夜雨聆风
自 2022年末 ChatGPT 发布至今，大模型已经经过了三年半狂奔。但凶猛生长过后，结果的进程却比预想中慢得多。
模型参量、跑分，应用的 DAU、token 消耗量，这些被默认用来衡量产品表现的指标，似乎失效了。
不少产品 token 消耗巨大却无法转化为商业价值，高活跃无法转化为高收入。
以英伟达在 AI 芯片领域的营收数据为参考基准，光是 AI 产业在芯片领域的投资，想要实现 10% 的回报门槛，应用端至少需要产生约 1.4 万亿美元的新收入，这在短期内几乎是不可能完成的任务。
5 月 13 日，李彦宏在 Create 2026 上提出“DAA（日活智能体数）”这一新概念，宣布这将成为AI价值度量衡的“新尺子”。
在新度量衡的叙事逻辑牵引下，百度AI的商业潜力得到了进一步的释放。在百度刚刚发布的 2026Q1 财报上，2026年第一季度，智能云基础设施收入为人民币88亿元，同比增长79%；GPU云的收入同比增长184%。2026年第一季度，AI应用收入为人民币25亿元。
过去两年，百度的 AI 业务经常被认为在 C 端 App 的规模增长上，落后于大部队。
但现在，当行业开始反思为 C 端“调用量”买单是否是一个陷阱时，百度率先拿出了行业第一份展示效果的成绩单。
高活跃≠高收入，AI就是生意本身
百度目指 AI 效果价值的宣言，很容易让人想到它起家的主营业务，广告。
互联网广告诞生之初，广告主为曝光量买单，核心指标是向观众展示一次广告的成本。后来，随着精准广告算法的出现，“效果广告”开始兴起，广告主也开始更精准衡量投放的 ROI（投资回报率）。
这与 AI 领域正在发生的变化形成了类似的对比。如果说拼模型参数、跑分就像是广告行业传统的 4A 创意评选，DAU 是曝光量，那么 token 消耗量就是典型的“流量逻辑”，它只代表大模型吐了多少个字，并不等同于收益。
而 DAA 则是真正意义上的“效果逻辑”，它衡量的是 AI 究竟完成了多少具体的任务，交付了多少确定性的结果 。
这件事已经是进行时。就在刚刚过去的 4 月，Anthropic 宣布年化收入突破 300 亿美元，靠着仅 2% 的 DAU，营收却超过了 OpenAI。
毫无疑问，AI 产业正在迅速“B 端化”，大模型产生价值的方式不是让每个普通人都跟 AI 聊几句天，而是让企业利用 AI 进行更高效的产出。
尤其是政企大客户，他们对 AI 的态度不是“技术尝鲜”，而是在用真金白银购买切实的效果交付。
这一形势几乎就完美体现在了百度 2026 财年一季度的财报里。26Q1 国内主要云厂商大模型的相关中标里，百度智能云实现了项目数量和中标金额的双双领先。
根据智能超参数数据统计，一季度国内主要云厂商中标项目数量累计 85 个。其中，百度智能云已 25 个中标项目领跑，整体披露中标金额是第二名的 5 倍多。
这一切都证明，B端市场正在把AI从概念采购，拉回到ROI采购。
财报之下，百度还在酝酿更多转化
在 26Q1 的财报里，百度智能云收入取得了近6年来的最高增速。
增长的长线转化藏在哪里？百度给出的答案是：工业场景的效率挤出、超级个体的赋能挖掘，以及创新赛道长期投入。
一方面，百度伐谋 2.0 瞄准了工业市场。因为它体量巨大，过去曾是数字化改造很难突破的难点堵点，很多工业场景的流程已经被优化到极致了，很难评估进一步数字化改造之后，能否获得足够的 ROI 收益。
但与此同时，工业场景就像一个体量巨大，但已经被榨过的柠檬。
即便只是一点点的效率进步，都可以带来可观的价值增量，是产业链中的“隐形金矿”。从工厂、电力、物流，到金融和销售，不同场景对 AI 算力和成本的需求各不相同，但都以产出衡量效益。
通过 AI 接入，曾经模糊的数智化收益变得具体。有此前已经实现高度自动化的码头，在接入“百度伐谋 2.0”智能体后，实现了 10.21% 的绝对指标提升；支持国家电网打造的千亿级“光明电力大模型”，将 500 千伏及以上大型变电站的巡视时间由人工不少于 2.5 小时大幅缩短至约 45 分钟，巡检效率提升 50% 以上。
