承认百度仍在 AI 第一梯队没那么难

今天小编分享的科技经验：承认百度仍在 AI 第一梯队没那么难，欢迎阅读。

引语：

2025 年，百度的 " 天 " 变了。

" 前 Deepseek 时代 "，圈里不少人还悲观地认为，中国没有模型能跟上 GPT 的脚步，对百度来说，模型不掉队，应用生态做起来，就能够留在牌桌上；

而 Deepseek 一出，风云变幻、谁与争锋——原本，文心 4.0 在国内也算数得上号的大模型，在 Deepseek 面前，也不得不甘拜下风。

于是，巨大的压力给到了百度：

发新模型，必然面临质疑，要被拿去在显微镜下和 Deepseek 作比较，在冷眼下遭遇批判；

不发新模型，百度的技术实力更没了展现的机会，无端的猜测又会甚嚣尘上，客户的信心也会被损伤。

进退维谷，百度的选择，是亮出宝剑，非要试一试自己的成色——即使面临批评和贬损，百度也决心放下面子，把自己最新的模型成果展示出来。

放下面子，拼了老命，也死活不下牌桌，百度是怎么想的？

一、文心 4.5 和 X1，百度 " 死磕 "

谈战略之前，先聊点实着的——百度新发的文心 4.5 和 X1 好用吗？

作为百度新一代的原生多模态大模型，文心 4.5 首先是在多模态的能力上进一步更新。今天的文心 4.5，不仅可以理解照片、工作图表、视频内容，准确摘取静态、动态影像中的细节信息；甚至还能理解网络笑话、梗图中的幽默和讽刺，并连贯地完成推理。

当大模型能力越来越卷、用户标准越来越高，模型之间最细微的差距，就决定了实际生成结果在体验上的天差地别——原生和非原生的区别，也由此显现。

预训练阶段更深层次的模态融合、专为跨模态互動和理解设计的模型机制，都是原生多模态模型的优势。

3 月，李彦宏在人民网上发表了一篇署名文章，其中就提到了原生与非原生多模态大模型的区别——原先，所谓的 " 多模态模型 "，只是几个单模态模型训练后再进行拼接；而原生多模态大模型，胜在以统一的架构，去实现对复杂世界的统一理解。

本次发布的文心 4.5，在原生多模态的角度，思路与谷歌的 Gemini，Meta 的 Llama 4，OpenAI 的 GPT-4o 一致。

而文心 4.5，则是在多模态异构专家扩展技术上更进一步，就如同根据影像、视频、文字等不同领網域，给智囊团请来了一群术业有专攻的 " 专家 "，并且通过一套自适应模态感知损失函数，让 " 专家 " 们可以实力相当，也就更能完成协作，执行复杂跨模态任务的处理。

多模态能力之外，针对大模型不少老生常谈的技术难关，百度在文心 4.5 也交上了这一期的 " 答卷 "：

面对长文本处理问题和多轮互動，百度优化了 FlashMask 动态注意力掩码，提高了长序列建模能力和训练效率；

针对大模型的学习效率和幻觉问题，文心 4.5 则继续在预训练数据下了苦功夫，通过知识分级采样、数据压缩与融合、稀缺知识点定向合成等技术，百度将数据质量大幅提升，模型的质量和成本也都得到了保障；

而对强化学习效率至关重要的后训练（Post-training）技术，文心 4.5 一样没落下，通过融合多种评价方式，百度将一套自反馈迭代式的后训练技术用到了大模型的后训练当中，将强化学习的稳定性和鲁棒性全面提升，让模型理解人类意图的能力更上一层楼。

对标 GPT-4.5，文心 4.5 已经有了相对亮眼的成绩；而对标 GPT-o1 和 Deepseek R1 的文心 X1，也交出了一份不错的答卷。

据了解，百度文心 X1 采取了递进式的强化学习训练方法，并且基于思维链和行动链根据结果反馈进行了端到端的模型训练，给训练效果增色不少；而 Deepseek 最引人注目的评估系统，百度在文心 X1 上也做了革新，他们建立了一套同意的评估系统，并将多种类型的奖励机制融合，让模型的训练获得了更鲁棒的反馈。

