从搜索框到Agent生态：百度AI的范式跃迁与中国大模型经济学的深层变奏

TL;DR：

百度正经历从传统搜索向AI Agent模式的核心业务重构，这不仅是技术迭代，更是深层商业逻辑和产业生态的再造。文章将审视AI在流量至上时代对社会主体性的影响，并探讨中国AI如何通过“中层模型”与业务驱动，走出一条有别于硅谷算力竞赛的、更具实用价值的创新之路。

百度AI的“十年之变”：从搜索框到Agent模式的范式跃迁

百度，这家曾定义中文互联网信息入口的科技巨头，正站在其核心业务——搜索——十年间最大变革的潮头。其全面AI化，尤其是在AI Agent模式上的野心，预示着一场超越传统关键词搜索的深度范式跃迁。不同于零散的关键字匹配，未来的AI Agent旨在辅助用户完成“完整的任务”，这与当下通过长文本和多模态输入来扩充搜索框的功能，仅是一种过渡。百度文库作为“一站式AI创作平台”的崛起，以及其1200人团队的布局，则揭示了其在内容生产端突破传统UGC模式，彻底消除内容创作门槛，并探索超越流量逻辑的分享机制的愿景。这不啻为一场潜在的“内容革命”¹。

AI Agent的核心价值在于其_自主感知、规划、决策并利用外部工具_的能力²。它不仅仅是增强型搜索，更是一种能够“以类人的方式与智能手机应用进行交互”，执行点击和滑动等底层操作的智能体³。这种能力意味着AI将不再被动响应查询，而是主动介入并优化用户的工作流与生活场景。例如，法律AI Agent可生成符合法律要求的报告，简化咨询流程；政务AI Agent可赋能数字治理和民生服务²。百度智能云在2022年中国AI公有云服务市场占据28.9%的份额³，显示其在B端基础设施上的优势，这为其AI Agent战略的落地提供了坚实基础。

算法分发的双刃剑：流量至上与主体性消解

回顾互联网产业史，从门户、搜索到算法分发，信息生态经历数轮变革。搜索引擎通过关键词赋予全网信息结构，实现广告的精准匹配，奠定了BAT时代的基石。然而，以字节跳动为代表的算法分发模式，虽在商业上取得巨大成功，却也暴露出深刻的社会影响。这种模式本质上是一个“关于人的观赏（恶）趣味的引擎”，通过用户行为数据标签化，实现“精确制导”式的广告投放¹。

算法分发虽由用户生成内容，但辅以强运营，本质上是_“伪装成Web 2.0的1.0”_，生态并非直线进化，甚至存在退化¹。它强化成见，将用户心智导向标签，导致“茧房效应”和信息过载。在社会层面，这种机制甚至被认为急剧放大了对抗性议题，导致“标签极化”，以廉价情绪取代知识，对公共舆论生态造成损害¹。相较之下，搜索仍能帮助人们寻求未知，算法分发在“使用价值和社会评价上都稍逊于搜索”¹。

百度在移动互联网时代因未能抓住App生态的机遇，市值一度下滑，且多次追逐不擅长的风口而失利。App模式将信息分隔成孤岛，加深了巨头间的鸿沟，广域搜索被站内搜索取代，对百度造成了结构性减损¹。然而，AI的到来，尤其是其“面向信息”的特性，为百度提供了“同调，等待已久的机会”，并有望在更高维度解决App模式带来的碎片化问题¹。

大模型经济学：算力狂飙下的成本与价值重构

当前AI大模型的发展，尤其是硅谷主导的“堆砌算力”路径，将英伟达推向万亿市值，似乎是信息经济三定律（摩尔定律、吉尔德定律、迈特卡夫定律）在AI领域的延伸¹。然而，这种资本密集型模式的成本和可持续性正受到挑战。DeepSeek通过_创新架构和算法、开源策略_，将API定价“脚踝斩”，对行业产生了冲击，凸显了软件优化硬件潜力的重要性¹。OpenAI的GPT-5计划通过路由功能分配算力，也反映出对成本控制的重视¹。

