前 言
在百度AI DAY現場，我體驗到各式各樣的“創新創業”，也感受到這群創業者之間深刻的“非共識”。
是技術牽引用戶需求向前，還是用戶需求牽引技術迭代？是模型決定AI產品上限，還是場景決定AI產品上限？卷AI Agent ToC贏面更大，還是卷AI Agent ToB贏面更大？下一個突破口在AI軟件，還是下一個突破口在AI硬件？
就像《從0-1》序言中提到的：“如果你發現周圍所有的車都在逆行，那多半是你開反了。而彼得·蒂爾就像這樣一輛車，他不僅一往無前，無所畏懼地逆向而行，還讓路上的其他車困惑和懷疑是不是自己開反了方向。”
01
“非共識”下的AI創業
大家可能都有類似的感受：每天打開新聞，AI大模型總在頭條。即使放下手機，它也會鉆進工作報表的智能分析里，顯身在孩子網課的個性化輔導中。打個車或者叫個外賣，AI也會藏匿在各個系統里。
百度集團副總裁袁佛玉在AI DAY上直言：“AI大模型不只是每天的新聞頭條，更在真真切切改變我們身邊每一個熟悉或不熟悉的行業，甚至每個人的工作和生活。” 它像一場滔天巨浪，裹挾著高速發展的勢能，也帶著探索未知的不確定性 ——AI創企要在技術深度、迭代速度與成本控制的“不可能三角” 中破局。
陳秋武和蔻町智能，就是袁佛玉口中的AI創企代表。
陳秋武說：“我在2023年做稅務大模型時，就發現個大痛點：to B端在國內定制化，而且不賺錢”。那時模型基座能力的邊界太明顯，“并不是說投入幾十個人就能解決問題”。
蔻町智能團隊95%的人來自微軟，一群極客湊在一起入局AI Coding。陳秋武和聯創琢磨，還是得往to C走。“L2的賽道里，頭部企業ARR已達每年20億美元，但我們想做L3，像自動駕駛那樣的全鏈路能力”。
最終，花了近兩年，“經歷七到八輪反復推翻、試驗”，才造出能端到端生成軟件的架構。現在，“你說一句話，比如‘做個訪談管理系統’，兩分鐘內，前后端全生成。”
在AI DAY現場，除了AI+編程的蔻町智能，我們還看到了十幾家AI創企。比如，做AI+眼鏡的李未可，做AI+具身智能的靈生科技，做AI+游戲陪伴的逗逗游戲，以及AI+教育、AI+電影、AI+電商等各行各業的AI應用。
這些AI應用在發展過程中，大多會面臨技術深度、迭代速度與成本控制的三角困境。他們有個共識，需要一個可靠的云底座，幫助他們進行創新。
但這些AI應用的創業者們，對于AI和創業又都有著清晰而模糊的“非共識”。
比如：1）是技術牽引用戶需求向前，還是用戶需求牽引技術迭代？ 2）是模型決定AI產品上限，還是場景決定AI產品上限？ 3）卷AI Agent ToC贏面更大，還是卷AI Agent ToB贏面更大？ 4）下一個突破口在AI軟件，還是下一個突破口在AI硬件？
場上的創業者嘉賓有不同的想法，場下的觀眾也有不同的答案。百家爭鳴才能百花齊放。就像《從0-1》序言中提到的：“如果你發現周圍所有的車都在逆行，那多半是你開反了。而彼得·蒂爾就像這樣一輛車，他不僅一往無前，無所畏懼地逆向而行，還讓路上的其他車困惑和懷疑是不是自己開反了方向。”
創業者的視角總是倒立的。但創業者們之間也會一直“非共識”。在那些不一樣的想法和觀點之間，創新和創造就悄然長出來了。
02
“AI應用”爆發式生長
如果你置身AI DAY現場，你一定會體會到中國的“AI應用”正在爆發式地生長。其中，讓我記憶深刻的有四家：AI+游戲、AI+教育、AI+眼鏡，以及一個具身智能項目。
AI+游戲：游戲世界的陪伴者
“游戲的最高配置，不是多貴的顯卡、多強的主機、多清晰的屏幕，而是陪你一起玩的朋友。”當你在游戲里拿下五殺，AI伙伴會同步彈出慶祝動效；卡關時一句“下一步該怎么走”，90%準確率的攻略瞬間刷屏。游戲陪伴類公司心影隨形打造了“逗逗游戲伙伴”，通過VLM技術突破，實現游戲空間智能重塑用戶的游戲體驗，在實時語音“開黑”的過程中提供AI伙伴的攻略指引和陪伴體驗。
AI+教育：重新定義課堂效率
教師日均4.2小時的備課時間，正被AI壓縮到48分鐘。方直教育用技術重構教育場景，他們還認為AI硬件正從輔助工具轉變為教育生態的核心基礎設施。所以，他們會堅持做B端機構級硬件，因為這是教育數字化轉型的核心素養；他們還會創新做C端消費級硬件，因為這是個性化學習的基礎設施。在AI時代，每一個教育從業者都應該重新思考：我們的孩子，未來究竟需要什么樣的學習、培訓以及教育？
AI+眼鏡：現實世界的AI助手
讓AI輔助現實世界，還是讓AI沉浸在虛擬世界里？AI眼鏡李未可選擇了后者。“雖然AI眼鏡有二三十種功能，用戶真正使用的功能并不多。我們希望挖掘最貼合日常生活和工作場景的核心功能。讓每一項功能都真正為用戶帶來價值。”LAWK李未可致力于打造最適合當下的AI載體與AI大模型，建立“出門帶李未可眼鏡”的用戶心智。好的AI設備應該像空氣一樣自然存在。
