歷史應該厚饋那些“起大早的人”

在今年的百度世界大會上，百度發布了一系列創新領先的AI應用，涵蓋大模型、AI算力、智能體、AI搜索、數字人、無人駕駛以及創新的自主進化等領域的AI技術突破，展現了百度AI應用加速走向效果涌現背后的底層創新實力。

大會中李彥宏提出了“內化AI能力”的觀點，百度也用實力證明了其在內化AI下的階段性成績，其蘿卜快跑的全球化進展和昆侖芯的超預期能力，在長期主義收獲期逐漸顯現的同時，也給外界帶來了重新審視百度的視角和契機。

百度可以摘掉“起個大早，卻趕了晚集”的帽子了嗎？

“起個大早，卻趕了晚集”，是科技界對那些先意識到某個領域的重要機遇，卻沒有吃到或者最后才吃上紅利的企業的一種嘲諷。

這樣的案例的確不少——IBM最早推出Watson Health，是行業少有的早期大規模AI+健康實踐，但最后因為定位過高反而反響平平；Nokia進入智能手機操作系統其實比蘋果推出IOS要早，但其Maemo（不是 Meego）系統卻沒有得到足夠的資源發展；日本車企研究電動汽車比中國車企早20年以上，但因為擔心影響燃油車的銷量一直沒有大力發展……

但我們這里要講的，不是這樣一些沒有正確利用機會的企業。我們要講的，是一些真正有勇氣走在時間前面，卻一直沒有得到正確評價的企業。

中國不缺乏有“趕大集”能力的企業，但對于“起大早”卻總有人裝睡。為此，我覺得，無需辯解什么，歷史最終將厚饋那些敢于“起大早”的企業和企業家們。

——導語

01

起得早的結果，就是收獲看起來總是來得晚一些

在中國互聯網公司的族譜里，百度始終是一股“純技術流”的力量：它不擅煽情，不擅表演，擅長的是大多數人搞不懂、也難以正確評估的前沿技術探索，而且總是很超前。

百度一直癡迷與技術的創新，但也就是因為這個習慣，“起了大早，趕了晚集”的標簽，最容易被扣在它百度頭上。

框計算起得足夠早，但真正能實現它的理念的技術到 2023 年以后才成熟，不熟悉產業史的人，真的會不知道這條賽道上它曾經早起過。

深度學習研究院起得早，百度美國研究院起得早，但收獲期也以 10 年為單位，搞得很多人只以為它們是中國 AI 界的黃埔軍校，替產業培養了不少人才，卻不知道今天百度的 AI 帝國就建立在它們打下的基礎上。

飛槳（PaddlePaddle）起得早，昆侖芯片起得早，蘿卜快跑（Robotaxi）也起得早……這樣的例子我還可以舉出很多。

然而，這其中的“早”和“晚”，只是人們敘事的錯覺，卻不是歷史的真相。

在中國的互聯網公司中，百度可能是最特殊的一個。它更像一家硅谷公司，癡迷于技術，熱衷于在“未來”下注，甚至在某些層面，它比硅谷的公司更執著于“重模式”。但它似乎也是被“起了大早，卻趕了晚集”這句俗語“詛咒”得最深的一家。

這句嘲弄，聽起來不無合理性。

當我們談論“起大早”時，百度的履歷幾乎是在為這句話提供完美注腳：從十多年前的“框計算”，到2013年成立深度學習研究院（IDL），再到后來的百度美國研究院、阿波羅（蘿卜快跑）的無人駕駛、自研昆侖芯芯片，以及在國內最早布局的“飛槳”（PaddlePaddle）深度學習框架……哪一個，不是在C端（消費端）市場還不見蹤影，甚至連（B端）企業端都聞所未聞時，就已啟程的“大早”？

而所謂“晚集”，則是指近十年間，百度在移動互聯網浪潮中的顛簸，以及在AI商業化回報上遲來的股價“補漲”。當大模型的浪潮終于在2023年席卷而來，所有人蜂擁而至，這個“集市”才算真正“吵鬧”起來。這“一早一晚”的鮮明對比，似乎完美印證了那句幸災樂禍的調侃。

