智能体年均增长超一倍，百度智能云给智能体配了套新底座
智东西
导读：智能体从概念演示走向真实业务闭环
智能体的规模正在快速扩张。IDC预测，到2030年，全球活跃Agent数量将达到22.16亿个，年复合增长率达到139%。与此同时，Token消耗量激增：国家数据局披露，今年3月我国日均Token调用量超140万亿，较2024年初增长千倍；中国信通院监测显示，6月该数字已达500万亿。庞大的调用量标志着智能体已走出概念演示，开始承接大量真实任务。
当前，通用智能体主要比拼场景覆盖和调用频次，而产业智能体则深入社区治理、工厂车间、园区和门店等业务现场，解决复杂现实问题。百度智能云通过一系列落地案例，展示了其将智能体“焊”在产业一线的实践路径，并推出AI Infra与Agent Infra双层基础设施，以支撑智能体成为企业关键生产力。
从个人助手到业务主力，智能体闯入行业深水区
近一年来，智能体正从个人提效工具向企业核心业务场景渗透。百度副总裁石清华透露，百度搭子作为通用智能体，自今年3月上线以来，月活已达千万级，环比增长10倍以上，显示出向大众快速普及的趋势。
在C端普及的同时，智能体在企业侧也释放出显著价值：
- 企业增效：杭州调味品企业松鲜鲜接入后，原本需两天的数据汇总工作缩短至3分钟。智能体展现出跨系统数据读取与业务洞察能力，深度参与经营分析。
- 基层治理：武汉硚口政企服务企业鸿海鑫的项目覆盖100万人口、300位用户和40个真实场景。居民诉求经智能体分析自动生成工单并推送至街道系统，实现了非结构化数据处理、自动化执行与跨系统协作的闭环。
智能体的落地并非一蹴而就，而是背后一整套系统工程的重新构建。百度智能云技术委员会联席主席郑然指出，企业需要的不仅是模型接口，更是两类支撑：一是开箱即用的Agent能力以便快速试错；二是支撑长期运行的基础设施，涵盖运行环境、数据连接、安全管理和持续运维。
补齐“运行底座”，让智能体长效稳定运行
要让智能体发挥长效价值，必须提供安全稳定、价值可衡量的运行环境。Agent Infra的本质是将一次性模型调用转化为长期运行、可观测、可治理的任务系统。
核心挑战与安全隔离
智能体需调用工具和企业内部数据，操作失误可能引发风险。因此，需要“沙箱”机制在封闭环境中执行任务，避免波及其他系统。此外，针对大模型的随机性，基础设施需具备“可观测”能力，帮助企业厘清成本、定位问题并推动迭代。
云原生架构的演进
智能体本质上是一种云原生应用，但其资源需求更具弹性且存在不确定性。随着海量规模运行的到来，企业的核心缺口已从模型转向运行底座。自建Agent Infra成本高企，云厂商通过上下游协同和规模化运营，将这些能力沉淀为开箱即用、分层可组合的产品。
百度智能云的Agent Infra覆盖以下关键能力：
- 沙箱：快速启动任务、隔离环境并保存状态。
- 计算、网络、存储：像“水电”一样高效支撑任务执行和数据访问。
- 可观测性：记录执行轨迹，分析成本、效果及故障原因。
此外，百度智能云还优化了云产品的交互界面，使智能体能像“调用本地文件”一样高效调度云端资源，大幅降低了使用门槛。
应对Token爆发式增长，提升AI资源效率
Agent Infra负责任务执行，而背后需要AI Infra持续提供模型训练、推理和资源供给。IDC预测，智能体带来的推理需求将超过100吉瓦。面对算力、存储、网络和能源投入的增加，云厂商需在扩大资源供给的同时，提高每单位资源的Token产出效率。
随着上下文长度增加、模型参数扩大及结构稀疏化，基础设施需围绕长上下文场景下的数据访问和Token效率进行重新设计。百度智能云通过百舸AI计算平台6.0，将AI计算平台升级为协同基础设施、资源管理和工程能力的“智能工厂”，以更高效地支撑智能体运行。
智能体的规模化落地，既需要Agent Infra承接任务执行与管理，也需要AI Infra提升训练推理效率。两者协同，方能确保智能体在长链路、大规模调用中保持稳定并控制成本。
结语：全新云底座稳住Agent生产落地
智能体正从个人工具演变为企业业务系统中的执行单元。只有进入生产环节，模型能力才能转化为可复用的产业价值。这一趋势不仅催生了新的应用场景和商业模式，也带动了芯片、光模块、存储等基础设施产业的发展。
对云厂商而言，竞争焦点已从单一算力资源扩展至支撑智能体长期运行的完整基础设施。AI Infra与Agent Infra的深度协同，正成为智能体落地的关键路径。
