AI熵增，百度求解

AI熵增之下，百度的突圍。

文/王芳潔

編輯/楊磊

1998年，在亞馬遜股東信里，貝佐斯寫道：“我們要反抗熵增。”

所謂熵增，是潛藏在物理世界的一個“魔鬼”。塞薩爾·伊達爾戈在《增長的本質》一書中提到，熱力學第二定律表明，一個封閉系統里，熵值（混亂度）總是自發增加，系統從有秩序演變至無秩序。

而要維持秩序、創造美好，就必須反抗這股強大的自然趨勢。但，怎么反抗呢？

28年過去了，我們從互聯網到移動互聯網，再到AI，時代在變，這個命題卻沒有。

在現實世界中，熵增無處不在。最近，演員劉美含就發現亂套了。為了給新劇配音，她需要明確“鑄幣坊”中“坊”字的讀音，自己直覺是讀fǎng，但又吃不準。于是，劉美含用時興的五款AI工具查一查，居然出現了兩種結果，百度文心說讀fáng，其他四個都說讀fāng。

這事很多人當笑話看，但它卻讓我想起了一個嚴肅的問題——我們的AI市場，是否已經因過度供給變得混亂了？

“過度供給”這個概念曾經出現在《創新者的窘境》一書當中，作者克萊頓·克里斯坦森認為，創新是有陷阱的，其中之一是性能過度供給。這一點顯然已經在不斷調參數刷榜的模型競賽上體現出來了，很多通過數據污染、刷題庫搶榜單排名的模型，到了應用層面顯出原形。

如果把整個AI市場看作整體，這樣的過度供給的情況不僅體現在模型上，也體現在產品、營銷上。僅僅短短幾年時間里，百模大戰、紅包大戰，百蝦大戰，一輪又一輪下來，Token是暴漲了，但整個AI市場卻日漸陷入無序之中。

顯然，像劉美含這樣的普通人，即使手機里裝了好幾款AI App，但我敢保證，除了名字，她壓根分不清這個和那個有啥區別，甚至不能幫她把讀音理順，讓她的思路更混亂。

你看，熵不僅會自發增加，無效的過度供給是使得系統加速熵增的。

最終，還是經紀人通過《新華詞典》APP查詢，才確定了“鑄幣坊”中“坊”字的正確讀音為fáng。

恭喜百度文心答對了。

01

別重復造輪子

尊重用戶

可能很多人都覺得難以置信，一個簡單的讀音，居然難倒了一眾如雷貫耳的AI工具。

前陣子，它們可是花了那么多錢去發紅包，怎么就不舍得買一本新華字典？

事情當然沒有簡單。問題的根源在于，生成式AI（如大語言模型）的核心機制是預測下一個最可能出現的詞或音節，而非檢索權威知識庫確認事實。它通過訓練數據中的統計規律生成回答，但它真正理解你所提問的問題嗎？

DeepSeek很誠實地跟我說，“從純粹的技術原理上說，我無法像人類一樣理解世界，我只是一個基于復雜數學和統計學原理運行的模式識別與信息處理系統。”而我養的某家廠商的“龍蝦”，自始至終連我的問題都沒“聽”明白。

這讓我對劉美含感同身受了，看似我操縱著各種先進的AI，但它并不理解我所說的，也不知道為什么會給我這個結果，它只是消耗了token基于已有的資料給出了每一個字符出現的概率分布，而這，是很容易被污染的。

今年的315晚會曝光了一種新型黑產— GEO（生成式引擎優化），專門給大模型投毒，投喂虛假內容，從源頭上操縱了主流AI大模型推薦結果。

只需十余篇虛假軟文，大模型就會信以為真，將一款子虛烏有的產品列為優先推薦產品推薦給用戶。并且實測中，GEO的投毒幾乎百發百中，就能給所有大模型制造幻覺。

所以，有時候我會想，這些被重復制造出來的輪子究竟有多大的意義？它們花錢做模型，再花錢搞入口，然后發紅包拉新，底層架構大差不差，所引用的數據也基本一樣，所生成的信息真假難辨，消耗了大量token卻使得整個系統愈加混亂，加速熵增。

