AI办公之外，百度智能云为何盯上「产业智能体操作系统」？- 大数跨境

首页

AI办公之外，百度智能云为何盯上「产业智能体操作系统」？

雷峰网

2026-09-17

导读：杀红眼的办公入口之争，终局刚开始。

"杀红眼的办公入口之争，终局刚开始。"

作者丨成妍菁

编辑丨胡敏

"整个下半年，就看 AI 办公圈谁能杀出重围了"。

一位大模型从业者表示。从五月开始，各个互联网大厂争相出场，写字楼电梯间、机场候机室，到处都是 Workbuddy、千问办公、豆包工作、百度搭子的内容。

但办公大战打得再热闹，顶多算是一道前菜。

早在 2025 年，微软的 Work Trend Index 就提出过，AI 进入企业分三步：帮员工做得更快、成为团队里的"数字同事"、直接执行完整的业务流程。

对照这个坐标，眼下的办公之争，其实还停在前两步。

真正难的是第三步——那意味着 AI 要进入销售、研发、生产、供应链，甚至决策流程。

而这背后是两个更本质的问题：智能体如何真正落进产业？一路狂飙的模型能力，又如何变成实打实的经济效益？

百度智能云围绕这两个问题，给出了一套完整的答案。

大厂闯进办公赛道，只是第一步

相比在芯片、算力和模型上投入以千亿计，办公今年是为数不多看得清回款的应用场景。

用户基数大、付费意愿明确、产品形态成熟。所以当 Agent 的能力从"帮你写"进化到"替你干完"，办公自然成了所有人抢的第一站。

但 AI 行业热闹这些年，背后其实一直存在一个"剪刀差"：一边，模型能力几乎几个月就上一个台阶；另一边，AI 对宏观经济的拉动却远没有想象中明显。

造成这种落差的根源是什么？

在 9 月 16 日的 2026 智能经济论坛上，百度智能云事业群总裁沈抖给出答案：类比电力发展史，今天的 AI 可能只是"电灯发明后的第一个月"——灯亮了，所有人都看见了变化，但电力对社会分工的重塑还远没有发生。

他算了笔账：过去一年全球 AI 资本开支约 5000 亿美元，听着是天文数字，其实只占全球 GDP 的 0.4%；而电力系统的投资加消费，已接近全球 GDP 的 5%。

这笔账背后，是沈抖想说明的另一件事：AI 今天的基础设施建设仍处在早期，模型能力与产业实际价值之间，还隔着一段距离。

如何追赶这段距离？百度智能云认为，应该让智能体真正进入产业。

依据他们多年落地产业的经验，当下企业经营场景的任务清单可以拆为三类。

第一，约 20% 是日常经营类——写周报、做 PPT、拉通资源，即广义的"办公"；第二，约30% 有一定专业门槛——营销投放、数据分析、代码编写，这类工作背后有公式化的规范和成熟工具；第三，则是剩下的50%，才是真正体现企业独特性的部分——专有的生产流程、工艺参数、业务数据和 know-how。

这三层任务，对 AI 的要求其实完全不同，办公最标准化，也最容易被通用 Agent 覆盖；越往后，任务越依赖企业自己的数据、流程和经验。

百度智能云认为，只有让智能体真正进入这三层任务，才能使产业完成智能化，从而带动经济收益与技术发展的曲线合并。

就像今天没人会为输入法的拼写检查单独付费，未来企业也不必为单纯的办公能力买单。

正如沈抖的判断：未来不会有一种智能体专门为办公而生，办公能力会退到后台。眼下杀红了眼的办公入口之争，几年后可能只是某个通用智能体的一项基础技能。

因此办公大战只是序章，真正难、也真正产生核心价值的，在那 30% 和 50% 里。

那么企业的这三层任务，应该如何来接？

怎么把一堆 Agent 装在一套操作系统里？

过去企业做数字化，财务、销售、人力各上一套系统，最后形成一个个"数据烟囱"；如果 AI 时代继续沿着这条路走，换成一个个 AI 应用，本质上还是重复昨天的故事。

百度的解法，是把企业任务拆成三层。

第一层，通用智能体，解决 20% 的日常运营任务。

以百度搭子为例，它更像企业里的"总入口"：员工提出一个任务后，不一定需要自己判断应该调用哪个工具、哪个 Agent，而是由搭子去调动背后的能力。

正如沈抖在演讲中透出的逻辑："办公只是手段，不是目的。"它的核心价值，是依托底层的 Harness 架构与多级记忆体系，将横向的资源协调、信息汇总沉淀为标准动作。

在实际业务中，它扮演的是"清道夫"的角色。比如在金融场景，它替基金经理剥离掉查研报、拉行情等繁杂动作，让人把精力收拢到专业研判上；在中石油，它作为一个总入口，已经被 5000 多名员工调用了超 70 万次。

第二层，专业智能体，接管 30% 的专业任务。

这一层，百度的思路反而很直接：已经有成熟方案的事情，不必重新造轮子。

代码、视觉、数据分析、组合优化等场景经过过去几年的发展，已经出现了一批可以直接使用的专业工具。百度因此推出了包括"秒哒""胜算""伐谋""一镜"等专业智能体矩阵，可以直接切进企业的具体业务流程。

比如，汽车研发商阿尔特把风阻设计交给"伐谋"，接入原有 CFD 仿真系统后，智能体可以自主迭代 120 轮寻找更优解，把原本需要数小时的评估压缩到秒级，南方电网则把智能体放进告警研判和工单生成环节。