一系列的努力之下，相比文心 4.0，X1 的文本创作能力显然更强，也更擅长梳理逻辑、分析复杂问题、生成观点、提供情绪价值——能和用户聊 " 思考深的 "，也能聊 " 感情真的 "；

而到了多模态的范畴，文心 X1 也没丢了系列由来已久的跨模态能力，在图片理解的精准度更上一层楼，还能细节识别图片是否有 P 图痕迹，兼具一副火眼金睛。

相比 Deepseek，刚刚面世的文心 X1 测试下来，在文本的创意和个性化上稍逊一筹。但除了前者所不具备的多模态能力之外，文心 X1 更大的优势在于 " 家底厚 " ——文心大家族支持的 " 高级搜索 "" 文档问答 ""AI 绘图 ""TreeMind 树图 "" 百度学术检索 " 等等工具，都能在文心 X1 上用到，让用户获得沉浸的一站式 AI 体验。

在能力上来说，两款模型在文心 4.0 的基础上又实现了一次 " 飞升 "；而在成本上，文心 4.5 和 X1 却再次 " 跳水 "，依靠芯片、模型、框架等层面的联合优化，文心 4.5 的推理成本只有 GPT-4.5 的 1%，而 X1 的推理成本也只是 Deepseek R1 的一半左右。

成本优势建立了起来，如何让用户更便宜地把大模型用起来，百度就有了底气：

今天，文心 4.5 和 X1 都已在文心一言官网上线，免费向用户开放；

面对企业用户和开发者，文心 4.5 已在百度智能云千帆大模型平台上，输入价格为 0.004 元 / 千 tokens，输出 0.016 元 / 千 tokens，约为 GPT4.5 价格的 1%；文心 X1 定价为输入 0.002 元 / 千 tokens，输出 0.008 元 / 千 tokens，也即将上线千帆。

百度搜索、文小言等百度的当家产品，也正在逐步接入文心 4.5 和 X1，把最强大的 AI 能力让社会普惠。

近十年，百度的累计研发投入，已经超过 1800 亿，李彦宏在今年 1 月的 25 周年全员信中写道，很多年里，百度收入的 20% 以上，都被投入到了研发当中——这么看，文心 4.5 和 X1 的迭代速度虽然在 " 意料之外 "，但也算是高投入之下的 " 情理之中 "。

然而，这次文心的双料发布，却远不止是新技术迭代这么简单——百度鲜有地放下面子，用诚实的姿态，把自己的优点和缺点暴露在用户的眼皮底下，究竟图点什么？

二、百度变了

像开头说的一样，当下这个时点，在 Deepseek 占领了无数圈内外用户心智的当口，从市场角度看，百度发布文心 4.5 和 X1 是一个正确的选择吗？

一样的困境，整整两年前，在面对 OpenAI 和 ChatGPT 时，百度就已经经历过了一次。

当时，是李彦宏许久之后首次出席线下会议演讲，还是熟悉的白衬衣、熟悉的不紧不慢的语调。甫一开场，他并没盯着提词器里的讲稿，比起 " 早有预谋 " 的台词，更像有感而发的感叹，犀利地抛出了一个问题：

" 最近一段时间，很多朋友问我：‘为什么是今天，你们真的 ready 了吗？’ "

与其说这个问题问的是别人，不如说，这个问题李彦宏或许也问了自己很多遍。但思前想后，百度不怕被与 OpenAI 比较，也不怕丢面子，有好东西，必须得让客户和用户先用上。

两年后，文心 4.5 和 X1 发布，百度更是必须保证更新频率，缺乏旗舰模型的公司，留在 AI 的第一梯队也难以服众。

今天，百度变了，变得不再爱面子：

先前站队闭源，而 Deepseek 通过开源尝到了甜头，那就闻过则喜、从善如流；

Deepseek、Llama 等模型确实各有千秋，那就践行 " 拿来主义 "、在搜索、地图、文库、智能云等 ToC、To B 产品体系里海纳百川，让用户自主选择；

