中国AI的演进逻辑，藏在百度的“非共识”里

新眸原创·作者 | 鹿尧

在AI这个以指数速度迭代的行业里，规则常常由少数“非共识”的声音改写。尤其技术浪潮的早期，共识往往是保守甚至错误的——它代表着对既有路径的依赖，对颠覆性风险的回避。

回看2018年前后，全球顶尖学术圈曾弥漫着一种笃定的悲观：“大模型必死。”彼时，Transformer刚崭露头角，参数规模每扩大一倍，算力成本便呈指数级攀升，而性能提升的边际效应却在锐减。

学术界的主流判断是，这条暴力美学的道路走不远，模型越大越容易过拟合，泛化能力会下降。直到OpenAI发布GPT-3时提出"scalinglaws"，认为模型能力与参数规模、计算量、数据量呈幂律关系，自此，大模型每一次规模扩张都带来了能力的质的飞跃。

历史总是惊人地相似。仅仅三年后的2026年，全球AI行业再次上演了同样的剧情。

经历了前两年的开源狂热后，曾经高举开源大旗的Meta、阿里、智谱等头部厂商集体转向闭源。Meta推出首个闭源旗舰模型MuseSpark，阿里通义千问旗舰系列全面闭源，智谱发布GLM-5-Turbo闭源模型。这场突如其来的转向，让"开源必胜"的共识瞬间坍塌。

但如果把时间拨回到2024年，你会发现，当时坚持认为“闭源大模型最能打”的百度，还一度被行业视为“另类”。

而这样从“非共识”到“共识”的转变，在AI行业过去十几年的发展里，已经发生了不止一次。从底层技术布局到商业化路线选择，从应用形态预判到产业价值判断，那些最终改变行业走向的判断，在诞生之初往往都站在主流共识的对立面。

当潮水退去，行业最终会回到技术的本质与商业的常识，那些曾经的“非共识”，也在时间的验证中，成为全行业的通行准则。

01

从开源狂热到闭源回归

技术与商业本质的迟到共识

AI行业对开源与闭源路线的认知反转，是过去两年最具代表性的“非共识”变“共识”的样本。

其实早在2024年，就有人把底层逻辑讲得明明白白。那一年的世界人工智能大会上，百度创始人李彦宏在主论坛的演讲里说，“处在激烈竞争的环境中，需要让业务效率比同行更高、成本比同行更低，商业化的闭源模型才是最能打的。”

更早的内部讲话里，他还提过，闭源是有真正的商业模式的，能赚到钱，才能聚集算力、聚集人才，闭源模型的能力会持续领先，而不是一时领先。

这些话放在当时的行业氛围里，似乎显得并不合时宜。

2023到2024年，正是开源浪潮最汹涌的时候，Llama2的开源让整个行业陷入狂热，国内百模大战纷纷跟进，开发者社区也把开源当成了衡量一家厂商技术实力的核心标准。彼时行业的主流声音是，开源将复刻Linux和安卓的成功，通过生态垄断击败闭源对手，“开源必胜”几乎成了不容置疑的政治正确。

这与当时行业的主流声音形成了鲜明的反差。

但时间总会把最朴素的商业逻辑，摊开在所有人面前。随着AI行业技术探索期，一步步迈入商业化变现，所有厂商都不得不面对一个现实：大模型研发需要持续投入巨额的算力和人才成本，开源能带来生态和流量，却很难构建起可持续的盈利模式。

旗舰模型的全面开源，不仅很难把技术优势转化为市场壁垒，还会把自身的核心技术暴露在竞争对手面前，就连推理成本的优化空间，也远不如闭源模型来得灵活。

Meta的转身就是最鲜活的例子。靠着开源策略，Llama系列快速占领了全球大模型生态的半壁江山，但在营收和利润上，被一直坚持闭源的OpenAI、谷歌甩远。

国内厂商的转向，同样绕不开商业化的现实压力，百模大战后，行业进入到真金白银的利润比拼阶段，闭源带来的技术保护、成本优化和商业化灵活性，恰恰是ToB场景里最核心的竞争力。

阿里千问的转向，就是这种压力最直观的注脚。

2026年3月，阿里千问核心人物、开源布道者林俊旸深夜发文告别，随后多位骨干相继离职。外界以为是内斗，但真相更加现实——阿里的考核指标变了。从“模型能力”到“用户规模”，这个转变看似只是指标替换，实则是一次根本性的路线纠偏。

