DeepSeek 火爆出圈以来，其引发的蝴蝶效应还在加剧。
昨天（2 月 13 日），百度官宣，文心一言将于 4 月 1 日 0 时起全面免费，所有 PC 端和 App 端用户均可体验文心系列最新模型，以及超长文档处理、专业检索增强、高级 AI 绘画、多语种对话等功能。
此外，文心一言即将在官网、App 端上线的深度搜索功能，也将从 4 月 1 日起免费开放使用。
图 / 百度官微
再到今天（2 月 14 日），百度再次宣布，未来几个月，百度将陆续推出文心大模型 4.5 系列，并于 6 月 30 日起正式开源。
值得注意的是，同样是在这两天，从 OpenAI 到谷歌，也加大了大模型的开放力度，宣布了旗下大模型产品免费开放的消息。
OpenAI 也有望走向开源。据悉，目前 OpenAI 内部正讨论公开 AI 模型的权重等事宜。
AI 巨头步调一致走向开源开放，释放出了一个强烈信号：
大模型狂奔两年后，大模型技术在 B、C 两端的落地范式，涌现出了新变化，对大模型厂商提出了更高的要求——他们不仅要走在大模型技术的最前沿，也要在大模型应用爆发前夜，加速探索出大模型落地的降本路径，率先抢跑。
百度文心大模型的开源开放，正是基于上述两点。
一边，过去两年的大模型浪潮里，百度是投入力度最大、技术迭代最快、B 端产业落地和 C 端应用探索最广、最深的 AI 企业之一。
截至 2024 年 11 月，文心一言的用户规模为 4.3 亿，文心大模型日均调用量超过 15 亿次，较 2023 年增长了超过 30 倍。
另一边，从模型推理到模型训练，百度已经通过技术创新实现了成本的有效降低。
而当百度、OpenAI、谷歌等 AI 巨头率先转向，当更大限度的技术、生态开放成为产业共识，AI 技术普惠，正加速照进现实。
01 从 To C 到 TO B，开源开放为什么成了大模型产业的必经之路？
引领此轮大模型开放开源潮的，不只百度一家。
2 月 6 日，OpenAI 宣布 ChatGPT Search 向所有人开放，用户无需注册，来到 OpenAI 官网首页就可以直接使用搜索功能。同一天里，谷歌也宣布，向所有人开放其最新的 Gemini 2.0 模型，包括 Flash、Pro Experimental 和 Flash-Lite 三个版本。
再到昨天，百度宣布免费开放后，OpenAI 快速跟进。 萨姆 · 奥尔特曼在社交媒体 X 上宣布，OpenAI 新的 GPT-5 大模型将对 ChatGPT 免费用户无限量开放，不过更高智能版本的 GPT-5 仍需付费使用。
巨头们统一摆出开放姿态，原因不难理解。
过去两个多月里，DeepSeek 投向大模型产业的石子不断泛起涟漪。DeepSeek-v3 呈现出的大模型训练上的低成本、DeepSeek-R1 在模型推理上的低成本，以及 DeepSeek 应用所呈现出来的在思维逻辑、中文、编程等方面的惊艳能力，快速助推其成为春节前后最受全球瞩目的 AI 公司。
而其展现出来的，以低算力成本复现先进模型的可能性、DeepSeek 应用的爆发，某种程度上印证了一点：
大模型产业，当前已经进入到了需要开源开放的新阶段。
客观来看，开源和闭源，这两条不同的技术路线并非完全对立，只是在产业发展的不同时期，会呈现出不同的特征。
比如早期的模型开源更像是营销，Meta 旗下的 Llama 选择了半开源，只开源了部分参数和配置文件，但这一定程度上反而会影响模型的可验证性和可信度。
但到了今年，大模型在度过初步发展阶段后，正加速进入 AI 应用爆发阶段，这一阶段，开源路线显然更利于大模型技术传播，提高采用率。
正如李彦宏所说，" 归根结底，最重要的是应用，而不是使用哪种大模型。不管它是开源还是闭源，更重要的是可以在应用层创造什么样的价值。"
比如在 B 端市场，《2024 中国企业 AI 大模型应用现状调研报告》指出，AI 大模型在企业中的渗透仍处于初期阶段，不过有 55% 已经部署了大模型的企业和机构认为，已经看到了大模型带来的清晰业务价值。
问题在于，对很多企业尤其是中小企业而言，大模型落地过程中，成本、技术、人才和行业方案，仍然是几个主要挑战，他们对 AI 大模型的投入，依然保持着积极且谨慎的矛盾态度。
IDC 在《中国中小企业生成式 AI 及大模型应用调查》中也提到，采用大型模型和 AI 技术所需要的在硬件、软件、培训和数据处理等方面的成本，也是众多中小企业面临的一重挑战。
