Token导航 LogoToken导航

AI 资讯 · 象先志

百度Q3财报 AI增长背后的组织变革

更新 2026-11-16象先志正文 3274字阅读约 11分钟3 张图片

1913年,福特高地公园工厂的工程师用绳索和绞盘拖动底盘,试验新的装配方法。工人数、零件送达的时间和每个人负责的动作,都在反复调整。到1914年初,每副底盘的装配工时从12小时28分缩短到1小时33分。

福特为人所知的是把流水线带进了汽车工业,但人们往往忽略,流水线虽然是工业化改造最醒目的成果,但系统性的工程化思维才是福特崛起的关键。

工序重新安排,供料要跟上装配的节奏,工人的动作也需要彼此配合。节省下来的工时与成本,为降低售价、扩大销量创造了空间。福特的系统工程思维,贯穿了生产与经营:技术带来的效率,要经过整个公司的运转,才能成为商业上的优势。

一个多世纪后,购买AI的企业也在面对类似的问题。在今年的百度世界大会上,李彦宏转述了一些企业负责人的困惑:“为什么Token花费越来越多,但收入利润没有跟着涨?”

刚刚,百度发布了2026年Q3的集团财报,总营收为308亿元,一般性业务收入250亿元,同比增长1%。AI业务收入132亿元,占一般性业务收入的53%;其中,AI云基础设施收入82亿元,同比增长94%,较上一季度50%的同比增速显著加快。AI业务的持续贡献正在改变百度的收入结构。

对一家在AI上投入多年的公司来说,企业市场扩大了这些投入的回报空间。但客户要长期购买一项服务,百度就得把分布在芯片、云、模型和智能体上的能力组织起来,共同解决实际工作的问题。李彦宏说“智能组织是AI时代的新厂房”,于是,百度也在用自身实践来检验这一判断。

图片 李彦宏在百度世界2026阐述智能组织

AI正在改变百度的收入结构

据财报披露,AI业务收入占百度一般性业务收入的比重达到了53%,已经连续三个季度占比过半。本季度,AI云基础设施收入同比增长94%,较上一季度50%的同比增速显著加快。同期,AI应用收入26亿元,AI原生营销收入24亿元。GPU云收入同比增长191%,千帆MaaS外部客户Token调用收入同比增长1159%,这让模型服务的商业化进展有了更具体的衡量指标。

在11月12日举行的百度世界2026大会上,百度推出中立、可信的大模型交易平台“词元所”,让企业和个人能够便捷地发现、购买和使用可信的模型Token。

图片

当企业把模型接入长期运行的流程,采购时要考虑的就不只是单价,还包括模型版本、实际表现与供应商的交付稳定性。词元所通过模型验真、定期抽测和信用评级,让这些信息可查、可比,帮助企业把模型服务纳入日常采购与管理。

词元所发布首日,新增申请入驻的供应商超过100家,新增接入客户超过1000家。试运行期间,平台日均调用次数突破5000万次。财报披露,百度千帆MaaS平台外部客户的Token调用收入同比增长1159%,而这个数据则从另一个层面反映模型服务的商业需求。 

对百度来说,词元所的意义还在于服务范围的延伸。即便企业使用的不是百度自研模型,也可以通过平台选择和管理其他模型供应商。百度由此不仅提供算力、模型和智能体能力,也开始参与模型供给的组织与管理。

但对企业来说,模型采购只是AI应用的起点。算力和模型服务能否真正转化为经营效率,还取决于AI能否进入实际工作流程,以及企业是否愿意围绕AI调整原有的组织方式。这也正是百度在推进智能组织建设过程中试图回答的问题。

芯、云、模、体,要围着业务协同

AI进入企业的工作流,背后需要持续供给的算力、贴合业务的模型,以及接入原有系统、连续执行任务的能力。百度既为企业提供建设智能组织的技术,也把自己作为实践样本。支撑智能组织的这套技术底座,在自身业务中接受检验,实际使用提出的要求又推动模型迭代和芯、云、模、体协同优化。经过检验的能力再向外部企业开放,内部研发的成果就有了被更多客户复用的空间。

在模型层面,百度采用反馈式历史记忆压缩,减少保存历史信息的开销;又通过Looping方案,让快思考模型服务业务,慢思考模型负责评判并持续反馈。模型的改进来自实际应用中的要求,优化也要回到业务中接受检验。

