AI业务狂飙超50%，百度“双轮驱动”模型引擎全面升级
【前沿洞察】中国日报12月3日电(记者 樊菲菲) 您是否注意到？在人工智能浪潮席卷全球的2025年末，领先企业正以组织变革主动出击。近日，百度通过内部公告宣布对AI核心组织架构进行重大调整，新设立基础模型研发部和应用模型研发部两大核心部门，直接向CEO汇报。行业观察家指出，此举标志百度正从“用AI优化业务”迈向“为AI时代重构组织”的深度转型。
从技术到组织：“双轮驱动”构筑AI闭环生态新范式
AI作为百度核心战略，此次调整绝非简单优化，而是为迎接全面AI时代所作的系统性变革。新成立两大模型研发部门，彰显百度对产业规律的深刻洞察。行业人士认为，在AI技术成熟当下，单一技术优势已难持续，组织适配性成为战略成败关键。此次变革是百度面向AI时代的根本性重塑。
业绩为变革提供坚实支撑。2025年第三季度财报显示，百度AI业务收入首次完整披露，达100亿元，同比飙升超50%。这证明AI已成百度增长新引擎，也为组织重构奠定基础。近期，多家投资机构三季度美股报告披露，高瓴、花旗、Appaloosa均重仓百度。高瓴新建仓买入164万股，持仓市值超2.1亿美元，跻身第六大重仓；花旗持仓百度35万股，股数和市值分别环比增长6.75%、64%。市场分析指出，机构增持与百度核心业务强劲及AI商业化加速紧密相关。
据悉，新成立的基础模型研发部专注研发高智能、可扩展的通用大模型，体现百度在AI基础研究的长期主义。该部门致力于突破技术瓶颈，在模型架构、训练方法、推理效率等关键领域创新。
行业人士认为，基础模型研发部将为百度生态提供强大技术支撑。它提升大模型通用性，处理更复杂任务；优化训练推理效率，降低成本；确保安全可靠，为商业化奠基。这种安排打破互联网公司侧重短期变现惯性，彰显百度深耕AI基础研究的决心。
与基础研发呼应，应用模型研发部专注业务场景调优，形成明确“双轮效应”。它将基础模型能力高效转化为业务价值，深刻理解金融、医疗、教育等垂直行业痛点，进行精细化优化。推进模型专业化调优，使大模型适应各领域需求；降低使用门槛，通过工具链让业务便捷调用AI；建立科学评估体系，确保AI产生可衡量的商业价值。
“起大早赶大集”：战略聚焦资源精准投放
上述人士指出，公司将资源集中投入AI核心战场，提升组织效率，确保战略精准。领导架构上，百度采取确保技术连续性的安排。基础模型和应用模型部门直接向CEO汇报，保证战略高效执行，避免多层汇报的信息损耗和延迟。这种扁平化管理适合AI快速迭代领域，确保组织及时响应技术及市场变化。
资源重配不仅体现资金投入，更是人才战略倾斜。两大新部门成立意味优秀技术人才集聚AI研发，形成强大人才效应。直接向CEO汇报的架构提升岗位吸引力，为百度在激烈AI人才竞争增加筹码。
目前，百度对AI的聚焦已进入收获期。2025年第三季度，其AI业务收入破百亿，同比增幅超50%，证明长期投入开始兑现。这一增长远超公司传统业务，也在互联网行业表现突出。
从收入结构看，百度AI业务形成健康多元态势：既有云服务B端收入，也有AI搜索和智能体C端收入，还有生态合作伙伴平台收入。多元化来源降低业务风险，为持续增长提供保障。
产业竞争视角，此次组织调整巩固百度在AI领域领先地位。通过专业化分工和资源聚焦，百度在基础模型和应用模型层面都增强竞争力。尤其在大模型研发，专业化部门有望加速技术迭代，提升百度在国际AI格局中的位置。
应用落地层面，专门的应用模型研发部门将显著提升百度AI商业化效率。目前，百度AI技术已深度用于搜索、云服务、无人驾驶、智能家居等场景，未来随应用模型优化，这些业务的体验和价值将进一步提升。
业内观察人士称，百度此次变革为中国科技企业转型提供借鉴。当技术进入新阶段，组织适应性和进化能力成为成败关键。百度以自我革新勇气，展示传统互联网企业向AI原生企业转型的路径。
随AI技术成熟和应用场景拓展，百度组织重构的长期价值将逐渐显现。这不仅关系百度自身发展，也将深远影响中国AI产业演进。在AI新战场上，组织进化正成为比技术创新更具决定性的变量。
通过“双轮驱动”组织升级，百度不仅重构AI业务布局，更展示面向未来的组织形态。在AI技术加速发展的今天，这种勇于自我革新的精神，正是企业持续领跑的关键。立即行动，探索百度AI如何赋能您的业务增长！
来源：中国日报网
相关问答
云计算在统计大数据中的优势?