再聚焦到 C 端市场来看，尽管业界还未出现一款真正的超级应用，但用户对大模型应用的使用习惯正加速养成，全面开放，也是大势所趋。
也就是说，全面开源开放，才能更好地满足 B 端企业客户、C 端用户源源不断增长的市场需求。
我们看到，当风向转变时，百度、OpenAI 等大模型头部玩家，敏锐捕捉到了信号，并率先以更积极的姿态开源、开放。
以百度为例，除了在 C 端全面开放文心一言，在 B 端，百度在大模型生态上也在逐步加大开放力度。
2 月 3 日，百度智能云官宣，DeepSeek-R1 及 DeepSeek-V3 两款模型已经上架其千帆 ModelBuilder 平台。
值得注意的是，百度将这两款模型的价格打了下来——客户在千帆 ModelBuilder 平台上调用这两款模型的价格，仅为 DeepSeek-V3 官方刊例价的 3 折、DeepSeek-R1 官方刊例价的 5 折，同时提供限时免费服务。
另一边，过去一年里，文心旗舰大模型的降价幅度也超过了 90%，并且主力模型也全面免费，最大限度降低了企业创新试错的成本。
当然，更重要的是，针对接下来即将推出的最新的文心大模型 4.5 系列，百度也将在 6 月 30 日起正式开源——它将以更积极的姿态面对市场，携手推动产业发展。
听潮 TI 也注意到，从目前释放出的信息来看，百度的开放姿态，要比 OpenAI 更加积极—— OpenAI 考虑开源的，是此前已经发布的 AI 模型，而百度的开源动作，则是聚焦在接下来即将发布的最新系列模型。
这意味着，面向接下来的大模型 AI 应用爆发潮，百度已经在提前抢跑。
02 以技术创新为基，百度跑通了大模型技术的降本路径
" 回顾过去几百年，大多数创新都与降低成本有关，不仅是在人工智能领域，甚至不仅仅是在 IT 行业。" 2 月 11 日，在迪拜举行的 World Governments Summi2025 峰会上，李彦宏如此说道。
在他看来，如果能将成本降低一定数量、一定百分比，意味着生产率也会提高相同的百分比，" 我认为，这几乎就是创新的本质。而今天，创新的速度比以前快得多。"
百度创始人李彦宏，图 / 百度官微
李彦宏此番表态背后，如今的百度，已经跑通了大模型技术的降本路径。而背后的支撑，正是技术创新。
具体来看，从大模型训练到推理，百度目前的降本效果都较为显著。
先来看训练成本。百度自研的昆仑芯芯片和万卡集群的建成，为大模型训练提供算力支持，百舸 · AI 异构计算平台，则可以承载大量数据的处理、超大模型的训练、高并发业务的推理，为 AI 任务加速，是更底层的基础设施。
其中，昆仑芯的性能优势在于，其能在更少的计算资源下运行大规模模型，进而使得大模型的推理和训练所需的计算量减少，直接降低算力成本；
大规模集群的优势则在于，其可以通过任务并行调度、弹性算力管理等方式，提高计算资源利用率，避免算力闲置，提高单任务的计算效率，降低整体算力成本。 近日，百度智能云成功点亮了昆仑芯三代万卡集群，其是国内首个正式点亮的自研万卡集群，百度接下来计划将进一步扩展至 3 万卡。
图 / 百度官网
此外，在百舸平台的能力支撑下，百度也实现了对大规模集群的高效部署管理。
比如其将带宽的有效性提升到了 90% 以上、通过创新性散热方案有效降低了模型训练的能耗、通过不断优化并完善模型的分布式训练策略，将训练主流开源模型的集群 MFU（GPU 资源利用率）提升到了 58%。
再来看模型的推理成本。有业内人士分析称，这一次文心一言全面开放，背后最大的原因之一，或许正是推理成本不断降低。
" 百度在模型推理部署方面有比较大的优势，尤其是在飞桨深度学习框架的支持下，其中并行推理、量化推理等都是飞桨在大模型推理上的自研技术。飞桨和文心的联合优化，可以实现推理性能提升，推理成本降低。" 他进一步分析道。
具体来看，百度是中国唯一拥有 " 芯片 - 框架 - 模型 - 应用 " 这四层 AI 技术全栈架构的 AI 企业，这意味着，百度有着中国最 " 厚实且灵活 " 的技术底座，能够实现端到端优化，不仅大幅提升了模型训练和推理的效率，还进一步降低了综合成本。
举个例子，DeepSeek-R1 和 DeepSeek-V3 在千帆 ModelBuilder 平台更低的推理价格，正是是基于技术创新——百度智能云在推理引擎性能优化技术、推理服务工程架构创新，以及推理服务全链路安全保障上的深度融合，是把价格打下来的重要原因。
基于上述几点来看，百度的降本路径其实尤为清晰——基于自研技术创新，提升大模型在训练、推理过程中的资源利用率。
