文 | 晓锋

来源 | 博望财经

9 月 22 日，百度搜索正式推出 AI 伴学模式。学生家长在移动端切换该模式后，就能使用 AI 精准练、AI 口语等功能，让手机变 " 学习机 "。

看上去，搜索早已变了模样。曾是PC 时代百度核心粮仓的搜索，在通用人工智能时代，转为AI的搜索商业化却仍还没有一条成熟的路径。

但百度仍决定在此赛道硬核到底，这与百度在AI 领域的决心密不可分。

早在2023 年，李彦宏就提出：" 大模型时代，百度要做第一个把全部产品重做一遍的公司，不是整合，不是接入，是重做和重构。"

分赛道看，百度的大模型、芯片、自动驾驶、智能云等业务持续朝着 AI 商业化应用进行一系列技术突破和场景落地，日渐成为百度增长的新引擎。根据第二季度财报，百度的智能云和其他 AI 新业务收入首次突破 100 亿元人民币，同比增长 34%。

不过作为基本盘，百度的搜索业务尚处于承压状态，最新财报显示，百度第二季度总营收达 327 亿元，同比下降 4%，其中百度最主要收入来源的网络营销营收为 162 亿元，同比下滑 15%，这与上述云以及其他新业务形成了鲜明反差。

如何将 AI 与搜索的融合转化为前景更加明朗的商业化机会，将考验着百度的运营定力。

AI+ 搜索还在摸着石头过河

客观地讲，AI 搜索还处于讲故事阶段，于百度而言也是如此。

即便与传统搜索的核心差异相比，基于 AI 功能的搜索已经从 " 信息聚合 " 向 " 答案生成 " 的逻辑转变，换句话说，用户不需在海量结果中筛选信息，而是可以依托大模型直接输出整合后的精准答案，大幅缩短用户获取信息的路径，但 AI 搜索以链接跳转为核心。

这种窘境让行业陷入了商业化的探索迷雾，从实践来看，头部企业已在 AI 搜索的广告模式上做出初步尝试，却是成效与挑战并存。

谷歌在 2024 年第一季度财报中披露，其 AI 搜索功能 "Search Generative Experience（SGE）" 已覆盖超 10 亿月活用户，搭载的 " 赞助信息卡片 " 广告形式使部分垂直领域的广告点击率提升了 20%～30%，例如旅游行业用户在搜索 " 东京七日游攻略 " 时，AI 生成的攻略内容下方会直接展示航空公司或酒店的赞助卡片，用户点击转化率较传统文本广告提高 25%。

国内方面，在广告业务上，快手通过 AI 大模型优化推荐模型预估能力，使得素材投放及转化效率有了很好的提升，推动全自动投放解决方案和全站推的广告消耗目前超过 50%，全年基于 AIGC 的广告素材消耗已经超过 3000 万 / 日，占广告收入的比重超过 13.4%。

不过这些探索仍未形成可大规模化复制的成熟路径，核心挑战集中在两个方面。

一方面，AI 与搜索的融合使得企业面临用户体验与商业化的平衡难题。微软必应在 2023 年底曾因在 AI 搜索结果中过度植入广告（部分关键词搜索结果中广告占比达 40%），导致用户投诉量环比激增 35%，最终不得不缩减广告密度，广告收入随之下降 12%。

另外，技术成本与盈利效率的矛盾同样值得关注，AI 搜索的单次查询成本是传统搜索的 8-10 倍，主要源于大模型推理的算力消耗，而目前 AI 搜索带来的广告溢价仅能覆盖 30%～40% 的额外成本，短期难以实现盈利平衡。

回溯互联网发展历程，从 PC 搜索到移动搜索的转型用了近 10 年时间才完成商业模式的成熟落地，而 AI 搜索作为更底层的技术变革，其商业化周期必然更长。

当前行业的探索本质上是 " 技术先行，商业滞后 " 的阶段性表现，企业虽找到了部分场景的破局点，但尚未打通 " 用户价值－商业价值－技术成本 " 的闭环，AI+ 搜索仍处于需要持续试错的 " 摸着石头过河 "阶段。

百度重构搜索，新动作也有新挑战

面对 AI 搜索的变革浪潮，百度选择以 " 技术重构 + 场景深耕 " 为核心策略，通过大模型迭代、产品功能升级与生态合作，逐步搭建起差异化的 AI 搜索体系，试图在行业探索期抢占先机。

在技术底层，百度以 " 文心一言 " 大模型为核心，持续夯实 AI 搜索的技术壁垒。

2024 年 5 月，百度发布文心一言 4.0 版本，客观地讲，其在 " 搜索场景适配性 " 上实现关键突破。此外，知识更新速度提升至实时同步，传统大模型存在的 " 知识截止日期 " 问题得到缓解，例如用户搜索 "2024 年 NBA 总决赛结果 " 时，AI 可直接调用实时数据接口输出最新赛况。

