智能體規模化，缺一個Agent原生的云。

文｜趙艷秋 周路平

編｜牛慧

智能體規模化落地，正成為全球人工智能領域最受關注的熱點。今年一來，全球科技公司展開密集布局。

然而，一個顯著的落差正在浮現：模型能力指數級飆升，例如在博士級科學推理評測GPQA中，模型得分已從39%躍升至94%，超越人類水平，但這樣的能力并未轉化為企業的大規模應用。據德勤2026年最新調研，在所有已采用AI的企業中，僅有25%將智能體從實驗階段推向了生產環境；而落地周期也從最初預估的3個月，一再拉長至18個月。

這背后的原因是什么？業內認為，智能體規模化的同時，基礎設施、企業能力等方面的“代際錯配”在拖慢進程。

01

從義烏“前店后廠”看落地缺口

凌晨四點，義烏國際商貿城周邊的廠區燈火通明。57歲的張老板干了30多年外貿，他的無人機廠客戶遍布幾十個國家，靠的是義烏經典的“前店后廠”模式——前端門店跑客戶、抓流量，后端工廠盯排班、管原料、把控質量。這套模式下，義烏的工廠能做到48小時打樣，72小時出貨，極致效率背后靠的是國人的勤勞和自律。

他們也試過AI。但市面上的工具，要么定制開發周期長、成本高；要么功能脫離實際，“能看見，但看不懂”，給出的提示不痛不癢。張老板總結了九個字：用不起、用不好、用不上。

轉變從他女兒給他裝了兩個智能體開始。一個是百度一見視覺智能體，可以做成一個7×24小時在線的“AI廠長”，通過全場攝像頭統一調度，識別車間里的安全隱患、設備異常、物料缺口和排班合理性。張老板在手機上問一句“今天車間有沒有異常”，就能拿到一份可讀報告。更關鍵的是，它越用越懂張老板的管理習慣，什么情況該預警、什么情況不必打擾，都拿捏得越來越準。廠一代30年的經驗，就這樣被沉淀下來，廠二代接班不用再從頭學起。

另一個是企業一站式AI營銷應用“百度智能云Hogee”，它相當于“AI店長”，能自動生成多語種宣傳圖和短視頻，一鍵分發到TikTok、Temu、1688等平臺，實時追蹤銷售數據、結合庫存給出調貨建議、預警逾期訂單，跑通營銷全鏈路。兩個智能體還能擴展，接入物流信息后能算成本、測時效，接入ERP后打通產銷。張老板以前腳不沾地，現在坐在辦公室里，活已經干完。

這不是孤例。義烏126萬家店鋪背后，是大量同樣靈活高效、富有韌性的工廠群體。如今他們的運營正在越來越多地借助AI技術。這是全球智能體規模化落地浪潮中的一個縮影。

不過，這一案例也引出一個核心問題：過去幾年，AI包括智能體不斷迭代，但真正能像這樣跑通的企業案例并不多見。智能體規模化落地，究竟還差什么？

過去智能體無法落地的根源，在于它們與智能體應有的核心能力不匹配。 一個真正能用的智能體，至少應具備三個特點：自主完成任務；實現好的效果；自主演進更懂用戶。而此前市場上的AI工具，要么是問答機器人，只聊天不落地；要么效果不佳，也無法在使用過程中逐步精準適配業務場景，達不到用戶的心理預期。

現在智能體正在開始跑通。百度智能云AI與大模型平臺總經理忻舟介紹，智能體有四個演進階段：對話體驗、工具輔助、自主執行、自主進化。當前智能體處于第二到第三階段的過渡期，它不再只給建議，而是開始嘗試自主執行任務。第四階段自主進化也“已出現苗頭”，這是與過去AI工具最根本的代差，它具備了持續學習和記憶能力，能不斷積累具體場景下的經營邏輯、管理習慣、用戶偏好，并自主迭代。

從市場數據看，智能體落地確實在快速膨脹。據最新智能體白皮書預測，中國企業級智能體市場規模將從2025年的212億元增至2029年的3320億元，年復合增長率達107%。政策層面，“智能體”首次寫入《政府工作報告》，目標2027年應用普及率超70%。“Token告急”也從側面印證了熱度。忻舟透露，“原來賣Token都是打折賣，現在加價都買不到”。

那么，落地還差什么？首先是工程能力。業界已將工作重心日益集中于Harness（智能體腳手架）工程能力，它涵蓋上下文、記憶、工具調用、智能體編排、追蹤評估等核心模塊。“智能體能力增速將是模型能力增速和Harness增速的乘積。”百度創始人李彥宏說。而Harness正在快速演進。

其次是度量衡要逐步明確。沒有統一的度量衡，企業采購時就無法明確ROI，這直接阻礙了規模化落地。此前行業將“token”作為AI時代的主要度量衡，但token衡量的是投入而非產出。李彥宏提出以日活智能體數（DAA）取代Token，關注有多少Agent在真正給人類干活并交付結果。他預測未來全球日活智能體數可能超過100億。不過，度量衡目前業界還沒有達成共識，需要行業在演進中持續具象化。

最后，智能體的價值證明仍不充分。業內人士透露，今年行業核心目標是證明智能體價值，很多團隊要求先把智能體效果做出來，降本排在其次。有人估算，以央國企為例，目前Token采購僅占其IT總支出的1%，智能體效果一旦提高，意味著巨大增量空間。代碼智能體目前是產生價值最高的智能體，但智能體已從通用工具滲透至垂直市場，在橫向擴展應用場景、縱向提升決策精度——從對一類客戶做群體決策，進化為對每位客戶的每次交互單獨決策。