我们也看到，遵循这一大模型技术的降本路径，萝卜快跑，也在加速以更低成本落地。
去年 5 月，萝卜快跑发布了全球首个支持 L4 级自动驾驶的大模型，进一步提升了自动驾驶技术的安全性和泛化性，用大模型的力量让自动驾驶 " 更快上路 "，处理复杂交通场景的能力，完全不输 Waymo。
再聚焦到萝卜快跑第六代无人车，其全面应用了 " 百度 Apollo ADFM 大模型 + 硬件产品 + 安全架构 " 的方案，通过 10 重安全冗余方案、6 重 MRC 安全策略确保车辆稳定可靠，安全水平甚至接近国产大飞机 C919。
值得注意的是，这一过程中，萝卜快跑无人车的成本，已经达到或接近业界最低水平。其第六代无人车，比特斯计划在 2026 年量产的 cybercab 成本还要低，甚至是 Waymo 的 1/7。
这某种程度上也加速了萝卜快跑的落地进程。
截至目前，萝卜快跑已经在北上广深等十多个城市，以及中国香港开启道路测试。百度此前透露，萝卜快跑累计订单已经超过 800 万单。李彦宏也提到，萝卜快跑的 L4 级自动驾驶安全测试里程累计已超过 1.3 亿公里，出险率仅为人类司机的 1/14/。
与此同时，萝卜快跑在中国市场更复杂的城市路况下积累的测试里程，也为其开拓中东、东南亚等新兴市场埋下了伏笔。
03 应用爆发年，百度的下一步怎么走？
" 我们生活在一个非常激动人心的时代。在过去，当我们谈论摩尔定律时说，每 18 个月性能会翻倍、成本会减半；但今天，当我们谈论大语言模型时，可以说每 12 个月，推理成本就可以降低 90% 以上。这比我们过去几十年经历的计算机革命要快得多。" 2 月 11 日的那场峰会上，李彦宏如此说道。
事实上，回顾过去一年里大模型赛道的动态，从价格战到大模型厂商的路径分化，到 kimi 的出圈，到 AI Agent 的爆发之势，再到 DeepSeek 的异军突起，以及其所带来的大模型开源开放潮，不难发现：
当下，大模型产业正加速迈入新的周期——技术迭代的速度越来越快了、技术创新的未知想象空间更广阔了、大模型技术降本的速度更快了、大模型应用的爆发点更近了。
这同时也意味着，从市场竞争的视角来看，大模型厂商接下来的比拼维度，也将更加丰富。
他们既要拼技术创新、拼生态赋能、也要拼开放力度和降本能力、还要拼应用。
不过，参考百度的降本路径，长远来看，最核心的比拼，依然聚焦在一点——谁能持续走在大模型技术创新的最前沿。
我们注意到，这也是百度的长期思路。
" 创新是不能被计划的。你不知道创新何时何地到来，你所能做的是，营造一个有利于创新的环境。" 李彦宏如此表示。
这对应的是，尽管技术进步和技术创新在不断降本，百度接下来还是会在芯片、数据中心、云基础设施上持续大力投入，来打造出更好、更智能的下一代、下下一代模型。
比如百度还在不断丰富其大模型矩阵。
目前，文心大模型矩阵中，包括了 Ernie 4.0 Turbo 等旗舰大模型、Ernie Speed 等轻量模型，也包括基于基础模型生产的系列思考模型和场景模型，以满足不同应用的需求。
去年三季度，百度还推出了 Ernie Speed Pro 和 Ernie Lite Pro 两款增强版的轻量模型。
再到今年，从已经释放出的消息看，文心大模型 4.5 系列、5.0 系列也将发布。
另一方面，我们也看到，百度更加积极的开源开放姿态背后，其实继续延续了此前的理念——加速推动大模型在 B 端业务场景中的应用进程，以及在 C 端应用上的探索。
最后，如李彦宏所说，" 也许，在某个时刻你会找到一条捷径，比如说只需 600 万美元就能训练出一个模型，但在此之前，你可能已经花费了数十亿美元，用来探索哪条路才是花费这 600 万美元的正确途径。"
对百度而言，用持续高压强式的技术投入营造创新环境，其实是一门 " 笨功夫 "，但好在这足够稳健、足够踏实，潜在的机会也更大。
一来，此前文心大模型的调用量就已经是国内最高，如今开源之后，其调用量预计将明显提升，进一步扩大文心大模型的使用范围；
二来，从大模型生态来看，百度过去已经基于开放姿态建立起了生态优势。
比如百度早在 2016 年就推出了开源的飞桨框架；百度的千帆大模型平台，也是当前业内接入模型数量最多的，支持国内外近百家主流模型。
由此可以预见，如今在更大力度推动大模型开源、开放后，在新一轮大模型竞争中，百度已经开始抢跑了。
登录后才可以发布评论哦
打开小程序可以发布评论哦