历史应该厚馈那些“起大早的人”

在今年的百度世界大会上，百度发布了一系列创新领先的AI应用，涵盖大模型、AI算力、智能体、AI搜索、数字人、无人驾驶以及创新的自主进化等领域的AI技术突破，展现了百度AI应用加速走向效果涌现背后的底层创新实力。

大会中李彦宏提出了“内化AI能力”的观点，百度也用实力证明了其在内化AI下的阶段性成绩，其萝卜快跑的全球化进展和昆仑芯的超预期能力，在长期主义收获期逐渐显现的同时，也给外界带来了重新审视百度的视角和契机。

百度可以摘掉“起个大早，却赶了晚集”的帽子了吗？

“起个大早，却赶了晚集”，是科技界对那些先意识到某个领域的重要机遇，却没有吃到或者最后才吃上红利的企业的一种嘲讽。

这样的案例的确不少——IBM最早推出Watson Health，是行业少有的早期大规模AI+健康实践，但最后因为定位过高反而反响平平；Nokia进入智能手机操作系统其实比苹果推出IOS要早，但其Maemo（不是 Meego）系统却没有得到足够的资源发展；日本车企研究电动汽车比中国车企早20年以上，但因为担心影响燃油车的销量一直没有大力发展……

但我们这里要讲的，不是这样一些没有正确利用机会的企业。我们要讲的，是一些真正有勇气走在时间前面，却一直没有得到正确评价的企业。

中国不缺乏有“赶大集”能力的企业，但对于“起大早”却总有人装睡。为此，我觉得，无需辩解什么，历史最终将厚馈那些敢于“起大早”的企业和企业家们。

——导语

01

起得早的结果，就是收获看起来总是来得晚一些

在中国互联网公司的族谱里，百度始终是一股“纯技术流”的力量：它不擅煽情，不擅表演，擅长的是大多数人搞不懂、也难以正确评估的前沿技术探索，而且总是很超前。

百度一直痴迷与技术的创新，但也就是因为这个习惯，“起了大早，赶了晚集”的标签，最容易被扣在它百度头上。

框计算起得足够早，但真正能实现它的理念的技术到 2023 年以后才成熟，不熟悉产业史的人，真的会不知道这条赛道上它曾经早起过。

深度学习研究院起得早，百度美国研究院起得早，但收获期也以 10 年为单位，搞得很多人只以为它们是中国 AI 界的黄埔军校，替产业培养了不少人才，却不知道今天百度的 AI 帝国就建立在它们打下的基础上。

飞桨（PaddlePaddle）起得早，昆仑芯片起得早，萝卜快跑（Robotaxi）也起得早……这样的例子我还可以举出很多。

然而，这其中的“早”和“晚”，只是人们叙事的错觉，却不是历史的真相。

在中国的互联网公司中，百度可能是最特殊的一个。它更像一家硅谷公司，痴迷于技术，热衷于在“未来”下注，甚至在某些层面，它比硅谷的公司更执着于“重模式”。但它似乎也是被“起了大早，却赶了晚集”这句俗语“诅咒”得最深的一家。

这句嘲弄，听起来不无合理性。

当我们谈论“起大早”时，百度的履历几乎是在为这句话提供完美注脚：从十多年前的“框计算”，到2013年成立深度学习研究院（IDL），再到后来的百度美国研究院、阿波罗（萝卜快跑）的无人驾驶、自研昆仑芯芯片，以及在国内最早布局的“飞桨”（PaddlePaddle）深度学习框架……哪一个，不是在C端（消费端）市场还不见踪影，甚至连（B端）企业端都闻所未闻时，就已启程的“大早”？

而所谓“晚集”，则是指近十年间，百度在移动互联网浪潮中的颠簸，以及在AI商业化回报上迟来的股价“补涨”。当大模型的浪潮终于在2023年席卷而来，所有人蜂拥而至，这个“集市”才算真正“吵闹”起来。这“一早一晚”的鲜明对比，似乎完美印证了那句幸灾乐祸的调侃。

