AI 相关业务深度拆解

百度 的 AI 相关性来自 AI产业链 中的 模型与应用平台 节点。它不是抽象的“AI 应用”，而是下游 AI 基础设施、模型部署、自动化、能源系统或空间/工业场景中必须被采购、接入、认证或长期运营的一部分。真实卡位要拆成三层：第一，产品是否直接进入 AI 相关项目；第二，AI 是否提高单项目价值量或交付频次；第三，公司是否能把该增量留在利润表和现金流里。

单平台价值量：在该公司场景中，价值量应按 单个企业客户的席位、API 调用、协议对象、边缘推理量、数据留存和安全策略数量 来理解。这个口径比“AI 市场空间”更窄，但更可审计。若 company-rich 未披露单客户、单机柜、单项目或单管线价值量，本文不填具体数字；后续只能通过订单、分部收入、客户描述、毛利率、库存和资本开支侧面验证。

1. 昆仑芯AI加速器：百度自研XPU架构AI处理器 收入来源是 通过百度智能云、搜索推荐、文心推理和行业AI项目间接或直接贡献算力收入。；当前状态是 已形成多代产品与云端部署基础，关键在外部客户规模化。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

2. 昆仑芯P系列：面向大模型训练/推理集群的AI芯片路线 收入来源是 支撑大模型算力底座、云计算实例和行业私有化部署，改善百度AI服务成本结构。；当前状态是 公开资料显示已用于大规模集群叙事，后续看交付和复购。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

3. 昆仑芯M系列：面向大规模AI推理和更高性能训练推理的后续产品路线 收入来源是 如果按计划落地，将服务文心、智能云和外部国产算力需求。；当前状态是 处于公开规划和发布节奏中，商业价值取决于量产、软件适配和客户验证。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

4. 百度智能云：AI云平台 收入来源是 直接承接企业云、行业大模型、模型API和算力服务收入，是昆仑芯最重要的商业入口。；当前状态是 持续商业化，是芯片从内部资产转为客户价值的关键载体。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

5. 文心大模型与文心一言：大模型应用与平台 收入来源是 带动推理调用、企业模型服务和AI应用收入，同时为昆仑芯提供真实负载。；当前状态是 与智能云深度绑定，决定昆仑芯软件栈和推理效率的验证强度。。产业分析上，这条线应重点看三件事：是否进入客户的正式采购或设计导入清单，是否能在规模化交付后维持毛利率，是否能跨项目复用工程和服务能力。若只能依赖单个项目或一次性订单，它对长期估值的权重应低于可复用平台。

增长驱动不是单因子。AI 需求上行首先传导到下游客户预算，再传导到采购、项目排期、认证和验收，最后才进入收入。对 百度 来说，最强驱动是产品与客户流程已经耦合，客户扩容时不愿意重新认证；最弱驱动是公司只处在外围供应或概念合作，订单随预算波动而来、也会随预算收缩而去。

天花板：天花板取决于开发者采用、企业付费意愿、平台生态、数据权限和单位推理成本，而不是简单的 AI 访问量。 这意味着估值不能只看 TAM。更实用的天花板公式是：

AI proxy = 下游真实部署量
         × 单项目/单平台价值量
         × 公司可获得份额
         × 交付与认证成功率
         × 可持续毛利率

替代风险：替代风险来自超大云厂商捆绑、开源模型与自建工作流、微软/Adobe/Salesforce 等系统入口，以及客户把 AI 能力视为基础功能后压价。 如果替代风险开始出现，早期信号通常不是收入立刻下降，而是新订单周期变长、价格让步、毛利率低于收入增速、客户要求二供、存货和应收先变差。

产业链位置

company-rich 对产业链问题的原始提问是：百度在AI产业链依赖谁、被谁依赖、和谁竞争？ 这一定义很关键，因为它把公司放回供需网络，而不是把公司孤立成一个“AI 标签”。

上游

名称	角色
NVIDIA	海外GPU、网络与软件生态仍是高性能训练和推理的重要参照，影响百度AI云客户对性能与生态兼容性的预期。
华为	国产AI芯片、服务器和云基础设施供应方之一，也是中国AI算力自主可控生态的重要变量。
寒武纪	国产AI加速芯片供应链代表，影响本土算力替代、推理成本和政企项目可交付性。
中国电信	IDC、网络、政企云与边缘节点资源方，支撑AI云落地和行业客户连接。

