百度的十年一舞：李彦宏向「反馈」要创新

文 | 周霄  徐帆

编辑 | 付晓玲 曹宾玲 

数据支持 | 洞见数据研究院

“你问我2023年有什么小目标，我希望2023年或出来一个‘1’，也就是我们至少能有一个高成长、有创新的业务。”

上个月底的内部直播上，李彦宏展望新的一年如此发言道。彼时，市场对百度“增长从何而来”，是有所困惑的。

而今天的Create AI开发者大会上，答案揭晓：下一阶段，大的增长驱动来自技术创新。

事实上，近期提出展望的不止百度一家，而是行业共性操作。

马化腾在反思买量的同时，提出“展望未来，我们应该去做难而正确的事，我们将聚焦于提升业务效率并增加新的收入来源。”

刘强东痛斥“中高层拿PPT骗自己”之后，强调“京东要回到服务本质上，通过供应链的效率提升去把价格降下来。”

新预期的背后，一方面是“疫情”被按下终止键带来的可能性，另一方面是这些互联网企业，集体站在了新技术周期的十字路口。

如此一来，意味着技术公司可能是下一阶段“最靓的仔”。

这已有底层逻辑支撑，可以看到，股价横盘近十年的人工智能先驱者IBM，2022年10月以来，股价回升了34%。

这引申到百度，是不是预示着其坚持了十年的“长期主义”，有了落地的现实条件呢？本文将就此展开深度分析。

“云优先”转向“云效能”，技术上位成核心矛盾

2022年夏，一篇云厂商争夺能源客户的文章里，讲了这样一个场景：

一线员工对现阶段的上云改造反响热烈，“过去启停抽油机至少需要40分钟，现在只需点一下鼠标，几秒钟就能完成。”

然而企业管理层，对此可能没那么高兴，因为他们希望的是，“云计算项目要带来效益，要对油气开发有用”。

但当前的云计算只帮助油田解决了中游的开采、加工问题，对数字化的核心需求——上游的勘探开发，射程有限。

这样的问题，其实是整体上云需求转变的缩影——随着上云渗透率的提高，比“上云”更重要的是如何“用云”。

可以看到，2020-2025年，整个公有云服务市场上Paas市场复合年增长率为61%，是Iaas市场的近两倍。

也就是说，相比IaaS，PaaS（以及SaaS）层面的定制服务，更能满足用云需求。

如此一来，云厂商需要从专营IaaS，转到IaaS+PaaS/SaaS的一条龙服务。

而这对技术提出了更高要求：To B定制化发展下，意味着以往IaaS时代，吃同质化大锅饭的打法可能不再适用。

此前IaaS层面的竞争往往围绕两点：一是大打价格战；二是通过集成大包大揽，追求规模增长。

简单粗暴的竞争生态，看的不一定是技术，而是比谁在让利上更豁得出去。

就结果来看，那一阶段的优胜者是阿里云、腾讯云、华为云等。据艾瑞咨询，截至2021H1，三者包揽了超过60%的IaaS市场份额。

而百度云这样的技术派，虽然AI公有云服务产品数量在多个方面处于前列，但应用端放量有限。

甚至，这样的ROI效果，再叠加其大规模的研发经费投入（2013年以来，研发投入超过1000亿），一定程度更加重了市场的偏见。

但从IaaS转向PaaS+SaaS阶段，风向随之转变——技术上位成主要矛盾，价格不再那么重要。

这样一来，意味着云厂商的经营逻辑，也要紧跟趋势而变。可众所周知，跳出舒适圈不是那么容易的事。

这让企业逐渐焦虑起来，也由此拉开了另一种意义上的“军备竞赛”。

如下图，近两年腾讯云们，一方面屡次调整组织架构——“销售派”给“技术派”让位；另一方面，在技术布局上紧跟前沿趋势。

事实上，这种类似的压迫感，是百度研发路上的常态。

可以看到，2018-2020年，百度“摸着石头过河”经历了四次架构调整，在技术导向还是销售导向间几经摇摆，最终确立了“AI+云”的技术战略。

然而彼时“AI+云”仍处于概念阶段，百度的落地有些超前——大多数企业还没有建立上云的设施，更别提结合AI，因此没有获得太多关注。

但现阶段来看，随着上云需求从“云领先”转向“云效能”，AI的精细化产品有了落地的现实基础。

这对百度的意义，2022Q2电话会议有提到：我们的差异化在云+AI，相比于传统云厂商我们的AI能力强，相比于AI公司我们的云能力很强。我们在制造、公用事业、能源行业等的竞争力都是double的。