但，事实果真如此吗？当“晚集”的喧嚣终于到来，我们是否该回过头去，重新审视“大早”的价值？

历史和舆论经常戏弄我们的洞察力，有三种情况最常见。

最典型的一种是，把“C 端热度的普遍出现”当成了“价值的诞生时刻”。

的确，烟花点亮的瞬间最好看，但如果不发明引信和火药却无法实现。

就像我们熟悉的第三次人工智能浪潮，我认识的 90% 的人认为——其标志性事件是 2016 年由 Alpha GO 战胜了人类棋手。

媒体喜欢看叙事节奏，但技术落地需要夯实底座——算法规模化、数据治理、算力结构、行业 know-how、风控合规、成本管控、灰度部署……这十来个环节里任何一个环节没打通，都会拖住商业闭环。

百度是起的最早的，2010 年就开始入局，可百度真正迎来AI规模化回报的时间，比如智能云、自研AI 芯片、数字人、生成式 AI 大模型、无人驾驶大范围落地等真正具备商业化能力的业务的爆发，其实都发生在近两年，离那个“标志性事件”过去已经近 10 年了。

技术的价值从不诞生在微博热搜的那一刻，而诞生在“工程学把玄学变成现实”的那一刻。

另一种情况，是判断“赶上集”的标准，只看利润表，不看资产负债表后面的“体系性资产”。

百度不但在 AI 上研发起步足够早，更在没有大规模回报的前 10 年就投入了千亿研发费用，从看财报的角度，这真的挺糟糕的。

然而，研发能力、标准构建、操作系统级的框架、底层自研的芯片，是负债表能体现的吗？

我们是否该问问，我们是否忽视了建立标准、研发底层、构建体系的决胜价值，而只看到了短期利润的损益表？

我们是否能回答——当所有人都在谈论模型应用时，是谁在做那个“吃力不讨好”的产业级深度学习框架？当大多数人都在“攒”智驾方案时，是谁在烧钱做无人驾驶的L4？

我们是否意识到——技术型企业不是销售型企业，虽然它也需要销售额来体现在报表里，但它的终极护城河不单是盈利数据，而是真正的生态位护城河？

生态位的构建，更无法用简单的销量和成本来简单评估。它关乎企业在生态上的话语权，进而关乎产业链的定义权，也关乎开发者能否愉快且顺畅的用它开发出智能体，关乎到千行百业能否顺利的解决 AI 落地的难题——而且，即使你就是单从收入这个角度来看，我也可以告诉你——在技术的世界里，短期利润是“现金”，而生态位才是“铸币权”。

对这三个问题的剖析，是否令我们换个角度去看“早起的人”。

02

比不早起更糟糕的，是装睡

如果从上世纪80年代第一批有民营色彩的 IT 企业的起步算起，中国数字产业的发展，至今已逾40年。在这40年的长河中，我们学会了“引进来”，也精通了“模式创新”，但真正在核心技术上敢于“创新引领”的，是何时开始的？

答案是：相当晚。

我们不必回避那些“起晚了”的痛点。当我们环顾四周，那些被“卡脖子”的领域，几乎无一例外，都是因为我们错过了“起大早”的历史时机。当然，一些错失是时代造成的，不是企业的责任。

当华为决绝地推出“纯血鸿蒙”时，它试图弥补的是我们在操作系统上落后、跟随的几十年。为什么这么难？因为一个操作系统的壁垒，从来不是代码，而是生态。是那数百万已经习惯了安卓和iOS开发范式的开发者，是那数千亿行已经沉淀在旧平台上的“祖传代码”。“

当整个半导体行业都在“补课”，高价采购成熟制程设备时，我们是在为系统级芯片的底层生态位缺位，而在支付高昂的“学费”……至于工业软件（如CAD、EDA）、高端存储、闪存颗粒……在这些领域，我们不是“没有意识到”，而是当年我们意识到必须补短板时，国际市场早已高度成熟。

