從谷歌到百度，怎么都成了“內化AI能力”的高手？

未來，全棧能力將成為AI公司的護城河。

新眸原創·作者 | 鹿堯

三年前，ChatGPT橫空出世，整個科技圈都為之震動。上線兩月活躍量上億，GPT系列模型的突破性表現，似乎完美復刻了“初創公司顛覆行業巨頭”的經典敘事。彼時不少人相信，AI將是下一個由創業公司主導的范式革命。

但歷經三年，技術浪潮的敘事悄然轉向，行業走過最初的喧囂，一個更現實的問題浮現：如何將AI技術，內化為企業可持續發展的核心能力，并轉化為穩固的商業價值？

曾經被認為“起大早，趕晚集”的谷歌，其重返競爭核心地帶的歷程頗具啟示：今年上半年，最新發布的Gemini2.5系列模型在多模態能力上實現突破，業內不少評價認為其在諸多維度超越了GPT-4系列模型

而支撐Gemini快速迭代的，正是谷歌將AI深度內化的全棧能力：從專為AI研發近二十年的TPU芯片 ，到貫穿模型、框架與應用的完整技術鏈，谷歌的“老本兒”在AI競爭進入深水區時，顯示出它的決定性意義。

無獨有偶，在大洋彼岸，同樣從搜索時代走來的百度，呈現出與谷歌相似的邏輯。從昆侖芯片到飛槳框架，從文心大模型到百度智能云撐起的一系列產業應用，以及搜索、蘿卜快跑等大眾消費級應用，這家公司用十年時間構建的，是一個能夠讓AI深度內化的完整技術棧。

在百度世界2025大會上，不僅能看到全方面升級的原生全模態大模型文心大模型5.0，還有包括百度伐謀、百度慧播星數字人等一系列產業級AI解決方案的發布，展示了這種全棧布局如何轉化為實際生產力——不僅僅是單點技術突破，更是將AI能力像樂高積木一樣靈活組合，融入千行百業的肌理。

這背后的行業變遷頗具深意。隨著AI技術進入深水區，企業客戶的需求微妙轉變。從最初追逐“最強大的模型”，到現在更看重“最合適的解決方案”。這種需求催生了更復雜的競爭維度，也使得全棧能力成為連接技術創新與真實產業需求的橋梁。

于是，一個清晰的共識正在形成：AI的競爭，已從模型效果的單點突破，升維為將AI深度內化的系統作戰。在這個維度上，擁有全棧能力的科技巨頭展現優勢——它們能夠提供從芯片、框架、模型到應用的全鏈路解決方案，讓AI從外掛，內化為企業的核心能力。

這注定是一場屬于長跑者的游戲，考驗的不僅是技術的敏銳度，更是戰略的耐心、工程的實現能力與生態的構建藝術。

01

為什么AI競爭越來越依賴“全棧能力”？

在早期的AI發展階段，企業需求相對單一，主要聚焦于模型的性能表現。那時人們會認為只要模型的準確率、召回率等指標足夠優秀，就能在市場競爭中占據優勢。但隨著AI逐漸從通用能力向深度行業應用轉變，企業逐漸意識到，單純追求模型遠遠不夠。

以自動駕駛為例，一個高精度目標檢測模型固然重要，但這僅是整個自駕系統的一個環節。要實現車輛安全、穩定行駛，還需要考慮傳感器實時采集處理、車輛的實時控制、系統的可靠性與安全性等諸多因素。

這就要求AI解決方案必須端到端，從數據的源頭到最終的應用，形成一個完整、高效的閉環。

另一方面，算力調度與成本控制是規模化應用不可回避的挑戰。不同業務場景的算力需求千差萬別，比如電商領域，傳統的固定算力配置模式，在應對波動時就顯得捉襟見肘。而動輒千萬的GPU硬件采購成本，也成了企業部署頭疼的問題，更不必說其運行能耗十分驚人。

在這些狀況下，他們開始尋求具備全棧能力的合作伙伴——全棧能力不僅意味著能提供高性能的AI模型，還能通過芯片、框架、模型、應用的協同優化，在算力調度、系統集成、應用開發等多個層面提供支持。

舉個例子，過去，制造企業可能只買“AI質檢模型”來檢測產品缺陷，但遇到兩個問題：算力不夠用，產線數據量極大，外購算力成本高，且高峰期調度不過來；模型不匹配，通用模型對企業特有產品識別準確率不足，改模型又缺框架工具。

