这届CIO，都想把自己蒸馏了

老夏，某大型制造企业CIO。

这两天，他恨不得把自己蒸馏了，变成skill，把那些糟心的需求扛起来。

这事儿的起因，是他们集团刚上线了三个Agent智能体。

按老夏原话说，“没想到招回来仨祖宗，天天供着”。

智能体上线没跑两天，老夏发现问题了↓

这帮Agent像极了人类员工：为了完成 KPI，会无所不用其极地索取资源，

和之前传统应用完全不是一个物种。

说白了，是智能体的行为具备一定的不可预测性。

他们发起疯来狂烧tokens，

而且绝不默默扛压，这些压力会瞬间甩锅到底层。

它会逼MaaS层做推理优化，逼IaaS层做算力扩容。

只要Agent跑起来，曾经界限分明IaaS、PaaS、SaaS边界会被瞬间打穿。

而且，Agent运行起来，即便不发疯，也是骚操作不断↓

长上下文、多轮交互、工具调用、复杂任务拆解…

不止吃 Tokens，底层算存网资源必须像水一样，随Agent的状态精准供给。

老夏发现，曾经的需求和采购逻辑失效了！

现在想要伺候好这几个祖宗，

不是多买几台云主机、多接几个API就能解决的

那个年代，需求多简单啊，缺啥买啥

缺算力，就买IaaS。计算、网络、存储，该扩就扩
缺平台，就上PaaS。框架、工具、开发环境，该上就上
缺应用，就找SaaS。业务部门要什么，IT部门就订什么

而现在，Agent所需资源是流动的逻辑，还不是以前那种云计算讲的 Scale-out 弹性伸缩。

老夏想要的是那种能感知全局、动态调度、自动协同的AI底座。

这个AI底座必须包罗万象：芯片、云、大模型、智能体、AI工具、开发平台、算力调度、推理优化...

有人说：扯半天，老夏要的不就是AI全栈能力嘛，有啥稀缺的？

但是，老夏不这么认为。

不少厂商的东西，虽然都号称全栈，但其实就是东拼西凑攒起来的「草台班子」。

其实，老夏的这种需求是典型的「既要又要还要」：

✔既要架构像水一样随形就势

✔又要Tokens极致便宜

✔还要智能体能从Demo里走出来，进生产线搬砖。

老夏被这种【新需求】折磨了很久，他都恨不得把自己蒸馏了“钻”到 IT 系统里搞定这些资源。

当然，这种蒸馏自己只停留在段子里，老夏知道不可能…

直到昨天，他受邀参加「Create2026百度AI开发者大会」，竟然……找到了答案。

一上来，百度掌门人李彦宏就甩出了王炸↓

李彦宏提出一个DAA(日活智能体数)概念，认为Token只代表消耗，需要用新的尺度来更多关注产出。

另外还有自我进化，智能体时代，AI在进化，人和组织的协同也会基于AI发生变化。

那怎样才能提升效率，让每一个Token都花得值，同时持续进化呢？

百度现场也公布了一个解决方案，那就是百度智能云全面升级的【新全栈AI云】

新全栈AI云，让【芯云模体】互相协同，成为一个效率更高的AI新底座！

这是像水一样的自进化底座，可以流动、反馈、重组，支撑不同形态的Agent。

接下来的论坛内容，老夏又get到了一些新东西。

为了支撑这套“新全栈”，百度智能云拿出了两个层面的看家本领↓

作为CIO，老夏一下子就看出了「技术门道」

一、底层升级：AI Infra智能体基础设施

第①项升级：智能体的推理优化方案，性能提升1-3倍

这个方案，做到老夏心坎上了。

Agent跑起来后，如果是长链路、大任务推理，最常见的问题是慢和贵，Token成本极易失控。

百度的做法是把KV Cache从显存、内存到SSD做分层池化。

上下文复用率超90%，这意味着智能体在多轮对话中，重复计算大量减少。

再配合AFD、PD分离与异步调度（Prefill节点、Decode节点、Cache系统之间），彻底解决长链路推理的延迟瓶颈。

至此，推理性能直接飙升1-3倍。

第②项升级：Agentic强化学习优化，学习效率提升1倍+

Agent发布后，不能一成不变，不能成为一个死程序。

这就涉及到当下最前沿的技术——Agentic强化学习。

百度这次直接给Agent配齐了顶级教室和教材：

教室，就是百度高并发沙箱，即训练环境。

教材，就是百度提供的全模态训练框架，教智能体读文、看图、看视频、读代码，甚至像真人一样操作软件界面。

老夏感叹，“谁能越短时间内，把智能体在真实反馈中训练好，谁才真正有资格谈智能体落地。”

第③项升级：百舸AI计算平台6.0，升级为智能工厂

升级后的百舸6.0，相当于给用户造了一座智能工厂，不再是只提供算力的平台。

工厂里有四个车间，串联起来帮用户组成一条AI生产线。

老夏点赞：“正好解决了Agentic AI 和 Physical AI 的规模化生产的痛点，这就是百舸6.0的价值。”

第④项目升级：发布全模态训练框架LoongForge

LoongForge像一座多模态训练枢纽↓

上接不同的模型场景：LLM、VLM、VLA、Diffusion；

下接NVIDIA GPU 和昆仑芯 XPU；

中间用一套代码打通多模型、多硬件。

老夏被一组实测数据惊到了↓

多模态训练加速15%~ 45%。更夸张的事，能在5000多张昆仑芯P800大集群上，跑出90%以上的线性扩展效率。

第⑤项升级：扩建超大集群，吉瓦级AI数据中心

百度这次把集群规模做成了算力航母级。

吉瓦级电力容量，对应十万级AI加速卡的超大规模算力集群。

在现场，老夏还看到了百度天池超节点，相当震撼！

二、Agent Infra智能体基础设施

第①项升级：Harness Engineering驾驭工程

一听这个，老夏就想起自己公司那三坨“祖宗”。

那简直就是三个智能体烟囱。

百度Agent Harness，就要推倒智能体烟囱。

它把长上下文、记忆、子Agent调度、评估、工具调用和skills这些共性能力，先做成一套可复用的工程化底座。

得益于这些能力，做同样的任务，需要的对话轮次会更少，相比OpenClaw，可以减少23%的token消耗。

Agent Harness让企业真正规模化开发Agent。

第②项升级：从MaaS升级为Token Factory词元工厂

在百度智能云上，能调用150+个SOTA模型，调用速度比行业平均水平快25%，秘诀在于Agent-first理念↓

针对长链推理场景，通过Cache管理仅计算新增Token，减少百万级上下文的重复加载。

全局推理资源调度，大幅提升复杂任务下的Token效能。

此外，在企业里，Demo和生产环境是两个世界。

新升级的Agent Runtime它提供稳定、安全、可观测的运行环境，让智能体真正跑进企业生产环境，持续执行任务、持续产生结果。

产品看起来不错，那实战怎么样呢？

老夏在现场看到了一大波顶级客户的背书——

80%央企的选择

100%中国头部车企的选择

800家+金融机构的选择

1000家+AI硬件厂商的选择

顶级具身智能公司的选择

“真香！”

这是老夏从会场出来脑海里唯一的感叹，百度新全栈这波进化，是在「整顿Agent职场」啊。

不怕Agent骚操作，就怕你没有自进化的新底座！