AI 带来 eCPM 和用户参与度的提升（百度 4Q23 电话会纪要）

以下是$ 百度.US2023 年四季度的财报电话会纪要，财报解读请移步《百度：翻盘只能靠 AI》

一、财报核心信息回顾：

二、财报电话会详细内容

2.1、高管层陈述核心信息：

1）经营层面：

Ⅰ 业绩增长：a) 收入与利润增长：百度核心业务在 2023 年实现了 8% 的同比收入增长，非 GAAP 营业利润率从 22% 增长到 24% 的；b) 增量收入来源：通过广告技术改进和企业模型构建服务，百度在 2023 年第四季度产生了数亿元（6 亿 +）人民币的增量收入

Ⅱ 技术创新：百度在 Gen AI 和基础模型方面取得重大进展，ERNIE 和 ERNIE Bot 市场应用持续增加，将 Ernie 视为未来数百万 AI 原生应用的基础系统。

Ⅲ 成本优化：ERNIE 的推理成本大幅降低，EB3.5 的推理成本仅为 2023 年 3 月版本的约 1%，主要得益于百度其独特的四层 AI 架构（基础设施）和端到端优化能力。

Ⅳ AI 原生应用：利用 ERNIE 在多个产品和服务中创造了 AI 原生体验，如百度文库的 AI 副驾驶功能和基于 ERNIE 重构的百度搜索，同时，构建围绕 Ernie 的生态系统来开辟各种收入来源。

Ⅴ AI 聊天机器人：百度积极推广 AI 聊天机器人技术，尤其是在服务行业中，鼓励中小企业构建 AI 聊天机器人作为新的营销和服务渠道。

Ⅵ AI 云：百度 AI 云业务在 2023 年第四季度实现了 11% 的同比增长，达到 57 亿元人民币，同时继续提高盈利能力，尤其是非在线营销业务的增长主要由 AI 云业务驱动。

Ⅶ 智能驾驶：Apollo Go 在智能驾驶服务方面取得了显著进展，提供的乘车服务同比增长 49%，继续朝着 UE 盈亏平衡目标努力。

Ⅷ 短期展望：a) 增量收入预计 2024 年这一数字将增至数十亿元人民币，主要源自广告和 AI 云业务；b) 百度将继续投资于 Gen AI 和基础模型领域的机会；c) AI 云应保持强劲的收入增长，并在非美国通用会计准则下实现盈利。

2）财务层面：

Ⅰ 收入概况：2023 年全年总收入 1346 亿元人民币，同比增长 9%。a) 在线营销收入：第四季度为 192 亿元人民币，占百度核心总收入的 17%，同比增长 6%，2023 年全年同比增长 8%。b) 非在线营销收入：第四季度为 83 亿元人民币，同比增长 9%，2023 年全年同比增长 9%，主要由 AI 云业务驱动。

Ⅱ 成本与费用：a) 成本：第四季度为 174 亿元人民币，同比增长 3%；2023 年全年为 650 亿元人民币，同比增长 2%。 b) 营业费用：第四季度为 121 亿元人民币，同比增长 5%; 2023 年全年为 477 亿元人民币，同比增长 9%。

Ⅲ 营业收入：第四季度营业收入 54 亿元人民币，2023 年全年营业收入 219 亿元人民币。第四季度核心营业收入为 47 亿元人民币，营业利润率为 17%。

Ⅳ 现金状况：截止 2023 年 12 月 31 日，现金及现金等价物、限定用途现金和短期投资 2054 亿元人民币。2023 年自由现金流 254 亿元人民币。

2.2、Q&A 分析师问答

Q:管理层如何看待 2024 年中国的宏观经济格局？对于整个百度公司，管理层对 2024 年的增长前景持何种看法？此外，2024 年百度总收入中 AI 相关收入的百分比是多少？

A：尽管去年宏观经济环境十分严峻，但我们的业务表现十分稳健。我们在 Gen AI 领域进行了大量的投资，尽管如此，我们的 Non-GAAP 营运利润率同比扩张，收入也经历了可观的增长。更值得一提的是，我们开始从 Gen AI 和基础模型中实现了增量收入。

对于今年，我们注意到中央和地方政府都在努力促进经济增长。在春节假期的八天里，我们看到了消费增长，特别是在旅游行业。但我们仍然处于一个充满不确定性的宏观环境中。我们密切关注重大的经济刺激计划，我们认为这对于实现今年的目标至关重要。