但如果企業借助全棧能力，比如用百度百舸AI計算平臺搭建專屬本地化算力中心，既降低長期成本，又能靈活調度產線峰值算力；通過飛槳定制行業模型，結合產線數據優化后，再通過千帆大模型平臺把模型部署到產線設備，同時對接企業ERP系統，實現全棧打通。

再比如，早期金融機構用AI工具做風控，數據安全風險和響應速度不穩定很影響體驗。現在如果有一套全棧方案，既能搭建私有AI集群，確保數據不泄漏，又能訓練專屬模型，實現實時審批與動態風控，最后還可以借助像“文心快碼”這類的代碼工具開發出風控系統前端應用，打通模型與業務流程，這樣一來，金融行業的風控問題也很好解決。

這些案例的共性是：企業從只需要某一項AI能力（模型/工具），變成需要“算力-框架-模型-應用”全棧協同——因為只有全棧能力，才能解決“成本、安全、適配性、效率”等規模化落地的核心痛點，這正是全棧需求激增的根源。

今年上半年，國內大模型中標項目累計 1810個——超過2024全年。值得注意的是，這一過程中，依托領先大模型技術與全棧智能基礎設施的百度智能云，收獲了更多青睞，其中標項目和中標金額穩居“雙第一”，并領跑金融、能源、政務、制造等重點行業：

數據顯示，目前65%的央企、100%系統重要性銀行及800+金融機構、超半數主流游戲廠商、TOP10手機廠商、中國市場銷量TOP15汽車品牌、TOP10新能源車企都與百度智能云展開了合作。

與此同時，行業的需求變化，也在驅動技術供應商進行戰略調整。

一方面，模型廠商正積極向下游延伸。OpenAI被曝規劃自研AI芯片，試圖擺脫對英偉達的過度依賴；Anthropic也在加強與云服務商的深度合作，尋求更優化的算力解決方案。

另一方面，云廠商則加速向上游突破。無論是百度的“云智一體”戰略，還是谷歌的VertexAI平臺，都在試圖提供從基礎設施到模型能力的完整堆棧。這種邊界的模糊，標志著AI產業正從“專業分工”走向“垂直整合”。

而轉變的深層邏輯在于，AI的價值實現越來越依賴于各技術環節的緊密協同。

企業需要的不僅是先進工具，更是能夠將其轉化為業務價值的完整能力。全棧能力，正從三年前的技術選項，轉變為今天的競爭必需品。它代表著AI產業走向商業成熟的必然階段，也預示著未來競爭格局更注重系統性和可持續性。

在這個新的競爭維度上，擁有全棧能力的企業，已經占據了更有利的位置。

02

全棧能力如何幫助企業在“AI內化”中脫穎而出？

今年，李彥宏在百度世界大會上分享了一個很有意思的觀點：只有當AI被內化為一種原生的能力，才能真正在各行各業實現效果的涌現，進而引爆一場全面的生產力革命，推動經濟增長，讓“智能紅利”轉化成“社會紅利”。

這句話的核心，是強調AI不能僅作為附加功能存在，而要像水電一樣，成為業務肌體中自然流淌的血液。這里的“內化”，既是企業自身的成長，也代表AI與行業的深度融合，當AI與業務深度耦合到一定程度后，便會涌現質變。

舉個例子，外界經常把谷歌的“逆襲”看作是AI全棧優勢的集中體現，當ChatGPT率先引爆市場時，谷歌的全棧布局為其快速反超奠定基礎，從TPU芯片到TensorFlow框架，再到龐大的數據資源，讓Gemini在多模態領域實現突破。

再想象一下電力革命，當工廠不再僅僅是在角落里放一臺發電機，而是將電力系統深度融入生產線設計，這才真正引爆了工業生產的效率革命。如果AI只是用來寫郵件、做圖的玩具，那么它帶來的提升是局部的、有限的。

百度自身的轉型同樣是典型范例。

在今年的百度世界大會上，一系列產業級AI產品的發布，展現其全棧布局如何作為“AI原生能力”的底座，催生創新應用的涌現。從昆侖芯片提供底層算力，到飛槳框架支撐模型開發，再到文心大模型理解復雜需求，最終在應用層結出碩果：

百度慧播星數字人是業界首個全棧式數字人直播方案。基于萬億級知識庫和動態交互能力，“羅永浩數字人”在雙11創下GMV新紀錄，部分品類數據甚至超越其真人直播。目前，超10萬個慧播星數字人已服務于電商、教育、醫療等數十個行業。

