1月27日，百度CEO李彦宏接受了美国《时代》杂志的专访，谈到了百度在AI领域的发展历程。李彦宏表示，他甚至不相信存在所谓的通用人工智能(AGI)，没有一个模型能够“面面俱到”，OpenAI不行，Google也做不到。在模型发展上，中国落后的没那么多。

李彦宏

在百度北京庞大总部入口大厅的墙上，悬挂着一块镶嵌着金色数字“1417”的小木牌。这个数字取自北大对面的一间宾馆房间。正是在那里，李彦宏于2000年创立了这家市值500亿美元的公司。

在公司创立早期，李彦宏的重点是巩固百度作为中国领先搜索引擎的地位。然而，他早在本科阶段在北京大学和清华大学上课时，就对AI产生了浓厚兴趣。但是在1991年他赴美攻读研究生时，这份兴趣被暂时搁置。

“我对教授说，我对AI感兴趣，但他却说：‘别搞这个，否则你将来会找不到工作的！’”李彦宏笑着回忆道。

如今，事实证明了这位教授当年的判断大错特错。据估计，去年全球AI市场规模已达2440亿美元，而AI芯片先锋英伟达已成为全球市值最高的公司，价值超过4万亿美元。李彦宏早早地预见到了这一趋势，如今百度已成为中国领先的全栈式AI企业之一，提供从芯片、云基础设施，到模型、智能体、应用和消费产品的全套服务。

去年11月，《时代》在百度世界大会期间采访了李彦宏。以下是采访全文：

问：你在2000年创办百度时，有没有预料到AI能在今天发挥如此重要作用？

李彦宏：没有。当时我创办百度时，我意识到互联网将在中国成为一件大事，而搜索技术对于中国互联网的发展非常重要。但我当时并没有把AI和搜索引擎联系起来。大约在2010年，我们意识到机器学习(AI的一个分支)开始在搜索结果排名中发挥作用。我们大约在那时开始投资AI，以便研究有多少人会点击某个链接。随后在2012年，我们意识到深度学习将变得非常重要。它识别图像的精确度远超上一代技术。百度对AI的实质性大规模投资，正是从2012年左右开始的。

问：你曾提到，去年在将AI融入社会和经济各个领域方面，许多门槛已被打破。你认为2025年是AI普及的关键之年吗？

李彦宏：就应用而言，是的。因为在2023年或2024年，主要关注的还是基础模型。基础模型的能力不断提升，同时推理成本持续下降。但未来，人们必须考虑应用层面的增值。在过去大约半年里，我们已经看到，这波AI浪潮在应用层面创造价值的各种场景。

问：你最近发布了文心一言5.0，在多个指标上都能与ChatGPT、DeepSeek及其他大语言模型一较高下。但这是一个竞争非常激烈的领域。是什么让你觉得文心一言能够脱颖而出？

李彦宏：在开发我们的基础模型，也就是文心一言时，我们采取的是以应用为驱动的策略。特别是5.0版本，我们并不试图“面面俱到”，而是专注于我们非常关心的应用领域，例如搜索或数字人。在这些领域，无论基础模型层面需要哪些能力，我们都会训练模型在这些技能上表现出色。

举例来说，我认为我们的模型在指令执行和创意写作方面表现非常好，创意写作方面甚至被评为第一。因为这些能力可以用在数字人层，尤其是在数字人进行直播、电商销售时。要卖东西，你需要写出非常有说服力的脚本，让用户愿意为商品付费。因此，我们会针对这些应用场景优化模型。

我们认为，未来没有任何基础模型能够在每个方面都做到最好，OpenAI做不到，GoogleGemini也做不到，我们自己也做不到。但我们会优化模型，使其在我们最关心的应用方向上表现更好。

问：你是否认为基础模型领域会像其他技术一样，很快进行整合，只剩下少数几个佼佼者？

李彦宏：我认为最终确实会如此。桌面互联网是这样，移动互联网是这样，AI也将会是这样。最终可能只会剩下少数几个基础模型，但在应用层，将会有许多在不同方向上取得成功的参与者。我认为那里蕴藏着最大的机遇，否则这一切只会成为一个泡沫，迟早会破裂。

问：你曾表示芯片的价值存在误导性，而应用层的附加值需要提升。作为一家全栈AI公司，百度在哪些应用领域看到了增长和收入的潜力？

李彦宏：这正是我的观点。我认为目前的格局像一个金字塔：大部分价值体现在芯片层面，模型层面可能只实现了十分之一，而应用层面实现的价值更少。这显然不健康。我之所以这么说，是因为自2023年初我们在开发基础模型时采取了非常不同的策略，当时大家的注意力都集中在文心一言上。我公开表示：“不要只关注模型，要关注应用。”这正是我们过去两三年坚持的方向。因为我坚信，必须在应用层创造更多价值，才能持续支撑对模型、芯片等底层技术的投入。

