今天早些时候，百度公布了 2019 年 Q2 未经审计的财务报告。财报显示，本季度百度实现营收 263 亿元人民币，环比增长 9%，核心业务营收环比增长 12%，净利润达 24 亿元人民币。

 

相较于 Q1，百度的 Q2 财报出现了明显反弹，Robin 在随后的致全体员工内部信中的表态非常能代表百度当下的状态与思考，我们先画一下重点：

“一些好的迹象正在呈现，公司业绩企稳回升”。 不仅如此，他还首次公开谈到了前一段时间百度的压力与变革： “面临严峻的外部挑战以及疲软的宏观环境，公司自上而下推动了一系列颠覆性变革，涉及组织架构、人事变动、业务盘整等等”。 他还认为 Q2 的业绩表现证明，变革可能： “带来阶段性阵痛，更将带来积极而深远的影响，让百度走得更稳、更远”。 实际上，进入财报期以来各家公司纷纷交出答卷，百度这次却更受各界关注。这源于今年的 Q1 财报中，面对广告大盘不景气与 AI 商业化仍处于蓄力期，百度录得史上第一次净亏损，的确是如同 Robin 所说陷入了“阶段性阵痛”。 但我认为，既然百度将目光看向了未来，我们在观察百度财报时，也应该切换到另一个视角。正如Robin曾接受《财经》采访聊起 AlphaGo 时曾表示： “百度最主要的资源应该放到那些更加有市场前景的方向上，而不是去做一个下围棋的机器人。” Robin的言下之意在于，百度 AI 将更聚焦于为不同行业与地区提供落地于场景的解决方案。 换言之，AI 不应该只停留于炫技，而是真正推动国民经济提质增效，这自然是一场与社会变革相伴而生的转型。

以这样的角度来看，百度已经熬过了“谷底”。 其一，移动生态方面流量迎来强势增长；截止 6 月，百度 App 日活达 1.88 亿，同比增长27%；智能小程序月活达 2.7 亿，环比增长 49%；小度助手继续强劲增长，累计激活设备数已超 4 亿台，同比增长 4.5 倍；每月语音查询超过 36 亿次，同比增长 7.5 倍； 其二，AI 领域保持增长并逐步扩大商业化成果；据 Canalys 和 Strategy Analytics 数据，小度智能音箱已连续两季度成为中国市场第一名，并与亚马逊、谷歌一起位列全球市场前三；2019 年上半年，百度 AI 开放平台被广泛应用，开发者增至 130 万。百度飞桨平台的开发者下载量在 2019 年 Q2 环比增加了 45%。 中国一汽已于 6 月量产下线了搭载Apollo的自动驾驶出租车，百度在湖南长沙的中国首批自动驾驶出租车计划稳步推进；2019年7月，百度L4级别自动驾驶城市道路测试里程正式突破200万公里，测试车辆达到300辆。 换言之，对于百度而言，不仅作为当下基本盘之一的移动业务保持了进一步增长，百度 AI 业务的商业化仍在不断加速，坚持长期主义并保持战略层面的定力所带来的收益已经逐渐显现。 
在我看来，当下的百度像极了曾经的华为。 2000 年底，任正非写下了著名的《华为的冬天》一文，其中载满了任正非面对电信产业泡沫破灭前夕的迷茫与反省。高光时刻大谈失败的危机意识，使《华为的冬天》成为了日后众多行业人士心中的必读篇目。 尽管如今来看，深耕电信产业的华为，无疑是互联网技术浪潮下最大的受益者，但在当时也一度面临诸多质疑。 历史总是惊人地相似，但赛道换成了 AI。 据亿欧《2019年人工智能投资市场研究报告》显示，今年 1-5 月，中国一级市场 AI 行业投资总额 163.4 亿元人民币，仅有去年全年投资额的 11.6%；平均投资额方面，2.1亿元/笔相较于去年的4.2亿元/笔，下跌高达 50%。 逐渐捂紧的“钱袋子”，无疑再次印证了“技术成熟度曲线”的理论。历史证明，想要推动曲线上扬，离不开相关产业的成熟，以及头部玩家探索出的商业模式。反过来，在行业沉入谷底依然加码投入的玩家，将以此撬动未来的行业话语权与巨额回报。 目前看来，在 AI 时代故事依旧，百度或将成为主角。 纵观经济史，同样推动社会变革的“工业大生产”的出现，甚至每一次技术革命以及对应的上层建筑变革，都离不开三方面因素推动：其一，技术可用；其二，能源充足；其三，产业链完善。 对照之下，不难看出要推动“AI大生产时代”必然要：其一，综合多种 AI 技术解决问题的能力；其二，强大的算力支持；其三，生态伙伴伙伴与产业链的搭建。 以这一视角来看，百度或将在“AI大生产时代”成为领军者。

