共计 1152 个字符，预计需要花费 3 分钟才能阅读完成。
百度的 AI 组织又迎来一次关键调整。新设立的百度模型委员会 (BMC) 被放在更核心的位置, 基础模型研发部 BMU、应用模型研发部 AMU 将向其汇报, 同时相关部门仍向百度 CEO 李彦宏汇报。这一变化不只是组织名称的更新, 更像是百度试图为大模型业务建立一条更短、更直接的决策通道。
📌 从 BMU、AMU 到 BMC: 百度 AI 架构进一步成型
根据已披露信息,BMC 成员主要由年轻、熟悉大模型研发的研究员组成, 职责是统筹百度基础模型和应用模型的研发工作。此前百度已设立 BMU 与 AMU, 分别面向通用基础模型和更贴近场景的应用模型能力, 如今 BMC 相当于在两者之上增加统一协调层。
这一安排的重点并不在“委员会”三个字,而在于它让一线技术判断更靠近公司最高决策层。大模型研发涉及训练路线、数据配比、后训练策略、算力分配和应用反馈, 任何环节的信息延迟或失真, 都可能影响最终产品表现。
🔍 为什么要缩短决策链路?
百度长期被视为国内较早押注 AI 的互联网公司之一,从智能音箱、自动驾驶到大模型, 很多方向并非被动跟进。但外界对百度 AI 的评价也常伴随一种矛盾: 战略判断较早, 产品结果和市场感知却未必总能匹配。
这也解释了为什么百度强调由更懂模型的一线研究员参与统筹。大模型竞争不只看资源投入, 也考验组织能否快速识别问题、调整方向, 并把基础模型能力与应用场景打通。
💡 BMC 背后的“内部创业”意味
BMU 和 AMU 本就不适合割裂运行。基础模型决定能力上限, 应用模型则持续反哺需求和评测标准。若底座团队只追求通用指标, 应用团队只在场景侧补能力, 最终容易出现研发与落地脱节。
- 统一研发节奏:让基础模型与应用模型围绕同一套目标推进。
- 压缩信息层级:减少关键技术判断在管理链条中的损耗。
- 强化落地导向:把模型能力、产品体验和业务场景放在同一张桌面上评估。
📊 DAA: 百度试图重新定义 AI 应用指标
在 Create 2026 上 , 李彦宏提出 DAA(Daily Active Agents, 日活智能体数) 概念, 试图把 AI 时代的衡量标准从传统 DAU、token 消耗, 转向“有多少智能体在替人完成任务”。这一提法反映出百度希望把竞争焦点从模型参数和聊天访问量, 拉到智能体执行能力上。
这个方向有启发性。若 AI 价值不只是回答问题, 而是完成流程、生成结果、辅助决策, 那么单纯统计访问人数或 token 消耗确实不够。但 DAA 也需要更严格的质量约束: 智能体是否真的创造价值、是否高频使用、是否带来付费和效率提升, 不能只靠“活跃数量”证明。
🚀 真正考验仍在应用场景
围绕“百度 AI,“单干”创业”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