具身智能：加速進化的新物種
從0.1N力度感知的精密裝配，到毫米級對齊的衣物折疊，靈生機器人正在突破傳統機械臂的邊界。”這款具身智能產品通過 3D 視覺與六維力傳感器構建“類人感知系統”。其核心競爭力在于“仿真到真機”的閉環學習：在虛擬環境中完成上萬次試錯后，部署到真實場景的時間縮短 60%。無論是識別不同規格零件的工廠場景，還是根據衣物材質調整力度的家庭場景，靈生都能實現“感知-決策-執行”的無縫銜接。
為什么這些AI創企選擇長在百度智能云上？
在現場，我聽到一些數據：“為創企提供億級算力補貼”和“幫助20家企業完成億元級融資”。
了解了下具體背景，根據長期和創企合作過程中了解到的需求，百度智能云聯合投資機構、政府機構等多方力量發起“AI創投加速計劃”，為入選企業提供億級算力補貼、專屬融資通道及政策申報支持。
過去一年，該計劃幫助20家企業完成億元級融資。并且，還整合了百度搜索、地圖、文庫等C端用戶入口，以及百度智能云積累的B端客戶網絡，支持創企根據場景需要，快速觸達目標用戶和目標客戶，快速驗證場景，加速從技術到商業的閉環。
但是，答案不止于此。
03
平臺和應用共生共創
跟幾位AI創企的創始人以及百度智能云的同事交流后，我對這個問題的答案變得更具體了一些。
比如，幫助AI創企打破“不可能三角”，以客戶為中心提供“技術-產品-方案”，甚至從客戶中來到客戶中去，進一步總結出“三階躍遷”方法論……
1、打破“不可能三角”
AI創企的成長始終面臨一個“不可能三角“：技術深度、迭代速度 與成本控制難以兼得。
袁佛玉表示：“這個不可能三角，也是百度投入AI很多年，自己一直希望攻克的難題。而我們的答案，就是把我們已經積累的技術能力與生態，盡可能地開放共享出來，和更多伙伴成為同行者，共同前行。”
在技術深度上，以昆侖芯片、百舸算力平臺、文心大模型等構建全?；A設施，像與具身智能初創團隊共建的云端仿真平臺，大幅降低機器人測試成本。百度千帆平臺集成數百個產業級模型，支持“樂高式” 組合，使新模型開發時間縮短 70%。
迭代速度方面，千帆 ModelBuilder 一站式平臺實現數據處理到部署的自動化，某醫療 AI 創企借此 3 周完成從算法驗證到臨床部署，成本降 40%。同時開放 100 多個行業模型，讓企業無需從零開始。
成本控制上，彈性算力使成本較自建數據中心降 60% 以上，某 AI 視頻處理企業年省超 300 萬元；MLOps 體系將模型維護成本降 50%，故障響應縮至分鐘級；包括上面提到的“AI 創投加速計劃” ，提供億級算力補貼，過去一年助力 20 家企業完成億元級融資。
2、“技術-產品-方案”
做ToB企業服務的公司或老板會感同身受，客戶的需求和自己提供的技術或產品之間，有一條極深的溝壑。這就要求提供服務的一方，不能沉浸自身技術領先的自嗨里，也不能指望拿著優秀的產品就能輕松叩開客戶的大門。
而是要走到用戶的身邊，走到用戶的需求和場景里，彎下腰和客戶一起干苦活累活。只有兩腳粘泥，才能更體會客戶的想法，這個時候才能反向優化自己的產品和技術，進而形成客戶最需要的方案。
從技術，到產品，再到方案。我們了解到，百度智能云針對電商、游戲、教育、穿戴設備、具身智能、AI玩具、生命科學等行業和場景，提供更具體的解決方案。
比如，游戲領域，通過百舸平臺與千帆工具實現智能NPC、AI陪玩等功能，心影隨形借助其技術打造沉浸式游戲伙伴；可穿戴設備領域，李未可科技利用多模態解決方案，實現 “邊拍邊講”“實時翻譯” 等場景功能；電商領域，與述信科技合作，用圖生視頻、大模型選品等技術改造服裝品牌全鏈路。
3、“三階躍遷”方法論
教員說，從群眾中來到群眾中去。在波云詭譎的商業世界里，企業也需要從客戶中來到客戶中去。
百度智能云服務了數百家AI創企，也從中總結出一條清晰的“三階躍遷”方法論：
第一階段為產品驗證期，提供算力補貼與模型工具包，幫助企業以最小產品（MVP）快速驗證想法，實現“0 基礎啟動”，降低試錯成本。
第二階段是場景驗證期，依托行業模型庫與生態資源，助力企業深入1-2個垂直場景。例如醫療AI創企利用平臺工具快速落地臨床場景，形成可復制的解決方案，打造標桿案例。
第三階段為生態擴張期，通過開放平臺連接合作伙伴，形成“技術+數據+渠道”的增長飛輪。百度整合搜索、地圖等C端入口與B端客戶網絡，幫助企業觸達目標用戶，加速商業閉環，最終成長為行業領導者。
AI浪潮洶涌，每一位AI創業者，既能感受到AI在高速發展，也會面臨許多的不確定，從而感到巨大的壓力。
百度智能云選擇走進產業、走進客戶、走進場景，在重活和苦活中總結出方案和經驗，然后分享給更多的創業者。從客戶中來，到客戶中去，循環往復，共創共生。
掃描下方二維碼
了解更多百度智能云AI創企政策
↓↓↓
匿名用戶