为什么“晚了”的代价如此沉重？

因为技术密集的市场，其壁垒从来不是某个单点的发明。它不是牛顿被苹果砸中头的灵光一现。它是一张由无数专利层层叠叠织成的“捕网”，是一个由海量开发者和合作伙伴共同构筑的生态。

如科学哲学家托马斯·塞缪尔·库恩的《科学革命的结构》中所言，当今科技大时代里的“创新”，它越来越不体现为某个天才科学家的个体劳动，而是一系列、有组织的系统性创新的结果。

足够复杂，所以，它必须足够早。

早到足以去定义接口，早到足以去构建组织化，早到足以去建立专利墙，早到足以去发展生态壁垒。 这四者，才是确保能够持续吃到技术红利的真正要素。

从这个角度再看百度的“大早”，我们才更能理解其“不得不早”的战略必然。

我们来增加一些“颗粒度”。

以飞桨（PaddlePaddle）为例。在AI时代，深度学习框架就是“操作系统”。如果说大模型是“发动机”，那框架就是发动机的设计图纸和制造产线。当谷歌的TensorFlow和Meta的PyTorch在全球范围内攻城掠地时，如果中国没有自己的“底座”，无异于将未来整个智能产业的“地基”建立在别人的土地上。

这意味着，我们所有的AI应用，都将“寄生”于他人的标准之上；一旦标准变更、接口“投毒”或者断供，我们的“AI大厦”将瞬间沦为“烂尾楼”。

飞桨的价值，不在于顶着“全球三大框架”的名号，而在于“工程化的大众工具链平台”。在广告排序、搜索相关性、语音识别、图像与视频、推荐系统这些“百度内部血肉横飞”的业务流里，飞桨首先是内部把坑踩遍的平台，然后才是对外把路铺平的平台。一个成熟的开源框架，必须是从数据读取、特征治理、模型开发、分布式训练、部署推理到监控回滚的全链条稳定器。

更重要的是，飞桨选择开源——这是一个意义远超“技术选择”的“生态位选择”。开源的含义是：把一部分“技术控制权”让渡给社区，换取更广泛的“协同控制力”；把百度一家公司的能力变成产业的共同能力。这不是做慈善，是做复利——生态越大，工具越稳；工具越稳，生态越大。平台收获的，是平台红利，而不是单点暴利。

然而，这在早期看来，是极度反商业的——烧钱，不赚钱，还把成果“白送”给别人。但这就是早起者百度的宿命：你必须用自己不赚钱的十几年，去换取整个行业能赚钱的未来。

再看昆仑芯。当AI算力被“卡脖子”成为全行业（包括百度自己）的焦虑时，百度如果不是早在2011年就开始基于FPGA（现场可编程门阵列）研发AI加速器，就不会有今天三万块昆仑芯点亮，让 AI 算力自给自足的今天。

可那是什么年代？是移动互联网刚刚起步，大家都在谈千团大战、APP 工厂的年代。那时候连成熟制程芯片都没人去造，造 AI芯片，真的太早了。

但百度为啥还要踏上这条孤独的路？

因为百度最早意识到，AI的尽头是算力，而搜索（百度的核心业务）的未来，将是AI驱动的——李彦宏和他们的同事比别人更早地摸到了“算力墙”，但却不被人理解。

甚至，当2018年第一代昆仑芯流片时，很多人还不理解，有英伟达的GPU用，为什么非要“重复造轮子”，认为百度是在炒作。

算力不是纸面上的 TFLOPS，是真实工况下的时延预算、热设计功耗、内存带宽、互联拓扑。昆仑芯押注也不某一款爆款 AI 加速芯片的大卖，而求的是“四层架构”俱全时，最底层的算力安全。