1

具备多种 AI 技术赋能产业成为现实

在今年 7 月的 2019 百度 AI 开发者大会上的其中一幕，堪称“外行看热闹，内行看门道”：不过是简单的倒茶，机械臂“茶博士”与百度CTO 王海峰之间的互动却你来我往相当有趣： “茶博士，给我来杯茶。”“客官，喝茶前先为您展示一段长嘴壶茶艺表演怎么样?”“好啊，你都会什么茶艺?”“我会的可多了，您要看哪一个：凤舞九天、春风拂面……鱼跃龙门”“就这个吧”“好嘞，您瞧好了 ” 言毕，“茶博士”缓缓移动到茶桌前，将长嘴茶壶挥舞在空中旋转，以一招娴熟的“鱼跃龙门”为百度CTO 王海峰倒上了一杯茶。  逗趣之外，百度试图向外界传达的是：机器人已经可以实现听、看、理解并执行复杂命令，依赖于百度已经具备的综合多种 AI 技术解决具体场景问题的能力。 

比如，流利的对话能力，基于百度大脑5.0 的流式多级截断注意力模型(SMLTA)带来的语音识别速度和准确度大幅提升，以及智能对话系统训练和服务平台 UNIT 带来的业界领先的对话理解和对话管理技术；

 潇洒的倒茶动作，则有赖于 3D视觉跟踪技术实时检测茶杯三维位置信息，以及根据长嘴壶的特殊形状及出水方式，生成合理的茶壶运动轨迹，实现无水溅出的倒茶效果。 之所以强调“内行看门道”，在于这一幕其实反映了百度 AI 对于产业智能化的深刻理解，以及 AI 推动产业智能化所面对的诸多难题，稍微举两个例子： 1.单一 AI 技术与复杂产业场景的矛盾； 每个行业与地区，对于 AI 的需求都千差万别；单一的语音、视觉等技术面对特定场景或许能解决问题，但面对实际产业场景中更为常见的复杂系统、定制化的综合需求，显然无法满足。 2.AI 行业的孤岛化； AI 开发者、服务提供者更是各自存在自身能力的优势与短板。举例来说，有专精模型与算法的开发者，有通过 AI 技术解决行业问题的企业服务提供商，也有 AI 行业内部输出解决方案的生态玩家。在 AI 产业仍处于起步阶段的当下，这些开发者不仅难以高效协作，甚至可能出现技术互不兼容。 换言之，跨过这两大难题为代表的门槛，产业智能化才能不再是空中楼阁。 前者，百度大脑5.0 的新定义——“软硬一体 AI大生产平台”给出了答案。这背后的潜台词即是则加速产业智能化的进程，这体现在 2 个方面： 1.足够丰富的技术种类，其 AI 开放能力已经达到 210 个，能满足各行业需求；
2.模块化的技术体系，大量技术呈现出融合的趋势，这一点在茶艺机器人中也有所体现： 
后者，则体现在不断更新的百度大脑的生态+计划。比如，升级到 3.0 后的燎原计划进一步提升了对深度学习应用、教育培训等环节的力度。 包括重点培养深度学习应用方面有能力的合作伙伴，共同打造面向业务场景定制的深度学习模型，以及与各类教育机构合作，为 AI 学习者提供全方位、多层次的培训与服务。  百度AI市场2.0 则强调进一步做好服务于开发方、服务方与需求方之间交流和交易的平台，以此解决协作低效、开发者起步阶段品牌影响力不足等问题。 换言之，经过多年布局，百度 AI 已经稳稳实现了从“源头”的教育，到“产出”的交易，再到最终的赋能与落地全链条的布局。