基于此，可以看到，其他厂商也竞相跟进。

不过，加码技术只是一方面，要真正落地到产品，还需要在规模化和经济效益之间做出平衡。

有SaaS厂商高管表示：如果想服务好客户，接下单子，就得做定制化开发，人力成本高，接一个单就是亏钱。

而关于如何将利润空间腾挪出来，大厂的普遍做法是“开发云原生” ，也就是打造开发者生态。

可以看到，近两年腾讯云等都试图通过押注低代码，降低开发者应用门槛。

这背后的逻辑，相当于制造汽车，以前是每个零件都手工完成。有了自动化装配线，那些重复又耗时的任务交给机器，解放出来的人力，可以去做更重要的事。

这对开发者有相当的吸引力。如截至2022年11月，腾讯低代码平台微搭的应用数超过30万，而基于底层云开发的开发者数量已超过300万。

相比腾讯云们，布局更早的百度，率先遇到了技术难以落地到应用的问题，于是在2015年，就推出了其低代码平台——爱速搭。

之后，为了进一步活跃开发者，孵化了国内首个开发者社区飞桨，并不断开源AI框架，丰富生态。

数据显示，截至2022年5月，飞桨汇聚了477万开发者，创建了56万个模型，服务了18万家企业。

应用层面大规模落地下，据IDC统计，百度智能云连续六次在AI公有云市场份额位列第一，超出其他云厂商一个身位。

总的来说，市场需求转向催化下，AI+云成了定制化产品的标配，这让蛰伏了数十年的百度云，有了出头的可能性。

不过，相比云计算，其实市场更在意的是智能驾驶。毕竟云计算如火如荼有目共睹，但智能驾驶什么时候能迎来应用周期，谁也说不准。

投资者此前的担忧集中在，智能驾驶事故层出不穷，法规界定也迟迟难落地。

但随着特斯拉领衔投入智能驾驶，该赛道持续升温，政策层面的关注度越来越高，拐点已经出现。

可以看到，2022下半年，智能驾驶开放测试的试点范围逐渐扩大，同时事故权重认证规范化探索，也在持续开展。

政策推动下，各平台落地范围扩大——文远知行获得北京市道路测试许可；小马智行今年落地深圳和北京；百度截至2022Q3，总计在63座城市落地，相比去年同期增加了39个城市。

如此看来，只要法规逐步落地，市场空间释放或只是时间问题。

但也正是这种应用周期时间的不确定，往往会带来变数。如下图，复盘以往的技术周期可以发现，技术先发者不一定是份额领先者。

目前来看，智能驾驶领域也出现了类似情况。可以看到，当下车企更愿意自研智能驾驶系统，而不是把这一块外包给第三方。

背后的逻辑是，汽车的核心定义从硬件转向软件，整车厂对操作系统的争夺势在必行。

基于此，百度将重心先放在无人驾驶出租车和自主车型上，试图“曲线救国”——绕过厂商，直接打开应用层面。

不过，这只是方法论，要真正大规模落地，考验的是平台数据分析和车型兼容能力。

事实上，云计算也是如此，能否大规模实现精细化服务，需要看技术与业务层面的持续磨合情况。

智能驾驶自研“转舵”，释放应用层面红利

“数据非常重要，有助于更好地改善解决方案。”

“扩张我们的运营规模，来改善智能驾驶的技术，减少成本和费用，是我们的重点。”

2021年以来，百度多次在电话会议中，强调智能驾驶终端反馈的重要性；甚至，这也是今天Create AI开发者大会的主题之一。

而重视这一点的，不止百度一家。

2021年年中，小马智行副总裁张宁表示：“目前阶段盈利不是做RobotTaxi试运营玩家的主要目的，而是先让车上路，开启数据采集通道。”

去年，四维图新管理层更是称，“数据在未来会成为驱动出行的新燃料，某种意义上甚至比锂矿的价值更大。”