上游的研究重点是约束项。NVIDIA、华为、寒武纪、中国电信 等上游角色会影响交付、成本、合规和可靠性。若上游供应紧张，公司可能拿到更高 ASP，也可能因为关键部件、能源、劳动力、云算力或矿石/材料不足而无法确认收入。判断上游影响时，应看采购周期、库存策略、长期协议和价格转嫁机制，而不是只看公司订单。

下游

名称	角色
企业AI云客户	通过百度智能云、千帆平台、模型服务和行业解决方案采购训练、推理、Agent与知识库能力。
广告主与商家	依赖搜索、信息流和生成式广告工具获取流量转化，受宏观消费和AI重构广告形态影响。
车企与出行运营方	使用Apollo自动驾驶、智能座舱、Robotaxi运营能力或生态组件，验证AI从软件到物理世界的商业化。
开发者	基于文心大模型、千帆平台和百度云工具构建应用，决定模型生态活跃度和企业留存。

下游决定需求质量。企业AI云客户、广告主与商家、车企与出行运营方、开发者 等客户或场景的预算来自 AI 训练/推理、数据中心建设、工业自动化、电网扩容、国防航天、企业软件、生命科学或关键资源安全。若下游需求是长期合同、监管支持或客户核心生产系统，收入质量更高；若下游需求来自一次性试点或资本市场融资，波动性更大。

竞品

名称	角色
阿里巴巴	通义模型、阿里云和企业客户生态在中国AI云市场与百度直接竞争。
腾讯	混元模型、微信生态、腾讯云和广告体系构成应用入口与云端竞争。
字节跳动	豆包模型、火山引擎、内容流量和广告投放体系对百度搜索与AI应用形成强替代。
科大讯飞	在教育、办公、语音和政企AI场景与百度争夺行业应用订单。

竞品决定价值分配。阿里巴巴、腾讯、字节跳动、科大讯飞 并不一定在每个产品线上都正面竞争，但它们会在客户预算、技术路线、交付能力、价格和服务上形成压力。正确的份额分析必须按产品、区域、客户和项目类型分层，不能用“公司规模更大/更小”直接判断输赢。

竞争格局与市场份额

公司/平台	定位	竞争边界
百度	搜索入口、文心大模型、AI云、自动驾驶并行的全栈AI平台。	中文搜索数据、知识图谱、AI云与Apollo形成闭环，但消费生态和社交流量不如腾讯、字节。
阿里巴巴	以阿里云和通义模型为核心的企业AI与电商生态平台。	云基础设施和企业客户覆盖更深，百度在搜索和自动驾驶场景更独特。
腾讯	以微信、游戏、广告和腾讯云连接C端与B端AI应用。	社交入口和支付生态强，百度在搜索意图数据和Apollo自动驾驶更集中。
字节跳动	以内容流量、豆包模型和火山引擎推动AI应用与企业服务。	C端应用分发和推荐流量强，百度在传统搜索商业化和政企AI云积累更久。
科大讯飞	语音、教育、办公和政企AI解决方案厂商。	行业应用垂直深，百度的模型、云和流量入口更平台化。

竞争格局的第一层是同产品竞争：客户在相同技术、相同预算和相同交付窗口中选择供应商。第二层是替代路线竞争：客户可能用不同架构、不同能源方案、不同软件平台或不同外包模式解决同一个问题。第三层是资本开支竞争：即使公司产品有价值，也要与客户预算中的 GPU、服务器、土地、电力、网络、软件、人力和安全支出争夺优先级。

份额判断不写伪精确数字。company-rich 没有披露公司在 AI 项目中的具体份额，本文就不写“全球份额 X%”。可以写的是相对竞争态势：若公司有客户认证、可靠交付、长期服务和成本优势，它能在项目扩容中保持位置；若竞争者通过更完整平台、更低价格或更强生态绑定客户，公司份额会被压缩。

