大厂“鸡娃”式搞AI，为什么百度不焦虑？

毫无疑问，2026年是AI加速发展、真正走进千家万户的一年。如果要为今年以来的中国AI行业找几个主题词，除了“突飞猛进”之外，我觉得最恰当的是 “焦虑”。人类历史上的重大科技变革发生的时刻，当事人总是无时无刻不处于焦虑状态，现在也不例外：

• 个人在焦虑，担心被AI淘汰，担心错过了最新的AI知识。每个人都在养龙虾；聊天如果不聊Agent，那简直不可能。
• 各行各业都在焦虑，就拿我熟悉的影视行业、游戏行业来说，在巨大的降本增效压力下，AI工具成为了唯一被寄予厚望的变量，但怎么用、用在哪，真正想清楚的人却很少。
• 互联网大厂、中厂其实也在焦虑，纷纷陷入“AI熵增”的怪圈：产品越做越多，业务越铺越散，为了不错过任何一个可能的入口，宁可四面撒网、重复造轮子。

何谓“熵增”？就是把事情越做越多、越做越复杂，宁愿付出巨大的代价做无用功，也决不错过哪怕最微小的“机会”——产品熵增，大厂不但推出越来越多的AI产品，还致力于把老产品用AI重做一遍，即使这些产品彼此定位重叠、让用户困惑不已，也要全力维持下去。业务熵增，在同一家公司之内，各个业务线、事业部、事业群都在搞AI，至于具体怎么搞？多半是你搞你的、我搞我的，不知道谁听谁的。

我觉得这种“AI熵增”，在本质上很像“鸡娃”。大厂就像是被AI焦虑驱动的家长，什么都想做、什么都想要。现实告诉我们，“鸡娃”的大部分资源都被浪费了，其中不少甚至有副作用，那为什么还要“鸡”呢？因为这是一种缓解焦虑的方式，能说服自己“我在努力适应时代”，提供安心感。人在焦虑之下从来是只会做加法、不会做减法的！

但是，不管大厂怎么做，用户不会无脑、无条件地接受AI。对于AI的实用性和安全性的顾虑，从一开始就存在，至今仍挥之不去。前几天的央视315晚会，曝光了GEO（生成式引擎优化）黑产的乱象：虚构产品，几十块钱的软文，几天之内就能成为AI的“标准答案”，这种“信息投毒”正在不声不响地损害AI的公信力。这个问题背后，其实是更基础的大模型幻觉问题——基于Transformer架构的大模型自身是无法彻底摆脱幻觉的。AI产品的“熵增”，只会把问题搞得更复杂、让用户更加疑虑，就像“鸡娃”只会让娃不知所措。

如果我们把整个AI产业的图景作为一个整体看待，就会发现，“AI熵增”在每个环节都在制造代价。从用户角度，产品日益复杂导致了用户困惑和体验下降；从大厂自身角度，资源被分散到了许多互不关联、乃至互相打架的方向上。AI产业的集体焦虑，成为了一种自我实现的预言：越是焦虑，值得焦虑的新事物就越多！这种情况下，回归常识反而成了大厂最稀缺的一项能力。

在全球科技大厂当中，我注意到，百度是极少数业务聚焦、选择“熵减”的AI公司之一。简而言之，就是聚焦于真实价值，做自己擅长、对用户而言有用且可靠的事情：不再空谈模型参数，而是以应用为牵引，将百度大模型的能力深入嵌入搜索这一已被验证的超级入口——用产品激活技术，让重心回归用户刚需。

百度APP内嵌了文心助手，搜索与AI功能融合为一体。从用户体验讲，基本上“无痛迁移”，AI成为了早已习惯的使用行为的一部分。从信息可靠性的角度讲，搜索与AI之间交叉验证，得到更加准确透明的结果，尽可能地压制信息污染和大模型幻觉，更有利于客户获得真实信息。事实一再证明，当AI能够高效地接入高质量搜索时，“胡说八道”的概率会大幅度下降——习惯跟大模型聊天的人，恐怕都会认同这一点。

举个例子：女演员刘美含问AI“铸币坊的坊字该怎么读”，这个话题登上了社交媒体热搜。她向6家AI应用提问，答案莫衷一是，甚至同一个AI的答案前后都能矛盾！只有百度文心给出了与《新华词典》及语言学教授验证一致的正确答案“fáng”（二声）。这一方面是大模型本身的力量，说明训练的好；另一方面则是对海量信息交叉验证的结果。比方说，我现在在百度搜索任何一个汉字该怎么读，首先出现的肯定是百度汉语的内容，其次是百度百科——二者均基于权威参考资料，经历了严格的审核。这就大幅降低了AI出错的概率。

这就是“搜索+AI”的本质：通过高质量信息的交叉验证，增强人们的信息选择和思考能力，而不是代替人们思考。只要信息污染下降了，大模型“胡说八道”的概率也会跟着下降，而且用户也不会轻易上当了。