（1）可靠、安全的数据存储。云计算提供最可靠安全的数据存储中心，数据（如文档和媒体）自动同步，通过Web在所有设备上使用，避免用户数据丢失风险。（2）弹性扩展，按需付费。云计算资源可快速调整，满足大数据处理需求，同时按使用付费，降低成本。（3）高效处理能力。云平台集成强大计算工具，加速大数据统计分析，提升效率。
你知道云计算与大数据处理吗?
必须加强这方面学习。当前理解，大数据是用户在平台（如阿里、今日头条）所有动作沉淀的数据，通过数据描绘用户画像。云计算提供存储和计算资源，支撑大数据处理。二者结合，驱动智能决策和业务创新。
云数据学什么?
学习大数据基础知识，包括数据采集、存取、基础架构、处理、统计分析、数据挖掘、模型预测和结果呈现。同时云计算平台如AWS、Azure的使用，以及相关编程工具如Python、Hadoop。
云计算大数据的来源包括?
大数据来源多样：（1）交易数据，如POS机、信用卡刷卡记录；（2）人为数据，如电子邮件、文档、图片及社交媒体（微信、博客、推特）产生的数据流；（3）机器数据，来自传感器、日志文件等；（4）公共数据，如政府开放数据、网络爬虫信息。
关于大数据技术职业兴趣?
（1）数据分析师：从事行业数据搜集、整理、分析，依据数据做出研究、评估和预测。需SPSS、SAS等工具及数据分析方法。（2）数据工程师：负责大数据平台搭建和维护，精通Hadoop、Spark等技术。（3）AI算法工程师：专注模型开发和优化，推动业务智能化。
为什么说大数据和云计算是孪生兄弟?
云计算与大数据密不可分。大数据需要云计算提供存储和计算力，而云计算依赖大数据体现价值。技术层面，二者像硬币正反面，共同推动数字化转型，缺一不可。
大数据和云计算有什么不同，学哪个好?
大数据关注数据价值挖掘，云计算侧重资源服务提供。两者在工业互联网时代都至关重要。选择取决于兴趣：喜欢数据分析学大数据，热衷技术架构学云计算。建议结合学习，提升综合竞争力。
大数据和云计算具体是什么概念?
大数据指规模庞大、复杂的数据集合，包括结构化（如数据库表格）和非结构化数据（如文本、图像、视频）。云计算是一种通过互联网提供计算资源（存储、处理）的服务模式，支持按需访问。
在大专院校里，云计算和大数据哪个专业好就业?
大专层次，云计算专业主要岗位是云平台搭建与运维，大数据专业侧重数据采集、清洗和简单挖掘。当前两者就业前景均良好，云计算适合喜欢基础设施的学生，大数据适合对数据分析感兴趣者。根据兴趣选择，积极积累实践技能。
云计算大数据的哲学意义?
云计算作为一种服务、模式和工具，体现资源高效共享和按需分配理念。大数据则揭示从海量信息中提取知识的可能。二者共同推动社会向数据驱动决策转变，深化我们对复杂系统的理解。
