1998年，在亚马逊股东信里，贝佐斯写道：“我们要反抗熵增。”

所谓熵增，是潜藏在物理世界的一个“魔鬼”。塞萨尔·伊达尔戈在《增长的本质》一书中提到，热力学第二定律表明，一个封闭系统里，熵值（混乱度）总是自发增加，系统从有秩序演变至无秩序。

而要维持秩序、创造美好，就必须反抗这股强大的自然趋势。但，怎么反抗呢？

28年过去了，我们从互联网到移动互联网，再到AI，时代在变，这个命题却没有。

在现实世界中，熵增无处不在。最近，演员刘美含就发现乱套了。为了给新剧配音，她需要明确“铸币坊”中“坊”字的读音，自己直觉是读fǎng，但又吃不准。于是，刘美含用时兴的五款AI工具查一查，居然出现了两种结果，百度文心说读fáng，其他四个都说读fāng。

这事很多人当笑话看，但它却让我想起了一个严肃的问题——我们的AI市场，是否已经因过度供给变得混乱了？

“过度供给”这个概念曾经出现在《创新者的窘境》一书当中，作者克莱顿·克里斯坦森认为，创新是有陷阱的，其中之一是性能过度供给。这一点显然已经在不断调参数刷榜的模型竞赛上体现出来了，很多通过数据污染、刷题库抢榜单排名的模型，到了应用层面显出原形。

如果把整个AI市场看作整体，这样的过度供给的情况不仅体现在模型上，也体现在产品、营销上。仅仅短短几年时间里，百模大战、红包大战，百虾大战，一轮又一轮下来，Token是暴涨了，但整个AI市场却日渐陷入无序之中。

显然，像刘美含这样的普通人，即使手机里装了好几款AI App，但我敢保证，除了名字，她压根分不清这个和那个有啥区别，甚至不能帮她把读音理顺，让她的思路更混乱。

你看，熵不仅会自发增加，无效的过度供给是使得系统加速熵增的。

最终，还是经纪人通过《新华词典》APP查询，才确定了“铸币坊”中“坊”字的正确读音为fáng。

恭喜百度文心答对了。

01

别重复造轮子

尊重用户

可能很多人都觉得难以置信，一个简单的读音，居然难倒了一众如雷贯耳的AI工具。

前阵子，它们可是花了那么多钱去发红包，怎么就不舍得买一本新华字典？

事情当然没有简单。问题的根源在于，生成式AI（如大语言模型）的核心机制是预测下一个最可能出现的词或音节，而非检索权威知识库确认事实。它通过训练数据中的统计规律生成回答，但它真正理解你所提问的问题吗？

DeepSeek很诚实地跟我说，“从纯粹的技术原理上说，我无法像人类一样理解世界，我只是一个基于复杂数学和统计学原理运行的模式识别与信息处理系统。”而我养的某家厂商的“龙虾”，自始至终连我的问题都没“听”明白。

这让我对刘美含感同身受了，看似我操纵着各种先进的AI，但它并不理解我所说的，也不知道为什么会给我这个结果，它只是消耗了token基于已有的资料给出了每一个字符出现的概率分布，而这，是很容易被污染的。

今年的315晚会曝光了一种新型黑产— GEO（生成式引擎优化），专门给大模型投毒，投喂虚假内容，从源头上操纵了主流AI大模型推荐结果。

只需十余篇虚假软文，大模型就会信以为真，将一款子虚乌有的产品列为优先推荐产品推荐给用户。并且实测中，GEO的投毒几乎百发百中，就能给所有大模型制造幻觉。

所以，有时候我会想，这些被重复制造出来的轮子究竟有多大的意义？它们花钱做模型，再花钱搞入口，然后发红包拉新，底层架构大差不差，所引用的数据也基本一样，所生成的信息真假难辨，消耗了大量token却使得整个系统愈加混乱，加速熵增。