问：百度积极拥抱开源模型，你为何认为这是最佳选择？

李彦宏：我们一直支持开源社区，尤其是在深度学习框架层面。我们的飞桨开源深度学习平台有数千万开发者在使用，其影响力可与TensorFlow和PyTorch媲美。在模型层面，我们也认识到开源能吸引更多关注，让人们更愿意尝试并验证其效果。但必须说明的是，我不认为开源是价值创造的关键。准确地说，这并非真正的“开源”，而是“开放权重”。你可以获得模型所有权重参数，却无法知晓训练数据，因此难以完全复现模型开发者的成果。不过这并不重要：关键在于为你的应用提供最佳性能的模型。它可能是一个小型开源模型，也可能是昂贵的大型闭源模型。只要它能创造的价值远超过你在推理和训练上的投入，就值得采用。当前行业正处于模型爆发期，几乎每周甚至每天都有新模型发布。开发者拥有丰富的选择，但这种局面终将趋于稳定并走向成熟。当更多模型开发者转向应用层，为各类场景开发智能体时，生态系统便会真正成熟起来。

问：与上次交流时相比，我感受到一个显著变化是百度正坚定推进国际化扩张，特别是萝卜快跑自动驾驶出租车在中东和欧洲的布局。你们如何应对这一进程中监管与地缘政治方面的挑战？

李彦宏：无论在中国还是海外，这始终是充满挑战的领域。目前自动驾驶技术已到达临界点：我们完全具备在高度拥堵的城区大规模部署自动驾驶出租车的能力，但很多城市目前还不允许自动驾驶车辆上路。目前。萝卜快跑已在约22个城市运营，我们正快速扩大规模：持续增投车辆、提升订单量。因此，只要当地监管允许，我们都乐于推进部署。我们有时独立运营，有时与Uber、Lyft等各类本土伙伴合作。我们非常灵活，我认为我们的技术已经为此做好了准备。此外，由于中国拥有非常有竞争力的供应链，我们能够以低于西方车辆的成本制造自动驾驶出租车。因此，我们在全球大多数城市都能实现独特且健康的经济效益。这也是为什么只要监管允许，我们就准备好部署的原因。

问：中国在传感器、电池以及其他电动车零部件的供应链方面非常强大，但芯片是美国似乎牢牢掌控的一个领域。百度刚刚发布了新款M100芯片，并正在开发新的芯片集群。我们现在是否可以说，中国已经不再依赖美国芯片了？

李彦宏：不，在GPU或AI加速器方面，我认为我们可能落后美国两到三代。但这并不会阻碍我们开发非常有价值的应用。芯片层位于技术金字塔的最底层，其上是各种框架、基础模型，然后才是应用层。我们在芯片上可能落后几年的时间，但在模型层面并不算太远。而在模型之上，我们有很多其他地方找不到的应用场景。美国的人甚至都不知道这些问题需要被解决。这正是价值创造的地方。因此，我并不太担心芯片限制，虽然我非常希望能够使用最先进的英伟达芯片。

问：美国政策制定者讨论用“曼哈顿计划”式(美国研发首个原子弹的代号)的力量来推动AGI。而在中国，政策框架更多关注将AI技术普及到社会各领域。你觉得美国以军备竞赛的方式讨论AI有帮助吗？

李彦宏：在这个问题上，我们的看法非常不同。美国主流观点确实把它当作“曼哈顿计划”，国家投入巨资去实现所谓的AGI，以便领先中国和其他国家。而我们更关注应用。中国在制造业方面非常强大，我们有大量工厂，需要高效率、低成本地生产各种产品，而AI正是用来解决这些问题的。这才是我们更关心的。我甚至不认为所谓的AGI存在，也就是有一个模型能“包打天下”，在每个方面都优于其他模型。我认为，我们必须考虑实际应用。即使你像爱因斯坦一样聪明，如果你甚至都不知道某些事情存在，也很难去解决问题。

问：所以你们是把AGI放在一边，只专注于应用吗？

李彦宏：我并没有花很多时间去思考AGI。我们当然在训练模型，但训练模型的目的，是为了解决具体的应用问题。我并不认为我们应该去打造一个“无所不能、适合所有人的超级智能AI”。