尽管如此，百度面临着许多机遇。我们的核心业务依然稳健，而来自 Gen AI 和基础模型的增量收入将于 2024 年达到数十亿人民币，这将有助于我们总收入的增长。更具体地说，由于我们在 LLM 和 Gen AI 方面的领先地位，企业越来越多地在百度云上构建模型并开发应用程序。

对于我们的移动生态系统，我们已经积累了庞大的用户基础，并通过人工智能创新不断改进我们的产品并增强我们的货币化能力。因此，当我们将云和移动结合在一起时，我认为我们将能够维持我们的长期增长，这种增长速度将快于中国的 GDP 增长。

Q：如何看待在成本削减和优化方面的潜力？对于与人工智能相关的投资，我们应该采取何种态度？过去，您们曾讨论过廉价投资和人工智能收入贡献之间可能存在的滞后效应，如果您计划扩张业务，应该如何看待 2024 年的利润趋势？

A： 除了在我们的 Gen AI 业务上进行投资之外，我们仍然有空间来管理我们传统业务的成本和费用。展望 2024 年，我们将继续专注于我们的核心业务，我们还将努力减少对非战略性业务的资源分配。此外，我们将不断增强整体组织效率，通过简化执行过程、压缩组织结构层级来提高效率。

因此，今年我们非常致力于持续优化我们的运营，确保我们拥有更高效的人力资源团队。通过所有这些措施，我们的目标是保持百度核心业务的稳健盈利，同时我们的移动生态系统将继续开拓最开放的市场，并产生稳健的现金流。AI 云服务也将继续带来持续盈利。

尽管我们对人工智能进行了投资，但我们已成功地维持了稳健的营运利润率。2003 年开始，当我们开始投资于 Gen AI 和大模型，这些投资主要反映在我们的资本支出上，主要涉及购买芯片和服务器，用于 AI 的现代训练等方面。

由于资本支出将在数年内摊销，所以尽管我们在 2023 年的成本资本支出同比增长了 68%，我们的 Non-GAAP 营运利润率仍然同比增长了 2%。

展望未来，在开发我们的新人工智能业务的过程中，进行新的投资是不可避免的，然而，这些投资预计不会对我们的利润率或利润产生重大影响。

在市场开发的早期阶段，我们也不会过分优先考虑 AI 业务的利润率。因为我们相信，从长远来看，这个业务预计会产生更好的利润率。此外，对于 AI 本地 2C 产品可能会进行一些促销活动，我们将谨慎管理并密切监控投资回报率，以平衡投资和增长。

Q4 中从架构改善中产生的增量收入已经达到了数百万人民币，并且从 Gen AI 和金融模型中产生的增量 AI 云收入也为总 AI 云收入贡献了 4.8%。未来，我们将继续坚定不移地致力于 Gen AI 和大模型的发展。

Q：您能否量化或证明百度将产生的广告收入纯粹源自 AIGC 的增量贡献，而非对现有搜索业务的内部竞争？若人工智能确实为纯粹的增量贡献，我们是否可期待其增长速度高于平均水平，且排除了人工智能因素后的增长情况？对于 2024 年核心搜索的增长率，我们该如何进行看待？

A: 作为中国最大的搜索引擎，我们拥有近 7 亿月活跃用户。我们在中国互联网和移动用户中建立了非常强大的品牌存在，他们依赖我们获取全面可靠的信息，因此，我们拥有强大而稳定的基础收入和流程。

但我们也对宏观经济非常敏感，因为我们的广告业务覆盖了各种不同的垂直领域。我之前提到过，宏观因素仍存在不确定性。但 Gen AI 和 LLM 正在为我们开辟新的机会，无论是在盈利方面还是用户参与方，我认为在盈利方面更容易量化增量收入。

正如我之前所提到的，Gen AI 已经对广告的 eCPM 产生了积极影响，而我们改进的货币化系统则提升了我们的定位能力，进而生成并展示更加相关的广告。我们在第四季度从这些举措中获得了数亿人民币的收入，并且预计今年的增量收入将增长到数十亿人民币。

然而，量化用户参与方面的影响相对困难。Gen AI 正在帮助我们改善用户体验。未来，我们将继续推出新功能，进一步提升用户的关注度和使用时间，为我们带来更大的潜力。

