百度AI在2025年迎来了关键的战略转折点。3月，百度正式宣布文心大模型4.5及X1全面开源免费，这一举措标志着百度从过去十年的闭源模式向开源生态的快速转变。
然而，这一转变背后，百度似乎始终难以摆脱战略摇摆的质疑。从早期IDL（深度学习研究院）的重心偏移，到智能驾驶领域的“起大早赶晚集”，百度似乎陷入了一个“高投入—低回报—战略模糊”的怪圈。
不过，百度此次似乎更注重“里子”。自研的昆仑芯万卡集群以及庞大的生态资源，为百度提供了足够的发挥空间。
百度并非机会主义者，AI亦然，耐心和核心竞争力才是关键。
回顾2013年初，当AI还未成为全球热点时，李彦宏便在年会上宣布百度将成立专注于深度学习的研究院——Institute of Deep Learning（IDL），IDL也因此成为了AI界乃至智能驾驶领域的“黄埔军校”。
12年后，当大模型时代来临，DeepSeek等新势力席卷全球，百度却仍在探索一条重铸荣光的道路。
2025年3月16日，百度发布了文心大模型4.5和文心大模型X1，并宣布向所有用户免费开放。值得注意的是，文心大模型4.5还是百度首个原生多模态大模型。
很难想象，一个在AI领域深耕10年的巨头，会在不到两个月内，从“闭源才是未来”迅速转向“全面开源”，从依赖内部业务养模型到全面拥抱DeepSeek。
过去的坚持未必是失误，而当下的快速转变也还需时间来验证其效果，唯一可以确定的是，百度似乎终于开始顺应外界的建议。
不过，百度一直以来都是一个在逻辑自洽后愿意大胆尝试的公司。经历了多次“起早赶集”的困境后，单纯的大手笔投入和高速推进并不能拯救百度，接下来的策略才是百度AI的关键。
从闭源到开源，李彦宏真的错了吗？
在国内厂商中，百度一直是闭源派的代表，李彦宏本人也多次明确表达过这一立场。
去年7月的世界人工智能大会上，李彦宏曾表示，开源大模型在学术研究、教学等特定场景下有一定价值，但并不适用于大多数应用场景。他认为，在相同参数规模下，开源模型的能力不如闭源，要追平闭源模型的能力，开源模型需要更大的参数规模，这意味着更高的推理成本和更慢的反应速度。
然而，到了今年2月的迪拜峰会，李彦宏的立场突然转变，他开始强调“开源有助于技术传播和创新孵化”，而此时距离DeepSeek发布大模型R1仅过去半个月。
业内有传言称，是DeepSeek打破了百度的闭源逻辑，但这种说法可能并不全面。如此重大的转变是否意味着李彦宏和百度决策失误？这恐怕也很难定论。
通俗来说，百度此前坚持闭源的逻辑是基于综合成本的考虑。按照李彦宏的说法，闭环的商业化模式可以让众多用户共享资源，分摊研发成本和推理用的机器资源以及GPU，从而让有限的推理卡发挥最大价值。
尽管DeepSeek是开源的，其成本也已经降到业内较低水平，但对于用户和开发者而言，自行部署以及部署后的GPU使用率都需要计入成本模型。在各大公司纷纷囤积显卡的当下，普通用户自行部署的效率相对较低。
从实际效果来看，尽管不少组织和高校第一时间宣称适配DeepSeek模型，但真正能够实现满血版的却寥寥无几。一个72B的模型显然不足以击溃闭环的优势。
而李彦宏所说的“开源有助于技术传播和创新孵化”则颇具深意，这背后可能反映了百度的一个重要认知：大模型的普及需要先让用户用起来，有了接受度才会有后续的一切发展。这与比亚迪在智能驾驶领域的普惠策略有异曲同工之妙。
越来越多的厂商也开始认同这一规律。曾经的闭源巨头OpenAI透露了“免费加开源”的消息，阿里通义千问、腾讯混元早已布局开源，智谱公司也在今年3月宣布全系列大模型开源。
