AI 帶來 eCPM 和用户參與度的提升（百度 4Q23 電話會紀要）

以下是$百度(BIDU.US) 2023 年四季度的財報電話會紀要，財報解讀請移步《百度：翻盤只能靠 AI》

一、財報核心信息回顧：

二、財報電話會詳細內容

2.1、高管層陳述核心信息：

1）經營層面：

Ⅰ 業績增長：a) 收入與利潤增長：百度核心業務在 2023 年實現了 8% 的同比收入增長，非 GAAP 營業利潤率從 22% 增長到 24% 的；b) 增量收入來源：通過廣告技術改進和企業模型構建服務，百度在 2023 年第四季度產生了數億元（6 億 +）人民幣的增量收入

Ⅱ 技術創新：百度在 Gen AI 和基礎模型方面取得重大進展，ERNIE 和 ERNIE Bot 市場應用持續增加，將 Ernie 視為未來數百萬 AI 原生應用的基礎系統。

Ⅲ 成本優化：ERNIE 的推理成本大幅降低，EB3.5 的推理成本僅為 2023 年 3 月版本的約 1%，主要得益於百度其獨特的四層 AI 架構（基礎設施）和端到端優化能力。

Ⅳ AI 原生應用：利用 ERNIE 在多個產品和服務中創造了 AI 原生體驗，如百度文庫的 AI 副駕駛功能和基於 ERNIE 重構的百度搜索，同時，構建圍繞 Ernie 的生態系統來開闢各種收入來源。

Ⅴ AI 聊天機器人：百度積極推廣 AI 聊天機器人技術，尤其是在服務行業中，鼓勵中小企業構建 AI 聊天機器人作為新的營銷和服務渠道。

Ⅵ AI 雲：百度 AI 雲業務在 2023 年第四季度實現了 11% 的同比增長，達到 57 億元人民幣，同時繼續提高盈利能力，尤其是非在線營銷業務的增長主要由 AI 雲業務驅動。

Ⅶ 智能駕駛：Apollo Go 在智能駕駛服務方面取得了顯著進展，提供的乘車服務同比增長 49%，繼續朝着 UE 盈虧平衡目標努力。

Ⅷ 短期展望：a) 增量收入預計 2024 年這一數字將增至數十億元人民幣，主要源自廣告和 AI 雲業務；b) 百度將繼續投資於 Gen AI 和基礎模型領域的機會；c) AI 雲應保持強勁的收入增長，並在非美國通用會計準則下實現盈利。

2）財務層面：

Ⅰ 收入概況：2023 年全年總收入 1346 億元人民幣，同比增長 9%。a) 在線營銷收入：第四季度為 192 億元人民幣，佔百度核心總收入的 17%，同比增長 6%，2023 年全年同比增長 8%。b) 非在線營銷收入：第四季度為 83 億元人民幣，同比增長 9%，2023 年全年同比增長 9%，主要由 AI 雲業務驅動。

Ⅱ 成本與費用：a) 成本：第四季度為 174 億元人民幣，同比增長 3%；2023 年全年為 650 億元人民幣，同比增長 2%。 b) 營業費用：第四季度為 121 億元人民幣，同比增長 5%; 2023 年全年為 477 億元人民幣，同比增長 9%。

Ⅲ 營業收入：第四季度營業收入 54 億元人民幣，2023 年全年營業收入 219 億元人民幣。第四季度核心營業收入為 47 億元人民幣，營業利潤率為 17%。

Ⅳ 現金狀況：截止 2023 年 12 月 31 日，現金及現金等價物、限定用途現金和短期投資 2054 億元人民幣。2023 年自由現金流 254 億元人民幣。

2.2、Q&A 分析師問答

Q: 管理層如何看待 2024 年中國的宏觀經濟格局？對於整個百度公司，管理層對 2024 年的增長前景持何種看法？此外，2024 年百度總收入中 AI 相關收入的百分比是多少？

A：儘管去年宏觀經濟環境十分嚴峻，但我們的業務表現十分穩健。我們在 Gen AI 領域進行了大量的投資，儘管如此，我們的 Non-GAAP 營運利潤率同比擴張，收入也經歷了可觀的增長。更值得一提的是，我們開始從 Gen AI 和基礎模型中實現了增量收入。

對於今年，我們注意到中央和地方政府都在努力促進經濟增長。在春節假期的八天裏，我們看到了消費增長，特別是在旅遊行業。但我們仍然處於一個充滿不確定性的宏觀環境中。我們密切關注重大的經濟刺激計劃，我們認為這對於實現今年的目標至關重要。