但，事實果真如此嗎？當“晚集”的喧囂終于到來，我們是否該回過頭去，重新審視“大早”的價值？

歷史和輿論經常戲弄我們的洞察力，有三種情況最常見。

最典型的一種是，把“C 端熱度的普遍出現”當成了“價值的誕生時刻”。

的確，煙花點亮的瞬間最好看，但如果不發明引信和火藥卻無法實現。

就像我們熟悉的第三次人工智能浪潮，我認識的 90% 的人認為——其標志性事件是 2016 年由 Alpha GO 戰勝了人類棋手。

媒體喜歡看敘事節奏，但技術落地需要夯實底座——算法規模化、數據治理、算力結構、行業 know-how、風控合規、成本管控、灰度部署……這十來個環節里任何一個環節沒打通，都會拖住商業閉環。

百度是起的最早的，2010 年就開始入局，可百度真正迎來AI規?；貓蟮臅r間，比如智能云、自研AI 芯片、數字人、生成式 AI 大模型、無人駕駛大范圍落地等真正具備商業化能力的業務的爆發，其實都發生在近兩年，離那個“標志性事件”過去已經近 10 年了。

技術的價值從不誕生在微博熱搜的那一刻，而誕生在“工程學把玄學變成現實”的那一刻。

另一種情況，是判斷“趕上集”的標準，只看利潤表，不看資產負債表后面的“體系性資產”。

百度不但在 AI 上研發起步足夠早，更在沒有大規?；貓蟮那?10 年就投入了千億研發費用，從看財報的角度，這真的挺糟糕的。

然而，研發能力、標準構建、操作系統級的框架、底層自研的芯片，是負債表能體現的嗎？

我們是否該問問，我們是否忽視了建立標準、研發底層、構建體系的決勝價值，而只看到了短期利潤的損益表？

我們是否能回答——當所有人都在談論模型應用時，是誰在做那個“吃力不討好”的產業級深度學習框架？當大多數人都在“攢”智駕方案時，是誰在燒錢做無人駕駛的L4？

我們是否意識到——技術型企業不是銷售型企業，雖然它也需要銷售額來體現在報表里，但它的終極護城河不單是盈利數據，而是真正的生態位護城河？

生態位的構建，更無法用簡單的銷量和成本來簡單評估。它關乎企業在生態上的話語權，進而關乎產業鏈的定義權，也關乎開發者能否愉快且順暢的用它開發出智能體，關乎到千行百業能否順利的解決 AI 落地的難題——而且，即使你就是單從收入這個角度來看，我也可以告訴你——在技術的世界里，短期利潤是“現金”，而生態位才是“鑄幣權”。

對這三個問題的剖析，是否令我們換個角度去看“早起的人”。

02

比不早起更糟糕的，是裝睡

如果從上世紀80年代第一批有民營色彩的 IT 企業的起步算起，中國數字產業的發展，至今已逾40年。在這40年的長河中，我們學會了“引進來”，也精通了“模式創新”，但真正在核心技術上敢于“創新引領”的，是何時開始的？

答案是：相當晚。

我們不必回避那些“起晚了”的痛點。當我們環顧四周，那些被“卡脖子”的領域，幾乎無一例外，都是因為我們錯過了“起大早”的歷史時機。當然，一些錯失是時代造成的，不是企業的責任。

當華為決絕地推出“純血鴻蒙”時，它試圖彌補的是我們在操作系統上落后、跟隨的幾十年。為什么這么難？因為一個操作系統的壁壘，從來不是代碼，而是生態。是那數百萬已經習慣了安卓和iOS開發范式的開發者，是那數千億行已經沉淀在舊平臺上的“祖傳代碼”?！?/p>

