百度 (BIDU)

在产业链中的位置

主属行业：L5-09-AI搜索

公司定位一句话 AI搜索龙头 —— 大模型技术领先构筑生态壁垒 + 智能驾驶商业化迎来拐点

主营业务关键词：AI搜索、大模型技术领先构筑生态壁垒、智能驾驶商业化迎来拐点 与本行业的关联点：作为 L5-09-AI搜索 龙头，AI应用商业化加速，提升云收入质量 + 成本费用优化释放利润

公司近况（2026-05-05 更新）

百度2024年第一季度实现总营收315亿元，同比增长约1%（2024Q1财报）。其中，在线营销收入为170亿元，同比持平；非在线营销收入为145亿元，同比增长6%，主要受智能云业务驱动。归属百度核心的净利润为66亿元（Non-GAAP），利润率保持稳定。根据Bloomberg一致预期，公司当前市值约为300亿美元，对应2024年市盈率（PE）约10倍，评级以“持有/增持”为主。当前，公司正从传统搜索引擎向AI原生应用生态全面转型，处于业务结构切换的关键期，短期广告增长承压，但AI带来的新增长曲线逐步显现。

公司业务结构

盈利方式

公司主要通过三大业务盈利：1）在线营销服务（搜索、信息流广告）；2）智能云服务（基于文心大模型的IaaS、PaaS、SaaS服务）；3）自动驾驶业务（Robotaxi、车路协同等解决方案及未来可能的车辆销售收入）。此外，还有爱奇艺的会员与广告收入。

分板块业务（口径：年报披露）

百度核心业务可分为在线营销、智能云和自动驾驶及其他创新业务。在线营销仍是主要收入来源，但增长放缓；智能云业务已成为第二增长曲线，增速显著；自动驾驶处于投入期，收入规模较小但增长潜力大。

口径说明：2024年及2025年数据部分基于公司指引及券商一致预期（如中金公司、华泰证券2024年中期策略报告）估算，非官方披露。

核心投资逻辑

短期逻辑（6-12 个月）

• AI应用商业化加速，提升云收入质量：基于文心大模型4.0的模型API调用收入，预计在2024年下半年至2025年加速增长，推动智能云业务利润率在2025年实现盈亏平衡或微利。
• 成本费用优化释放利润：通过AI重构营销、研发等业务流程，预计2024年全年核心业务（不含爱奇艺）的运营费用率将同比下降1-2个百分点，支撑净利润率。
• 文心一言用户与收入爬坡：作为核心AI应用，其会员服务及企业版解决方案在2024年第三季度后有望进入规模化收入阶段，成为新的收入增量。

长期逻辑（1-3 年）

• 大模型技术领先构筑生态壁垒：凭借全栈AI技术优势（芯片、框架、模型、应用），文心大模型API的日调用次数有望在2025年突破10亿次，形成开发者与应用的生态飞轮。
• 智能驾驶商业化迎来拐点：萝卜快跑的单城UE（单位经济模型）预计在2025年实现盈亏平衡，随后向更多城市复制，成为重要的长期价值增长极。
• AI重构搜索入口价值：AI原生搜索的广告转化率与用户体验提升，预计将在2026年后逐步体现，带动在线营销业务的中长期增长与利润率回升。

产销链分析

主要客户（口径：年报）

• 前五大客户：合计销售额占在线营销收入比例低于10%，客户高度分散，符合互联网广告行业特征。
• 第一大客户：未披露具体名称。对于云业务，头部客户包括中国银联、国家电网、浦发银行等大型企业，单一客户占比极低。订单能见度：在线营销业务按效果付费，能见度低；云业务签订年度或多年框架合同，能见度较高（1-2年）。

主要供应商（口径：年报）

• 前五大供应商：合计采购额占比未披露。关键供应商包括提供GPU/AI芯片的公司（如英伟达）、数据中心服务商及内容提供商。
• 关键物料：高性能AI芯片（GPU）是核心生产资料，目前存在单一来源依赖风险（主要依赖英伟达），国产替代正在推进。
• 备货策略：已通过大规模采购、多供应商策略以及与国产芯片厂商深度合作，确保算力供应的相对稳定。