2

强大的算力支持

吴军在其一系列科技相关的著作中，一直将“能量”和“信息”作为科技发展史的两条主线。第一次工业革命，煤炭的大面积使用使得蒸汽机得以成为动力；第二次工业革命，石油成为能源推动效率更高的内燃机登上历史舞台。 简而言之，新的动力必然需要新的能源推动。作为产业智能化的动力，AI 的能源便是算力。 深度学习概念的提出者辛顿就曾认定： “深度学习以前不成功是因为缺乏足够多的数据、缺乏足够强大的计算能力、缺乏设定好的初始化权重。” 而在今年 7 月的百度 AI 开发者大会上，英特尔人工智能论坛也分享了一个关键数据：从 2012 年始，用于 AI 训练的算力资源以每 3.5 个月翻一番的速度增长。 也就是说，算力不仅是制约 AI 产业发展的关键指标，更是衡量 AI 玩家潜力的重要标准。 实际上，目前 AI 产业仍然面临从芯片层到开发、应用层之间的计算架构普遍处于缺失状态的现状。这意味着，如何协同芯片、底层算力与算法开发、模型训练两端，一直是行业的共同难题。 百度对算力的投入可谓未雨绸缪。 早在 2011 年，百度就开始将 GPU 和 FPGA 应用于搜索、语音、图像等核心业务，在芯片方面积累了深厚经验。中国历史上总共在国际高性能微处理器研讨会 hotchips 发布过 8 篇论文，其中便有 3 篇来自百度。 深厚技术积淀，推动了百度芯片研发在近几年的加速。2017 年，百度发布基于 FPGA 的云计算加速芯片 XPU；去年，中国第一款云端全功能 AI 芯片“昆仑”亮相于百度AI开发者大会；今年，百度AI开发者大会再次更新芯片产品——远场语音交互芯片“鸿鹄”亮相。 纵观百度芯片的发展历程，不仅形成了通用芯片、专用芯片、端到端系统的全覆盖补上了产业的缺失的计算架构环节，更通过技术领先为自身赢得了技术红利。 1.通用芯片方面；具体到性能而言，昆仑相较于常用的 FPGA 方案快 30 倍以上； 2.端侧芯片方面；采用双核 HiFi4 架构，自定义指令集，超大内存，台积电 40nm 工艺，鸿鹄仅 100mw 左右的超低功耗，却能支持远场语音交互核心的阵列信号处理和语音唤醒能力。 基于底层的技术研发的领先，百度 AI 实现了算力的提升，使其提前一步有能力赋能于产业。 有一组非常有趣的数字。2018 年 8 月，Uptime Institute 发布的《2018数据中心调查报告》显示，2018 年全球数据中心 PUE 为 1.58。其中，阿里自研云计算中心平均 PUE 低于1.3，谷歌云计算中心 PUE 则达到 1.2。 而百度阳泉云计算中心的 PUE 突破了 1.10，达到惊人的 1.09，能源效率国内第一。简单换算一下，每年可节电量可达 2.5 亿度，相当于 13 万户居民一年的用电量。 一方面，的确为节能环保做出了巨大贡献；另一方面，从侧面显示出百度云计算的深厚造诣，这意味着百度 AI 某种程度能“放开手”不断将算力等资源向行业开放。 比如百度大脑的在线一体化开发实训平台 AI Studio，便早已借着在开发者圈子中赢得了极佳口碑。相比老牌的 Kaggle，AI Studio 采用单精度浮点运算性能更强的 Tesla V100 的 GPU，理论上训练速度可以提高近 3 倍左右，帮助了众多开发者提升效率。