當整個半導體行業都在“補課”，高價采購成熟制程設備時，我們是在為系統級芯片的底層生態位缺位，而在支付高昂的“學費”……至于工業軟件（如CAD、EDA）、高端存儲、閃存顆?！谶@些領域，我們不是“沒有意識到”，而是當年我們意識到必須補短板時，國際市場早已高度成熟。

為什么“晚了”的代價如此沉重？

因為技術密集的市場，其壁壘從來不是某個單點的發明。它不是牛頓被蘋果砸中頭的靈光一現。它是一張由無數專利層層疊疊織成的“捕網”，是一個由海量開發者和合作伙伴共同構筑的生態。

如科學哲學家托馬斯·塞繆爾·庫恩的《科學革命的結構》中所言，當今科技大時代里的“創新”，它越來越不體現為某個天才科學家的個體勞動，而是一系列、有組織的系統性創新的結果。

足夠復雜，所以，它必須足夠早。

早到足以去定義接口，早到足以去構建組織化，早到足以去建立專利墻，早到足以去發展生態壁壘。 這四者，才是確保能夠持續吃到技術紅利的真正要素。

從這個角度再看百度的“大早”，我們才更能理解其“不得不早”的戰略必然。

我們來增加一些“顆粒度”。

以飛槳（PaddlePaddle）為例。在AI時代，深度學習框架就是“操作系統”。如果說大模型是“發動機”，那框架就是發動機的設計圖紙和制造產線。當谷歌的TensorFlow和Meta的PyTorch在全球范圍內攻城掠地時，如果中國沒有自己的“底座”，無異于將未來整個智能產業的“地基”建立在別人的土地上。

這意味著，我們所有的AI應用，都將“寄生”于他人的標準之上；一旦標準變更、接口“投毒”或者斷供，我們的“AI大廈”將瞬間淪為“爛尾樓”。

飛槳的價值，不在于頂著“全球三大框架”的名號，而在于“工程化的大眾工具鏈平臺”。在廣告排序、搜索相關性、語音識別、圖像與視頻、推薦系統這些“百度內部血肉橫飛”的業務流里，飛槳首先是內部把坑踩遍的平臺，然后才是對外把路鋪平的平臺。一個成熟的開源框架，必須是從數據讀取、特征治理、模型開發、分布式訓練、部署推理到監控回滾的全鏈條穩定器。

更重要的是，飛槳選擇開源——這是一個意義遠超“技術選擇”的“生態位選擇”。開源的含義是：把一部分“技術控制權”讓渡給社區，換取更廣泛的“協同控制力”；把百度一家公司的能力變成產業的共同能力。這不是做慈善，是做復利——生態越大，工具越穩；工具越穩，生態越大。平臺收獲的，是平臺紅利，而不是單點暴利。

然而，這在早期看來，是極度反商業的——燒錢，不賺錢，還把成果“白送”給別人。但這就是早起者百度的宿命：你必須用自己不賺錢的十幾年，去換取整個行業能賺錢的未來。

再看昆侖芯。當AI算力被“卡脖子”成為全行業（包括百度自己）的焦慮時，百度如果不是早在2011年就開始基于FPGA（現場可編程門陣列）研發AI加速器，就不會有今天三萬塊昆侖芯點亮，讓 AI 算力自給自足的今天。

可那是什么年代？是移動互聯網剛剛起步，大家都在談千團大戰、APP 工廠的年代。那時候連成熟制程芯片都沒人去造，造 AI芯片，真的太早了。

但百度為啥還要踏上這條孤獨的路？

因為百度最早意識到，AI的盡頭是算力，而搜索（百度的核心業務）的未來，將是AI驅動的——李彥宏和他們的同事比別人更早地摸到了“算力墻”，但卻不被人理解。

甚至，當2018年第一代昆侖芯流片時，很多人還不理解，有英偉達的GPU用，為什么非要“重復造輪子”，認為百度是在炒作。

算力不是紙面上的 TFLOPS，是真實工況下的時延預算、熱設計功耗、內存帶寬、互聯拓撲。昆侖芯押注也不某一款爆款 AI 加速芯片的大賣，而求的是“四層架構”俱全時，最底層的算力安全。