而蘿卜快跑這個全球最大自動駕駛出行平臺，印證了全棧能力在安全與規模上的雙重價值。其無人駕駛車隊已突破2.4億公里行駛里程，安全性達到人類駕駛員的10倍以上，從武漢到迪拜，從香港到瑞士，蘿卜快跑已經在全球22個城市規模化運營。

值得關注的是，這些AI應用的規模化落地，離不開百度智能云的支撐。

通過連接技術與市場，百度智能云既承載了內部海量業務的錘煉，又成為能力外溢的通道。經過內部大規模驗證的AI能力，通過云服務輸出到金融、交通、制造等行業，把AI從“外部工具”變成行業“自帶的原生能力”。

全棧能力的價值，在"內部練兵，外部賦能"的模式里充分釋放。它讓創新不再停留在實驗室，而是通過系統性的工程，轉化為可規模化的商業產品，甚至引爆生產力革命，在幫助外部企業的同時，也完成了能力的“內化”。

03

未來競爭：

全棧能力將成為AI公司的護城河

對于企業而言，搭建全棧AI能力，本質上是一場關于戰略定力的考驗。它并非一日之功，需要的是十年如一日的壓強式投入，在芯片、框架、模型、應用各層持續積累。

谷歌之所以能快速推出Gemini系列模型并在多模態領域突破，關鍵在于其將AI能力深度內化到企業的技術基因中——從自研芯片提供的算力底座、TensorFlow構建的開發者生態，以及多年積累的數據資源。這種貫穿基礎設施、軟件框架與上層應用的深度協同，構成了其技術反超的核心支撐。

同樣，百度文心大模型的持續迭代演進，再到能夠尋找"全局最優解"的百度伐謀，都是其在芯片、框架、模型、應用四層體系協同作用下，攻堅技術高地的直觀體現。

拿百度伐謀來說，作為全球首個可商用的能夠“自我演化”的超級智能體，這個新產品在OpenAIMLE-Bench等三大權威基準測試中均獲得第一，并在StanfordKernelBench中實現20倍算子優化加速，成為衡量AI復雜系統優化能力的“標桿級存在”。

從本質上來講，伐謀的最大亮點，莫過于突破了傳統AI的能力邊界。它不局限于處理單一任務，而是基于海量數據自主學習、持續迭代，在多約束條件下突破人工局限，找到跨維度、長周期的最優解決方案的智能系統。

簡單來說，伐謀幾乎在業內首次實現“復雜系統全局優化”，將AI從“被動響應需求”升級為“主動尋找最優解”，進入決策智能深水區，在產業層面破解了全產業鏈的跨場景痛點。

目前伐謀在實際應用中已有很多成功案例：交通領域，伐謀協同信控算法，使得百度智能云SaaS信控平臺通過優化紅綠燈配時進一步緩解城市擁堵；在金融領域，伐謀精準識別優質客戶，擴大金融服務覆蓋范圍。針對海上能源平臺、港口樞紐等國家戰略工程，伐謀通過高效優化方案降低建設成本、提升工程可靠性，為工程規模化落地提供技術保障。

可以預見的是，這樣的技術突破注定會延續，因為在百度，AI能力的內化還在持續。

就這次大會來看，在底層算力上，百度智能云不僅發布新一代昆侖芯（包括明年上市的推理優化型M100、2027年上市的多模態訓練和推理型M300）與天池超節點，更宣布未來五年按年推出新產品，持續打造最硬AI云。

目前昆侖芯已累計完成數萬卡部署。百度智能云憑借全棧AI云能力布局，連續六年位列中國AI云服務市場份額第一。

隨著行業的競爭維度從模型“跑分”轉向生態繁榮，評判一家AI公司的標準，不再是其最強大模型的性能極限，而是其技術能否像樂高積木一樣，被靈活、低成本地組合進千行百業的解決方案中。

市場研究也印證了這一趨勢。前段時間，華安證券指出，AI產業的戰略重心從提供單一功能API，轉向構建平臺化、生態化的“超級操作系統”。換句話說，單點技術優勢的窗口期越來越短，全棧能力正成為更難被復制和超越的競爭壁壘。

對于谷歌、百度這類堅持全棧路線的公司而言，這條護城河正顯現其價值：更快的迭代速度、更低的協同成本，以及在對產業復雜需求的深層滿足。當AI競爭駛入深水，全棧能力不僅拉開科技企業“內化AI能力”的高下之分，更帶動科技大廠從起大早，到趕大集。

本文系新眸原創，申請轉載授權、商務合作請聯系微信： ycj841642330，添加好友請備注公司和職位。

更多內容，點擊下方關注