百度请来了“谷歌大脑（Google Brain）之父”，要在硅谷搞一个“百度大脑”，这在当时是爆炸性新闻。

2014年，百度硅谷实验室成立，专注于人工智能与深度学习技术研究，与北京深度学习实验室、大数据实验室共同构成百度研究院核心科研体系，并任命斯坦福大学教授、Coursera联合创始人吴恩达出任首席科学家，负责统筹百度在北京与硅谷两地的人工智能研究工作。

吴恩达是谷歌大脑的早期核心成员之一，也是深度学习从学术走向工业化过程中最具标志性的人物之一。

对一家中国互联网公司而言，在这一时间点、以研究负责人而非顾问的形式，将这样一位学者级人物纳入体系，在硅谷并不多见。

媒体在报道中强调，这是百度在硅谷长期布局人工智能研究的重要一步，并披露百度***在未来五年内为这一国际研究项目投入约3亿美元，目标是将硅谷团队扩展至约200人规模。

那一年，Transformer架构尚未出现，“大模型”仍是一个不存在的概念。但深度学习的拐点已经到来。

2012年，AlexNet在ImageNet竞赛中取得压倒性优势，卷积神经网络开始从学术论文走向产业实践。

2013年，Facebook请来杨立昆（Yann LeCun），成立Facebook AI Research。

2014年初，谷歌以数亿美元级别的价格收购英国AI公司DeepMind。

人工智能已经不再仅仅是研究热点。

但在当时，这仍然是一条高投入、长周期、结局不明的路线。少数巨头已经开始***，大多数公司仍在观望。

百度正是在这一阶段选择大胆押注的一方。

彼时，移动端搜索使用量开始超过PC。但移动广告的变现效率明显低于PC，成本结构也更为复杂，这使得公司整体盈利能力承压。

在多次公开场合，李彦宏将这种变化描述为一次结构性的转折。他强调，从PC向移动的迁移并非终点，更大的技术浪潮正在酝酿，而人工智能将深刻改变信息获取与分发的方式。

正是在这样的判断下，百度决定不再只在国内推进应用层改进，而是直接进入全球AI研究最密集的现场——硅谷。

其实早在2011年，百度硅谷研究院就成立了，但主要是将硅谷的中国工程师招募回国。

而吴恩达的加入才是百度卷入硅谷人才争夺核心圈的标志，在那之后，百度的AI研究形成三大实验室——硅谷人工智能实验室（SVAIL）、深度学习实验室（IDL）、大数据实验室（BDL），一个在硅谷，两个在北京，形成了中美两地联动的格局。

推动这次合作的关键人物是吴恩达的老朋友、百度当时负责深度学习研究的高管余凯（Kai Yu）。两人多次在帕洛阿尔托一家喜来登酒店会面，从早餐谈到晚餐，随后余凯又引见了百度的其他研究负责人。

之后，吴恩达飞往北京，与李彦宏进行了一次长达数小时的会谈，讨论百度研究体系未来应当如何搭建。

这并不是一次传统意义上的跳槽谈判。对吴恩达而言，吸引力不在于头衔，而在于空间。

百度为他提供的，是从零设计研究方向、在硅谷搭建国际化团队、并在相对独立的环境中推进长期研究的空间。吴恩达在接受***访时直言，他对“从零开始构建一个国际研究组织”感到兴奋。

对许多研究者而言，这意味着一家中国公司正在以接近Google、Facebook的方式，系统性地参与人工智能基础研究竞争。

02 人来了

吴恩达的存在本身，就形成了一种吸引力。他在斯坦福和谷歌大脑的背景，让不少研究者愿意过来试一试。

实验室早期最重要的工作之一，是语音识别系统Deep Speech。模型要足够大，数据要足够多，训练要持续足够久，人才极其重要。

一批后来在AI世界反复出现的名字聚到了一起。

亚当·考特斯（Adam Coates）是其中的核心人物之一。他本身是斯坦福出身，师从吴恩达，研究背景扎实。他跟随吴恩达加入百度，在实验室里承担的角色，更多是把“研究”变成“能持续推进的工程”。

在工程层面，布莱恩·卡坦扎罗（Bryan Catanzaro）的作用逐渐显现。他从英伟达跳槽过来，关注点在于如何让这些越来越大的模型，真正高效地跑在GPU上。很多时候，瓶颈并不来自算法，而来自系统效率。

格雷戈里·迪亚莫斯（Gregory Diamos）来百度之前，是英伟达CUDA架构师。他在百度对DeepSpeech和DeepVoice系统有贡献，他关注的则是更底层的系统问题：训练过程如何被拆解、调度和优化，如何把高性能计算的思路真正嫁接到深度学习训练中。