只有算力安全了，才進一步有“端云協同”的算力下沉與上收：在云上讓推理成本、吞吐與能效達到平衡；在邊緣側把語音、圖像、數據分析這類低時延剛需穩穩兜住。

今天，當大模型徹底引爆了算力荒，當“晚集”的入場者們揮舞著支票卻買不到高端GPU時，百度才真正迎來了它“起大早”的回報——它擁有了“算力自主”的底氣，也擁有了“模型-框架-芯片-應用”的四層一體的、端到端的優化能力。

最后看蘿卜快跑。如果說“造車”是“晚集”，那么百度從2013年開始做的，就是早得多的無人駕駛。它選擇了一條最難、最重的L4級別路線。這又是一個“反商業”的決定。L2+++（高階別智能輔助駕駛）明明更容易上車、更快變現，為什么非要做L4？

因為李彥宏這樣的“早起的人”看中的不是明年的財報，而是十年后的終局和新的開局。李彥宏在《智能交通》一書中提出——從智能輔助駕駛到無人駕駛的終局，乃至人類交通的未來，一定是“無人駕駛”的自運營網絡，而不是更好的賣車。所以，它必須起大早，去積累L4所需要的、L2完全無法比擬的海量“Corner Case”（極端場景）數據。必須在真實的城市道路上，用上千萬公里的真金白銀去跑、去試、去學習、去反饋。

這才是“起大早”的真正底層邏輯：它不是擺一個姿態、整一堆投資人愛看的數據、一眾消費者喜歡聽的故事，而是一系列在當時看來“不合理”、“不經濟”、“反共識”的，卻又指向終局的“重決策”的集合。

從這個角度來說，為中國數字科技產業“起大早”的，不是太多，而是太少了。可悲的是，當真正的早起者迎著朝霞出發時，身邊往往空無一人。

是他真的起得太早，以至于高處不勝寒嗎？還是說，他身邊有太多“裝睡”的同行者？

縱觀中國的數字產業，我們不難發現一種怪現象——

在前沿探索、投入巨大、回報未知的“深水區”，往往應者寥寥，甚至不乏冷眼與嘲諷；可一旦技術路徑被驗證后的那個周末，當商業模型顯出曙光，便有大批企業一擁而上一群創始人涌出來 All in 某某——紛紛宣布投資百億甚至千億來進軍新的領域；它們賬上的現金存量，比百度殷實太多了。

它們是真的睡過頭了嗎？

我想說我的猜想——絕大多數不是，它們只是在“裝睡”。

這早已不是牛頓的時代。信息高度透明，網絡無孔不入，沒有人可以對自己的研發“絕對保密”。那些裝睡者，他們清晰地知道別人在做什么，他們甚至比誰都更早地看到了趨勢。但他們寧愿讓別人去完成最艱難的“0-1”的探索，讓“早起者”去蹚雷、去試錯、去教育市場。

他們就像一群守在油田外的“淘金者”。他們不負責勘探、不負責鉆井、不負責鋪設管道，他們只等“早起者”把第一桶原油運出來，然后便蜂擁而上，在“晚集”上爭搶那些溢出的“優質原油”，甚至買下整個油田。