在大势所趋之下，百度很难独善其身。在经历多轮舆论风波后，开源也成为挽救声量和产品使用率的重要手段。
百度的反复与坚持
对于百度而言，“坚持”究竟是褒义词还是贬义词？
之所以这样问，是因为百度3月宣布开源的举动，透露出一种熟悉的“妥协”气息。
百度的转变往往伴随着一套“重资本投入远大目标——ROI不佳——被后起之秀逼宫——对目标暧昧不清”的经典循环。
2013年成立的IDL，汇聚了众多顶尖人才，很早就系统性地展示了深度学习的“幂律增长”，为后来的大语言模型发展奠定了重要的理论基础。然而，当时百度的重点却放在了自动驾驶乃至造车领域。
ChatGPT爆火后，百度迅速推出的文心一言虽然速度快，但技术上却不够先进。
在汽车智能驾驶领域，百度曾瞄准乘用车辅助驾驶，多次宣称不会放弃L2级别智能驾驶，但在量产方面却鲜有动作，并最终战略性放弃了极越汽车。
正因如此，才有了业内盛传的“起大早赶晚集”的说法。
“亡羊补牢，未为迟也”是真理，“咬定青山不放松”也是真理，关键在于百度要如何选择。从效果来看，这种既无大功也无大过的打法似乎并没有为百度赢得足够的市场声量。
一个典型的例子是马云和阿里云。2009年阿里云刚刚创办时，云计算还是一门新技术，不被很多人看好，带队的前微软亚洲研究院副院长王坚也经常一筹莫展。
然而，马云在2012年的阿里年会上明确表示：“我每年给阿里云投10个亿，投个十年，做不出来再说。”
正是有了马云的支持和内部的信心强化，阿里云的研发后续一路高歌猛进，成就了“没有马云就没有阿里云”的经典案例。
百度也并非没有成功的版块。一直坚持下来的萝卜快跑目前已经打造了国内第一批真正意义上的无人出租车，并成为推动L4路权放开的标杆企业。
从这个角度看，无论用户是否愿意给百度耐心，百度首先得给自己足够的耐心。
百度的下半场策略
日前发布的文心大模型4.5是百度首个原生多模态大模型。
从技术层面来看，市场应该相信百度的实力。原生多模态大模型相较于普通多模态大模型的优势在于，它能够以统一的架构实现对复杂世界的统一理解。
在推理成本上，文心4.5的推理成本仅为GPT-4.5的1%，而X1的推理成本则是Deepseek R1的一半左右。
能做到这一点，与百度背后的昆仑芯密切相关。
要知道，大模型难以降价和开源的一个重要原因是算力紧张导致大模型训练成本、推理成本以及使用成本居高不下。而自研芯片虽然困难，但成效显著。
在这方面，百度智能云今年已经官宣成功点亮了昆仑芯三代万卡集群，这也是国内首个正式点亮的自研万卡集群。它不仅解决了百度自身大模型发展的算力问题，也为国内大模型产业的发展提供了宝贵的资源。
大规模GPU集群的构建天然存在高成本、难运维两大挑战，只有作为国内大模型领域的头部玩家，百度才有能力用重资本去思考如何构建和管理这样庞大的GPU集群，这也是百度的优势所在。
除此之外，与单打独斗的厂商相比，百度的原生AI产品已经积累了一部分受众，其渠道也远比中小厂商丰富。
对于百度来说，哪怕只是跟随，也已经超过了大部分同类公司。
但在起跑阶段，思考这场跟跑的持续性和坚定性至关重要。
按照李彦宏在百度2024年四季度及全年财报电话会上的解释，百度希望通过开源推动文心大模型的性能升级与成本降低，提升市场对文心一言能力的认知，促进其在更多行业的广泛应用。
然而，大模型到最小用户单元的普及距离仍然很远，此次的转向能否坚持下去是一个战略问题。
尾声
不仅仅是从闭源到开源的急转，百度此前的每一步都踩在AI的浪尖上，却也深陷争议漩涡中。
如今的转变，是技术单点升级