因此，我认为纯粹的增量收入将主要来自于货币化和用户参与度两个方面。

Q：我们应该如何看待由 Gen AI 驱动的增量收入增长？Gen AI 云的产品组合是什么样的？主要的增长驱动因素是什么？在 2024 年，我们应该如何期待整体 AI 云收入的增长，以及今年的利润率趋势？

A：包括内部和外部收入在内的 Gen AI 和基础模型相关业务的总收入在第四季度已经达到了人民币 6.56 亿元，这个数字应该在 2024 年全年增长到数十亿元人民币。我们看到企业对使用 Gen AI 和 LLM 开发新应用和功能的兴趣日益增加。为了达到这一目标，企业正在积极构建模型，以支持其产品和解决方案，这是我们从外部客户获得大部分收入的方式。同时，我们也注意到来自外部客户的模型推理收入正在出现显著增长，因此，目前推理收入仍然相对较少。

从长远来看，这将成为一个重要且可持续的收入驱动因素。内部客户产生的收入也相当重要，因为其中相当一部分收入用于模型推理，百度是第一家利用 Gen AI 和 LLM 重建所有业务和产品的公司。随着由 Gen AI 和 LLM 驱动的产品和功能数量不断增加，内部客户对 Ernie API 的调用量也在迅速增加，并已达到了相当大的规模，这样的发展证明了 Ernie 和 ERNIE Bot 可以在现实应用中有效提高生产力和效率，未来会有越来越多的外部客户使用 ERNIE 开发他们自己的应用程序，并推动我们的外部收入增长。

关于您对我们产品提出的问题，我们在中国拥有最强大的人工智能基础设施，用于模型训练和推理，我们的基础设施帮助客户以低成本高效益的方式构建和运行模型。此外，我们的 MOPS 为模型构建和应用程序开发提供了各种模型和完整的工具套件，包括模型构建器和应用程序构建器。此外，我们还开发了自己的 AI 原生解决方案，例如 GBI，即生成式商业智能，这些应用程序有助于提高企业的生产力和效率。

总的来说，我们预计 2024 年的云业务收入增长将加速，超过去年的增长。此外，我们对于 AI 云的盈利能力相当有信心。对于企业云，我们应该能够持续改善毛利率；对于传统云业务和 Gen AI 及大模型业务来说，市场仍处于发展的早期阶段。

因此，我们应该采取一种相当动态的定价策略，以迅速教育市场并扩大我们在更多企业客户中的渗透率。从长期来看，新业务的标准化利润率应该比传统云业务更高。

Q：我可以了解一下我们人工智能产品的开发进度吗？流量增长情况如何？是否有关于新的生成式搜索的关键指标可以分享？人工智能是如何增加搜索流量的？这种增长需要多长时间才能显现？我们何时可以看到流量的迅速增长或超级应用的出现？

A：我们正在利用生成式人工智能重构我们所有的 2C 产品，我认为 Gen AI 和基础模型正在使我们所有的产品更加强大。对于搜索而言，Gen AI 的引入使百度能够回答更广泛范围的问题，包括更复杂、开放式和比较性的查询。通过提前思考，我们可以以更交互式的方式提供直接而清晰的答案。

在过去几个月中，越来越多的搜索结果不再仅仅是提供一些内容和链接，而是由 Ernie Bot 生成。因此，用户与百度的互动频率更高，并且提出了新的问题。

例如，越来越多的用户来百度进行内容创作，无论是文本还是图片。在中国新年假期期间，百度帮助用户创建新年祝福信息，并为他们所爱的人生成个性化的电子卡片。这并不是搜索引擎的典型用例，但我们看到许多用户依赖百度进行这种类型的使用。

在未来，我们将越来越多地使用 ERNIE Bot 来为搜索查询生成答案，然后通过多轮对话澄清用户意图，以便通过自然语言解决复杂的用户需求。虽然这一举措已经提升了搜索体验，但我们在利用 ERNIE Bot 重构重要的搜索方面仍处于早期阶段。我们将根据用户反馈持续测试和迭代基于 Gen AI 的功能，并在准备好进行大规模推出之前，按照我们的典型流程进行测试和优化新的体验。

总的来说，我们相信 Gen AI 将补充传统搜索，最终提高用户留存、参与度和在百度上的使用时长。除了搜索之外， ERNIE Bot 就像副驾驶员，使文库从用户查找模板和文档的导航转变为用户创建各种格式内容的一站式平台。

