作者 | 胡新周

在商業史的長河中，每一次底層技術的躍遷，都會倒逼整個工業體系的重構。

19世紀末，第一輛汽車駛上街頭，徹底重塑了鋼鐵、橡膠與精密制造的供應鏈邏輯。2007年，第一代iPhone問世，將原本分散的通信、娛樂與計算能力整合成了一個高度協同的“智能終端”。

今天，AI產業正站在一個相似的十字路口。

過去兩年，大模型的爆發讓市場一度陷入對算力規模與模型參數的盲目追逐。但當AI從實驗性的嘗鮮走向核心業務的深水區，人們發現，單純的技術堆砌并未帶來預期的生產力躍遷。相反，芯片廠商賣算力、云廠商賣資源、模型公司賣接口的“層級供給”模式，顯得笨重而低效，讓大量AI項目陷入了“拼積木”式的集成窘境。

這種焦慮，催生了市場對確定性的渴望，也讓企業需求發生了本質變化：它們需要的不再是一堆零散的“算力拼圖”，而是高活躍、高價值、規模化的智能體應用。

而在智能體時代，決定應用能否規模化落地的關鍵，已經從單純的算力供給轉向了“Token效率”。當智能體成為業務的核心載體，每一次調用的成本、響應速度與準確性，直接影響了商業模式的效率。

由此，云廠商的核心競爭力也正在發生根本性轉變：云服務必須被重新定義，成為一套能支撐智能體大規模運行、持續進化、安全可控，且具備極致Token效率的全棧AI基礎設施。

5月13日，百度智能云在以“萬物一體”為主題的百度Create大會上提出的“新全棧AI云”，正是對這一時代命題的回應。

會上，百度創始人李彥宏首次提出AI時代的“度量衡”——日活智能體數（DAA）。

在他看來，Token不一定代表終局，它只代表成本不代表收益，衡量的是投入而非產出；DAA則大致對應移動互聯網時代通用的度量衡日活用戶數（DAU）。“衡量一個平臺和生態的繁榮，更應該看的是DAA這個指標，關注有多少Agent在給人類干活，并交付結果。”李彥宏還預測，未來全球日活智能體數（DAA）可能超過100億。

這是針對Token效率的另一個解法，而百度也準備了自己的答案。當天，百度智能云宣布面向大規模智能體全面升級為新全棧AI云，打造單位Token的智能水平更好的Agent Infra和每瓦性能更強、性價比更高的 AI Infra。

與傳統的“組裝式”云架構不同，“新全棧”強調芯片、框架、模型與應用在指令集級別的原生對齊，旨在消除跨層級調用的摩擦損耗，為企業構建一個具備長期記憶、工具調用能力與安全圍欄的“智能體基礎設施”（Agent Infra）。

這并非一次簡單的產品升級，而是一場深刻的范式轉移。

▌新需求催發新供給

在承接全球各地海量訂單的“世界超市”義烏，每一個想把AI嵌入生產銷售的廠長都不得不花大量時間進行“粘合”：針對不同環節的問題分別訓練模型，再把識別規則、處置流程逐個配置到每個攝像頭上。

這是AI 1.0時代的一個典型縮影。

傳統云服務采用高度分層的架構：芯片層負責計算，框架層負責調度，模型層負責推理，應用層負責交互。這導致在很長一段時間，企業對AI云的認知和需求是碎片化的，就像工業時代的零件采購——從不同的供應商那里購買服務器、租用存儲空間、調用API接口，自己組裝、調試，最終拼湊出一個能跑的系統。

但在智能體成為主流的AI 2.0時代，這種“拼圖”失效了。

與傳統AI應用不同，智能體是整合式的，它能基于簡單的自然語言指令，自主拆解并執行綜合性的復雜需求。這種變革極大地降低了業務端的摩擦成本、提升了效率，但也對后端服務提出了前所未有的高要求：一個能支撐其大規模并發、持續進化且安全可控的全棧AI基礎設施。