只有算力安全了，才进一步有“端云协同”的算力下沉与上收：在云上让推理成本、吞吐与能效达到平衡；在边缘侧把语音、图像、数据分析这类低时延刚需稳稳兜住。

今天，当大模型彻底引爆了算力荒，当“晚集”的入场者们挥舞着支票却买不到高端GPU时，百度才真正迎来了它“起大早”的回报——它拥有了“算力自主”的底气，也拥有了“模型-框架-芯片-应用”的四层一体的、端到端的优化能力。

最后看萝卜快跑。如果说“造车”是“晚集”，那么百度从2013年开始做的，就是早得多的无人驾驶。它选择了一条最难、最重的L4级别路线。这又是一个“反商业”的决定。L2+++（高阶别智能辅助驾驶）明明更容易上车、更快变现，为什么非要做L4？

因为李彦宏这样的“早起的人”看中的不是明年的财报，而是十年后的终局和新的开局。李彦宏在《智能交通》一书中提出——从智能辅助驾驶到无人驾驶的终局，乃至人类交通的未来，一定是“无人驾驶”的自运营网络，而不是更好的卖车。所以，它必须起大早，去积累L4所需要的、L2完全无法比拟的海量“Corner Case”（极端场景）数据。必须在真实的城市道路上，用上千万公里的真金白银去跑、去试、去学习、去反馈。

这才是“起大早”的真正底层逻辑：它不是摆一个姿态、整一堆投资人爱看的数据、一众消费者喜欢听的故事，而是一系列在当时看来“不合理”、“不经济”、“反共识”的，却又指向终局的“重决策”的集合。

从这个角度来说，为中国数字科技产业“起大早”的，不是太多，而是太少了。可悲的是，当真正的早起者迎着朝霞出发时，身边往往空无一人。

是他真的起得太早，以至于高处不胜寒吗？还是说，他身边有太多“装睡”的同行者？

纵观中国的数字产业，我们不难发现一种怪现象——

在前沿探索、投入巨大、回报未知的“深水区”，往往应者寥寥，甚至不乏冷眼与嘲讽；可一旦技术路径被验证后的那个周末，当商业模型显出曙光，便有大批企业一拥而上一群创始人涌出来 All in 某某——纷纷宣布投资百亿甚至千亿来进军新的领域；它们账上的现金存量，比百度殷实太多了。

它们是真的睡过头了吗？

我想说我的猜想——绝大多数不是，它们只是在“装睡”。

这早已不是牛顿的时代。信息高度透明，网络无孔不入，没有人可以对自己的研发“绝对保密”。那些装睡者，他们清晰地知道别人在做什么，他们甚至比谁都更早地看到了趋势。但他们宁愿让别人去完成最艰难的“0-1”的探索，让“早起者”去蹚雷、去试错、去教育市场。

他们就像一群守在油田外的“淘金者”。他们不负责勘探、不负责钻井、不负责铺设管道，他们只等“早起者”把第一桶原油运出来，然后便蜂拥而上，在“晚集”上争抢那些溢出的“优质原油”，甚至买下整个油田。

