AI的必然：硬核的實力，解決產業的硬核問題

文：董指導

圖片由文心一言生成

巴菲特對科技股非常謹慎，一度被戲稱為“不懂科技”。然而，當這位“奧馬哈先知”開始出手投資科技巨頭時，他展現的往往不是對尖端技術的追逐，而是對商業模式和競爭優勢的穿透力。

比如在2016年，當智能手機滲透率接近天花板、蘋果也被指責創新減少時，巴菲特卻開始買入蘋果股票了。市場一片嘩然、甚至嘲諷，果真不懂科技。

但沒想到，蘋果從芯片到操作系統、應用商店的垂直整合，帶來了強大的定價權，優勢不斷積累、成功穿越周期，也讓巴菲特這筆投資大賺。

市場驚嘆：你大爺還是你大爺，眼光還真是犀利。

于是，當巴菲特披露了對谷歌母公司的買入后，公眾相比于2016年時質疑和嘲諷，這一次，更多的是熱議和思考：巴菲特看中了什么？

巴菲特考慮的因素有很多，但我覺得，至少有一點是和當年投資蘋果一樣的，那就是看中了谷歌“垂直整合的全棧能力”。同樣的，百度在資本市場上的討論度也顯著提升，一個重要原因便是其“全棧能力”越來越被認可。

當AI的新鮮熱情開始轉為理性，大家也漸漸意識到：AI這場馬拉松，跑得快，遠不如跑得久；而跑得久，靠的不是融資，而是“續航能力”：

業務的自我造血、以及技術全棧體系。尤其后者，對AI格局的重要性，越來越清晰。

全棧，對于AI很關鍵

全棧（Full Stack）一詞的首次出現，是對程序員能力的最高評價：既精通前端技術、又掌握后端邏輯、還能熟練操作數據庫。堪稱代碼世界里的魯濱遜。

如今，全棧雖然已經改為對企業的形容，但要表達的全能性、硬核性，依然未變。

就像谷歌、百度的AI戰略，他們在構建的并非僅僅是產品，而是一套基礎設施的閉環：芯片與算力、大模型、開發工具、以及應用和應用生態。從底層到上層，全棧覆蓋。

例如，谷歌有TPU+TensorFlow+Gemini+搜索/郵箱等應用；百度有昆侖芯+飛槳+文心大模型+搜索/文庫/蘿卜快跑等等應用。

那么，為什么在人工智能時代，這種垂直整合會非常關鍵呢？

因為AI是算力、算法、數據的協同發力，而非單一要素；而且會一直如此。斯坦福AI研究所也在《AI Index Report》中指出，AI的價值實現必須通過三要素的深度融合。

算法需要更“懂”它的芯片，才能避免通用芯片的冗余而導致的效率浪費；大模型需要獲取更多前端真實數據，從而可以通過訓練進化更快、更加聰明；不同的數據，例如文本、視頻，也需要有不同的、更合適的芯片來處理。

而且，垂直整合，也意味著減少了“中間商賺差價”，其邊際成本也會隨之降低。

另外，面對一些復雜問題，擁有全局優化的能力，則可以任意調整芯片、框架、模型、數據等任何一個環節的資源來解決。而非全棧公司則只能在自己受限的那一層里打轉。

所以，非全棧，當然也可以發揮AI的作用；但全棧能力，可以讓三要素配合更緊密，產生乘數效應，降低成本的同時，提高模型效率和效果。

對于AI行業競爭格局而言，垂直整合的全棧布局，是一種系統能力，可以有效抵御單點突破式的沖擊；而且隨著數據和模型規模增長，競爭優勢還會越來越大。

對于AI行業未來發展而言，未來應用場景也會從單一任務到多模態、多領域的融合；也需要AI技術的成本能像水電一樣唾手可及；而全棧布局，也通過“降本提效”、加速著AI在各行各業的普及。

因此，也可以說，垂直整合，是AI時代的“元競爭力”。

硬核，不只是選擇，更是付出

全棧的優勢顯而易見，但全棧的形成，卻不是輕松實現。

在商業世界里，有兩種護城河。一種是靠“巧勁”挖掘的，比如商業模式的創新或營銷的突圍；另一種則是靠“硬核”堆砌的，是硬碰硬的技術死磕。而顯然，全棧能力，就屬于后者。

以百度智能云為例，對其進行拆解就可以看到，這是關于“戰略定力”和“堅定研發”的故事。

百度智能云正式成立的2015年，公有云市場雖然不是紅海一片，但同質化也比較嚴重，仍以資源虛擬化為主。彼時的AlphaGo還沒有迎來高光時刻，但基于對AI未來的判斷，百度智能云仍選擇走一條不一樣的路：不只做計算，更瞄向“智能”。

雖然2016年，AlphaGO戰勝圍棋世界冠軍李世石，點燃了AI行業的熱情；但隨后的AI更多地停留在人臉識別等碎片化場景中。對于云廠商而言，賣計算更賺錢，而賣AI能力則是不賺錢。

顯然，百度智能云經歷了一段“技術寂寞期”，甚至有聲音質疑，百度智能云提出所謂的“云智一體”，只是一個錯位競爭的無奈之舉。

幸運的是，研發并沒有停止；AI的發展，也沒有停止。2023年生成式AI的爆發，讓市場驚覺，傳統的云架構，并不能良好地支撐大模型運行。云的主戰場，瞬間轉向了“模型訓練與推理”。