之所以会如此在于，智能驾驶从辅助驾驶进入半智能驾驶阶段，催化大量真实场景数据积累的优先级，进一步提高。

事实上，这种从应用反哺技术的形式，在各个领域都屡见不鲜。

电商行业通过用户真实交易行为的数据积累，可以不断地迭代匹配算法；长视频行业，用户偏好众口难调，向上倒逼工业化机制的形成。

不过，智能驾驶领域相比其他行业，要多面临一个现实问题——上述说过汽车行业在用软件定义其核心，这让第三方操作系统平台，用武之地有限。

比如，百度2022Q2电话会议提到：每个汽车制造商都有自己的计划安排，可能影响我们的推行进度。

基于此，第三方平台要落地到应用层面，往往需要另辟蹊径。

以百度来说，一方面通过萝卜快跑平台，收集实况数据；另一方面通过RT6等自主车型的发布，积累与整车厂的兼容经验。

目前，萝卜快跑方面，通过智能驾驶技术的精进，正逐步取缔安全员，优化劳动力成本；而自主车型方面，试图通过销量增长，尽可能实现成本规模化。

不过，这只是一方面，若要真正大规模落地，还是要回归到和整车厂的合作上来。

而可以看到，近几个月新能源汽车行业出现了微妙的变化——主要矛盾从供不应求、订单爆表，逐渐转变为产能过剩。

竞争形势骤变下，产品差异化成为下一阶段决胜的关键。而这让高效有用的驾驶系统落地，变得迫切起来。

这对整车厂之前的自研打法，是极大的挑战。

毕竟目前的情况看，传统主机厂投入多年，似乎只有长城汽车孵化了智能驾驶公司（毫末智行），剩下的吉利、长安等基本上处于自研、合作并行状态，且自研进展缓慢。

要继续死磕，不仅拉长周期和投入（参考百度阿波罗和谷歌Waymo），能不能落地仍然很难确定。

基于此，为了抢占先机，高傲的整车厂们纷纷“放弃”自研，转而寻求与科技公司的合作。

而整车厂寻求捷径的选择，可谓正中第三方平台的下怀。至于怎么吃到更多蛋糕，就要看谁能够率先实现应用端和技术端的轮动了。

目前来看，主要智能驾驶平台走的路线，有所分化。

特斯拉来说，其偏向于在应用端积累视觉感知技术经验；而华为和百度，感知系统除激光雷达外，还添加了车路协同模式，更注重应用端真实路况分析积累经验，反哺技术。

纯视觉感知方案，在硬件上只依靠摄像头，相比传感器方案节省了2-4个激光雷达，成本优势非常明显。而轻车上路，更容易实现规模化。

比如，据统计目前特斯拉的FSD（完全智能驾驶功能）全球普及率已达到11%。

不过，FSD仅覆盖了L2功能以及L3功能的大部分，对L4射程不足。

这是因为L4级智能驾驶要达到99.99%以上的成功率,地图是不可或缺的底层能力，超出了纯视觉感知方案的能力范围。

相比之下，视觉感知方案叠加“车路协同”模式，更一步到位。

举例来说，纯视觉感知方案下，摄像头感知能力会受到雨雪天气等影响，极大增加安全隐患。而加上车路协同技术，可以让智能驾驶事故率降低99%。

如此一来，哪一种模式，更匹配当前的技术大趋势L4，不言而喻。

事实上，这在数据上已有所反馈。如百度2022Q3财报提到：Apollo汽车智能化解决方案近期累计订单金额，预计达到114亿元。

当然，在技术领域高收入往往伴随着高投入，可以看到相比纯视觉感知方案，车路协同是一块“硬骨头”。

·硬件层面，需要配置激光雷达、信号机等。

·软件层面，需集成高精地图、辅助驾驶、无人驾驶、互联网通信等众多功能。

这意味着，相关科技企业需要持续耕耘。而如下图，百度已经摆出继续加码的姿态。

华为也不遑多让，相关高管提到，仅2022年汽车业务的研发投入就高达15亿，其中智能驾驶占比七八成。

而如此大规模的持续投入，意味着资金承压。百度能否健康回血，还要看其在智能驾驶和AI云板块的长期落地情况。

为期10年的周期里，沉迷于技术的百度，所到之处，往往人迹罕至。

IaaS层大行其道时，百度锚定的是AI；在新能源车只是概念时，持续投入无人驾驶领域。

好在现在这个时点，百度等来了自己的应用周期。

随着上云需求从“云领先”转向“云效能”，AI的精细化产品有了落地的现实基础；智能驾驶方面，整车厂放弃自研转向合作，也在应用层面释放红利。

不过，最终效果如何，还是要锚定应用端和技术端的长期轮动。