AI的必然：硬核的实力，解决产业的硬核问题

文：董指导

图片由文心一言生成

巴菲特对科技股非常谨慎，一度被戏称为“不懂科技”。然而，当这位“奥马哈先知”开始出手投资科技巨头时，他展现的往往不是对尖端技术的追逐，而是对商业模式和竞争优势的穿透力。

比如在2016年，当智能手机渗透率接近天花板、苹果也被指责创新减少时，巴菲特却开始买入苹果股票了。市场一片哗然、甚至嘲讽，果真不懂科技。

但没想到，苹果从芯片到操作系统、应用商店的垂直整合，带来了强大的定价权，优势不断积累、成功穿越周期，也让巴菲特这笔投资大赚。

市场惊叹：你大爷还是你大爷，眼光还真是犀利。

于是，当巴菲特披露了对谷歌母公司的买入后，公众相比于2016年时质疑和嘲讽，这一次，更多的是热议和思考：巴菲特看中了什么？

巴菲特考虑的因素有很多，但我觉得，至少有一点是和当年投资苹果一样的，那就是看中了谷歌“垂直整合的全栈能力”。同样的，百度在资本市场上的讨论度也显著提升，一个重要原因便是其“全栈能力”越来越被认可。

当AI的新鲜热情开始转为理性，大家也渐渐意识到：AI这场马拉松，跑得快，远不如跑得久；而跑得久，靠的不是融资，而是“续航能力”：

业务的自我造血、以及技术全栈体系。尤其后者，对AI格局的重要性，越来越清晰。

全栈，对于AI很关键

全栈（Full Stack）一词的首次出现，是对程序员能力的最高评价：既精通前端技术、又掌握后端逻辑、还能熟练操作数据库。堪称代码世界里的鲁滨逊。

如今，全栈虽然已经改为对企业的形容，但要表达的全能性、硬核性，依然未变。

就像谷歌、百度的AI战略，他们在构建的并非仅仅是产品，而是一套基础设施的闭环：芯片与算力、大模型、开发工具、以及应用和应用生态。从底层到上层，全栈覆盖。

例如，谷歌有TPU+TensorFlow+Gemini+搜索/邮箱等应用；百度有昆仑芯+飞桨+文心大模型+搜索/文库/萝卜快跑等等应用。

那么，为什么在人工智能时代，这种垂直整合会非常关键呢？

因为AI是算力、算法、数据的协同发力，而非单一要素；而且会一直如此。斯坦福AI研究所也在《AI Index Report》中指出，AI的价值实现必须通过三要素的深度融合。

算法需要更“懂”它的芯片，才能避免通用芯片的冗余而导致的效率浪费；大模型需要获取更多前端真实数据，从而可以通过训练进化更快、更加聪明；不同的数据，例如文本、视频，也需要有不同的、更合适的芯片来处理。

而且，垂直整合，也意味着减少了“中间商赚差价”，其边际成本也会随之降低。

另外，面对一些复杂问题，拥有全局优化的能力，则可以任意调整芯片、框架、模型、数据等任何一个环节的资源来解决。而非全栈公司则只能在自己受限的那一层里打转。

所以，非全栈，当然也可以发挥AI的作用；但全栈能力，可以让三要素配合更紧密，产生乘数效应，降低成本的同时，提高模型效率和效果。

对于AI行业竞争格局而言，垂直整合的全栈布局，是一种系统能力，可以有效抵御单点突破式的冲击；而且随着数据和模型规模增长，竞争优势还会越来越大。

对于AI行业未来发展而言，未来应用场景也会从单一任务到多模态、多领域的融合；也需要AI技术的成本能像水电一样唾手可及；而全栈布局，也通过“降本提效”、加速着AI在各行各业的普及。

因此，也可以说，垂直整合，是AI时代的“元竞争力”。

硬核，不只是选择，更是付出

全栈的优势显而易见，但全栈的形成，却不是轻松实现。

在商业世界里，有两种护城河。一种是靠“巧劲”挖掘的，比如商业模式的创新或营销的突围；另一种则是靠“硬核”堆砌的，是硬碰硬的技术死磕。而显然，全栈能力，就属于后者。

以百度智能云为例，对其进行拆解就可以看到，这是关于“战略定力”和“坚定研发”的故事。

百度智能云正式成立的2015年，公有云市场虽然不是红海一片，但同质化也比较严重，仍以资源虚拟化为主。彼时的AlphaGo还没有迎来高光时刻，但基于对AI未来的判断，百度智能云仍选择走一条不一样的路：不只做计算，更瞄向“智能”。

虽然2016年，AlphaGO战胜围棋世界冠军李世石，点燃了AI行业的热情；但随后的AI更多地停留在人脸识别等碎片化场景中。对于云厂商而言，卖计算更赚钱，而卖AI能力则是不赚钱。

显然，百度智能云经历了一段“技术寂寞期”，甚至有声音质疑，百度智能云提出所谓的“云智一体”，只是一个错位竞争的无奈之举。

幸运的是，研发并没有停止；AI的发展，也没有停止。2023年生成式AI的爆发，让市场惊觉，传统的云架构，并不能良好地支撑大模型运行。云的主战场，瞬间转向了“模型训练与推理”。