當前仍停留在“組件售賣”階段、零散式供給的云服務，與智能體的系統性需求之間，存在著巨大的錯位。

就像一家汽車制造商，從A公司買引擎，從B公司買變速箱，從C公司買底盤，再找D公司來調校懸掛系統。即便每一個零件都是頂級的，整輛車的性能也往往難以達到極致，因為缺乏底層的系統性協同。

在AI領域，這種協同缺失直接表現為算力的浪費和響應速度的遲滯。

智能體在執行任務時，需要在模型、記憶庫、工具鏈之間進行成千上萬次的跳轉。如果底層基礎設施不能實現“芯-模-端”的無縫打通，每一層之間都有兼容損耗、通信延遲和優化瓶頸，每一次跳轉都是一次性能的磨損，導致協同效率低下、資產沉淀困難、運維成本高昂。

就像讓F1賽車手開拖拉機，哪怕“大腦”再聰明，也很難跑得快。

換句話說，當AI深入各種復雜的應用場景，企業需求從技術單點突破進化為系統重構。新的需求催發新的供給，而新供給背后需要的是一種全新的能力——從層級堆砌轉向全棧協同。

這正是百度智能云提出“新全棧”的邏輯起點：不是簡單的資源集合，而是一個經過深度優化的“智能有機體”。

過去，全棧能力是AI云廠商的標配，但往往呈現為“分層割裂”的狀態，芯片研發、云底座、訓練模型、智能體開發，各層之間存在明顯的邊界。

“新全棧”徹底打破了這種孤島模式和層級壁壘，將復雜的工程細節封裝在底層，讓AI像一個“智能器官”一樣無縫嵌入企業的業務場景。企業只需要關注業務邏輯本身，就能實現智能體的快速迭代和規模化部署。

比如，通過百度智能云最新發布的一見Claw和智能營銷Hogee，每一個義烏商家都可以擁有專屬的“AI廠長”和“AI店長”。

AI廠長負責安全生產、質量管理、人員管理等，能獨立完成現場感知、判斷、干預、匯報；AI店長則不光能熟練使用多種語言承擔客服、導購工作，還能幫商家復盤銷售數據，結合庫存給出調貨、促銷建議，進行訂單的全流程管理。

再比如，在國家電網的巡檢領域，傳統AI識別準確率只有五六成，一線人員要從大量無效警告中篩查真實缺陷，費時又費力。百度智能云用智能體重新設計了這個流程：小模型在現場初盤，大模型在云端復判，將巡視時間從2.5小時壓縮到了45分鐘，而且準確率提升到了80%以上。

而在必須跨過數據、模型、本體這三座大山的具身智能賽道，百度智能云提供從算力、平臺工具鏈、數據服務、語音交互、安全等的全棧能力，且即將推出“規模化訓練-評測-反饋”的閉環系統，為北京人形、宇樹等具身智能企業打造全模態、全鏈路的模型開發工具鏈。

這也是為什么，在具身智能AI云市場，百度智能云的份額超過第二、第三名之和。

這些案例足以表明，當前企業需要的不再是孤立的資源，而是一套安全可控、快速迭代的系統性底座，讓AI能力從“實驗室demo”真正轉化為“生產線產能”。

新全棧的本質，就是為企業打造這樣一套完整的“數字神經系統”。

▌“大腦”“心臟”與“神經”的完美協同

如果說大模型是AI的大腦，Agent Infra（智能體基礎設施）就是遍布全身的“神經系統”，負責感知、記憶和協調動作。

百度Create大會公布了Agent Infra的兩大升級：

首先，原有的“MaaS模型服務”已升級為“Token Factory詞元工廠”。以Agent-first理念重構產品架構，盡可能減少token重復計算，推理生成速度較市場水平提升約25%。支持文心、DeepSeek、GLM、MiniMax等國產主流模型的調用，提供更具性價比的token服務。