可见，AI 智能体不再只是“辅助”，而是开始全面渗透至核心工业领域 。
当然，对个人和小企业来说，百度也在赋能更多创新落地，激活市场的毛细血管。针对秒哒业务，秒哒生成的应用已服务了超 1000 万用户，并创造了100万个具备商用价值的应用。
其中最小的开发者只有 8 岁，温州小学生“扑满”用秒哒开发了一个“下雨天学生拼伞出校”的互助工具。孙昱团队带领 4 名无代码基础的业务经理，用秒哒 7 天搭建了智慧养老系统，为超 9 万老人建立健康档案，拿下千万级企业订单。
普通人的创意、想法、业务经验，正通过 AI 高效转化为新的商业价值。
最后，百度也在前沿赛道进行着深耕布局。包括具身智能，百度不只服务了超 30 家重点具身智能企业，做到市场份额第一，还在将十余年自动驾驶积累的数据服务能力迁移至具身场景，支持大规模数据采集与标注。原本按周进行的训练周期，缩短至按天迭代，典型 VLA 训练实现超 70% 加速。
同时，百度智能云已服务超 1000 家 AI 硬件公司，为其提供核心算力、模型服务、Agent Harness 等能力。
可以说，百度已经展开了对整个泛 B 端市场的 AI 全面攻势。AI 改造世界的过程不可能做到次次颠覆、百发百中，但在新的效果时代，效率将最终衡量 AI 的价值。
当行业开始算账，有些优势才显出来
在移动互联网时代，大部分企业的发展经验都是烧钱、做规模，靠用户对应用场景的依赖和粘性转化利润。规模是一切的基础。
但百度反而不是一家有规模路径依赖的企业，创业初期百度有一个显著的用户增长过程，但随着桌面端用户规模见顶，百度真正的“内功”是效率——是搜索结果的命中率，是广告业务的转化经验。
这一切都决定了，百度从一开始就是一个有“效果基因”而不是”规模基因”的公司。
移动互联网时代，获取新用户带来的边际成本很低，用户注意力尚未被充分开发，此时讲的是规模，是野蛮生长。但当用户规模增量见顶，使用时长接近饱和的时候，如何精耕细作就变得更加重要。
到 AI 时代，当那些无效的互动也会消耗高成本算力，当边际成本陡增的时候，“效率”就会逐渐变成全行业的目标共识。
“重效果”的基因，反而让百度成为了行业内最早通过全栈布局来对 AI 进行成本控制、挤榨效率的企业。通过“芯云模体”四层架构，百度实现了低边际成本与高执行稳定性的结合，成为了 AI 效果时代里 ROI 最高的平台。
在这套软硬件协同的底层系统里，百度实现了财报中令人震撼的降本提效数字：
“芯片”与“云计算”的算力基建方面，昆仑芯 P800 已交付多个万卡集群，集群有效训练率高达97%；天池 256 卡超节点让推理效率提升50%。原有的 MaaS 服务升级为“Token Factory 词元工厂”，最大化减少 token 重复计算，让推理生成速度提升了约 25%。
同样的效率收获也发生在“模型”和“智能体”上。
文心 5.1 搜索能力国内登顶，但其预训练成本仅为业界平均水平的 6%；“Harness Engineering 驾驭工程”则为 Agent 长链任务不跑偏构筑起防御机制，处理办公场景任务成功率高达 95%，通过更优的上下文管理，做同样任务相比龙虾 OpenClaw 能生生减少 23% 的 Token 消耗。
通过分层池化架构，百度的 KV Cache 命中率超 90%，长链路 Agent 推理性能较开源社区整整提升了 3 倍。
这一切技术指标，背后都指向一个目的：增效。不只是为百度本身的业务增效，更在于让客户能脱离“尝鲜造梦”，开始算清账，感受到接入 AI 带来的切实价值增量。
随着泡沫退去，未来那些无法把 token 消耗和模型故事转化为财报收入、无法交付实际结果的企业，将面临巨大的压力。
毫无疑问，AI 的下半场，将是一场“回归算账”的真生意，而百度这一步真正值得看的，不是何时又发明了一个新词，而是它试图把AI行业最悬空的那部分——“价值衡量”，重新钉到账本上。
特别策划