供应链情景表能帮助判断竞争的方向：

环节	上行情景	下行情景
AI算力与芯片	国产算力适配成熟、推理成本下降、供给更稳定时，百度AI云毛利和交付能力改善。	高端芯片受限、国产替代进度慢或电力/机房紧张时，大模型迭代和云项目交付承压。
基础模型	模型能力接近或领先国内同业，并在价格、时延、中文任务和行业知识上形成差异化。	开源模型快速追平、API价格战加剧或模型能力被质疑时，平台溢价下降。
AI云与千帆平台	企业从试点进入规模化部署，智能体、知识库、代码和客服场景带来持续用量。	客户只做概念验证、预算推迟或被阿里云、火山引擎、腾讯云以生态打包截流。
搜索与广告智能化	AI搜索提升留存和转化，生成式广告工具提高广告主投放效率，抵消传统搜索广告压力。	答案式搜索压缩广告位、用户迁移到短视频/社交/Agent入口，广告货币化被动下降。
Apollo自动驾驶	Robotaxi运营区域扩张、单车成本下降、智能座舱和车企授权增加，打开长期应用空间。	安全事故、牌照收紧、车企自研替代或硬件成本下降不及预期，会拖累商业化叙事。
开发者生态	开发者把文心和千帆作为默认中文AI底座，带动调用量、插件和行业模板沉淀。	开发者转向开源模型、本地部署或其他云平台，百度模型生态活跃度下降。

竞争态势判断：百度 的真实对手不是所有 AI 公司，而是在 模型与应用平台 这一层争夺客户预算的厂商。若未来几个季度出现订单扩张、毛利率稳定、项目交付按期、FCF 不恶化，说明竞争压力可控；若收入增长但毛利率/现金流同步走弱，说明公司可能在用价格或资本开支换份额。

护城河

技术/产品护城河：核心证据来自 昆仑芯AI加速器 及相邻产品线的客户验证。对 模型与应用平台 来说，技术壁垒不是口号，而是稳定性、认证、交付、能耗/成本、可靠性和与客户流程耦合的综合结果。若产品只停留在样机、评估或一次性项目，护城河要打折；若能跨客户复用，护城河才会体现为更稳定的毛利率和更低的获客成本。

规模/交付护城河：FY2025 FY 收入：US$18.5B（SEC XBRL companyfacts）；毛利率 GM：43.9%（FY2025 FY）；营业利润率 OPM：-4.5%（FY2025 FY）；自由现金流 FCF：-US$2.2B（FY2025 FY） 这些财务锚点说明公司已有披露口径下的经营底盘，但规模不是天然护城河。规模只有在采购、工程、服务、渠道、监管或项目管理上形成成本曲线优势时，才会转化为利润质量。

客户认证护城河：下游包括 企业AI云客户、广告主与商家、车企与出行运营方、开发者。这些客户或场景通常重视可靠性、合规、交付和长期服务，切换供应商存在验证成本；但客户集中、议价和二供也是同一枚硬币的另一面。

生态/数据护城河：公司位于 AI产业链 链条中，能从上游供给、下游需求和竞品动作中看到项目节奏。若这种信息优势能转化为新品迭代和库存/产能纪律，它会改善现金流；若只转化为扩张冲动，则会抬高资本开支和运营风险。

财务护城河复核：FY2025 FY 毛利率 43.9%，毛利 US$8.1B；FY2025 FY 营业利润率 -4.5%，营业利润 -US$833.0M；FY2025 FY 净利率 4.3%，净利润 US$799.0M。护城河最终要回到财务质量：收入增长、毛利率、营业利润率、净利率、FCF 与资本开支方向必须互相印证。

护城河也要有反证。若竞争者能在短周期内复制产品并通过客户认证，技术护城河就不强；若规模扩大不能带来采购、交付或服务效率，规模护城河就不强；若客户集中导致议价权转移，客户绑定反而可能变成利润率压力；若资本开支持续高于经营现金流而没有长期订单支撑，所谓增长会变成资产负担。

因此，本文对 百度 的护城河判断是有条件的：它必须通过季度桥、订单质量、客户复购、产品扩展和现金流共同验证。只要其中两到三个指标持续背离，就应把公司从“AI 产业链稀缺节点”下调为“受益于周期但缺乏定价权的供应商/服务商”。