他们选择在“1-10”的阶段，凭借资本和流量的优势，迅速入场，“摘走果子”。

这种精致的利己主义，是行业最大的内耗。

更具讽刺性的是，他们“赶晚集”时，非但没有对“早起者”的开拓心存感激，反而会掉过头来，嘲笑那个“起了大早”的先驱，笑他“动作太慢”、“错失风口”。

如果这种扭曲的、以摘果子为荣的价值风尚成为主流，我们就永远不可能迎来真正意义上的创新引领。

一个只盛产“晚集投机者”的土壤，是长不出“百年老店”的参天大树的。更何况，守在油田外的，又何止是国内的“土狼”，更还有玩这套已经上百年的国际“鬣狗”。

03

早起者必被厚馈

技术与产业史，终究是公正的。它看似会捉弄那些“早起者”，但从更长的时间尺度来看，它一定会厚馈那些“早起、并且熬得住”的人。

这种“厚馈”，并非简单的线性回报，而是以“复利”的形式，在漫长的岁月中层层叠加。我们可以将其拆解为“三重复利机制”：

首先，任何一项复杂技术，都有一个“成本-质量-可靠性”的铁三角。早起者，意味着最早开始攀爬这条陡峭的学习曲线。他们用更长的时间去试错、去迭代、去优化。

当晚来者还在为60分的“及格线”挣扎时，早起者已经将单位成本降到了更低，同时将可靠性提到了更高。在无人驾驶领域（如百度的萝卜快跑），这体现为海量的真实路测数据和更成熟的安全模型；在芯片领域（如昆仑芯），这体现为更优的功耗比和更稳定的量产良率。

不只是 IT 业，我们不妨看看其它行业——这里有一个绝佳的案例：比亚迪与特斯拉。

在2015年左右，这两家公司都因“起大早”而备受嘲讽。特斯拉被传统车企嘲笑“供应链管理混乱”、“品控灾难”；比亚迪则被讥讽为“廉价”、“技术落后”。但外界没有看到的是，它们各自“早起”爬上了两条不同的、但同样陡峭的学习曲线：特斯拉爬上了软件定义汽车和一体化压铸的制造曲线；比亚迪则爬上了动力电池和垂直整合的供应链曲线。

它们用长达十年的时间，支付了巨额的早起学费。而当新能源的“晚集”到来时，那些“装睡”的传统巨头如丰田、大众才猛然发现，它们在内燃机上积累百年的“学习曲线”几乎失效了。

如今，晚起者可以用钱买到封装好的智能软、硬件，但买不到在智驾底蕴上的快速升维能力；可以用钱买到人才，但买不到终端规模化才能带来的海量反馈数据……你甚至可以用钱买到时间，但已经买不到时机。

在遇到时机时，你已经做好准备，甚至时机本身就是你造就的，才是早起的理由。这时候，你早跑的每一步，都会在未来变成对手无法逾越的鸿沟。

其次，更重要的是，在产业的“蛮荒期”就介入，意味着你最有机会成为“规则制定者”。

ASML是这个逻辑的终极体现。它不是最早造光刻机的，但它“起大早”构建了一个联盟。它将德国的蔡司（镜头）、美国的Cymer（光源）和自家无与伦比的机电技术等等，用资本和契约牢牢绑定在自己的战车上。由此，ASML定义的，不仅是EUV光刻机的技术标准，更是一种“你中有我、我中有你”的“产业联盟标准”。

当“晚集”的追赶者想要入局时，它们发现自己要对抗的，不是一个ASML，而是整个星球上最顶尖的光学、材料学和精密仪器生态。

最后，时机只是一个时间概念，牢牢守住发展的生态位，这才是终极的复利。

百度十年如一日地投入“飞桨”、芯片等底层技术，又在国内反复的呼吁推进 AI 落地、推广关于 AI 应用的认知，争夺的是自家的时间复利，也是中国 AI 产业的时间复利——今天，每个人都知道我们在争夺全球 AI 创新第一策源地的路上只有一个对手，但如果你的生态没有数百万开发者，没有产生了数百万个企业模型，没有能低门槛开发成千上万的智能体，没有几千万辆自动驾驶的无人车，你就占不住这个生态位。

百度的早起，既为己争，亦为国争。

今天我们看百度的十大发明，会发现底层技术方面的发明，还是至少占了一多半。而这正是百度发展AI的逻辑。无论是AI Cloud，还是文心大模型，其战略意图都是成为“基建”。它有完善的生态，但不寻求在每一个垂直领域都亲自下场，而是通过“开源”与“开放”，赋能千行百业。它要做的是那个“生态位”，而不是“爆款单品”。