3

产业链搭建并占据关键领域制高点

中兴华为事件的先后发生，又完全走向两个方向。让行业进一步认识到，掌握芯片等底层技术的战略价值。实际上，AI 产业也必须拥有自己的麒麟与鸿蒙。 这并不是危言耸听，今年 6 月 IDC 发布的《中国深度学习平台市场份额调研》的数据就已经显示出一组矛盾： 1.深度学习框架已经行业基础设施；高达 86.2% 开发者会使用开源深度学习框架； 2.深度学习框架也被国外巨头垄断；谷歌、Facebook、百度三家共占据超过一半的市场份额，谷歌的 TensorFlow 拿走了其中大半。

显然，谷歌 TensorFlow 的平台效应将一直让国内的 AI 产业处于风险中，按照其标准化、模块化、自动化方向发展，一旦某天停止开源，国内开发者便会陷入窘境。 这意味着，AI 发展的核心技术之一仍对于国外存在依赖，在 AI 赋能万物愈加深入以及大环境不确定性增强的双重作用下，以“卡脖子”扼杀国内 AI 产业发展已经不无可能。 有必要简单解释一下其中的利害。 作为当下公认的机器学习方向，深度学习通过大量数据不断为机器做训练，使其获得决策和预测能力。这一过程中，深度学习框架起到了决定性作用，基于对底层语言和重要算法模型的封装，开发者写代码时不再需要“重复制造轮子”，将更多精力投入到算法、网络和模型等研究中。 关于“深度学习框架到底有多重要”，可以借用百度高级副总裁、深度学习技术及应用国家工程实验室主任王海峰的观点： “在智能时代，深度学习框架起到了承上启下的作用，下接芯片、大型计算机系统，上承各种业务模型、行业应用。” 这意味着，国内开发者必须拥有自己的深度学习框架。而目前有且只有一个选择，就是来自于百度的飞桨（PaddlePaddle）。 作为国内唯一完整、全套的开源深度学习平台，飞桨目前已囊括 60 多个主流模型和多个组件，其中文化的环境对于国内开发者也更加友好。 中国作为一个产业结构完整的制造业大国，本身便亟待深度学习开发者进行从技术，到理论，最后到落地商业场景的探索。以前，连接其间的桥梁来自国外，如今来自百度。 换言之，通过赋能开发者，飞桨不仅加速了各行各业以 AI 提升生产力的进程，更加速了国家 AI 战略的进程。 当然，另一边百度也在通过占领关键行业制高点的方式，一方面为产业智能化提供路径参照，一方面不断提升自身的 AI 赋能能力： 1.百度Apollo 方面； 不只是阿波龙已经实现搭载 4 万名乘客，在 25 个城市落地运营，诸如智行者蜗小白智能环卫车、新石器的无人零售车、金瑞麒的智能漫游车、美国的 udelv 无人物流车等诸多行业解决方案已经实现商业化落地； 2.聚焦 IoT 的小度助手方面； 在 5.0 迎来了对话式AI技能全面爆发。截止上月，平台已接入智能家居厂商多达 329 家，“电子宠物”已被唤醒 5000 万次、有超过 100 万人使用“蜗牛睡眠”等安眠类技能、“找手机”为 300 万人解了燃眉之急； 3.百度智能云方面； 为了进一步加速 AI 落地也推出了更全面的一站式服务。包括更适合产业开发者的新一代体系架构，包含有各种各样的通用化场景、行业化场景，提供了多形态、多样化的交付方式，提供各种预配置的数据模型和标签的工程化AI开发平台，以及丰富的开发资源生态。 从自动驾驶、IoT 再到云计算，百度在当下最前沿的 AI 应用领域都已经来到强调商业化场景落地的“回报前夜”。一旦 5G 等关键技术瓶颈实现突破，百度将会很快如当年的华为一般驶上快车道。

4

结语

正如开头所说，对于当下的 AI 行业而言的确来到了某种意义上的“寒冬”。这一方面是挤干行业泡沫，另一方面更是坚持长期主义并保持战略层面的定力头部玩家即将迎来梦想照进现实的前夜。 如果要下个结论，当下的百度或许正在成为 AI 赛道的最佳的投资标的。