与百度合作的自动驾驶芯片企业,最初使用的是GPU云。随着模型持续迭代,训练需求迅速增长,双方合作又扩展到存储、网络等领域。如今,百度已经成为这家企业最大的基础设施供应商。
客户的用云范围,随着AI业务一起生长。模型需要反复训练,数据需要存储和处理,应用部署之后,还会不断产生推理请求。每一轮研发、每一次业务扩展,都可能带来新的计算与服务需求。云服务也由此进入更长的客户经营周期。
三季度的AI云基础设施收入中,GPU云、昆仑芯和MaaS合计贡献了AI云基础设施收入的一半以上。客户提前安排未来的算力,百度则获得更清晰的需求预期和回款节奏,云业务回报周期也在缩短。增长之外,交付这些服务的效率也在改善。Q3,百度AI云基础设施的利润和利润率同比、环比均有所提升。
在规模化运行中,模型响应时间、算力利用率和单位调用成本,会直接影响一项服务能否持续盈利。同一批设备处理更多Token、在更低时延下承接更多请求,技术优化就能转化为经营效率。昆仑芯为基础设施成本和性能优化提供了更大空间,持续的推理改进则提高了同等算力的Token处理能力。
应用需求也不断进入研发过程。文心闪电深度思考模型最初为百度搜索开发,要理解复杂意图、完成推理和工具调用,同时应对海量请求。搜索场景中的反馈推动模型迭代,这些能力又通过千帆向外部客户开放。芯片、云、模型和应用之间的协同,由此落到一次次性能改进、成本优化和产品交付中。
百度自身的工作方式,也在发生变化。内部日活智能体数(DAA)从0.5万增长至3.7万,每周有效任务完成数从8.4万增长至超过100万,已经建设4300个Workspace、沉淀2万多个组织Skill。
在财务内审团队,审计计划、风险排查和问题核查正逐步引入AI。AI参考业务资料和历史案例,辅助判断该查什么、怎样查;人的审核和专家反馈,再被整理成后续任务能够使用的规则与标准。目前,百度内部审计流程的AI自动执审率达到40%。
一次审核结束,留下的不只有结论,还有经过修订的判断方法。原本需要专家反复讲解、由不同员工重新摸索的经验,开始积累为组织共同使用的能力。更多任务进入这套流程之后,AI的作用也从帮助某个人完成工作,延伸到改变一群人如何协作。
词元所:企业需要为持续使用AI建立信任
流程越依赖AI,模型供给就越不能只靠一次测试来决定。
采购页面上的模型名称相同,背后的部署和服务质量未必相同。企业需要核实拿到的是否是标称模型,调用是否稳定,响应能否满足业务需要。一个报价较低的接口,如果需要反复验证、频繁切换,节省的调用费用也可能被额外的接入和维护工作消耗掉。
AI偶尔辅助工作时,这些问题尚可由开发人员逐一处理。当多个部门、多个智能体持续调用模型,服务质量就会沿着工作流程传递:一次不稳定的输出,可能带来后续核查和返工;一次接口变更,也可能牵动多个业务环节。
词元所将这部分验证和管理工作纳入平台。供应商入驻前,需要经过资质核验和资源测试,防范模型偷换、参数虚标;服务上架后,平台持续抽检质量、监测实际调用指标,形成公开可查的信用档案。企业可以依据持续的服务表现选择供应商,优质供给也有机会凭质量积累信用。
目前,词元所上架40余款模型,覆盖文心以及DeepSeek、Kimi、智谱GLM、MiniMax等模型,入驻方既有模型原厂,也有第三方推理服务商。试运行期间,入驻供应资源超过100个,日均调用突破5000万次。正式发布首日,词元所新增申请入驻的供应商超过100家,新增接入客户超过1000家。
供给集中起来之后,企业不必每接入一家服务商,就从头完成一轮搜索、测试和验证;供应商的服务记录,也能够被更多潜在客户看到。模型采购逐渐有了可比较的依据,持续使用则有了可追踪的记录。
百度在模型产业中的角色随之展开。自研模型之外,它还在参与企业选择、采购和使用不同模型的过程。Q3,千帆MaaS外部客户Token调用收入同比增长1159%;大会上发布的词元所,又将服务范围延伸到更广泛的模型供需市场。
企业买到模型之后,下一步仍是把能力放进工作。一条业务流程需要哪些数据、遵循什么规则、哪些环节交给AI、哪些判断由人完成,都要在真实任务中逐一解决。
智能体走进业务
经验才能留在组织里
在海高激光的生产线上,四台机械臂要协同切割同一个工件。哪台先动、各自切哪一段、什么时候让出路径,都要提前排好。一处安排不当,设备就可能互相等待,甚至需要重排整套方案。过去,工艺人员主要靠经验分配任务、调整顺序,设计一套切割方案通常要花4到8小时。
百度伐谋根据生产数据预测每段切割的耗时,在满足工艺顺序和防碰撞要求的前提下,为四台机械臂分配任务、安排顺序。在已完成的单工件验证中,切割方案的设计时间缩短至约10分钟,四台机械臂协同作业全程无冲突。原本需要工艺人员反复判断的排程问题,有了可以重复使用的方法。目前,这套方法正在更多工件和批量任务中验证。
机械臂排程和销售跟进用到的数据、规则各不相同,但都把AI放进了一项需要反复完成的工作。工件变了,生产团队可以用同一套方法重新排程。商机有了新进展,销售团队可以沿着同一条流程重新梳理跟进重点。随着这些流程持续运转,模型调用也会随业务任务持续发生。
百度正在为这种持续运行提供不同层面的能力:基础算力承接计算,模型服务提供智能,词元所帮助企业选择可信供给,智能体深入具体工作。内部积累的研发和组织经验,也在不断反哺这些产品与服务。
不同层面的回报会先后出现。Q3最鲜明的收入增量来自AI云基础设施,应用侧则在真实任务中积累使用、经验和商业化机会。智能组织建设尚在早期,但百度已经开始同时获得两种积累:一端是持续产生收入的AI需求,另一端是能够在更多业务中复用的组织能力。
“智能组织”带来的增长空间,不只取决于下一次能接入多少客户,更取决于AI能在每一家企业里进入多深的业务。一次试用可以结束,一条已经参与日常经营、能够积累经验的工作流程,则有机会持续运转。百度正在争取的,是成为这种长期运转所依赖的能力提供者。





京公网安备 11011402013531号