儘管如此，百度面臨着許多機遇。我們的核心業務依然穩健，而來自 Gen AI 和基礎模型的增量收入將於 2024 年達到數十億人民幣，這將有助於我們總收入的增長。更具體地説，由於我們在 LLM 和 Gen AI 方面的領先地位，企業越來越多地在百度雲上構建模型並開發應用程序。

對於我們的移動生態系統，我們已經積累了龐大的用户基礎，並通過人工智能創新不斷改進我們的產品並增強我們的貨幣化能力。因此，當我們將雲和移動結合在一起時，我認為我們將能夠維持我們的長期增長，這種增長速度將快於中國的 GDP 增長。

Q：如何看待在成本削減和優化方面的潛力？對於與人工智能相關的投資，我們應該採取何種態度？過去，您們曾討論過廉價投資和人工智能收入貢獻之間可能存在的滯後效應，如果您計劃擴張業務，應該如何看待 2024 年的利潤趨勢？

A： 除了在我們的 Gen AI 業務上進行投資之外，我們仍然有空間來管理我們傳統業務的成本和費用。展望 2024 年，我們將繼續專注於我們的核心業務，我們還將努力減少對非戰略性業務的資源分配。此外，我們將不斷增強整體組織效率，通過簡化執行過程、壓縮組織結構層級來提高效率。

因此，今年我們非常致力於持續優化我們的運營，確保我們擁有更高效的人力資源團隊。通過所有這些措施，我們的目標是保持百度核心業務的穩健盈利，同時我們的移動生態系統將繼續開拓最開放的市場，併產生穩健的現金流。AI 雲服務也將繼續帶來持續盈利。

儘管我們對人工智能進行了投資，但我們已成功地維持了穩健的營運利潤率。2003 年開始，當我們開始投資於 Gen AI 和大模型，這些投資主要反映在我們的資本支出上，主要涉及購買芯片和服務器，用於 AI 的現代訓練等方面。

由於資本支出將在數年內攤銷，所以儘管我們在 2023 年的成本資本支出同比增長了 68%，我們的 Non-GAAP 營運利潤率仍然同比增長了 2%。

展望未來，在開發我們的新人工智能業務的過程中，進行新的投資是不可避免的，然而，這些投資預計不會對我們的利潤率或利潤產生重大影響。

在市場開發的早期階段，我們也不會過分優先考慮 AI 業務的利潤率。因為我們相信，從長遠來看，這個業務預計會產生更好的利潤率。此外，對於 AI 本地 2C 產品可能會進行一些促銷活動，我們將謹慎管理並密切監控投資回報率，以平衡投資和增長。

Q4 中從架構改善中產生的增量收入已經達到了數百萬人民幣，並且從 Gen AI 和金融模型中產生的增量 AI 雲收入也為總 AI 雲收入貢獻了 4.8%。未來，我們將繼續堅定不移地致力於 Gen AI 和大模型的發展。

Q：您能否量化或證明百度將產生的廣告收入純粹源自 AIGC 的增量貢獻，而非對現有搜索業務的內部競爭？若人工智能確實為純粹的增量貢獻，我們是否可期待其增長速度高於平均水平，且排除了人工智能因素後的增長情況？對於 2024 年核心搜索的增長率，我們該如何進行看待？

A: 作為中國最大的搜索引擎，我們擁有近 7 億月活躍用户。我們在中國互聯網和移動用户中建立了非常強大的品牌存在，他們依賴我們獲取全面可靠的信息，因此，我們擁有強大而穩定的基礎收入和流程。

但我們也對宏觀經濟非常敏感，因為我們的廣告業務覆蓋了各種不同的垂直領域。我之前提到過，宏觀因素仍存在不確定性。但 Gen AI 和 LLM 正在為我們開闢新的機會，無論是在盈利方面還是用户參與方，我認為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 已經對廣告的 eCPM 產生了積極影響，而我們改進的貨幣化系統則提升了我們的定位能力，進而生成並展示更加相關的廣告。我們在第四季度從這些舉措中獲得了數億人民幣的收入，並且預計今年的增量收入將增長到數十億人民幣。

然而，量化用户參與方面的影響相對困難。Gen AI 正在幫助我們改善用户體驗。未來，我們將繼續推出新功能，進一步提升用户的關注度和使用時間，為我們帶來更大的潛力。