误读纠偏 / 风险与证伪

1. 把公司全部收入都视作 AI 收入，是第一类误读。本文只承认 AI 暴露，不把未披露分部改写成会计收入。
2. 把单季收入增长等同于长期份额提升，是第二类误读。真正需要验证的是订单、客户复购、毛利率、现金流和资本开支回报。
3. 把产业链位置等同于不可替代，是第三类误读。上游、下游和竞品都可能通过二供、内制或架构变化改变价值分配。
4. 上市主体为百度，昆仑芯的收入、成本和估值贡献可能被搜索、广告、云和自动驾驶业务混合掩盖。
5. AI芯片公开资料常强调峰值算力和示范集群，真实商业价值还取决于软件可用性、供货稳定性和客户复购。
6. 连续多个季度百度AI云或AI相关业务增速明显低于国内云同业，且管理层不再强调其为核心增长引擎。
7. 文心模型在主流中文、多模态、代码或企业评测中长期落后同业，并导致重点客户迁移。
8. AI搜索改版后百度App核心使用时长、搜索份额或广告主ROI公开指标持续下滑。
9. 千帆平台开发者、模型调用或行业案例披露明显减少，显示生态从平台化退回项目制交付。
10. Apollo Go因安全、监管或单位经济性问题收缩运营城市，且车企合作管线明显弱化。
11. 算力供给或合规限制导致大模型训练/推理服务不可稳定交付，公开客户案例出现大面积延期或替换。

反证框架

若收入增长 + 毛利率稳定/上行 + FCF 改善 + 客户复购/长期合同增加：
  AI 产业链卡位被验证。

若收入增长 + 毛利率下行 + FCF 恶化 + 存货/应收/项目成本上升：
  需求可能真实，但公司议价权或交付质量不足。

若订单延迟 + 客户转向二供 + 技术路线变化 + 管理层降低指引：
  原 thesis 被公开信号推翻，应重新评估产业链位置。

跟踪指标

频率	指标	为什么重要
季度	收入、毛利率、营业利润率、净利率、FCF	验证 AI 需求是否转化为利润和现金
季度	订单、backlog、项目验收、客户复购	判断收入的领先性和可持续性
季度	存货、应收、预付款、capex	识别低质量增长和项目延期
年度	客户/供应商集中度、分部披露	判断议价权和真实 AI 暴露
事件	技术路线、监管、出口管制、费率/许可、临床或任务节点	判断 thesis 是否被外部条件改变

尽调问题清单

问题	期待看到的证据	若无法回答如何处理
百度 的 AI 相关收入是否可给区间？	分部、订单、客户场景或管理层定性口径	只用 AI proxy，不提高估值权重
模型与应用平台 的单项目价值量是否提升？	BOM、合同范围、项目规模、续费或复购	不写具体数字，保留定性
毛利率变化是否来自 AI mix？	产品 mix、价格、良率、项目执行、成本转嫁	若无法拆分，按集团毛利率验证
客户集中度是否上升？	年报客户集中度、应收、backlog、长期合同	假设集中度风险存在
上游供给是否限制交付？	关键部件/资源/能源/云算力/劳动力交期	下修收入确认节奏
竞品是否通过二供进入？	客户认证、招标结果、价格变化	下修份额和毛利率
capex 或研发投入是否有订单支撑？	客户预付款、长期协议、项目里程碑	提高现金流折扣
哪些公开信号会推翻 thesis？	管理层指引、订单延期、客户流失、监管/技术路线变化	触发重新评级产业链卡位

主要来源

[1] company-rich 本地结构化数据：baidu，含 identity/thesis/products/chain_position/peer_compare/financial_quality/quarterly_bridge [2] 公开年报/产业公开资料 [3] SEC XBRL companyfacts via holdings.db；official；as of 2026-06-24；https://data.sec.gov/ [4] ARK日频 holdings via holdings.db；fund_holdings；as of 2026-06-24；https://ark-funds.com/ [5] SEC Form 4 via holdings.db；official；as of 2026-06-24；https://www.sec.gov/edgar/search/ [6] SEC 13F holdings via holdings.db；official；as of 2026-06-24；https://www.sec.gov/edgar/search/