我注意到，劉美含在介紹5款AI應用時，其他都是新APP，只有百度APP，還是咱們熟悉的那個老朋友。

顯然，她是通過百度APP在用AI。這和我的習慣一樣，畢竟百度一下，已經形成了肌肉記憶，無需經歷“下載-注冊-使用”的復雜鏈條，只需在底欄輕點，即可從“問百度”切換到“問文心”。整個鏈路簡單直接，而且發生在用戶最熟悉、最高頻的場景中使用AI，把對用戶的打擾降到最低。

這背后的邏輯是，百度并沒有選擇重復造輪子、沒有刻意造一個全新的AI入口把眼花繚亂的AI功能裝進去，而是把大模型能力嵌入到一個已經被驗證過的超級入口里，即在百度APP里嵌入文心助手。在這里，不只有AI能力，更承載著用戶最真實的需求。‘

二十多年的搜索服務，讓百度積累了對用戶需求的精準洞察。它清楚用戶真正需要的是好用、精準解決問題的能力，而非大而全的功能集合。這也映射出當下AI產品存在的一種熵增現象：AI功能愈發繁多，卻讓用戶更加無從選擇。

為什么百度文心能答對坊的讀音？除了文心大模型本身低幻覺和低污染，還因為百度搜索本身的可驗證性和準確性。在內嵌AI入口的同時，搜索本身也完成了徹底的AI化，例如搜索“百看”提供富媒體結果，用戶可以直接獲得幻覺率更低、可信度更高、效果更穩定的AI回答，并以圖文、音、視頻等富媒體形態呈現，還有智能體等形態，帶來更豐富的體驗。

這也解釋了315曝光GEO投毒后，外界為何再次出現“懷念百度”的聲音。能夠懂用戶，準確解決問題，始終是AI產品最本真的價值。所謂產品層面的熵減，也是一種返璞歸真，本質上是讓業務回歸用戶需求本身。

百度所遵循的，其實是一種第一性原理：不是為了AI而做AI，而是基于自身所擅長的、用戶所需要的，有節奏的進行相關布局，從尊重用戶需求視角出發，完善產品的智能化路徑。

截至2026年3月，百度APP月活超7億，文心助手月活數已突破3.6億。我是這3億分之一，習慣用百度的核心原因還不是因為方便，而是我要把信息的選擇權和認知思考的能力把握在自己手上。

02

讓系統開放

沒有人想要“圍墻花園”。隨著人工智能大模型和智能體的發展，構建開放、協作的生態系統顯得愈發重要。

百度很早就意識到唯有開放，才能對抗AI的熵增，唯有積極擁抱最前沿技術，吸納“外界的能量”，才能實現熵減。

2026年開年以來，百度對OpenClaw展開了一系列布局，是最早擁抱這一技術的大廠。

百度的“龍蝦”布局速度是以天為單位的，1月，百度智能云率先推出部署方案，2月14日：百度APP接入OpenClaw；3月11日，百度發布零部署服務DuClaw；3月12日，百度推出全球首款手機龍蝦應用；3月17日：百度“龍蝦”全家桶正式亮相，包括“云端蝦”、“手機蝦”、“安全蝦”，并發布全新自研“桌面蝦”產品DuMate和全球首款“家用小龍蝦”。

在“系統開放”方面，百度總是跑在前面的，它深知“封閉”加劇熵增，而生態繁榮、持續迭代，正是實現熵減的關鍵路徑。

過去，我們往往認為對于商業體來說，開放要么意味著開放性組織，要么意味著開放生態，這些開放已經被驗證是有利于組織進化和商業繁榮的，但多少都具有局部性，例如部分人員的流動，例如基于自身小生態的開發和分發。

但AI時代為系統級開放創造了條件，企業和企業之間、業務和業務之間、產品和產品之間不再是簡單的競爭或合作，而是形成促進互相生長的關系。或者說，擁抱新事物、新秩序本身就是對抗熵增趨勢，實現熵減。

OpenClaw是個新事物，為因過度供給而同質化混亂化的AI市場，帶來了新方向，百度自然毫不吝于支持新生態的誕生，它不但讓更用戶低門檻用到龍蝦，更是龍蝦的生態伙伴。