在这些人之间，后来创办Anthropic的阿莫迪当时并不显眼。

他在团队里的身份，只是一名研究科学家，参与模型和系统的实际打磨。但正是在这段经历中，一种后来被反复提及的直觉，逐渐成形。

多年之后，阿莫迪在回顾自己职业路径时提到，他对“规模”的认识，并不是来自某一次灵光乍现，而是来自反复的工程实践。在Deep Speech的实验中，当模型规模、数据量和计算***被同步放大时，系统性能并不是随机起伏，而是呈现出一种平滑而稳定的提升趋势。

那时，“缩放定律”还没有成为一个被命名的概念，多年后，2024年底，已经是Anthropic创始人的阿莫迪透露此事，引发了“百度是不是先于OpenAI发现缩放定律”的争议。

当年在百度观察到类似“缩放定律”的科学家，迪亚莫斯也是其中之一。

到现在他的领英界面上百度那段工作经历里还写着头衔是“大语言模型缩放定律研究员（LLM Scaling Law Researcher）”。

随着项目推进，实验室本身也在变化。

最初，它更像一个相对独立的研究飞地；但到2016年前后，语音、视觉、自然语言处理、自动驾驶等方向同时展开，团队迅速膨胀，研究开始不可避免地与公司整体战略发生更紧密的咬合。

实验室不再只是“做研究”，而逐渐承担起连接前沿探索与内部工程体系的角色。

正是在这种张力之下，百度在2017年做出了一个新的组织性选择。第二个大型研发中心在硅谷设立，这一次，重心不再是基础研究，而是更明确地服务于自动驾驶等方向的工程落地。

新的中心配备了车辆实验室，主要支持Apollo自动驾驶平台的开发与测试，同时也容纳了部分安全相关团队。它与最初的硅谷AI实验室形成了分工：一个更偏前沿研究，一个更偏系统工程和实际应用。

那场以研究为核心的实验阶段，正在走向尾声。

接下来不可回避的问题是：从2014年到2017年，百度这套“在硅谷重金押注AI”的策略，究竟有没有起到效果？

如果从最直观的财务结果来看，答案并不简单。至少在这三年里，人工智能并没有立刻成为百度新的现金引擎。2016年，百度营收增速明显放缓，四季度甚至出现同比下滑，公司在财报沟通中反复强调“转型期投入”的必要性。这意味着，AI更像是一项面向未来的长期基础设施投资，而不是可以迅速反映在利润表上的业务。

但如果把标准切换为“是否改变了公司在技术与人才层面的地位”，结论就要复杂得多。

在技术层面，百度在这一阶段确实获得了前所未有的国际能见度。

Deep Speech 2的论文被大量引用，作者名单中同时出现北京与硅谷研究者。百度的语音识别成果开始频繁被拿来与谷歌、微软对比，进入全球技术叙事。

03 散是满天星

吴恩达在2017年3月宣布离开百度。在他的公开信中，几乎看不到任何冲突描述，他强调的是团队已经成型、接班安排已经就绪，以及公司在AI上的长期投入。文字克制而体面。

就在吴恩达离开前后，百度内部确实发生了一轮明确、可见，而且影响深远的管理层与组织结构调整。

最关键的变化发生在2017年1月。百度宣布引入陆奇，担任集团总裁兼首席运营官（President&COO）。在此之前，陆奇长期任职于微软，以执行力强、组织管理风格明确著称；再往前，他也是Yahoo搜索与广告体系的重要负责人。这是一个典型的、以业务整合、流程效率和结果导向闻名的管理者。

在陆奇加入之前，百度的AI体系——尤其是硅谷实验室——更接近一种明星科学家牵引的研究“飞地”模式。

吴恩达直接向李彦宏汇报，百度硅谷实验室在组织上相对独立，研究方向、用人节奏、项目推进，很大程度上围绕吴恩达本人展开。这种模式的优点很明显：

决策快、学术自由度高、对顶级研究者极具吸引力。

它的隐含前提是：研究本身被视为阶段性优先级最高的事情。

但到了2016年末，这个前提正在发生变化。

一方面，在当年9月召开的百度世界大会上，李彦宏首次提出“人工智能是百度核心中的核心”，并将吴恩达安排为仅次于自己的第二位演讲嘉宾，AI被明确推到公司级战略的最前台。

另一方面，Apollo自动驾驶、对话式系统、智能硬件等方向开始被提升到公司级战略高度，AI不再只是研究部门的事情，而是需要与搜索、地图、云、汽车产业链发生深度耦合。