问：在开发AI应用，并克服监管等阻碍以实现大规模普及方面，你认为最大的挑战是什么？

李彦宏：创新几乎总是需要处理前所未有的问题，尤其是当试图将技术部署到现实世界时。以自动驾驶出租车为例：道路上存在出租车司机和各类由人驾驶的车辆。这是一项新事物。总体而言，中国政府是支持创新的，他们常说“我们支持你的创新努力”。但另一方面，他们也需要顾及各利益相关方的种种关切。如果没有任何法规允许自动驾驶汽车上路，那就意味着它不能上路。这与美国的情况略有不同。在美国，如果没有法规说你不能让自动驾驶汽车上路，那么你就是被允许的。在得州或佐治亚州等地方，对自动驾驶出租车运营根本没有监管。但在中国，在AGI和基础模型方面，很多情况下你必须获得监管机构的许可。

早在2023年初，美国很多意见领袖就声称“AI非常危险，我们需要监管。我们需要将基础模型的发展推迟六个月，以确保其安全，或符合我们的价值体系”。但在中国，其实并没有发生类似的事情。我们并不经常讨论这类监管问题，但实际上，已经存在一整套引导新技术发展的监管规则。

问：现在看起来，美国在AI领域推动更多安全措施和护栏的努力已经消失。美国正全速推进、试图赢得他们所说的“AI 竞赛”。你觉得这是不是有些鲁莽？你认为美国是否应该退一步，像中国那样制定一些恰当的监管措施？

李彦宏：我对此会非常谨慎地看待。一方面，我确实认为应该有一定的护栏；但另一方面，由于技术发展得如此之快、进步如此迅猛，在制定监管规则时必须非常小心，避免伤害创新的节奏。我们很难指望监管者对技术有比基础模型开发者更深入、甚至更好的理解。如果采取一种过于“事先预防式”的态度，可能并不是一件好事。你希望监管它，但应该退后半步，观察它的演变，然后再制定恰当的法规。你不应该走在技术路线图的前面，哪怕只是领先一步或半步，因为那样做，它会成为创新的减速带。

问：对于那些担心AI取代工作、取代人类的人，你想说什么？你理解他们的担忧吗？

李彦宏：是的，中国和美国都面临类似的问题。从长远来看，人们普遍认为新技术将为人类创造更多的工作机会。但短期内，我们确实面临挑战。由于AI带来的生产力提升，就业将面临下行压力，我们需要找到方法来应对这个问题。在美国，人们讨论全民基本收入；在中国，我们则更多谈论新的就业机会，比如数据标注这类工作。百度就帮助许多城市建立了数据标注中心，雇佣了成千上万的人。我认为未来，我们将能够创造出许多我们从未设想过的全新工作岗位。

问：你如何看待数据中心能耗巨大的问题？这个问题如何解决？

李彦宏：这个问题我们很早就面对过，大概在10到15年前，当我们开始建设大规模数据中心时，就开始关注所谓的PUE(电源使用效率)。我们投入了大量精力来确保数据中心的能效。在中国，我们的数据中心可能仍是能效最高的。随着AI的扩展，我们确实需要更多的算力和电力。因此，这方面的努力变得越来越重要，也多少有些不同。在GPU时代，有很多不同的节能方法。但也许最明显的一个是让你的模型更小，推理成本更低。如果你能做到这一点，自然就会减少电力需求。在这方面，中国遥遥领先。我们能够开发出推理成本是美国同行十分之一甚至百分之一的模型。我认为美国更侧重于开发最强大的AI模型，而中国，可能因为我们的购买力较弱、竞争更激烈，我们总是不得不降低推理成本，顺带也节约了能源。

问：像DeepSeek这样的公司只花了600万美元就做出了V3 模型，而Meta却在AI上砸下了数十亿美元，成效却备受质疑。你怎么看？你是否认为美国正陷入一种泡沫，只是在不断往研发里砸钱，却并没有真正关注产出和回报？

李彦宏：我认为这是两条不同的发展路径。在中国这边，我们努力让模型变得更高效。我们必须这么做，因为我们无法获得最先进的芯片。而在美国这边，你们拥有更先进的芯片，也更愿意在前沿技术上进行大规模投入。我觉得这同样是好事，这有助于人类去探索技术的极限、可能性的边界。我对这方面的努力非常感兴趣，也一直在密切关注。正如我之前说的，我们可能无法在模型训练投入上与Google、OpenAI相匹敌，但我们离应用更近。我们更清楚要解决什么问题，也希望在美国意识到这些问题存在之前，就已经把它们解决掉了。

问：你认为在未来大约10年里，AI将以哪些最不被理解、或者最出人意料的方式改变社会？

李彦宏：这存在着巨大的不确定性，因为技术演进得实在太快了。要去想象10年之后会发生什么非常困难，甚至回头看一年前，我都无法想象今天的AI会如此强大。所以我们能做的，就是持续观察技术所能达到的可能性，并努力找到利用这些创新的方式。