到了这一层，AI 已经不只是替人处理办公杂事，而是开始进入研发、生产和决策这些更靠近业务核心的位置。

第三层，定制智能体，啃下 50% 的核心任务。

企业真正核心的那部分业务，通常也是最复杂、最难标准化的。

比如电网的设备和处置流程，保险公司的合规规则，汽车研发里的工艺参数和仿真数据，都藏着企业自己的 Know-how。

这些任务很难直接购买一个"标准版 Agent"解决。

为此，百度智能云发布了百度搭子开发平台，将通用智能体同款的底层技术彻底开放，它能提供智能体全生命周期 API，覆盖开发、运行到管理全流程。企业可在现有系统中集成，快速定制产业智能体，自己搭建护城河。

泰康是一个典型切面：上线 3500 多个智能体、日均消耗 200 亿 Tokens，深入展业合规等核心场景。过去依赖人工逐项比对的合规审核，现在由智能体自动匹配规则并输出依据。

更重要的是"沉淀"——跑通的流程固化为了企业内部可复用的 Skill，最优质的业务经验被留在了系统里，避免了团队的重复试错。

此外，通过将其打造为完全开放的生态平台，技能、套件和应用可更方便接入与分享。企业可通过搭子使用第三方能力，也能把自己的能力放到搭子上服务更多客户。当天现场，百度智能云表示他们希望围绕产业智能体落地，建立互惠互利的开放生态，且不会向生态伙伴抽佣。

到这里，三类智能体分别对应企业里的三种工作：通用智能体解决普遍需求，专业智能体调用成熟能力，定制智能体则把企业自己的业务经验变成 AI 能力。

但要让它们不沦为各自为战，还需要一根主轴。

这根主轴就是"产业智能体操作系统"，这套系统向上可以承接任务，判断需要哪类智能体参与，中间连接企业的知识、数据、权限、工具和流程；向下调度云上的算力、存储和安全资源。任务过程中产生的数据、经验和方法沉淀回系统，变成企业可持续迭代的经营能力。

百度智能云可将这套系统做成完整解决方案直接交付客户。客户也可基于方案定制自己的产业智能体操作系统。

大会现场的一个演示就是如此：通用智能体可以跨系统调用专业智能体"伐谋"的 Skill，把芯片设计中原本需要人工衔接的两个工作流直接串起来。

这样一来，智能体之间才不再是孤立的工具，而这也把问题推向了下一层。

Agent 的天花板，由云基础设施决定

一套要同时调度几千个智能体、扛住企业核心业务的操作系统，对底下的云提出了什么要求？

沈抖在演讲中给出了一组预判：到 2030 年，会有 30 亿个产业智能体持续运行，带来超过 100 吉瓦级的推理需求。

这些智能体连续调用模型、数据、工具和系统，每一步都要快、要稳、要安全、要能追溯、成本还要可控。

当几千个智能体同时跑起来，任何一环出了问题，都会牵扯到整条业务链。

换句话说，当前智能体竞争的本质，最终是 AI 云的竞争。

为了接住系统级压力，百度智能云给出的解法是升级 Agent Infra。

首先是模型。

过去企业选定一个模型，应用基本就围着这个模型搭。现在模型多了，企业反而需要根据不同任务来选择。

百度将 150 多个模型纳入底层能力，让企业可以按任务进行调用和组合，过去半年，其智能体长链路推理性能提升了 3 倍以上。

另外，智能体还需要一个能承受大量并发任务的运行环境。

百度在这一层提供 Agent Cloud，重点解决的其实是三个问题：任务来了，能不能及时启动；智能体访问企业数据时，权限能不能管住；出了问题，能不能找到究竟卡在哪一步。

比如，万级沙盒需要做到百毫秒级热启动；智能体的身份和权限可以统一管理；从开发到运行的执行过程，也能够留下完整记录。

这些能力听起来或许并不"性感"，但对于企业来说，却是智能体从 Demo 走向日常业务必须补上的一课。

再往下，就是算力。

百度的底牌是自研昆仑芯，其目前已经为互联网、能源、金融、制造、汽车、运营商、教育等多个行业建设了全国产昆仑芯集群。天池超节点已经完成千柜级部署，计算、存储、互联、供电、散热等环节都纳入了统一设计，并实现了全栈国产化。与此同时，百度智能云还开放了架构、供电、散热等六大核心模块的技术规范。

这件事值得注意的地方，并不是他们又做了一套算力设备，而是它尝试把超节点做成可以被更多国产芯片接入的基础设施。

对于国产算力来说，造芯片是一回事，能不能把芯片装进大规模集群里跑起来，是另一回事，数据中心同样如此。

当 AI 算力不断扩张，机房本身也成算力基础设施的一部分。百度披露，其数据中心将供电、制冷和 IT 等环节做成标准化预制模块，建设周期缩短 30% 以上，年均 PUE 最低可达 1.08。

"芯、云、模、体"看起来是四层东西，但智能体真正跑起来以后，它们已经很难再各算各的。

这也是百度智能云和其他玩家的身位差：当别人在某一层上补课的时候，它四层都已经就位了。

结尾

结合百度 Q2 财报来看，百度 AI 云基础设施收入同比增长 50%，其中 GPU 云同比增长 283%，已经连续四个季度保持三位数增长。

如果只看 GPU 云，这更像是一轮算力需求的增长。但把视线往下拉一层，会发现企业要买的东西正在发生变化：过去是买算力、部署模型，现在关心模型调度、数据接入、智能体运行，以及怎么真正进入业务流程。

从模型，到 Agent Cloud，再到芯片、超节点和数据中心，开始被同一件事串起来：让更多智能体，能够长期、稳定地跑在企业真实业务里。

沈抖在演讲最后提到的"芯、云、模、体"，其实也是这套逻辑的落点。

所以企业 AI 的下半场，看的是当智能体开始工作，谁能把它们稳稳托住？

这才是 AI 云竞争开始变得有意思的地方。

▼