因此，我認為純粹的增量收入將主要來自於貨幣化和用户參與度兩個方面。

Q：我們應該如何看待由 Gen AI 驅動的增量收入增長？Gen AI 雲的產品組合是什麼樣的？主要的增長驅動因素是什麼？在 2024 年，我們應該如何期待整體 AI 雲收入的增長，以及今年的利潤率趨勢？

A：包括內部和外部收入在內的 Gen AI 和基礎模型相關業務的總收入在第四季度已經達到了人民幣 6.56 億元，這個數字應該在 2024 年全年增長到數十億元人民幣。我們看到企業對使用 Gen AI 和 LLM 開發新應用和功能的興趣日益增加。為了達到這一目標，企業正在積極構建模型，以支持其產品和解決方案，這是我們從外部客户獲得大部分收入的方式。同時，我們也注意到來自外部客户的模型推理收入正在出現顯著增長，因此，目前推理收入仍然相對較少。

從長遠來看，這將成為一個重要且可持續的收入驅動因素。內部客户產生的收入也相當重要，因為其中相當一部分收入用於模型推理，百度是第一家利用 Gen AI 和 LLM 重建所有業務和產品的公司。隨着由 Gen AI 和 LLM 驅動的產品和功能數量不斷增加，內部客户對 Ernie API 的調用量也在迅速增加，並已達到了相當大的規模，這樣的發展證明了 Ernie 和 ERNIE Bot 可以在現實應用中有效提高生產力和效率，未來會有越來越多的外部客户使用 ERNIE 開發他們自己的應用程序，並推動我們的外部收入增長。

關於您對我們產品提出的問題，我們在中國擁有最強大的人工智能基礎設施，用於模型訓練和推理，我們的基礎設施幫助客户以低成本高效益的方式構建和運行模型。此外，我們的 MOPS 為模型構建和應用程序開發提供了各種模型和完整的工具套件，包括模型構建器和應用程序構建器。此外，我們還開發了自己的 AI 原生解決方案，例如 GBI，即生成式商業智能，這些應用程序有助於提高企業的生產力和效率。

總的來説，我們預計 2024 年的雲業務收入增長將加速，超過去年的增長。此外，我們對於 AI 雲的盈利能力相當有信心。對於企業雲，我們應該能夠持續改善毛利率；對於傳統雲業務和 Gen AI 及大模型業務來説，市場仍處於發展的早期階段。

因此，我們應該採取一種相當動態的定價策略，以迅速教育市場並擴大我們在更多企業客户中的滲透率。從長期來看，新業務的標準化利潤率應該比傳統雲業務更高。

Q：我可以瞭解一下我們人工智能產品的開發進度嗎？流量增長情況如何？是否有關於新的生成式搜索的關鍵指標可以分享？人工智能是如何增加搜索流量的？這種增長需要多長時間才能顯現？我們何時可以看到流量的迅速增長或超級應用的出現？

A：我們正在利用生成式人工智能重構我們所有的 2C 產品，我認為 Gen AI 和基礎模型正在使我們所有的產品更加強大。對於搜索而言，Gen AI 的引入使百度能夠回答更廣泛範圍的問題，包括更復雜、開放式和比較性的查詢。通過提前思考，我們可以以更交互式的方式提供直接而清晰的答案。

在過去幾個月中，越來越多的搜索結果不再僅僅是提供一些內容和鏈接，而是由 Ernie Bot 生成。因此，用户與百度的互動頻率更高，並且提出了新的問題。

例如，越來越多的用户來百度進行內容創作，無論是文本還是圖片。在中國新年假期期間，百度幫助用户創建新年祝福信息，併為他們所愛的人生成個性化的電子卡片。這並不是搜索引擎的典型用例，但我們看到許多用户依賴百度進行這種類型的使用。

在未來，我們將越來越多地使用 ERNIE Bot 來為搜索查詢生成答案，然後通過多輪對話澄清用户意圖，以便通過自然語言解決複雜的用户需求。雖然這一舉措已經提升了搜索體驗，但我們在利用 ERNIE Bot 重構重要的搜索方面仍處於早期階段。我們將根據用户反饋持續測試和迭代基於 Gen AI 的功能，並在準備好進行大規模推出之前，按照我們的典型流程進行測試和優化新的體驗。

總的來説，我們相信 Gen AI 將補充傳統搜索，最終提高用户留存、參與度和在百度上的使用時長。除了搜索之外， ERNIE Bot 就像副駕駛員，使文庫從用户查找模板和文檔的導航轉變為用户創建各種格式內容的一站式平台。