这些调整还牵动硬件。文心闪电通过BSA注意力机制支持在昆仑芯上进行单机八卡推理,并与昆仑芯协同优化成本。模型怎样使用历史信息,会改变存储与计算开销;芯片上的运行条件,又影响模型如何部署。通过千帆API开放后,企业客户可以调用这些能力,使用百度已经完成的适配与优化。

但企业交给AI的往往是一项连续的工作。前面的资料能否保留、执行中断后从哪里继续,会影响模型最终能否完成任务。千帆提供长上下文管理、持久记忆、工具调用和评估等运行能力,支持智能体持续执行。在业务接入环节,搭子开发平台则支持企业配置知识和技能,连接已有系统,把智能体接入实际工作。

制造企业蓝海黑石的变化,说明企业正在把怎样的工作交给AI。它原先做采购分析,需要团队花数天完成。接入百度企业AI助手后,系统连接SAP等内部平台,结合原料行情生成报告,再由人核验。到今年11月披露时,使用范围已从高管试用,扩展到定制需求推演、采购决策和采购执行三个智能体。供给方要跟着接入数据、处理执行过程,服务也由生成报告延伸到采购流程。

此前,AI从消息、文档等办公入口进入组织,百度则可以从行业任务及其执行进入,连接客户已有的协作平台。当然,办公平台的云厂商也已把模型、算力和FDE用于AI辅助初步核保。全栈提供了共同优化的条件,订单仍要靠实际效果与成本争取,企业也可以组合不同厂商的产品。

随着AI从辅助办公走向具体业务执行,企业对模型推理能力的需求也在增长。李彦宏判断,智能体的规模化正在带动推理计算需求。随着模型推理效率提升、任务执行成本降低,更多原先不具备经济可行性的AI应用场景有望得到释放。对百度而言,芯、云、模、体的协同优化不仅能够帮助企业降低AI使用成本,也有望推动AI向更多业务流程渗透,带动模型调用需求和云业务的持续增长。

百度也在重新组织自己

李彦宏在大会上说:“没有一家公司,会因为用了几个AI工具,一夜之间变得更有竞争力。”百度自己也在经历这一过程。

百度披露,内部AI助手dodo上线7个月,已覆盖99%的正式员工,并推动300多个企业平台完成AI友好化改造。原有系统允许AI读取信息、参与任务,才能减少员工在平台之间搬运资料、重新录入结果的工作。

百度已建设4300个Workspace,累计形成约2万个组织Skill,DAA的使用规模从0.5万增长至3.7万。2026年1月至10月,内部每周有效任务完成数从8.4万增至102.77万。AI深入日常工作的同时,平台、专业经验与分工也在调整。智能组织对百度的意义,就包含这两种身份:向企业提供AI,也用AI重新组织自己的工作。

图片百度披露的内部智能体使用情况,统计期为 2026年1月至10月

技术要协同,公司的分工也得调整。AI也参与了这个过程。百度披露的自动研究系统ERNIE Evolve,已用于文心5.5 Flash推理优化,包括昆仑芯P800的低时延和推理吞吐优化。智能组织在百度内部的实践,已经涉及核心研发:芯片运行中的问题成为研究任务,AI参与实验与验证。

前沿部署工程师FDE,则把客户现场与产品研发联系起来。过去,销售与方案团队理解行业,交付团队实施,产研在后方接收反馈。FDE把业务理解、现场实施和产品改进联系起来,让难接入的接口、需要调整的功能更直接地反馈给研发。百度在应用中发现问题、改进技术的方式,因而有机会延伸到外部企业。

随着企业AI应用从单点尝试走向规模化落地,客户现场积累的经验能否沉淀为可复用的产品能力,也成为影响交付效率的重要因素。FDE的长期价值,在于把反复出现的问题变成产品改进,让后来的项目复用。百度已有的企业客户基础与行业服务经验,为AI能力进入更多业务场景提供了条件;与此同时,深入采购、研发和运营等核心流程,仍需要与行业伙伴共同完成业务适配。

这份财报,呈现的是百度多年AI投入形成的收入贡献,以及云业务需求与回报的阶段性进展,而更多变化则发生在报表之外:一次工作如何完成,一份经验如何留下,一项能力如何被更多人使用。

“智能组织”的轮廓,正在这一过程中逐渐清晰。

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。