3月12日，OpenClaw創始人Peter Steinberger在海外社交平臺上點贊，并在多個帖子下連續評論，稱中國AI創新速度“Amazing”，表示愿與百度共同開發“龍蝦”。

而百度也為AI新生態貢獻著力量。目前，百度推出的“龍蝦”全家桶產品方案為用戶提供便捷好用的多端“OpenClaw”原生體驗。百度搜索Skill也已成為全球下載量最大的搜索引擎官方Skill，可謂“裝龍蝦必備”，截至3月17日，百度搜索Skill下載量超4.5萬次。

這些努力讓OpenClaw乃至賽博世界完成了一次細胞更新，何嘗不是促進了熵減呢。

其實，不止擁抱OpenClaw，百度還開放姿態擁抱了眾多前沿技術，是最早接入MCP，擁抱DeepSeek的大廠。此外，百度也極其注重自身的生態打造，依托核心產品不斷培育并壯大生態體系—無論是飛槳文心開發者生態，千帆企業生態，還是秒噠超級個體生態，均已發展至相當規模。

熵減，是“建立并維持新秩序”的物理學表達，它需要像百度這樣開放、參與創新才能實現。

03

減少組織熵增

煥發組織創新活力

熵增不止在系統里，也存在組成系統的每個組織，乃至個體里。

杰弗里·韋斯特在《規模：復雜世界的簡單法則》中揭示了一個深刻的規律：企業和生物體一樣，都要服從熵增定律。難怪彼得·德魯克會說：“管理就是要做一件事情,就是如何對抗熵增”。

不幸的是，無效的管理反而會造成熵增，封閉的人才系統、冗長的匯報層級、復雜又含糊不清的規則，往往會造成巨大的內部交易成本。放在高度科層化的傳統行業尚可忍受，但如果一家企業想要贏得AI時代的競爭，那是萬萬不行的。

試想一下，如果百度沒有在第一時間上下同欲，超前布局“龍蝦”，那么一個月后的今天，它已經根本沒有幾乎上桌了。

因為AI時代的迭代速度就是這么快。

必須要讓組織敏捷起來，這已經是AI巨頭們的共識了。隨著模型競爭的深化，百度也在不斷調整打法。其中，AI組織結構的調整，便是激發組織創新活力的重要一環。

去年11月，百度TPG（技術中臺群組）拆分為聚焦大模型的基礎模型研發部和聚焦場景、專精模型調優的應用模型研發部，負責人吳甜與賈磊均向百度CEO、創始人李彥宏匯報。今年1月，從MEG中拆分百度文庫與百度網盤，成立新的PSIG（個人超級智能事業群組），聚焦個人AI應用場景，其商業化以探索訂閱模式展開。

在一家企業，新技術、新業務的發展需要非常多的支持和協同，而組織內部是有結構洞的，比如兩個業務之間怎么拉通，業務和技術之間如何對齊，都得過這個洞。所以，必須要讓最有power的人占據結構洞，讓他去授權，去溝通，去連接。

在對抗AI熵增的戰役中，僅靠CEO掛帥還不夠，打勝仗得良將如云。在《創新與企業家精神》中，德魯克提出了建立開放系統的理念。他也意識到企業必須從外部世界吸取能量，實現反熵增的目標。

這話不難理解，得讓水活起來，一方面讓內部人才的潛力得以涌現，一方面讓外面的人才進來，引入外部新鮮血液。百度以技術創新為核心的組織文化，也孵化出了重視人才、吸引人才的培養機制，內部長期重視 AI 人才培養，創新氛圍活躍，如激勵AI創新園隊的“百度最高獎”已連續舉辦16年。近期百度還升級了AIDU計劃，讓富有創造力的年輕人挑大梁，培養未來的AI領軍人才。

正如韋斯特所言，人才和功能的結合足以產生新的變體，企業前景便會不斷擴大，“找最好的人才，信任他們，給予他們支持。”