另外，考虑到多模态理解能力较强，融合 AI 能力后，在支持文本、图片、语音混合查询上的效率会更高，当用户上传一张 " 不明植物 " 的照片并提问 " 这是什么植物，如何养护 " 时，文心一言 4.0 的识别准确率达 92%，养护建议的专业度评分超越行业平均水平 15 个百分点（根据第三方测评机构 IDC 数据）。

同时，百度自研的 " 昆仑芯 2.0" 芯片为 AI 搜索提供算力支撑，使大模型推理速度提升 3 倍，单次查询成本较 2023 年下降 40%，有效缓解了技术成本压力。

横向对比行业，百度的优势在于 " 技术积累 + 搜索流量基础 " 的双重叠加。作为国内最早布局大模型的企业，百度在 AI 技术上的沉淀已形成 3～5 年的领先期（据 Gartner 2024 年 AI 技术成熟度报告）。

同时，百度搜索仍保持着国内第一的市场份额（2024 年 Q2 市场份额达 63.2%，数据来源：易观分析），庞大的用户基数为 AI 搜索的迭代提供了充足的数据支撑。

理论上，这种 " 技术 + 流量 " 的组合，使百度在 AI 搜索的重构过程中，能够更快地完成从功能研发到用户验证的闭环，在行业尚未明确方向的阶段，构筑起差异化的竞争壁垒。

但万事有利也有弊，百度的挑战同样在于 AI。

随着 AI 技术的进步，内容与广告的同质化日渐突出，相较之下，抖音之所以能吸引更多广告客户，在于其拥有强大的闭环能力，而百度竞价在 AI 时代之前当下是走营收下滑的路。

另外，据《南方周末》的报道，初爆发的 DeepSeek 以及此后涌现的一系列 AI 应用，一些代理商的百度广告客户流量 " 掉了七成多 "，而这并非个例。

2025 年第一季度，百度在线营销收入同比下滑 6%，二季度跌幅进一步扩大至 15%。

业绩变动的核心逻辑是，用户们可以直接依托于大模型进行内容搜索和信息获取。他们也不再将搜索视为唯一信息入口，海量需求流向抖音、小红书等内容平台；同时，百度还要面对包括阿里夸克、秘塔、360 纳米搜索等 AI 搜索新势力玩家的挑战。

百度自然也想直面上述变化带来的后果，进而在搜索上进行了改版，融合了更多百度自家的 AI 技术。不过，百度副总裁、百度搜索总经理赵世奇亦在宣布改版时表示，广告肯定不会是原来的商业模式，但新模式仍在探索。

于是，所有现象指向一个事实，"AI 搜索现在可能还处于商业化的早期阶段。"

AI 搜索是一场马拉松

的确，AI 搜索的核心竞争力，不在于短期的功能迭代或流量增长，而在于 " 长期技术投入的耐力 " 与 " 商业生态构建的能力 "。

一方面，AI 搜索在技术沉淀上自然需要持续更新，是一场马拉松，考验企业能否在技术研发、用户价值、商业闭环三个维度持续深耕，而非追求短期的市场热度。

从技术维度来看，AI 搜索的长期竞争焦点集中在 " 大模型的进化能力 " 与 " 算力成本的控制能力 "。大模型的进化不仅是参数规模的提升，更在于 " 理解准确性 "" 知识时效性 "" 多模态融合 " 的持续优化。

例如，未来百度的 AI 搜索需实现 " 跨语言实时翻译 + 本地信息精准匹配 "，如用户用中文搜索 " 纽约曼哈顿最好的咖啡店 "，AI 需实时抓取纽约本地点评数据，结合用户偏好生成答案，这需要大模型在语义理解、数据接口整合、实时计算上形成协同能力。

面向未来以及可持续发展，商业闭环可能更重要，AI 搜索需要突破 " 广告依赖 " 的传统模式，构建 " 多元化收入结构 "。而当前行业的商业化探索仍以广告为主，但长期来看，" 增值服务 +API 开放 + 行业解决方案 " 将成为重要方向。

目前，百度已开始尝试多元化变现：一是 "AI 搜索增值服务 "，推出付费版 AI 搜索，提供更精准的答案、无广告体验、专属客服等服务。同时提出 " 行业解决方案 "，针对金融、医疗等行业推出 AI 搜索定制服务，例如为银行提供 " 智能客服 + 搜索 " 一体化解决方案。

回过头来看，AI 搜索一定不再是像过去简单地将广告推送到用户的搜索结果之中，而可能是通过数据分析，找出用户可能感兴趣的产品或服务，以更加自然的方式呈现给他们，但这仍考验着广告与用户体验的平衡，也考验百度的商业化能力。