这正是陆奇被引入的背景。

在这样的结构变化下，吴恩达时代那种“由一位世界级学者牵引、跨中美两端、以研究为核心”的模式，开始显得不再匹配新的组织逻辑。

随着百度进入一个更强调执行、协同和业务结果的阶段，个人影响力必然要让位于组织机制。

吴恩达所代表的那种高度依赖个人号召力、研究优先级极高的模式，完成了它的历史使命。

2017年还有一个重大的变化，那就是特朗普就任美国总统，中美科技摩擦陡然加剧，百度硅谷实验室的长期可行性必然会受到审视。

彼时特朗普推出强硬的移民政策，持有H1-B签证的科技从业者人心惶惶，李彦宏公开鼓励人才回国发展。

从吸纳以余凯为代表的归国人才，到直插美国腹地在硅谷抢夺人才并在当地直接开展工作，再到鼓励人才回国，李彦宏微妙的心态转变已见端倪。

除了AI在短期内难以对财务形成贡献以及外部环境的变化，更深层的张力来自组织内部：研究导向的AI探索，始终需要嵌入以搜索为核心、节奏高度成熟的业务体系，而这种协同，从未真正顺畅。

一条财经曾经在2017年的一篇报道中援引知情人士的话：“别看百度人工智能那么风光，实际上搜索的数据根本不向研究院开放。做人工智能的这拨人都是海归、精英，跟搜索那边完全是两种风格，两边互相看不上。”

这也解释了为什么2017年前后，不只是吴恩达，一批早期在硅谷实验室集结的研究者，在随后一两年内陆续离开。

回头看，百度硅谷人工智能实验室是以一种更安静，也更复杂的方式退场的。

它没有等来一纸“关闭公告”，却在2017年之后逐渐失去了作为独立研究中枢的意义。核心人物离开，研究重心回撤，组织结构被拆解和吸收。

这与当年的雄心形成了鲜明对比。

百度曾在公开场合多次描绘一个极具野心的未来——人工智能将成为公司最重要的增长引擎，甚至承载着国际化的想象，彼时流行的说法是“到2020年，AI将深度重塑百度的业务结构”。

现实却是，到了那个时间节点，百度真正押注的重心已经明显转向了更可控，也更贴近现实的方向：自动驾驶、云服务、产业智能化。AI不再是一个独立的信仰中心，而是被重新嵌入业务体系，成为工具和能力的一部分。

那个曾被寄予厚望、试图在硅谷复刻一次技术奇迹的实验室，最终完成了它的历史使命。

硅谷实验室所代表的，是一种以研究优先、以个人号召力和前沿探索为核心的模式。而百度最终选择的，是更强调组织效率、工程落地和业务协同的路径。

那些从硅谷实验室离开的人，则沿着各自的方向四散开花。

考特斯先是接棒了老师吴恩达，成为百度硅谷实验室的负责人，然后他也离开了，之后进入Apple，继续在更封闭，也更工程化的体系中推进机器学习实践；

卡坦扎罗从英伟达来，挥别百度之后，又回到英伟达，现在已经是英伟达副总裁、深度学习应用研究部分负责人。他最为人所知的形象标志，是一头长发和茂密的胡须；

“大语言模型缩放定律研究员”迪亚莫斯继续深耕系统与算力方向，创办了AI公司Lamini。

而阿莫迪，把在Deep Speech工程实践中形成的“规模直觉”带去了新的地方，最终创办了Anthropic，站在了后来大模型浪潮的最前沿。

至于吴恩达，当年余凯劝说他加入百度的时候，曾说他“在在线教育领域做得太出色了，但那不是AI”。

吴恩达离开百度之后，再次把重心放回“教育”。

他通过Courser把深度学习课程推给成千上万的学生；随后又创办DeepLearning.AI，把多年积累下来的方法论、经验和判断，整理成课程、项目和创业***。

当时间来到今天，回头翻看这些人的履历，你会发现一个反复出现的注脚——百度。

它不指向某一项具体成果，而更像是一段共同经历。

在那几年里，这些人曾同时站在野心交汇的地方，看清了什么是可行的，什么是不可持续的，然后各自走向不同的方向。

从这个意义上说，百度硅谷实验室并没有成为全球AI叙事的最终中心。它更像是一处早期的中转站——在浪潮真正成形之前，率先聚拢了一批人，让他们完成一次密集的试探与碰撞。

当方向切换、舞台转移，这些人离开，故事也随之散开。硅谷实验室并未被正式关闭，但它所代表的那种时代，已经停留在了那里。

参考资料：

1. 首席人物观：《被百度“耽误”的三年如何影响了吴恩达的今天？》

2. 一条财经：《吴恩达也走了！李彦宏的百度大脑还能走多远？》

3. 网易新闻：《百度或比OpenAI更早发现Scaling Law》

4. Z Finance：《深度｜Anthropic CEO万字长文：DeepSeek不是我们的对手，锁死芯片出口才能保证美国领导下的单极世界》

5. 澎湃新闻：《吴恩达的3年百度岁月和百度人工智能的“无”恩达时代》返回搜狐，查看更多