文心一言免费后还要开源下一代模型，百度在下一盘大棋

开源和免费策略背后，亦是技术创新驱动，大模型不断迭代带来成本降低和生产力提升。

在近日召开的世界政府峰会上，李彦宏表示，在 AI 领域或 IT 行业，大多数创新都与降低成本有关。

“如果成本降低一定比例，生产力也随之提高同样比例。在今天，创新速度比以往都快得多。根据摩尔定律，每 18 个月，性能就会翻倍而价格减半。如今，大模型推理成本每年降低 90% 以上。”

这一数字背后，是行业大模型技术的深度变革与突破。

成本的大幅降低，使得大模型不再是仅存于顶尖实验室、少数科技巨头手中的昂贵 “奢侈品”，而是得以广泛普及，为千行百业的发展注入新动能。

成本下降的原因指向技术的成熟。过去几年，以百度为首的大模型企业们，一直在硬件、算法、工程化层面突破，致力于进一步降低门槛，努力提升商业化能力。

回溯大模型发展的早期阶段，技术不成熟带来的高成本问题，笼罩着众多AI企业。

以一个数百亿参数的 Transformer 模型为例，进行大规模预训练，通常需要数周到数月的时间，且需要依赖 GPU 集群的持续运行。在 GPU 单价居高不下的时代，每天的训练费用可能高达数十万美元甚至更多。

行业一直在围绕算法和硬件两个层面降本，百度的做法是，通过昆仑芯+百舸 AI 异构计算平台双轮驱动，构建超大规模算力集群。

其中，百度智能云通过自研昆仑芯三代及万卡集群建设，在确保了自身算力供应以外，同时为行业提供了新的降本增效方案。据百度方面介绍，万卡集群除了能处理单一任务，还可同时训练多个轻量化模型。基于通信优化与容错机制，有效减少算力浪费，实现训练成本指数级下降。

支撑万卡集群高效运行的是百度自研的昆仑芯三代。相较于前代产品，百度自研的新一代昆仑芯在算力、能效、稳定性等方面全面升级，针对大模型的分布式训练，昆仑芯三代结合并行任务切分策略，在训练主流开源模型时，将集群 MFU（集群计算利用率）提升至 58%，有效提升算力利用效率。

如果说训练成本决定技术上限，那么推理成本则决定了应用下限。

得益于百度四层技术栈的独特优势，芯片、框架、大模型和终端应用场景能够形成高效的反馈闭环，帮助大模型不断调优迭代。早在 2024 年初的财报电话会上，李彦宏曾透露，自发布以来，百度不断降低文心大模型的推理成本，已降低至一年前的1%。

训练成本和推理成本的断崖式下降，使百度有能力将文心一言从“付费会员制”转向全民免费。

而这一策略也绝非简单的价格战。此前百度 CTO 王海峰透露，文心大模型日均调用量已超 2 亿次，这种量级的用户交互数据，是打磨 AI 能力的核心燃料。

免费策略本质上是用短期收益换取数据飞轮的高速旋转，当单次 API 调用成本越来越低，免费开放带来的用户规模效应，反而可能通过生态反哺实现商业闭环。这种以战养战的策略，正在改写 AI 进化的底层逻辑。