到目前为止，我认为约有 18% 的新付费用户是通过文库的 Gen AI 功能吸引而来的。与此同时，我们正在吸引并帮助企业在学习方面构建应用程序。我们相信 ERNIE 的成功取决于它广泛和积极的采用，无论是通过百度应用程序还是通过第三方应用程序。

Q：您能否谈谈 2024 年 Ernie 的技术路线图？是否包括多模态功能，可能类似于 Sora，或者可能开设一个人工智能商店？或者可能推出一个 AI agent？您能谈谈里程碑或关键指标吗？关于运行 Gen AI 的成本，我们应该如何考虑未来管理推理成本的投入和收入？显然，您谈到了一些提高效率的方法。是否有任何额外的杠杆可以优化这个过程？

A：我们手头的芯片应该能够将 EB4 推进到下一个水平。我们将采取应用驱动的方法来进行密集学习，让我们的用户和客户告诉我们应该在哪些方面改进和调整我们的模型，这可能涉及构建多模态模型、AI agent、提高可靠性等。我们专注于利用 Ernie 为用户和客户带来真正的价值，而不仅仅是在研究论文中取得高排名。

而且价格会是一个非常重要的问题，使高性能的基础模型价格合理是大规模运营的关键。我们一直在不断降低模型推理成本。现在，EB3.5 的推理成本约为 2023 年 3 月版本的 1%，通过这样做，越来越多的企业愿意在学习上测试、开发和迭代他们的应用程序。

我们了解到，对于许多客户来说，他们倾向于在效率、成本和速度之间取得平衡，因此我们还提供了更小的语言模型，并帮助客户利用 MOE，这是一种专家混合模型，以获得最佳性能。通过我们的端到端方法，我们相信仍然有充足的空间来降低我们最强大模型的成本，并使它们对我们的客户越来越实惠。这将进一步推动我们模型的采用。

在内部，我们正在密切监控由 Ernie 处理的应用程序数量，就像我之前提到的，Ernie 现在每天处理超过 5 千万个查询，而且目前内部应用程序的 Ernie API 调用量仍然比外部应用程序的调用量大。来自外部应用程序的不同规模的 Ernie 成本一直在迅速增加。

这只是开始，随着越来越多的终端用户使用 Ernie，它将变得更加强大、更加智能和更加有用，无论是通过百度应用程序还是第三方应用程序，这将使我们能够培育围绕 Ernie 的生态系统。随着这些应用程序和模型被终端用户积极使用，它们也将为我们带来可观的推理收入。

Q：对于 ERNIE 的企业采用情况如何与同行相比？您能否请您与我们分享最新的使用 ERNIE 构建模型和应用程序的企业数量，并帮助我们了解与上一年相比的增长情况以及潜在的驱动因素是什么？最后，您能否帮助我们也了解一下，是否可以假设应用 ERNIE API 集成的企业很少会使用其他元素？

A：截至去年 12 月，大约有 26,000 家不同规模、分布在不同行业的企业从我们的云平台调用了我们的 Ernie API，较上一季度增长了 150%。Ernie API 的调用量每天已经超过 5000 万次，我们相信在中国没有其他公司能够获得如此多的客户并收到如此大量的 API 请求。

企业主要选择我们主要是基于以下几个原因：

首先，我们拥有中国最具成本效益的 AI 基础设施，用于模型构建和推理，主要是因为我们具有端到端优化的强大能力。正如我之前提到的，Gen AI 和大模型正在重塑中国公共云行业的竞争格局，增强了我们的竞争优势。我们在管理大规模 GPU 中心化云计算方面的强大能力，以及极高的 GPU 利用率，不断增强了我们的 AI 基础设施。 因此，我们可以帮助企业以较低的成本在我们的云平台上构建和运行他们的模型，并开发基于人工智能的应用程序。

其次，EB 系列模型吸引了许多客户来使用我们的云平台。在过去几个月中，我们不断增强了 Ernie 的性能，并收到了客户的积极反馈。我们还提供不同规模的 Ernie 模型，以更好地满足客户在成本结构方面的需求。

当然，我们是中国首家推出模型即服务的公司，这是一个为 LLM 和基于人工智能的应用程序开发提供一站式服务的平台。我们的模型使企业更容易使用 LLM。我们还提供了工具包，帮助企业轻松训练或微调他们的模型，并在我们的云平台上开发应用程序。