我注意到，刘美含在介绍5款AI应用时，其他都是新APP，只有百度APP，还是咱们熟悉的那个老朋友。

显然，她是通过百度APP在用AI。这和我的习惯一样，毕竟百度一下，已经形成了肌肉记忆，无需经历“下载-注册-使用”的复杂链条，只需在底栏轻点，即可从“问百度”切换到“问文心”。整个链路简单直接，而且发生在用户最熟悉、最高频的场景中使用AI，把对用户的打扰降到最低。

这背后的逻辑是，百度并没有选择重复造轮子、没有刻意造一个全新的AI入口把眼花缭乱的AI功能装进去，而是把大模型能力嵌入到一个已经被验证过的超级入口里，即在百度APP里嵌入文心助手。在这里，不只有AI能力，更承载着用户最真实的需求。‘

二十多年的搜索服务，让百度积累了对用户需求的精准洞察。它清楚用户真正需要的是好用、精准解决问题的能力，而非大而全的功能集合。这也映射出当下AI产品存在的一种熵增现象：AI功能愈发繁多，却让用户更加无从选择。

为什么百度文心能答对坊的读音？除了文心大模型本身低幻觉和低污染，还因为百度搜索本身的可验证性和准确性。在内嵌AI入口的同时，搜索本身也完成了彻底的AI化，例如搜索“百看”提供富媒体结果，用户可以直接获得幻觉率更低、可信度更高、效果更稳定的AI回答，并以图文、音、视频等富媒体形态呈现，还有智能体等形态，带来更丰富的体验。

这也解释了315曝光GEO投毒后，外界为何再次出现“怀念百度”的声音。能够懂用户，准确解决问题，始终是AI产品最本真的价值。所谓产品层面的熵减，也是一种返璞归真，本质上是让业务回归用户需求本身。

百度所遵循的，其实是一种第一性原理：不是为了AI而做AI，而是基于自身所擅长的、用户所需要的，有节奏的进行相关布局，从尊重用户需求视角出发，完善产品的智能化路径。

截至2026年3月，百度APP月活超7亿，文心助手月活数已突破3.6亿。我是这3亿分之一，习惯用百度的核心原因还不是因为方便，而是我要把信息的选择权和认知思考的能力把握在自己手上。

02

让系统开放

没有人想要“围墙花园”。随着人工智能大模型和智能体的发展，构建开放、协作的生态系统显得愈发重要。

百度很早就意识到唯有开放，才能对抗AI的熵增，唯有积极拥抱最前沿技术，吸纳“外界的能量”，才能实现熵减。

2026年开年以来，百度对OpenClaw展开了一系列布局，是最早拥抱这一技术的大厂。

百度的“龙虾”布局速度是以天为单位的，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，百度发布零部署服务DuClaw；3月12日，百度推出全球首款手机龙虾应用；3月17日：百度“龙虾”全家桶正式亮相，包括“云端虾”、“手机虾”、“安全虾”，并发布全新自研“桌面虾”产品DuMate和全球首款“家用小龙虾”。

在“系统开放”方面，百度总是跑在前面的，它深知“封闭”加剧熵增，而生态繁荣、持续迭代，正是实现熵减的关键路径。

过去，我们往往认为对于商业体来说，开放要么意味着开放性组织，要么意味着开放生态，这些开放已经被验证是有利于组织进化和商业繁荣的，但多少都具有局部性，例如部分人员的流动，例如基于自身小生态的开发和分发。

但AI时代为系统级开放创造了条件，企业和企业之间、业务和业务之间、产品和产品之间不再是简单的竞争或合作，而是形成促进互相生长的关系。或者说，拥抱新事物、新秩序本身就是对抗熵增趋势，实现熵减。

OpenClaw是个新事物，为因过度供给而同质化混乱化的AI市场，带来了新方向，百度自然毫不吝于支持新生态的诞生，它不但让更用户低门槛用到龙虾，更是龙虾的生态伙伴。