关键财务指标

口径说明：利润数据为Non-GAAP（经调整）口径，与GAAP口径有差异。

财务健康解读

• 成长性与盈利能力：2023年总营收同比增长约8%，增速放缓。Non-GAAP净利润率维持在20%以上，显示出较强的成本控制能力。智能云业务的毛利率已转正并持续改善，是未来盈利的关键。
• 现金流质量：公司经营活动现金流净额持续高于净利润，2023年达到271亿元，现金流质量优秀，为AI技术投入提供了坚实保障。
• 资产负债结构：截至2023年末，资产负债率为41.8%，处于健康水平。账面现金及短期投资充裕（约1900亿元），足以覆盖债务，财务结构稳健。
• 费用端异常项：2023年研发费用率约为18%，处于行业高位，反映公司在AI、自动驾驶等领域持续高强度投入。销售管理费用率因市场竞争和业务扩张有所波动，但整体可控。

注：表格列名必须明示口径（YYYY 年报 / YYYYQ?）。

海外对标对比

对标公司具体数字依赖 _AP-Agent海外财报追踪.md 周扫填充

行业分析

• 需求端驱动：企业数字化、智能化转型需求是核心驱动力。大模型的出现降低了AI应用门槛，催化了从“数字化”到“智能化”的跃迁，催生了智能客服、营销内容生成、代码辅助等广泛的企业级应用需求。
• 技术迭代路径与当前节点：技术路径正从“大模型竞赛”转向“应用落地比拼”。当前处于大模型基础能力趋于收敛（GPT-4、文心4.0等），但垂直行业应用生态刚刚开启的节点。多模态、长上下文、智能体（Agent）是下一阶段技术迭代重点。
• 供给瓶颈：高端AI算力供给是当前最大瓶颈，受地缘政治影响，获取先进制程GPU存在不确定性。其次，高质量、合规的训练数据供给日益紧张。最后，既懂AI又懂行业的复合型人才稀缺。

同业对比

与国内云计算厂商对比：

• 阿里云：规模领先，生态完整，IaaS优势明显。在模型能力（通义千问）上与百度接近，但商业化路径略有不同，更侧重基础设施。
• 华为云：依托华为全栈技术（昇腾芯片、鲲鹏算力），在政企市场和自主可控方面优势突出。其盘古大模型更侧重行业深耕。
• 百度智能云：全栈AI能力（昆仑芯片、飞桨框架、文心大模型）是其核心差异化优势，在应用层商业化（如智能交通、企业办公）上起步较早。

逻辑链

AI capex → 环节 → 公司受益点 AI 商业化落地 → AI搜索 渗透率提升 → 公司 大模型技术领先构筑生态壁垒 业绩兑现

催化事件时间表

自动跟踪（dataview 拉 04-催化事件）

风险与跟踪点

风险

• 下游需求风险：宏观经济疲软可能导致企业IT支出收缩，影响智能云业务增速。广告行业与消费景气度高度相关，若消费复苏不及预期，在线营销收入将承压。
• 供应链风险：高端AI芯片供应受地缘政治及出口管制影响，存在断供或延迟风险，将直接制约公司大模型训练与推理的算力供应。
• 技术迭代风险：AI领域技术迭代极快，若公司大模型在关键能力（如推理、幻觉控制）上落后于竞争对手，可能导致开发者流失和市场份额下降。
• 市场竞争/价格战风险：云计算及大模型市场参与者众多，可能出现激烈价格战，侵蚀行业利润率。在自动驾驶领域，面临特斯拉FSD、华为ADS及众多初创公司的竞争。
• 政策与监管风险：互联网内容监管、数据安全与隐私保护、自动驾驶法规等政策的不确定性，可能影响相关业务的开展与商业化进程。

跟踪点（含频率）