而云智一体的“错位”，也成为了“抢位”。

当然，提前布局，并不必然确保竞争力。百度智能云的硬核，也得益于在芯片自研上的投入。

2014年，谷歌为了摆脱对英伟达的依赖，开始自研TPU。随后就是每年数十亿美金，然后迭代至今。百度走的也是这条难路。脱胎于2011年的芯片部门，昆仑芯在一轮轮流片的失败中，依然保持研发投入，终成大器。

今年，国内首个全自研的昆仑芯P800三万卡集群点亮，可同时承载多个千亿参数大模型的全量训练；而11月的百度世界大会上，性能更高的新一代昆仑芯M100、M300等产品也相继发布。

将多张昆仑芯AI加速卡整合，便有了超节点。带来更高的扩展性和资源利用效率。明年上市的天池512，单一节点就能完成万亿参数模型训练。而基于芯片，又构建了百度百舸AI计算平台。

当全世界都在抢英伟达芯片时，百度智能云却可以通过软硬件协同优化，让AI效果更出色、成本也更划算。例如在DeepSeek V3/R1 PD分离推理架构的优化下，实现了单卡性能提升95%，单实例推理性能大幅提升高达8倍。

基于百舸AI计算平台，百度智能云也提供了AI Infra，包括完善的模型、以及模型开发等服务；也打造了Agent Infra，集成了开发、工具、模型、数据等服务，以及Agent运行环境。AI成为水电一样的基础设施，正在实现。

如今，百度智能云，作为国内全栈AI云市场第一，拥有40%份额。

而“全栈优势”并不是一句轻飘飘的口号，而是由无数行的代码、几十亿甚至上百亿的研发投入、以及在无人喝彩时的默默坚持堆砌而成的。

硬核实力，解决硬核问题

硬核的基础设施、全栈优势，并不是为了炫技，而是让下游客户便捷享受到技术红利。

其中一个展现层面，就是Agent。这是大模型最佳展现形态之一，也是实现大模型和真实世界交互的重要方式。

有许多创业公司都瞄向了消费级Agent，改善我们的日常生活；然而，AI更大的价值，在于和产业结合。

得益于全栈优化能力，百度向产业硬核难题发起了“冲锋”，推动Agent在在严肃场景中价值涌现。

比如，其发布的超级智能体“百度伐谋”，借鉴自“进化算法”，模拟生物界几亿年的进化过程、并压缩至几天甚至几小时，从而发现“过去人类从未发现过的全局最优解”。

这对于产业非常重要。因为在生产、研发等场景，哪怕1%的优化提升，都能带来千百万、甚至上亿的价值。

过去，企业通常会依赖于专家经验，也需要漫长的摸索、试错；费时费力。而现在，“百度伐谋”不仅可以快速抽象复杂问题、建立模型；还可以7X24小时不停歇地学习、迭代，根据条件变化给出“动态”全局最优方案，突破人类容易陷入的局部最优。

伐谋展现的“人类定义任务、智能体持续寻优”的新范式，正为产业带来新气象。

中国能源建设集团广东院，将伐谋用于海上风电设计，生成的优化方案，找到了比人工设计更短的电缆路径，节省时间又节省成本。

中国数联物流将伐谋应用于辽港集团，在保障作业效率的前提下，优化港口设备的计划与调度，带来了每年上百万的节能降耗空间。

除了提供可直接使用的智能体，百度智能云也提供Agent Infra，让传统企业可以轻松开发专属的智能体；不只有硬件，还有服务。

例如“智能体工作坊”，通过“专家手把手带教+场景全流程实战”的共创模式，帮助企业自主构建可落地、可应用的智能体，同时也培育相关的人才，解决传统行业的痛点。

某制造龙头企业，通过工作坊的合作，将一项基于复杂技术文档的功能测试时间，从2-3天缩短至半小时内，效果远超人工。某大型集团央企，也通过工作坊，筛选和培育了几十名兼具业务洞察和AI能力的复合型人才。

类似的案例还有很多，都在呈现一个故事：只有全栈布局的硬核实力，才能解决产业硬核问题。

尾声

回到开头的问题，为什么全栈能力被投资人纷纷看重？

不仅因为全栈的深度，决定着AI玩家自身竞争力的高度；更是因为谷歌、百度智能云这些全栈玩家们，把内部消化的“技术痛苦”，转化为了合作伙伴的“极致性价比”；把积累的硬核实力，转化为了AI与产业结合价值红利。

许多产业、企业，面对AI充满期待，但又充满担心：技术路线如何变？算力成本高不高？AI开发难不难？AI效果值不值？算力、模型能不能适配？模型会不会不更新？等等等等。

此时，全栈能力就是定心丸。它不只是极致的效果、更低的成本、周到的服务，更是一个因着全局优化的能力，从而动态调整时刻保持的最优解。

寻找最优解，既是企业解决问题的关键；也是AI时代，企业选择伙伴的关键。

---全文完，欢迎交流

理工/金融 复合背景

畅销书《英伟达之道》译者

百亿私募/头部自媒体 双重经历

看清科技、商业本质，讲出精彩故事