我是ChatGPT长达三年的忠实用户，不过最近几个月，我个人用的最多的英文AI应用变成了谷歌Gemini，原因很简单：整合谷歌的多语言搜索能力，快速交叉验证。我还会经常使用Grok，因为它能提供对X Platform (Twitter)信息的交叉验证。它们的思路与百度是吻合的，也就是把大模型能力与一个早已验证的超级入口结合起来，从而达到“1+1>2”的效果。以应用场景激活技术，莫过于此。

我还想强调一下：搜索与AI的改造是相互的，在搜索为AI提供高质量信息的同时，AI也在深刻影响着搜索产品的形态。例如，百度“百看”在搜索结果中以“头图+大模型生成答案”的形式，让用户得以高效地获得信息概要，再选择观看具体搜索内容。这一点与谷歌搜索的“AI总结”(AI Overview)功能异曲同工——截止2026年初，接近50%的谷歌搜索会激活AI总结，对于复杂的信息咨询的激活率高达99%，而大部分用户对此十分满意。

需要注意的是，“熵减”不代表只聚焦于一小块、忽视行业大趋势。很多人可能没有注意到，百度是在全球范围内拥抱OpenClaw最早、最积极的科技大厂之一：2026年1月，百度云率先推出了龙虾部署方案；2月14日，百度APP接入OpenClaw；3月12日，百度推出全球首款手机龙虾应用；3月17日，包括“云端虾”、“手机虾”、“安全虾”多款产品在内的百度“龙虾”全家桶亮相，并宣布上新多款Skills，其中百度搜索Skill下载量超4.5万次，成为全球下载量最大的搜索引擎官方Skill； 3月22日，首个国产企业级满血版OpenClaw——百度智能云DuMate（中文名：搭子）正式上线，全量开放。

就OpenClaw这个案例看，百度仍然是一家不仅跟得上时代、而且始终乐意走在时代前列的AI大厂，善于对行业趋势做出快速反应。百度拥抱OpenClaw的速度，不仅比国内许多大厂更早，甚至比OpenAI还要早！

上面说的，基本都是业务层面的事情。事实上，常识告诉我们：产品侧和业务侧的“熵减”，同时必然对应着组织侧和业务侧的“熵减”，二者本是一体两面的。前段时间，百度模型团队拆分成了两个，直接向百度创始人李彦宏汇报；百度文库和网盘团队整合，成立了PSIG（个人超级智能事业群组），也直接向李彦宏汇报。从全球的经验看，大厂一号位直接主抓AI研发及核心应用，是加快AI创新的有效方式。谷歌是一个最佳成功案例：在CEO及联合创始人布林共同抓AI的情况下，Gemini在短短两年内实现了飞跃。

附带说一句，坊间传闻，业内知名大模型厂商的一位技术大牛最近加入入职百度；此人的具体身份，市面上存在很多说法，总之是一位重量级人物（我们大概很快就会知道答案了）。这充分说明，百度在“组织熵减”的同时，抓核心技术人才可是一点也没手软。

业务和组织“熵减”背后，也不难看出百度极具前瞻性的“战略熵减”路径：第一是有取有舍、有保有压——因为任何人都不可能同时擅长所有的事情，资源只有集中才能形成压强。第二是认清什么是最重要的，才能在纷繁的诱惑中做出取舍，让力量聚焦于价值高地。而且，这种“战略熵减”不是权宜之计，而是一种长期主义聚焦：

• 早在2023-2024年，李彦宏就在业内最早呼吁大家“卷应用，而不要卷模型”。百度是国内最早系统布局智能体的，率先预判智能体将是最主流的AI应用方向。正是这种对应用价值的坚持，让百度在OpenClaw横空出世后能够最早响应，率先实现应用的部署落地。
• 也正是“战略熵减”，百度成为了全球范围内极少数拥有“芯、云、模、体”（昆仑芯+百度智能云+文心大模型+智能体）全栈AI技术积累的公司之一，构成了区别于其他大厂的核心差异化壁垒。只有以清醒的头脑，把资源用到刀刃上，才有可能达到这样的结果。

AI是一场长跑，任何人都有可能在任何时间节点领跑，但是只有基本功扎实、正确配置资源和节奏的人，才有可能跑到最后。正所谓“上兵伐谋”，百度没有像其他大厂那样，在AI浪潮中制造一个又一个“噱头”和“颠覆性口号”，但穿越周期再来审视，才发现百度的每一步选择都已经得到验证——

刚刚过去的2025年第四季度，AI新业务收入在百度一般性业务收入当中的占比，已经提升到了43%；这个过程几乎是不声不响、平稳而顺畅的完成的。文心5.0大模型发布，文心助手月活用户突破2亿，昆仑芯开启独立上市之路，萝卜快跑足迹覆盖全球26座城市……这些里程碑也是自然而然发生的，而不是巨额砸钱或补贴的结果。

这就是百度主动选择“熵减”的意义。我相信，过不了太久的时间，这种选择大概会被很多同行效仿，从而在一定程度上治愈无处不在的“AI焦虑症。”