到目前為止，我認為約有 18% 的新付費用户是通過文庫的 Gen AI 功能吸引而來的。與此同時，我們正在吸引並幫助企業在學習方面構建應用程序。我們相信 ERNIE 的成功取決於它廣泛和積極的採用，無論是通過百度應用程序還是通過第三方應用程序。

Q：您能否談談 2024 年 Ernie 的技術路線圖？是否包括多模態功能，可能類似於 Sora，或者可能開設一個人工智能商店？或者可能推出一個 AI agent？您能談談里程碑或關鍵指標嗎？關於運行 Gen AI 的成本，我們應該如何考慮未來管理推理成本的投入和收入？顯然，您談到了一些提高效率的方法。是否有任何額外的槓桿可以優化這個過程？

A：我們手頭的芯片應該能夠將 EB4 推進到下一個水平。我們將採取應用驅動的方法來進行密集學習，讓我們的用户和客户告訴我們應該在哪些方面改進和調整我們的模型，這可能涉及構建多模態模型、AI agent、提高可靠性等。我們專注於利用 Ernie 為用户和客户帶來真正的價值，而不僅僅是在研究論文中取得高排名。

而且價格會是一個非常重要的問題，使高性能的基礎模型價格合理是大規模運營的關鍵。我們一直在不斷降低模型推理成本。現在，EB3.5 的推理成本約為 2023 年 3 月版本的 1%，通過這樣做，越來越多的企業願意在學習上測試、開發和迭代他們的應用程序。

我們瞭解到，對於許多客户來説，他們傾向於在效率、成本和速度之間取得平衡，因此我們還提供了更小的語言模型，並幫助客户利用 MOE，這是一種專家混合模型，以獲得最佳性能。通過我們的端到端方法，我們相信仍然有充足的空間來降低我們最強大模型的成本，並使它們對我們的客户越來越實惠。這將進一步推動我們模型的採用。

在內部，我們正在密切監控由 Ernie 處理的應用程序數量，就像我之前提到的，Ernie 現在每天處理超過 5 千萬個查詢，而且目前內部應用程序的 Ernie API 調用量仍然比外部應用程序的調用量大。來自外部應用程序的不同規模的 Ernie 成本一直在迅速增加。

這只是開始，隨着越來越多的終端用户使用 Ernie，它將變得更加強大、更加智能和更加有用，無論是通過百度應用程序還是第三方應用程序，這將使我們能夠培育圍繞 Ernie 的生態系統。隨着這些應用程序和模型被終端用户積極使用，它們也將為我們帶來可觀的推理收入。

Q：對於 ERNIE 的企業採用情況如何與同行相比？您能否請您與我們分享最新的使用 ERNIE 構建模型和應用程序的企業數量，並幫助我們瞭解與上一年相比的增長情況以及潛在的驅動因素是什麼？最後，您能否幫助我們也瞭解一下，是否可以假設應用 ERNIE API 集成的企業很少會使用其他元素？

A：截至去年 12 月，大約有 26,000 家不同規模、分佈在不同行業的企業從我們的雲平台調用了我們的 Ernie API，較上一季度增長了 150%。Ernie API 的調用量每天已經超過 5000 萬次，我們相信在中國沒有其他公司能夠獲得如此多的客户並收到如此大量的 API 請求。

企業主要選擇我們主要是基於以下幾個原因：

首先，我們擁有中國最具成本效益的 AI 基礎設施，用於模型構建和推理，主要是因為我們具有端到端優化的強大能力。正如我之前提到的，Gen AI 和大模型正在重塑中國公共雲行業的競爭格局，增強了我們的競爭優勢。我們在管理大規模 GPU 中心化雲計算方面的強大能力，以及極高的 GPU 利用率，不斷增強了我們的 AI 基礎設施。 因此，我們可以幫助企業以較低的成本在我們的雲平台上構建和運行他們的模型，並開發基於人工智能的應用程序。

其次，EB 系列模型吸引了許多客户來使用我們的雲平台。在過去幾個月中，我們不斷增強了 Ernie 的性能，並收到了客户的積極反饋。我們還提供不同規模的 Ernie 模型，以更好地滿足客户在成本結構方面的需求。

當然，我們是中國首家推出模型即服務的公司，這是一個為 LLM 和基於人工智能的應用程序開發提供一站式服務的平台。我們的模型使企業更容易使用 LLM。我們還提供了工具包，幫助企業輕鬆訓練或微調他們的模型，並在我們的雲平台上開發應用程序。