在未来，智能体和 AI 应用，没法被一家公司大包大揽，那百度就甘当绿叶，不做 " 超级应用 "，而要帮助人们打造更多 " 超级有用 " 的应用；

过去做事慢条斯理、贻误军机，今天在内部，文心 4.5 全面免费，PC、移动双端直接上现货，等等决策都在半天之内完成，绝不拖泥带水；

而体现在迭代速度上，百度模型迭代的速度仍在加快，文心 4.5 全部开放之后，最晚 6 月底就将公布开源版本，下半年则有望见到文心 5.0 的面世。

百度变得不爱面子，也变得越来越开放、越来越务实——不躺平，也不苟着。

在今年的 " 世界政府峰会 "WGS 访谈时，李彦宏提到：" 我认为创新不能被计划，你不知道创新何时到来，你所能做的就是营造一个有利于创新的环境。"

枕戈待旦，百度还在谦卑地等着一个机会。但在今天，即使面临着诸多强敌的挑战，百度还在大模型的第一梯队吗？

三、百度，没下牌桌

今天，评价所谓 " 第一梯队 " 的 AI 公司，或许还并不能存在一个共识性的标准。

几个顶流 AI 玩家，更像八仙过海，有些以技术见长，有些重视产品，还有些则干脆专注市场营销，各有各的优势，也各有各的活法。

如果把百度算进第一梯队的 AI 公司当中，或许有人基于一贯的刻板印象，并不会同意；

然而，数据是直接、有力的，百度在中国的 AI 商业化实践，的确可以名列前茅——2024 年，文心大模型的日均调用量已经达到了 16.5 亿次，相比一年前的同期数据，狂增 33 倍；飞桨平台上，1808 万个开发者和 43 万家企业，已经创建了 101 万个模型；而文心千帆已经帮助客户完成了 3.3 万个模型的精调、开发了 77 万个企业应用。

巨大的 B、C 端使用量，已经帮助百度建立起了一个初具动能的用户飞轮。同时，每天不停运转的百度搜索、近亿 AI 用户的百度文库，以及地图、网盘等多款亿级用户产品，都是百度内部试验 AI 效能提升的试验田，肩负的不仅是百度这家科技公司的技术未来，更是这家上市公司的商业未来。

过去 24 个月里，AI 行业中大的变化，李彦宏说，是 " 大模型基本消除了幻觉 "，这也让用户们可以更放心地使用 AI，而不担心遭到幻觉的反噬——这也是大模型推向商业化的必要条件。

而到了 2025，不同公司的生存策略正逐渐趋同：独角兽们为了满足资本的期待，而必须展现自己的盈利能力；而大厂更是如此，要依靠持续不断的现金业务支撑营收和财报，这样股价才能有所保障。

而 Deepseek 面世后，看似通过先进的技术力 " 杀死了比赛 "，其实整个 AI 大行业反而有了向好的趋势。

一方面，Deepseek 的确通过开源，救活了一些基础模型能力较差的公司和产品，让他们也能通过接入 Deepseek 的方式，获得一些流量；

另一方面，Deepseek 在国内突然爆炸式的营销，让不少企业部門——尤其是国央企、事业部門——一改之前对 AI 的谨慎态度，纷纷加速拥抱 AI，让本地部署的一体机生意在近期反而增色不少。

于是，李彦宏在今年的首次内部讲话中，他提到，加大 AI 应用商业化实践同样相当重要。AI 应用在全行业的爆发，只会加速玩家的淘汰，而那些缺乏商业化能力的公司和产品，恐怕更要遭殃。

早在别人大谈 AGI 时，百度就很早提出要在商业化落地上取得成绩，要通过 AI 业务给自己造血，丝毫没有行业 " 前辈 " 的 " 偶像包袱 " ——翻译过来就是：" 赚钱，不寒掺。"

百度的商业化保证，是其作为一个 25 年大厂日积月累的庞大矩阵。百度底层有芯片，有智算中心、万卡集群；中间有模型，有模型精调、APP 开发工具链、有大模型商店；顶层有自己的原生 AI 产品，有亟待重构的老牌大 DAU 产品，有丰富的渠道和颇具深度的用户池子——中间不少要素，即使是同等量级的大厂也难望项背。