其次，宣布推出“Harness Engineering駕馭工程”，覆蓋長上下文管理、持久記憶、工具調用、子智能體調度、評估反饋及Runtime等能力模塊，并對各模塊進行深度協同優化，在使用瀏覽器、Office等工具來處理辦公場景上的任務時，成功率可以達到95%。

得益于更優的上下文管理，做同樣的任務，需要的對話輪次會更少，相比OpenClaw，可以減少23%的token消耗。

這兩項升級之后，每一次Token消耗，都轉化成更高的業務價值。

而在AI Infra（人工智能基礎設施）層面，作為負責泵血的“心臟”，百度智能云在模型訓推、集群和數據中心建設等層面實現突破性進展，可以提供性能更強、更具性價比的AI算力服務。

在推理和訓練層面，通過對顯存、內存到SSD的分層池化架構，使KV Cache命中率超過90%，達到業界最高水平。另外，結合AFD分離、PD分離、緩存調度等優化方案，長鏈路Agent推理性能較主流開源社區引擎提升3倍。通過提供全模態統一訓練框架，讓訓練效率領先社區1倍以上，且可以100毫秒內拉起大量沙箱環境，提升強化學習的采樣效率，將Agentic模型強化學習效率提升了1倍以上。

在支撐訓推的算力硬件方面，目前昆侖芯P800已完成規模化驗證，2025年至今已交付多個萬卡集群。在昆侖芯全國產集群上，已成功完成對文心5.1重要版本的訓練，整個集群的有效訓練率達到97%，萬卡規模集群線性擴展度超過 85%，已經可以滿足前沿大模型大規模訓練對計算精度、算子穩定性、框架適配和長周期運行的要求。

此外，基于昆侖芯的天池256卡超節點已經在上個月點亮，將于6月正式上市，吞吐性能較上一代提升25%，并完成包含文心、DeepSeek、GLM、MiniMax等主流模型的適配，推理效率提升50%，網絡架構升級至HPN5.0，端到端時延優化50%，支持按需搭建數十萬卡乃至百萬卡超大集群。

Create大會當天，百度智能云也公布了吉瓦級AIDC升級，通過"網絡向心布局"設計理念，讓計算與網絡距離最短，最大限度提升計算效率，規模化落地風液兼容架構，讓數據中心的整體建設周期縮短約30%。

新全棧的核心競爭力，不在于單一組件的強大，而在于內部深度耦合帶來的系統性優勢。

通過自研芯片、框架、模型、應用的四層全棧打通，百度智能云消除了跨層級調用的摩擦，實現了性能與成本的最優解。就像一個人的大腦直接控制肌肉，無需經過復雜的中間環節，反應速度更快，能量損耗更低。

這種供給方式的進化，讓AI云廠商能夠以更低的門檻、更高的迭代速度，去適配從工業檢測到創意寫作、從自動駕駛到金融風控的萬千場景。它不再是讓客戶去適應技術層級，而是讓整套全棧能力像一個“智能器官”一樣，自動長入客戶的業務場景中。

在這種一體化架構下，AI不再是需要持續投入巨額費用的成本中心，而是將每一次Token的消耗、每一個智能體的運行，都沉淀為可復用的數字資產。隨著使用時間的推移，這些資產會不斷增值，形成企業的核心競爭力。

在 AI 2.0時代，誰能讓“大腦”“心臟”與“神經”完美協同，能就打造出真正具有生命力的“數字員工”。

▌為什么是百度？

在AI 2.0的浪潮中，無數云廠商都在談論“全棧”，但真正能兌現這一承諾的寥寥無幾。百度智能云之所以能成為這場范式轉移的領跑者，背后是十數年的長期沉淀。

早在2010年，百度便開始布局深度學習，遠早于本輪大模型熱潮。2016年，李彥宏提出“All in AI”戰略，兩年后昆侖芯正式量產。2023年，隨著大模型爆發，百度進一步確立“AI原生”的方向。這條清晰的時間線，見證了從技術探索到產業落地的完整閉環。