3月12日，OpenClaw创始人Peter Steinberger在海外社交平台上点赞，并在多个帖子下连续评论，称中国AI创新速度“Amazing”，表示愿与百度共同开发“龙虾”。

而百度也为AI新生态贡献着力量。目前，百度推出的“龙虾”全家桶产品方案为用户提供便捷好用的多端“OpenClaw”原生体验。百度搜索Skill也已成为全球下载量最大的搜索引擎官方Skill，可谓“装龙虾必备”，截至3月17日，百度搜索Skill下载量超4.5万次。

这些努力让OpenClaw乃至赛博世界完成了一次细胞更新，何尝不是促进了熵减呢。

其实，不止拥抱OpenClaw，百度还开放姿态拥抱了众多前沿技术，是最早接入MCP，拥抱DeepSeek的大厂。此外，百度也极其注重自身的生态打造，依托核心产品不断培育并壮大生态体系—无论是飞桨文心开发者生态，千帆企业生态，还是秒哒超级个体生态，均已发展至相当规模。

熵减，是“建立并维持新秩序”的物理学表达，它需要像百度这样开放、参与创新才能实现。

03

减少组织熵增

焕发组织创新活力

熵增不止在系统里，也存在组成系统的每个组织，乃至个体里。

杰弗里·韦斯特在《规模：复杂世界的简单法则》中揭示了一个深刻的规律：企业和生物体一样，都要服从熵增定律。难怪彼得·德鲁克会说：“管理就是要做一件事情,就是如何对抗熵增”。

不幸的是，无效的管理反而会造成熵增，封闭的人才系统、冗长的汇报层级、复杂又含糊不清的规则，往往会造成巨大的内部交易成本。放在高度科层化的传统行业尚可忍受，但如果一家企业想要赢得AI时代的竞争，那是万万不行的。

试想一下，如果百度没有在第一时间上下同欲，超前布局“龙虾”，那么一个月后的今天，它已经根本没有几乎上桌了。

因为AI时代的迭代速度就是这么快。

必须要让组织敏捷起来，这已经是AI巨头们的共识了。随着模型竞争的深化，百度也在不断调整打法。其中，AI组织结构的调整，便是激发组织创新活力的重要一环。

去年11月，百度TPG（技术中台群组）拆分为聚焦大模型的基础模型研发部和聚焦场景、专精模型调优的应用模型研发部，负责人吴甜与贾磊均向百度CEO、创始人李彦宏汇报。今年1月，从MEG中拆分百度文库与百度网盘，成立新的PSIG（个人超级智能事业群组），聚焦个人AI应用场景，其商业化以探索订阅模式展开。

在一家企业，新技术、新业务的发展需要非常多的支持和协同，而组织内部是有结构洞的，比如两个业务之间怎么拉通，业务和技术之间如何对齐，都得过这个洞。所以，必须要让最有power的人占据结构洞，让他去授权，去沟通，去连接。

在对抗AI熵增的战役中，仅靠CEO挂帅还不够，打胜仗得良将如云。在《创新与企业家精神》中，德鲁克提出了建立开放系统的理念。他也意识到企业必须从外部世界吸取能量，实现反熵增的目标。

这话不难理解，得让水活起来，一方面让内部人才的潜力得以涌现，一方面让外面的人才进来，引入外部新鲜血液。百度以技术创新为核心的组织文化，也孵化出了重视人才、吸引人才的培养机制，内部长期重视 AI 人才培养，创新氛围活跃，如激励AI创新园队的“百度最高奖”已连续举办16年。近期百度还升级了AIDU计划，让富有创造力的年轻人挑大梁，培养未来的AI领军人才。

正如韦斯特所言，人才和功能的结合足以产生新的变体，企业前景便会不断扩大，“找最好的人才，信任他们，给予他们支持。”