他們選擇在“1-10”的階段，憑借資本和流量的優勢，迅速入場，“摘走果子”。

這種精致的利己主義，是行業最大的內耗。

更具諷刺性的是，他們“趕晚集”時，非但沒有對“早起者”的開拓心存感激，反而會掉過頭來，嘲笑那個“起了大早”的先驅，笑他“動作太慢”、“錯失風口”。

如果這種扭曲的、以摘果子為榮的價值風尚成為主流，我們就永遠不可能迎來真正意義上的創新引領。

一個只盛產“晚集投機者”的土壤，是長不出“百年老店”的參天大樹的。更何況，守在油田外的，又何止是國內的“土狼”，更還有玩這套已經上百年的國際“鬣狗”。

03

早起者必被厚饋

技術與產業史，終究是公正的。它看似會捉弄那些“早起者”，但從更長的時間尺度來看，它一定會厚饋那些“早起、并且熬得住”的人。

這種“厚饋”，并非簡單的線性回報，而是以“復利”的形式，在漫長的歲月中層層疊加。我們可以將其拆解為“三重復利機制”：

首先，任何一項復雜技術，都有一個“成本-質量-可靠性”的鐵三角。早起者，意味著最早開始攀爬這條陡峭的學習曲線。他們用更長的時間去試錯、去迭代、去優化。

當晚來者還在為60分的“及格線”掙扎時，早起者已經將單位成本降到了更低，同時將可靠性提到了更高。在無人駕駛領域（如百度的蘿卜快跑），這體現為海量的真實路測數據和更成熟的安全模型；在芯片領域（如昆侖芯），這體現為更優的功耗比和更穩定的量產良率。

不只是 IT 業，我們不妨看看其它行業——這里有一個絕佳的案例：比亞迪與特斯拉。

在2015年左右，這兩家公司都因“起大早”而備受嘲諷。特斯拉被傳統車企嘲笑“供應鏈管理混亂”、“品控災難”；比亞迪則被譏諷為“廉價”、“技術落后”。但外界沒有看到的是，它們各自“早起”爬上了兩條不同的、但同樣陡峭的學習曲線：特斯拉爬上了軟件定義汽車和一體化壓鑄的制造曲線；比亞迪則爬上了動力電池和垂直整合的供應鏈曲線。

它們用長達十年的時間，支付了巨額的早起學費。而當新能源的“晚集”到來時，那些“裝睡”的傳統巨頭如豐田、大眾才猛然發現，它們在內燃機上積累百年的“學習曲線”幾乎失效了。

如今，晚起者可以用錢買到封裝好的智能軟、硬件，但買不到在智駕底蘊上的快速升維能力；可以用錢買到人才，但買不到終端規模化才能帶來的海量反饋數據……你甚至可以用錢買到時間，但已經買不到時機。

在遇到時機時，你已經做好準備，甚至時機本身就是你造就的，才是早起的理由。這時候，你早跑的每一步，都會在未來變成對手無法逾越的鴻溝。

其次，更重要的是，在產業的“蠻荒期”就介入，意味著你最有機會成為“規則制定者”。

ASML是這個邏輯的終極體現。它不是最早造光刻機的，但它“起大早”構建了一個聯盟。它將德國的蔡司（鏡頭）、美國的Cymer（光源）和自家無與倫比的機電技術等等，用資本和契約牢牢綁定在自己的戰車上。由此，ASML定義的，不僅是EUV光刻機的技術標準，更是一種“你中有我、我中有你”的“產業聯盟標準”。

當“晚集”的追趕者想要入局時，它們發現自己要對抗的，不是一個ASML，而是整個星球上最頂尖的光學、材料學和精密儀器生態。

最后，時機只是一個時間概念，牢牢守住發展的生態位，這才是終極的復利。

百度十年如一日地投入“飛槳”、芯片等底層技術，又在國內反復的呼吁推進 AI 落地、推廣關于 AI 應用的認知，爭奪的是自家的時間復利，也是中國 AI 產業的時間復利——今天，每個人都知道我們在爭奪全球 AI 創新第一策源地的路上只有一個對手，但如果你的生態沒有數百萬開發者，沒有產生了數百萬個企業模型，沒有能低門檻開發成千上萬的智能體，沒有幾千萬輛自動駕駛的無人車，你就占不住這個生態位。

百度的早起，既為己爭，亦為國爭。

今天我們看百度的十大發明，會發現底層技術方面的發明，還是至少占了一多半。而這正是百度發展AI的邏輯。無論是AI Cloud，還是文心大模型，其戰略意圖都是成為“基建”。它有完善的生態，但不尋求在每一個垂直領域都親自下場，而是通過“開源”與“開放”，賦能千行百業。它要做的是那個“生態位”，而不是“爆款單品”。