林俊旸出走后不到一个月，阿里千问旗舰系列全面转向闭源。Qwen3.6-Plus、Qwen3-Max、Qwen3.5-Plus等旗舰模型不再开放权重，仅通过API提供服务。开源千问的故事，画上了句号。

这并不是说开源就此失去了价值。在学术研究、人才培养、中小开发者生态建设这些领域，开源模型依然有着不可替代的作用。但在竞争最激烈的旗舰模型赛道，闭源化已经成了不可逆的趋势。那些两年前的“非共识”，就这样成了今天全行业的集体选择。

回过头看，这场从开源到闭源的集体转向并非偶然，而是AI产业从“技术单点突破”走向“技术与商业双轮驱动”的必经之路。技术与商业形成闭环，产业才真正走向成熟。而百度和李彦宏的“非共识”，恰恰在于比行业更早看清了这一循环的方向。

02

从ChatBot到Agent：

AI价值标尺的彻底转向

如果说闭源路线的回归，是行业对商业化本质的重新认知，那智能体的爆发，则是整个行业对AI价值判断的彻底转向。

2026年开年，一只红色的龙虾OpenClaw火遍了全球。和此前爆火的ChatBot不同，OpenClaw能直接操控电脑，完成文档处理、数据整理、流程审批甚至代码编写，被不少人称作“真正的数字员工”。OpenClaw的走红，把整个行业的目光，从ChatBot拉到了Agent智能体身上。

一夜之间，几乎所有AI厂商都把智能体当成了核心战略。OpenAI在GPT-4o的更新里，重点强化了Computer Use能力，让模型能直接操作电脑完成复杂任务；谷歌把Gemini的升级重点，放在了多智能体协同上；国内的办公软件、企业服务厂商，也纷纷把智能体当成了产品升级的核心方向。

但事实上，这个今年被全行业追捧的方向，早在2024年的百度世界大会上，就已经被明确点出。当时李彦宏说，“智能体是AI应用的最主流形态，即将迎来它的爆发点”。

他把智能体比作PC时代的网站、移动时代的自媒体账号，认为它会成为AI原生时代，内容、服务和信息的新载体。次年3月，他在《人民日报》发表署名文章时进一步提到，2025年可能会成为AI智能体爆发的元年。

放在当时的行业环境里，这个判断并没有引起太多重视。

因为2024年的AI行业，ChatBot是万能药，玩家卷对话轮次、卷上下文窗口长度，行业的普遍认知是，流量为王已经被token为王取代，谁的token消耗量更大，谁就在行业里更有话语权。

很少有人去思考，token消耗本身到底能带来多少价值。同样的token用量，用户用来写搞笑文案、闲聊吐槽，和企业客服用来解决客户问题、工厂用来优化生产流程，创造的价值有着天壤之别。

而对于智能体应用，李彦宏在去年就有过相应的断言。去年10月，他在一场内部讲话中指出，“Computer Use”与“端到端优化”都与AI时代的护城河有关。与ChatBot不同，Computer Use从“能给你出主意”升级成了“能给你订机票”，这是从思想到行动的转变。

在11月百度世界大会上，李彦宏再次提出了关于应用价值的行业身位：健康的AI产业里，模型能产生10倍于芯片的价值，而AI应用能创造100倍于模型的价值。

当时，很少有人能真正理解李彦宏对AI应用价值的判断。而现在，行业终于开始重新理解这句话的分量。

当OpenClaw让全球看到了智能体的生产力价值，当越来越多的企业发现，ChatBot只能当“聊天玩具”，而智能体才能成为真正的生产工具，整个行业的评价体系，终于从“看消耗”转向了“看价值”。

AI竞争的焦点，转向更深层的商业价值创造。曾经被行业忽略的智能体，就这样成了AI应用的绝对主流。

而此时的百度也提前完成了全面的布局。从搜索场景的文心助手、百看，到任务执行类的小度虾、DuClaw、DuMate、GenClaw、RedClaw、百度健康有医助理，再到代码类智能体秒哒、演化智能体伐谋、数字人智能体，百度的智能体矩阵已覆盖搜索、办公、医疗、开发、数字人等多个产业，并在实际应用场景中持续创造价值。