因此，通过这些工具包，客户可以通过整合他们的专有数据来有效地训练、定制模型，并直接使用 Ernie API 来为他们自己的应用程序提供动力。我们还可以通过在应用程序开发中采用 MOE 方法来帮助客户支持不同的产品特性，采用不同的模型。

因此，企业可以专注于识别客户的痛点，而不是将精力扩大到程序上。所有这些举措都帮助我们在 GNI 和 LLM 领域获得了先发优势。

关于最后一个问题，随着越来越多的客户使用我们的 MASS 平台开发旨在吸引用户的 AI 原生应用程序，我们的云平台将产生并积累大量的用户和客户见解。因此，这些见解还将有助于我们进一步完善工具包。

随着我们的工具越来越用户友好，并帮助企业轻松微调模型和创建应用程序，他们将更倾向于选择留在我们这里。此外，值得注意的是，在当前阶段使用大型语言模型时，对客户来说至关重要的是创建适合其选择模型的提示。

因此，由于他们必须投入大量精力来构建和积累最佳提示以使用大型语言模型，转换到另一个模型变得具有挑战性，因为他们将不得不重新建立他们的提示组合。结果是，随着我们平台的采用率和活跃使用率不断增加，客户满意度和转换成本将有助于提高客户保留率。

Q：我想了解最近美国进一步限制芯片对您的人工智能发展产生了什么影响？是否有关于备用芯片的任何更新？考虑到芯片的担忧，百度如何通过开发人工智能模型产品和变现方式与海外同行不同？我们可以期待实现什么，可能会面临哪些困难？公司将如何在未来几年跟上海外同行的步伐？

A：在短期内，对我们的模型开发、产品创新或变现方式影响较小。正如我上个季度所提到的，我们已经拥有中国最强大的基础模型。我们的人工智能芯片储备使我们能够在未来一两年持续增强 Ernie。对于模型推理，需要的芯片不需要那么强大。我们的储备和市场上可用的芯片足以支持我们为终端用户和客户提供许多 AI 原生应用程序的动力。

从长远来看，我们可能无法获得最前沿的 GPU，但凭借最高效的国产软件堆栈，总的来说，用户体验不会受到影响。在应用层、模型层和框架层都有充足的创新空间。我们的端到端自主研发的四层 AI 架构，以及强大的研发团队，将支持我们使用不那么先进的芯片进行高效的模型训练和推理，这为百度在国内同行中提供了独特的竞争优势。对于企业和开发者来说，构建应用程序时采用 ERNIE 将是拥抱人工智能的最佳、最有效的方式。

Q：近来我们看到了文本到视频或视频生成技术的许多发展。您如何设想这种技术将影响中国更广泛的人工智能产业发展，以及对 ERNIE 可能产生的影响？您能详细介绍一下 ERNIE 的战略路线图吗？此外，ERNIE 目前在文本生成、文本到图像、文本到视频生成任务中的表现如何，您在这些领域预见到什么改进？

A：首先，多模态或多模态集成，如文本、音频和视频的集成，是未来基础模型发展的重要方向。这对于 Gen AI 是必不可少的，百度已经在这个领域进行了投资，并将在未来继续投资。

其次，如果我们看基础模型的发展，大语言模型市场巨大，仍处于非常早期的阶段。即使是世界上最强大的语言模型，对于许多应用来说仍然不够好，创新的空间还有很多。较小规模的模型、MOE 和代理等都在迅速发展。我们努力让我们的解决方案更容易被各种企业所接受，并且能够在不同的场景中解决实际存在的问题。

第三， 在视觉基础模型领域，一个特别重要的应用是具有巨大市场潜力的自动驾驶，百度是先驱和全球领导者。我们一直在使用扩散、传输融合和 Transformer 来训练我们的视频生成模型，用于自动驾驶目的。我们还在目标分类、检测和分割方面不断取得进展，从而更好地理解物理世界和物理世界的作用。这使我们能够将在道路上捕获的图像和视频转化为具体的任务，从而实现更智能、更适应、更安全的自动驾驶技术。

总之，我们的战略是开发最强大的基础模型来解决实际问题，并在这一领域继续投资以确保我们的领导地位。

本文的风险披露与声明：海豚投研免责声明及一般披露