大模型的发展遵循“架构突破→规模扩张→应用爆发”的路径⁴。算力、数据和算法是大模型的基础层⁴。其中，算力成本在大模型中占比超过40%⁴，而高质量、精细化、定制化的数据需求日益凸显，但_有效数据集有限，优质数据集稀缺_，大量线上数据是“垃圾输入，输出的只能是垃圾”¹³。AI虽然能够处理长文本和多模态信息，但其在进入专业领域时，知识壁垒比App割据更为深刻，表现为局部通约，增长呈线性而非指数¹。

目前的AI“仍形同电子宠物”，在“整合人类的输出”，而非独立思考¹。其主要通过统计和上下文预测Token，难以触及知识的深层结构。缺乏高质量、结构化的训练语料，尤其是在实践场景中沉淀的商业机密和经验数据，使得AI难以生成完整且对实践有指导意义的知识¹。这种发展失衡，使得海量资源投向量化容易的部分，而对训练语料质量和应用深度（“陡峭的群山”）的投入不足。资本市场对这种高投入、模糊回报的模式，其耐心正受到考验，当下氛围“与2001纳市崩盘前夜何其相似”¹。

中国AI的破局之道：中层模型与业务驱动

面对全球AI发展的宏大叙事，李彦宏在Create 2025百度AI开发者大会上提出“应用才是王者”的观点，强调“只要找对场景，选对基础模型……在此基础上做出来的应用是不会过时的”¹。这与硅谷过度依赖“Scaling Law”和资本驱动的“概念”模式形成对比。中国AI业界在经历本土化、去硅谷概念、去概念的三阶递进后，积累了深厚的业务驱动经验¹。

在此背景下，一种新的“中层模型”开发思路浮出水面。不同于传统哲学（大模型）自上而下的理论构建，它倡导_从史料（数据）出发，构建“不完整”的解释（垂直模型），再逐步整合上升为更高层次的中层理论，最终形成通用模型_¹。这意味着中国AI应“走向线下，跟随业务采集数据，基于原生高质量的数据，训练垂直模型，生成对实践完整、结构化的知识”¹。这需要类似当年导入本地服务“地推”式的努力，但更宏大、更精细、更具技术含量。智谱AI、百川智能、腾讯等国内企业也积极探索模型精调（SFT）、基于人类反馈的强化学习（RLHF）等技术，并发展端侧模型，以适应多样化的应用场景³。

中国互联网已全面渗透国民经济，提供了深厚的业务支撑和“弯道超车”的后发优势。而硅谷则往往陷入技术舒适区，缺乏业务场景的“压舱石”，转而依赖资本和概念驱动¹。AI在消除低端岗位方面，对美国而言可能是一种“迂回的下沉”，但在政治环境下其后果难以预料¹。对于中国，AI提供了一个回归创新，带动整体经济更上层楼的机会，这意味着_“国产AI应该走自己的路”_，以业务为导向，而非盲目追逐概念。

展望：AI重塑文明进程的机遇与挑战

AI作为一股磅礴的力量，正深刻影响着人类文明的进程。它不仅可能打破传统学术分科，实现知识的融会贯通，甚至可能通过脑机接口等技术，实现个体间知识的无缝分享¹。然而，我们不能低估其在发展过程中所面临的挑战。训练语料的贫瘠、应用落地的复杂性、以及商业模式的持续探索，都要求技术界、产业界乃至整个社会保持清醒的认知和长期的投入。

刘禾指出，ChatGPT的能力在于“放大人类的自恋”，这提示我们，在享受AI带来的便利时，也需警惕其可能带来的认知偏差和主体性遮蔽¹。AI的进步将是渐进而非一蹴而就的，需要时间、耐心和持续的、根植于实际需求的创新。如同刘慈欣笔下《乡村教师》中的烛火，知识的传承和启蒙，往往在最朴素的场景中发生。中国AI若能秉持其业务驱动、务实创新的基因，以“中层模型”的思路深耕垂直场景，不仅能创造巨大的商业价值，也将为全球AI发展贡献一种独特的、更具生命力的路径，最终推动人类知识边界的拓展与社会福祉的提升。

引用

• 百度AI
• AI Agent
• 大模型经济学
• 算法伦理
• 中层模型
• 产业策略