限于篇幅，我們不能再舉更多的例子。但我相信我已經勾勒出一條清晰的脈絡，印證了一個“早起者”的戰略定力，以及他對“終局”的超前判斷。從英偉達到華為，從比亞迪到OpenAI，每一個穿越周期的巨頭，都在用自己的故事，反復講述著這個“早起者必被厚饋”的樸素真理。

結語

謳歌“敢于早起”的科學精神

歷史是慷慨的，它會獎賞“早起者”；但歷史也是殘酷的，它只獎賞那些“早起并熬得住的人”。

百度的“起大早”，并非盲目的技術堆砌，而是一種深思熟慮的“長期主義”打法。它有幾個鮮明的特點，值得所有“技術型企業”深思：

——是“生態與平臺化”的戰略選擇。它深知，在AI時代，沒有一家公司能包攬一切。真正的“護城河”不是“閉源”的獨門絕技，而是生態繁榮。它選擇做那個“生態控制點”，用開放來聚合開發者與伙伴。

——是耐心對待資本與構建組織韌性的保障。我相信，在百度內部，許多AI項目都設立了“十年賬本”。這意味著管理層對這些前沿探索，有著超越短期（甚至中期）財報波動的“耐心”。這種耐心，輔以強大的組織韌性和階段性的復盤機制，才能對沖“起大早”所必然伴隨的巨大不確定性。

——最重要的，是創始人始終在一號位，同時兼有隨時“可逆試錯與路線切換”的智慧——早起，絕不代表“一條路走到黑”。走路的人，要在戰略上堅定，但在戰術上卻應該保持著快速試錯、容忍失敗、重構組織、重構企業的決策能力，從而確保自己不會在錯誤的路徑上“沉沒”過久。

這三點，共同構成了百度“早起”的精神內涵，又何嘗不是我們這個時代的科技企業應該具有的一種超越了機會主義的科學精神——敢于在共識形成之前下注，敢于在喧囂中保持定力，敢于為追求底層創新而不計一時的毀譽。

我忽然想起了李彥宏為何從早年的熱愛音樂、舞蹈，變成了中年后醉心于園藝——對于一個內斂的、始終保持“技術人底色”的創始人。他更應該像一個植物學家或園藝發燒友，因為植物的生長是慢的，守候從播種到收獲的過程是漫長的。熱愛園藝的人，會相信“慢”的積累，相信“土壤”的力量，注重“生態”的積累。就像當年他會在慶功宴的喧鬧后，堅持要喝一杯清醒的、來自北京的中國茶。

今天，當AI的“晚集”終于人聲鼎沸，我們更應該向那些“起大早”的拓荒者致敬。

因為，他們不僅是在為自己的商業版圖下注，更是在為整個產業的未來修路。他們用自己的“大早”，換來了我們今天在“晚集”上不至于受制于人的底氣。

我不由又想起了百度倡導的“AI 內化”，某種程度上，這上就是拿自己的成熟業務、成熟組織做 AI 的試驗田。

看到這里，我想到的首先是X射線的發明者倫琴，為了驗證這種射線能穿透肉體，他拍攝了人類歷史上第一張X光片，對象就是他妻子安娜·貝爾莎的手；我也想到了開創牛痘接種的醫生詹納，他早期的一系列關于有效性和安全性的實驗，是在包括自己的兒子在內的幾個孩子身上進行的……所以，當我們談到這個詞的時候，我們難道不應該對那些早起者的精神給與更多的敬意？

歷史應該并正在厚饋他們。而我們，至少應該在他們下一次在黎明前的黑暗中出發時，給予一份理解與掌聲，而不是在他們跋涉時，送上一句“起了大早，趕了晚集”的廉價嘲諷。

現在，越來越多的企業在AI大規模應用的時代覺醒了，李彥宏進一步提出企業AI能力內化的目標——在我看來，這和以前最大的不同。就是把AI看做企業的一種系統性能力，一種內功。相信有越來越多的企業會認可這個觀點，并在這個維度上，和百度一起去享受時代的紅利。