長達十余年的持續投入，使得百度在算法、算力、數據等核心要素上積累了深厚的復利。即使放到全球來看，在芯片（昆侖芯）、云（新全棧AI云）、模型（文心）、應用（智能體）這四個層面均擁有核心自研技術的公司也十分少見。

與集成開源模型、采購通用芯片、快速搭建平臺的“捷徑”相比，這無疑是一條更艱難、但更堅實的道路。

今天的“新全棧AI云”，正是百度這十年來深度布局帶來的敏銳“嗅覺”，從而察覺到智能體時代需求與供給的轉變。它不是單一技術的突破，而是上述四層能力在長期磨合后“身心合一”的系統性爆發，也是百度在AI時代難以復制的生態位。

更重要的是，“新全棧AI云”正在重塑云服務的價值邏輯——從賣資源轉向賣能力，成為高效生產更強智能體的通用底座。

通過極致的工程優化提升Token效能，讓每一瓦電力都轉化為更精準的推理與更低的成本，無論是企業構建復雜的工業智能體，還是獨立開發者打造個人助理，都能依托同一套基礎設施，實現從“租算力”到“養數字員工”、從“一次性交付”到“資產沉淀”的跨越。

這種轉變，使得百度智能云能夠從低頻的資源租賃，轉向高頻、高粘性、普惠的智能進化服務。

這意味著，“新全棧”不僅僅是技術的堆疊，更是一種服務理念和開發范式的重構。

到目前為止，百度智能云已經在超過100個場景落地了智能體，支持超2000萬輛L2級輔助駕駛新車交付，接入500萬臺智能家電，服務全球Top 10手機廠商、超1000家AI硬件廠商和80%的央企，在工業制造、智慧能源、交通物流、醫藥醫療、金融等行業持續深耕。

在這些龐大的產業版圖之外，百度智能云的AI基礎設施也正在悄然重塑小微企業主的生產力邊界，賦能無數個“超級個體”的崛起。

通過AI原生應用開發平臺秒噠，用戶無需編寫復雜代碼，用自然語言描述和拖拽組件等方式，即可構建自己的AI智能體應用。從獨立咨詢師打造的自動化研報助手、設計師構建的多模態創作流，到把貨賣到世界各地的義烏小微商家，智能體正在成為個體的“數字分身”，讓他們以一人之力兌現以往需要一個團隊才能完成的交付價值。

這種“事實標準”一旦形成，將產生很強的網絡效應、增加遷移成本。

據沙利文報告，百度智能云在中國自研GPU云市場占據40.4%的份額，排名第一。在國際權威機構Forrester的評估中，百度智能云在產品能力維度得分領先，戰略布局獲得滿分評價。

在AI 2.0時代的競爭中，誰定義了Agent的開發標準、記憶格式和安全規范，誰就掌握了下一代操作系統的入口，甚至有機會成為中國AI時代的Windows和Android。

▌結語

短期的技術熱點層出不窮，但真正的贏家，往往是那些堅持長期主義、深耕底層技術的公司。

百度智能云的新全棧戰略，并非一時的營銷口號，而是十年技術積累的必然結果：通過全棧自研消除層級間的摩擦，通過生態沉淀構建了難以復制的壁壘，通過戰略升維重新定義云服務的價值。

它打破了算力、模型、應用之間的傳統邊界，讓智能體像“流動的邏輯”一樣，無縫融入企業的業務流程。

在AI 2.0時代，技術將逐漸隱形，而智能將變得無處不在。百度試圖繪制的“萬物一體”產業智能化途徑中，每一家企業都將擁有自己的“智能中樞”，每一次決策都將基于全局數據的實時洞察，每一次創新都將得益于系統協同的高效賦能。

這不僅是技術的勝利，也是AI從試水走向深耕的必然歸宿。