企业作为有机体，组织与人才的迭代，也是熵减。

04

把水烧到100度

一直以来，很多企业家都有个困惑：所有企业都希望对抗熵增，实现熵减，但是为什么很多都没做到？

因为熵增和熵减都是非线性的，就像在水平面上，水不会在99度时沸腾，必须久久为功，加上最后一把火，直到让一锅水沸腾。

但你以为看着炉子上的火是唯一重要的事情吗？非也，试想一下，厨房里只有一个灶头，灶台下面放着很多锅，有的是不锈钢的，有的是搪瓷的，还有的干脆就是砂锅，选择拿哪个锅去烧热效率最高，至关重要。

毕竟，我们都知道经济学第一原则：资源是稀缺的。

所以，对于企业来说，选择就是战略，要把能量都聚焦在一个战略上，坚持长期主义，直到发生质变。你知道，水沸腾后会变成蒸气，那是一种巨大的能量，能顶翻天花板。

回头来看，在国内的AI产业，的确是百度先找对了战略。早在2010年，百度就已经开始布局AI，那时候就连移动互联网时代的大幕还没拉开。2017年，当大家还在为移动互联网兴奋时，李彦宏就已经说，互联网思维已经过时了，未来应该是AI思维。

因为最早布局，并长期坚持投入，百度实现了全球少有的「芯云模体」全栈AI布局。底层有自研芯片昆仑芯提供算力，中间有百度智能云做基础设施，再往上是文心大模型提供AI能力，最顶层是面向千行百业场景的智能体等应用。

及至今天，每一层能力都已经迎来价值兑现时刻。

例如昆仑芯，开年提交独立分拆上市，市场有机构给出500亿美元高估值；无人驾驶同样领先，萝卜快跑更已进入全球26个城市，加速规模化落地。至于智能云，其实百度也是国内第一个提出智能云概念的，到AI大模型时代，当整个云行业都在喊智能的时候，百度的AI规模化落地已走在前面，多次财报表现中，AI云已成百度核心引擎；智能体领域，从“龙虾”应用全家桶，到伐谋、秒哒，智能体应用创新保持高速度。

（图注：图数据源自2025年百度Q4&全年财报）

这些率先“开花结果”的收获，与百度较早意识到战略熵减的重要性密不可分。战略熵减的要义在于，战略要清晰、要聚焦核心、还要有定力，才能够在外界充满熵增的环境中，主动构建起自我秩序，从而沉淀起稳固的长期竞争力。

回溯到十多年前，百度入局AI之初，就同步强调用技术解决实际问题。2024年，在大家还在卷模型的时候，李彦宏率先判断模型的价值在于应用，呼吁行业卷应用，他也是最早看好智能体的，预判未来智能体会成为最主流的AI应用形态。

这些思路、产品为中国的AI科技世界注入了新风，延缓了它的熵增速率，乃至形成了一定程度的熵减。今天回头看，在全球AI竞赛中，只有中美唯二两国领跑，不能不说没有这股新风的功劳。

百度持续的投入，把AI这锅水，烧开了。

当然，我不是说，在反熵增的战役中，百度已然取胜，事实上，这是一场没有终局的长期博弈。

那个在28年前就已吹响号角的亚马逊，也还仍然在与熵增博弈，但从线上书店到线上零售再到云计算，亚马逊的确在周期的更迭中，证明了只有自我迭代，不断吸取外界能量，才能在熵增的大趋势下，实现企业的熵减，乃至让上下游、用户都受益。

今天，百度或许也是最早意识到AI行业同样会发生熵增的科技巨头之一。和亚马逊类似，百度选择主动对抗熵增。

对抗“熵增”、主动熵减，其实是伟大公司成长的必经之路。亚马逊、微软、谷歌等国际巨头都曾在不同阶段与熵增反复博弈，并通过主动熵减增强了长期韧性。

经历十多年AI浪潮起伏，百度以长期主义与全栈布局来作为主动熵减的核心策略。如今的一系列好成绩，也正在印证：这已成为它跨越互联网、移动互联网周期，在AI时代率先见到“结果”的成长密码。（王芳洁）