企業作為有機體，組織與人才的迭代，也是熵減。

04

把水燒到100度

一直以來，很多企業家都有個困惑：所有企業都希望對抗熵增，實現熵減，但是為什么很多都沒做到？

因為熵增和熵減都是非線性的，就像在水平面上，水不會在99度時沸騰，必須久久為功，加上最后一把火，直到讓一鍋水沸騰。

但你以為看著爐子上的火是唯一重要的事情嗎？非也，試想一下，廚房里只有一個灶頭，灶臺下面放著很多鍋，有的是不銹鋼的，有的是搪瓷的，還有的干脆就是砂鍋，選擇拿哪個鍋去燒熱效率最高，至關重要。

畢竟，我們都知道經濟學第一原則：資源是稀缺的。

所以，對于企業來說，選擇就是戰略，要把能量都聚焦在一個戰略上，堅持長期主義，直到發生質變。你知道，水沸騰后會變成蒸氣，那是一種巨大的能量，能頂翻天花板。

回頭來看，在國內的AI產業，的確是百度先找對了戰略。早在2010年，百度就已經開始布局AI，那時候就連移動互聯網時代的大幕還沒拉開。2017年，當大家還在為移動互聯網興奮時，李彥宏就已經說，互聯網思維已經過時了，未來應該是AI思維。

因為最早布局，并長期堅持投入，百度實現了全球少有的「芯云模體」全棧AI布局。底層有自研芯片昆侖芯提供算力，中間有百度智能云做基礎設施，再往上是文心大模型提供AI能力，最頂層是面向千行百業場景的智能體等應用。

及至今天，每一層能力都已經迎來價值兌現時刻。

例如昆侖芯，開年提交獨立分拆上市，市場有機構給出500億美元高估值；無人駕駛同樣領先，蘿卜快跑更已進入全球26個城市，加速規模化落地。至于智能云，其實百度也是國內第一個提出智能云概念的，到AI大模型時代，當整個云行業都在喊智能的時候，百度的AI規模化落地已走在前面，多次財報表現中，AI云已成百度核心引擎；智能體領域，從“龍蝦”應用全家桶，到伐謀、秒噠，智能體應用創新保持高速度。

（圖注：圖數據源自2025年百度Q4&全年財報）

這些率先“開花結果”的收獲，與百度較早意識到戰略熵減的重要性密不可分。戰略熵減的要義在于，戰略要清晰、要聚焦核心、還要有定力，才能夠在外界充滿熵增的環境中，主動構建起自我秩序，從而沉淀起穩固的長期競爭力。

回溯到十多年前，百度入局AI之初，就同步強調用技術解決實際問題。2024年，在大家還在卷模型的時候，李彥宏率先判斷模型的價值在于應用，呼吁行業卷應用，他也是最早看好智能體的，預判未來智能體會成為最主流的AI應用形態。

這些思路、產品為中國的AI科技世界注入了新風，延緩了它的熵增速率，乃至形成了一定程度的熵減。今天回頭看，在全球AI競賽中，只有中美唯二兩國領跑，不能不說沒有這股新風的功勞。

百度持續的投入，把AI這鍋水，燒開了。

當然，我不是說，在反熵增的戰役中，百度已然取勝，事實上，這是一場沒有終局的長期博弈。

那個在28年前就已吹響號角的亞馬遜，也還仍然在與熵增博弈，但從線上書店到線上零售再到云計算，亞馬遜的確在周期的更迭中，證明了只有自我迭代，不斷吸取外界能量，才能在熵增的大趨勢下，實現企業的熵減，乃至讓上下游、用戶都受益。

今天，百度或許也是最早意識到AI行業同樣會發生熵增的科技巨頭之一。和亞馬遜類似，百度選擇主動對抗熵增。

對抗“熵增”、主動熵減，其實是偉大公司成長的必經之路。亞馬遜、微軟、谷歌等國際巨頭都曾在不同階段與熵增反復博弈，并通過主動熵減增強了長期韌性。

經歷十多年AI浪潮起伏，百度以長期主義與全棧布局來作為主動熵減的核心策略。如今的一系列好成績，也正在印證：這已成為它跨越互聯網、移動互聯網周期，在AI時代率先見到“結果”的成長密碼。