而云智一體的“錯位”，也成為了“搶位”。

當然，提前布局，并不必然確保競爭力。百度智能云的硬核，也得益于在芯片自研上的投入。

2014年，谷歌為了擺脫對英偉達的依賴，開始自研TPU。隨后就是每年數十億美金，然后迭代至今。百度走的也是這條難路。脫胎于2011年的芯片部門，昆侖芯在一輪輪流片的失敗中，依然保持研發投入，終成大器。

今年，國內首個全自研的昆侖芯P800三萬卡集群點亮，可同時承載多個千億參數大模型的全量訓練；而11月的百度世界大會上，性能更高的新一代昆侖芯M100、M300等產品也相繼發布。

將多張昆侖芯AI加速卡整合，便有了超節點。帶來更高的擴展性和資源利用效率。明年上市的天池512，單一節點就能完成萬億參數模型訓練。而基于芯片，又構建了百度百舸AI計算平臺。

當全世界都在搶英偉達芯片時，百度智能云卻可以通過軟硬件協同優化，讓AI效果更出色、成本也更劃算。例如在DeepSeek V3/R1 PD分離推理架構的優化下，實現了單卡性能提升95%，單實例推理性能大幅提升高達8倍。

基于百舸AI計算平臺，百度智能云也提供了AI Infra，包括完善的模型、以及模型開發等服務；也打造了Agent Infra，集成了開發、工具、模型、數據等服務，以及Agent運行環境。AI成為水電一樣的基礎設施，正在實現。

如今，百度智能云，作為國內全棧AI云市場第一，擁有40%份額。

而“全棧優勢”并不是一句輕飄飄的口號，而是由無數行的代碼、幾十億甚至上百億的研發投入、以及在無人喝彩時的默默堅持堆砌而成的。

硬核實力，解決硬核問題

硬核的基礎設施、全棧優勢，并不是為了炫技，而是讓下游客戶便捷享受到技術紅利。

其中一個展現層面，就是Agent。這是大模型最佳展現形態之一，也是實現大模型和真實世界交互的重要方式。

有許多創業公司都瞄向了消費級Agent，改善我們的日常生活；然而，AI更大的價值，在于和產業結合。

得益于全棧優化能力，百度向產業硬核難題發起了“沖鋒”，推動Agent在在嚴肅場景中價值涌現。

比如，其發布的超級智能體“百度伐謀”，借鑒自“進化算法”，模擬生物界幾億年的進化過程、并壓縮至幾天甚至幾小時，從而發現“過去人類從未發現過的全局最優解”。

這對于產業非常重要。因為在生產、研發等場景，哪怕1%的優化提升，都能帶來千百萬、甚至上億的價值。

過去，企業通常會依賴于專家經驗，也需要漫長的摸索、試錯；費時費力。而現在，“百度伐謀”不僅可以快速抽象復雜問題、建立模型；還可以7X24小時不停歇地學習、迭代，根據條件變化給出“動態”全局最優方案，突破人類容易陷入的局部最優。

伐謀展現的“人類定義任務、智能體持續尋優”的新范式，正為產業帶來新氣象。

中國能源建設集團廣東院，將伐謀用于海上風電設計，生成的優化方案，找到了比人工設計更短的電纜路徑，節省時間又節省成本。

中國數聯物流將伐謀應用于遼港集團，在保障作業效率的前提下，優化港口設備的計劃與調度，帶來了每年上百萬的節能降耗空間。

除了提供可直接使用的智能體，百度智能云也提供Agent Infra，讓傳統企業可以輕松開發專屬的智能體；不只有硬件，還有服務。

例如“智能體工作坊”，通過“專家手把手帶教+場景全流程實戰”的共創模式，幫助企業自主構建可落地、可應用的智能體，同時也培育相關的人才，解決傳統行業的痛點。

某制造龍頭企業，通過工作坊的合作，將一項基于復雜技術文檔的功能測試時間，從2-3天縮短至半小時內，效果遠超人工。某大型集團央企，也通過工作坊，篩選和培育了幾十名兼具業務洞察和AI能力的復合型人才。

類似的案例還有很多，都在呈現一個故事：只有全棧布局的硬核實力，才能解決產業硬核問題。

尾聲

回到開頭的問題，為什么全棧能力被投資人紛紛看重？

不僅因為全棧的深度，決定著AI玩家自身競爭力的高度；更是因為谷歌、百度智能云這些全棧玩家們，把內部消化的“技術痛苦”，轉化為了合作伙伴的“極致性價比”；把積累的硬核實力，轉化為了AI與產業結合價值紅利。

許多產業、企業，面對AI充滿期待，但又充滿擔心：技術路線如何變？算力成本高不高？AI開發難不難？AI效果值不值？算力、模型能不能適配？模型會不會不更新？等等等等。

此時，全棧能力就是定心丸。它不只是極致的效果、更低的成本、周到的服務，更是一個因著全局優化的能力，從而動態調整時刻保持的最優解。

尋找最優解，既是企業解決問題的關鍵；也是AI時代，企業選擇伙伴的關鍵。

---全文完，歡迎交流

理工/金融 復合背景

暢銷書《英偉達之道》譯者

百億私募/頭部自媒體 雙重經歷

看清科技、商業本質，講出精彩故事