限于篇幅，我们不能再举更多的例子。但我相信我已经勾勒出一条清晰的脉络，印证了一个“早起者”的战略定力，以及他对“终局”的超前判断。从英伟达到华为，从比亚迪到OpenAI，每一个穿越周期的巨头，都在用自己的故事，反复讲述着这个“早起者必被厚馈”的朴素真理。

结语

讴歌“敢于早起”的科学精神

历史是慷慨的，它会奖赏“早起者”；但历史也是残酷的，它只奖赏那些“早起并熬得住的人”。

百度的“起大早”，并非盲目的技术堆砌，而是一种深思熟虑的“长期主义”打法。它有几个鲜明的特点，值得所有“技术型企业”深思：

——是“生态与平台化”的战略选择。它深知，在AI时代，没有一家公司能包揽一切。真正的“护城河”不是“闭源”的独门绝技，而是生态繁荣。它选择做那个“生态控制点”，用开放来聚合开发者与伙伴。

——是耐心对待资本与构建组织韧性的保障。我相信，在百度内部，许多AI项目都设立了“十年账本”。这意味着管理层对这些前沿探索，有着超越短期（甚至中期）财报波动的“耐心”。这种耐心，辅以强大的组织韧性和阶段性的复盘机制，才能对冲“起大早”所必然伴随的巨大不确定性。

——最重要的，是创始人始终在一号位，同时兼有随时“可逆试错与路线切换”的智慧——早起，绝不代表“一条路走到黑”。走路的人，要在战略上坚定，但在战术上却应该保持着快速试错、容忍失败、重构组织、重构企业的决策能力，从而确保自己不会在错误的路径上“沉没”过久。

这三点，共同构成了百度“早起”的精神内涵，又何尝不是我们这个时代的科技企业应该具有的一种超越了机会主义的科学精神——敢于在共识形成之前下注，敢于在喧嚣中保持定力，敢于为追求底层创新而不计一时的毁誉。

我忽然想起了李彦宏为何从早年的热爱音乐、舞蹈，变成了中年后醉心于园艺——对于一个内敛的、始终保持“技术人底色”的创始人。他更应该像一个植物学家或园艺发烧友，因为植物的生长是慢的，守候从播种到收获的过程是漫长的。热爱园艺的人，会相信“慢”的积累，相信“土壤”的力量，注重“生态”的积累。就像当年他会在庆功宴的喧闹后，坚持要喝一杯清醒的、来自北京的中国茶。

今天，当AI的“晚集”终于人声鼎沸，我们更应该向那些“起大早”的拓荒者致敬。

因为，他们不仅是在为自己的商业版图下注，更是在为整个产业的未来修路。他们用自己的“大早”，换来了我们今天在“晚集”上不至于受制于人的底气。

我不由又想起了百度倡导的“AI 内化”，某种程度上，这上就是拿自己的成熟业务、成熟组织做 AI 的试验田。

看到这里，我想到的首先是X射线的发明者伦琴，为了验证这种射线能穿透肉体，他拍摄了人类历史上第一张X光片，对象就是他妻子安娜·贝尔莎的手；我也想到了开创牛痘接种的医生詹纳，他早期的一系列关于有效性和安全性的实验，是在包括自己的儿子在内的几个孩子身上进行的……所以，当我们谈到这个词的时候，我们难道不应该对那些早起者的精神给与更多的敬意？

历史应该并正在厚馈他们。而我们，至少应该在他们下一次在黎明前的黑暗中出发时，给予一份理解与掌声，而不是在他们跋涉时，送上一句“起了大早，赶了晚集”的廉价嘲讽。

现在，越来越多的企业在AI大规模应用的时代觉醒了，李彦宏进一步提出企业AI能力内化的目标——在我看来，这和以前最大的不同。就是把AI看做企业的一种系统性能力，一种内功。相信有越来越多的企业会认可这个观点，并在这个维度上，和百度一起去享受时代的红利。