03

穿越技术周期：

非共识背后的长期主义复利

大模型闭源路线的回归，智能体的爆发，本质上都是行业在短期风口过后，对技术本质与商业常识的回归。

类似的案例还有太多。把时间线拉得更长，我们会发现，那些今天被全行业奉为圭臬的AI产业准则，很多都来自于十几年前，那些不被理解的选择。

2016到2017年，移动互联网流量红利的顶峰，短视频爆发，电商、O2O成了全行业的必争之地，赚快钱、抢流量，是那个时代行业的主流逻辑。

而AI在当时在实验室里，离商业变现遥遥无期。行业里的普遍认知是，投入AI就是烧钱。偏偏这个时候，百度在李彦宏的带领下全面提速AI布局。很少有人记得，早在2013年，百度就成立了国内首个深度学习研究院，成为中国第一家把深度学习提到核心技术创新地位的互联网企业。

从2017年宣布All in AI开始，百度每年都会把营收的15%以上投入AI研发，连续多年的研发投入强度，远超国内同行。这场坚守的结果，在2022年底所有科技巨头全面All in AI的那一刻，彻底显现出来。

而提前10年布局、7年All in的百度，已经完成了“芯-云-模-体”的AI全栈布局，成为国内唯一拥有完整AI技术闭环的企业。2025年Q4的财报数据显示，百度AI业务收入同比增长超过50%，AI收入占核心营收的比重已经接近40%，AI真正成了百度增长的核心引擎。

对周期的深刻理解，不仅体现在战略方向的选择上，更体现在对底层技术的坚守上。在AI行业的发展历程里，有太多曾经被当成“重复造轮子”的无用功，最终成了行业自主可控的核心根基，飞桨深度学习框架是另一个典型例子。

2016年，谷歌的TensorFlow和Meta的PyTorch垄断了全球深度学习框架市场，国内AI开发者，大多使用海外的开源框架。行业普遍共识是，国内做深度学习框架，就是重复造轮子，既没有技术优势，也不可能搭建起自己的生态，完全是浪费钱。

但李彦宏则表示，“中国人工智能在论文和专利数量上领先，但深度学习框架领域存在差距”，同年，百度正式开源飞桨，这是中国首个自主研发、开源开放的产业级深度学习平台，他把它定位成“AI时代的操作系统”，是百度AI战略最核心的底层基座。

科技博弈的持续升级，最终验证了这个判断的前瞻性。海外AI框架出口限制、开源协议持续收紧，国内AI意识到，自主可控的深度学习框架是必选项。一夜之间，国内所有科技巨头都下场自研AI框架。而此时的飞桨，已经成长为国内市场份额第一的深度学习平台。

时间来到三年前，百度率先发布了国内首个生成式大模型文心一言，比国内其他大厂的同类型产品，早了3到6个月。而就在全行业陷入百模大战，疯狂卷参数规模的时候，李彦宏明确提出，“卷大模型没有意义，卷应用机会更大”。

这句话在当时，同样被很多人当成了百度跟不上参数竞赛的托词。但到了2025年，当行业从疯狂的参数竞赛里冷静下来，终于意识到，大模型的核心价值，是落地应用。“应用驱动”，彻底成了行业的共识。

那些非共识，到底是怎么一步步变成行业共识的？

答案或许并不复杂。

从开源到闭源，从ChatBot到Agent，从拼参数到拼应用——每一次行业共识的形成，都不是因为某一家企业的说服力，而是因为商业规律和技术本质在时间中自然显现。

在AI这个以指数速度迭代的行业里，所有人都在追求快，追求风口，追求当下的共识。但真正能穿越周期的，往往是那些愿意慢下来，做难而正确的事，坚持自己对商业和技术本质判断的人。

百度过去十几年的轨迹，恰好印证了这一点。当行业追逐风口时，他们在做基建；当行业聚焦短期变现时，他们在投研发；当行业形成共识时，那些曾经不被理解的判断，正在被一一验证。

虽然外界对百度依然不可避免地有这样或那样的评价，但技术的发展本身是质朴和理性的，被验证的历史轨迹也是客观存在的，百度在技术浪潮中的行业指引和价值，相信必然会得到后验者们的认同。

AI的浪潮还远没有结束，未来还会有无数新的共识出现，也会有无数新的非共识被提出来，但在技术的长河里，共识往往滞后于创新，而非共识，才是下一个周期的起点。