因此，通過這些工具包，客户可以通過整合他們的專有數據來有效地訓練、定製模型，並直接使用 Ernie API 來為他們自己的應用程序提供動力。我們還可以通過在應用程序開發中採用 MOE 方法來幫助客户支持不同的產品特性，採用不同的模型。

因此，企業可以專注於識別客户的痛點，而不是將精力擴大到程序上。所有這些舉措都幫助我們在 GNI 和 LLM 領域獲得了先發優勢。

關於最後一個問題，隨着越來越多的客户使用我們的 MASS 平台開發旨在吸引用户的 AI 原生應用程序，我們的雲平台將產生並積累大量的用户和客户見解。因此，這些見解還將有助於我們進一步完善工具包。

隨着我們的工具越來越用户友好，並幫助企業輕鬆微調模型和創建應用程序，他們將更傾向於選擇留在我們這裏。此外，值得注意的是，在當前階段使用大型語言模型時，對客户來説至關重要的是創建適合其選擇模型的提示。

因此，由於他們必須投入大量精力來構建和積累最佳提示以使用大型語言模型，轉換到另一個模型變得具有挑戰性，因為他們將不得不重新建立他們的提示組合。結果是，隨着我們平台的採用率和活躍使用率不斷增加，客户滿意度和轉換成本將有助於提高客户保留率。

Q：我想了解最近美國進一步限制芯片對您的人工智能發展產生了什麼影響？是否有關於備用芯片的任何更新？考慮到芯片的擔憂，百度如何通過開發人工智能模型產品和變現方式與海外同行不同？我們可以期待實現什麼，可能會面臨哪些困難？公司將如何在未來幾年跟上海外同行的步伐？

A：在短期內，對我們的模型開發、產品創新或變現方式影響較小。正如我上個季度所提到的，我們已經擁有中國最強大的基礎模型。我們的人工智能芯片儲備使我們能夠在未來一兩年持續增強 Ernie。對於模型推理，需要的芯片不需要那麼強大。我們的儲備和市場上可用的芯片足以支持我們為終端用户和客户提供許多 AI 原生應用程序的動力。

從長遠來看，我們可能無法獲得最前沿的 GPU，但憑藉最高效的國產軟件堆棧，總的來説，用户體驗不會受到影響。在應用層、模型層和框架層都有充足的創新空間。我們的端到端自主研發的四層 AI 架構，以及強大的研發團隊，將支持我們使用不那麼先進的芯片進行高效的模型訓練和推理，這為百度在國內同行中提供了獨特的競爭優勢。對於企業和開發者來説，構建應用程序時採用 ERNIE 將是擁抱人工智能的最佳、最有效的方式。

Q：近來我們看到了文本到視頻或視頻生成技術的許多發展。您如何設想這種技術將影響中國更廣泛的人工智能產業發展，以及對 ERNIE 可能產生的影響？您能詳細介紹一下 ERNIE 的戰略路線圖嗎？此外，ERNIE 目前在文本生成、文本到圖像、文本到視頻生成任務中的表現如何，您在這些領域預見到什麼改進？

A：首先，多模態或多模態集成，如文本、音頻和視頻的集成，是未來基礎模型發展的重要方向。這對於 Gen AI 是必不可少的，百度已經在這個領域進行了投資，並將在未來繼續投資。

其次，如果我們看基礎模型的發展，大語言模型市場巨大，仍處於非常早期的階段。即使是世界上最強大的語言模型，對於許多應用來説仍然不夠好，創新的空間還有很多。較小規模的模型、MOE 和代理等都在迅速發展。我們努力讓我們的解決方案更容易被各種企業所接受，並且能夠在不同的場景中解決實際存在的問題。

第三， 在視覺基礎模型領域，一個特別重要的應用是具有巨大市場潛力的自動駕駛，百度是先驅和全球領導者。我們一直在使用擴散、傳輸融合和 Transformer 來訓練我們的視頻生成模型，用於自動駕駛目的。我們還在目標分類、檢測和分割方面不斷取得進展，從而更好地理解物理世界和物理世界的作用。這使我們能夠將在道路上捕獲的圖像和視頻轉化為具體的任務，從而實現更智能、更適應、更安全的自動駕駛技術。

總之，我們的戰略是開發最強大的基礎模型來解決實際問題，並在這一領域繼續投資以確保我們的領導地位。

<此處結束>

本文的風險披露與聲明：海豚投研免責聲明及一般披露