實際上，今年以來，智能體的規模化落地，已成為科技巨頭的焦點。3月，Y Combinator demo day上，80%以上團隊展示垂直Agent。5月，Anthropic宣布對Claude Cowork重大升級，推出面向金融等領域的10款專業智能體，其CEO透露ARR年收入將增長80倍。隨后Anthropic與OpenAI幾乎同時宣布與大型投資機構成立AI落地服務公司，“底層大模型巨頭也殺入了企業大模型落地市場”，華勝天成副總裁楊潘分析。

總結而言，智能體的規模化落地，已經邁出了第一步。

02

智能體基礎設施，準備好了嗎？

除了智能體的工程能力、價值證明和度量衡之外，還有一個更底層的問題——智能體的基礎設施本身是否做好了準備？

過去，云計算服務的主體是人，“未來主動調用API的是智能體，主動選擇模型的是智能體，自動查詢數據的是智能體，自主操控終端設備的是智能體，甚至不同的智能體之間還自主溝通分工，協作完成任務。”李彥宏說，“整個底層基礎設施必須為智能體這個全新主體重新搭建，方便智能體來調用。”

傳統云計算的核心是提供計算、網絡、存儲等IT資源，滿足客戶業務的彈性可靠、降本增效。但智能體的爆發正在重塑這一邏輯。客戶不再只需要資源，他們需要高活躍、高價值、規模化的智能體應用，直接解決業務問題。這種需求轉變帶來了一系列現實挑戰：

比如，智能體對token的消耗呈指數級上漲。隨著智能體需要處理的上下文暴增，智能體的token消耗量比聊天機器人增加了一千倍。現在智能體要完成一個任務，動輒需要上百萬的tokens，這給模型的速度和成本帶來了巨大的挑戰。

另外，類似OpenClaw的智能體，設計之初面向單用戶，天生缺乏企業級批量部署能力。從個人使用走向企業部署，需要解決權限管理、安全合規等一系列復雜問題。同時，智能體需要能支持長上下文管理、持久記憶、多智能體編排等一系列新能力。

“云服務必須重新定義，成為一套能夠支撐智能體大規模運行、持續進化、安全可控的全棧 AI 基礎設施。”百度集團執行副總裁沈抖說。云平臺由之前的云原生、AI原生走向Agent原生，技術棧和產品服務體系需要為智能體應用進行重構，“它是承載萬億級tokens調用的核心載體。”

全球云計算廠商已經在面向生產級Agent的部署，推出系統級方案。比如AWS通過Amazon Bedrock AgentCore打造Agent基礎設施；微軟構建了面向多Agent協作的編排層，與AI Foundry平臺深度集成。谷歌的核心策略是MCP協議托管化與生態標準化，推出全托管MCP服務器，讓Agent一鍵調用核心服務，打通工具生態。

在5月13日舉辦的Create2026上，百度智能云升級為面向大規模智能體應用的新全棧AI云，涵蓋“芯云模體”四層架構。“這四層分別代表了Token經濟的成本、效能、質量和生產力四大核心因素。”百度集團副總裁侯震宇說。而百度智能云“芯云模體”全棧協同，通過AI Infra和Agent Infra兩條主線上進行提升，核心讓Token經濟效益最大化。

在Agent Infra上，原有MaaS服務升級為“Token Factory”，結合自研的Harness Engineering，聚焦于讓單位Token產生最大智能價值。在AI Infra層面，發布百舸6.0、AIDC 3.0等，提升算力產出效率。

基于這套為AI和Agent重構的基礎設施，百度智能云不僅打造、支撐了諸如DuMate通用智能體和勝算、秒噠、伐謀等垂直領域智能體，也服務了千行百業的客戶智能體。

沈抖在大會上透露，目前80%以上的中央企業已經用上了百度智能云，在上百個場景中落地了智能體。以國家電網為例，去年在40多個場景中部署智能體，其中巡檢識別準確率56%提升到85%以上，覆蓋全國幾百座變電站，守護著11億人的用電安全。

汽車行業是另一個典型。百度智能云支持了從主機廠到電池、芯片、無人車的全產業鏈。目前，百度智能云已成功支持超過2000萬輛L2級輔助駕駛新車的交付。在AI硬件領域，全球前十的手機廠商都在使用百度智能云的Agent Infra能力。具身智能賽道同樣如此，百度智能云是目前該領域最大的AI云供應商，服務超過30家頭部企業，市場份額超過第二、三名之和。

這些案例一方面說明，智能體落地已經進入實質推進階段；另一方面也揭示出，當前的支撐能力仍然嚴峻。每一家央國企、每一家車企、每一家手機廠商在部署智能體時，幾乎都要面臨基礎設施夠不夠智能、高效，夠不夠低成本和企業級的問題。

“Token經濟的本質，從來都不是單點的競爭，它是整個基礎設施的全棧體系化的競爭。”侯震宇的觀點代表了當前業內的共識。智能體市場的規模化，正在倒逼底層基礎設施進行一次深刻的代際重構，誰能在穩定性、算力效率、自主進化與企業級治理上率先突破，誰就將在智能體時代贏得先機。