Agent刷屏机场，AI云竞争转向任务入口

作者｜林易

编辑｜重点君

最近，北京、深圳等机场的云厂商广告牌，出现了一个明显变化：主角不再只是云计算、大模型、算力底座，而是变成了Agent——百度智能云主推百度搭子和秒哒，字节把豆包推到机场场景，阿里、腾讯也在用悟空、WorkBuddy等产品抢占办公和任务入口。

机场广告牌是ToB科技公司面向企业决策人群释放战略信号的重要窗口。它的变化说明，云厂商的竞争正在从谁有更强的模型和算力，转向谁能把AI变成可执行任务、可进入工作流、可被员工直接调用的生产力入口”。

机场广告牌里的新信号

如果我们把过去几年机场云广告连起来看，不难发现一条非常清晰的演进线。

早期云厂商讲的是基础设施，广告上常见的是稳定、安全、弹性、降本增效，背后对应的则是企业上云。那时候的核心问题是，企业愿不愿意把业务系统迁到云上。

而在大模型爆发之后，云厂商开始打的是AI云，模型、算力集群、大模型平台、行业方案，成为广告牌里的高频词汇。那一轮竞争里，云厂商要证明自己不只是传统云服务商，也能承接企业的智能化升级。

到了Agent这一轮，关键词又变了。几家厂商看起来都在讲Agent，但抢的并不是同一种心智。

第一类是通用AI助手入口，以豆包为代表。它覆盖问答、写作、办公、学习等高频场景，优势在于用户认知更广、使用门槛更低。把豆包推到机场这样的商旅场景里，字节要抢的是更广泛的个人和办公助手心智。

第二类是办公任务执行入口，以百度搭子和腾讯WorkBuddy为代表。WorkBuddy更像员工桌面上的办公自动化工具，瞄准的是重复流程、协作任务和日常办公提效；百度搭子则更强调“真干活”，要解决的是用户把任务交给AI之后，AI能不能跨应用、跨文件，把事情真正推进下去。

第三类是企业协作和应用生态入口，以阿里相关产品和钉钉生态为代表。它更强调把AI嵌入企业组织内部的岗位流程和应用体系，依托已有协作生态，把AI能力放进法务、财务、人事等垂直场景。

百度智能云更值得注意的地方在于，它并不只押注办公Agent，而是同时推出百度搭子和秒哒：前者让AI接管任务，后者让需求生成应用。也就是说，百度智能云这轮投放想释放的不是单点产品信号，而是一个更完整的生产力入口信号——一个入口负责把任务交给AI执行，一个入口负责把需求转成应用。

所以，百度智能云抢的不只是“AI助手”心智，而是“AI真能干活”的任务入口心智。搭子负责把任务交给AI执行，秒哒负责把需求生成应用，直接回应企业对AI“能不能真正落地到工作流”的核心顾虑。

这些广告虽然出现的场地略有区别，但都在强调AI怎么进入真实工作流。

这条变化的脉络，其实很清楚：云厂商的战略重心，从最开始的资源，转到后来的模型，再到现在的任务。

资源主要是企业IT部门关心的，模型主要是开发者和技术团队关心的，任务则会触达更广泛的人群，包括销售、运营、市场、财务、人力、管理者，甚至每一个普通办公室员工。

从这个角度看，Agent的竞争天然更靠近用户。用户给出一个目标，AI需要理解背景、规划步骤、调用工具、执行动作，并在必要时向人确认。它需要生成内容，也需要连接系统；需要会说，也需要会做。

所以，机场和车站里的Agent广告，真正指向的并不是一次投放变化，而是云厂商正在往上走：从后台基础设施，走向企业生产力入口。

Agent成为云厂商的新入口

Agent为什么如此重要？

一个很直接原因是，大模型本身的竞争已经进入新阶段。过去是卷参数、榜单、价格，现在企业真正关心的问题越来越具体，比如这个AI能不能接入我的知识库、能不能调用我的工具、能不能理解我的业务流程，能不能把一个任务从头做到尾等等。

这些问题单靠一个模型是很难回答的，一个真正可用的企业Agent，背后既需要多个大模型，还需要推理服务、RAG、向量数据库、工作流、插件系统、MCP、权限管理、日志监控、安全审计、成本统计，以及和CRM、ERP、OA、文档、邮件、业务系统之间的连接能力。

所以，Agent逐渐成为云厂商的新入口。这个趋势不只是国内厂商在跟进，海外云厂商也在把Agent平台化。

一类证据来自云平台本身。Google Cloud在今年Google Cloud Next期间扩展Gemini Enterprise，把它升级为企业内部AI工作的中心平台，整合Agent Studio、Agent Development Kit、Agent Registry等能力，并把模型、Agent构建、DevOps、编排和安全能力纳入统一体系。AWS的动作则更偏企业交付，路透社报道称，AWS今年6月投入10亿美元建立Forward Deployed Engineering团队，把工程师派到客户现场，帮助企业把Agentic AI真正接进工作流。

这说明海外云厂商也看清楚了同一件事：Agent落地不能停留在API和Demo，真正的难点是进入企业生产环境，接入组织流程，并且管住权限、风险和结果。

另一类证据来自使用侧。一篇基于OpenAI Codex使用数据的研究显示，2026年上半年，Codex活跃用户数增长超过5倍；超过10%的用户每周会管理3个以上并发Codex Agent，26.6%的用户使用skills复用复杂工作流。微软内部早期2026年推广Claude Code和GitHub Copilot CLI的研究也显示，采用这些命令行Coding Agent的工程师，合并PR数量大约提升24%。

这些数据不必被过度解读成最终业务价值，但它们已经说明一个变化：Agent开始从“AI功能”进入“工作组织方式”。一个人不再只是向AI提问，而是开始调度多个Agent、复用任务流程、把复杂工作拆给AI执行。

国内厂商也在形成共识。百度创始人李彦宏在Create2026上提到，AI入口在重建，人机关系在重塑，组织形态在重构，我们正在进入一个全新的生产力时代。AI主角，不再是模型而是应用。他提出进入智能体时代，衡量AI平台繁荣程度，不能只看模型调用量或Token消耗，更要看DAA（日活智能体数）所代表的任务完成规模与价值产出。

百度智能云事业群总裁沈抖则把这个判断进一步落到AI云的衡量标准上：AI云的下半场，不是比谁消耗了更多Token，而是比谁能把每一个Token更高效地转化为生产力。

不过，Agent的难点也在浮出水面。Gartner今年的研究认为，Agentic AI会冲击传统SaaS席位授权模式，到2030年，最多2340亿美元应用软件支出可能暴露在Agentic Arbitrage影响下，因为Agent可以绕过传统界面，直接完成跨系统工作流。

这既是机会，也是挑战。机会在于，Agent会把过去分散售卖的云能力重新组织成一个能干活的入口；挑战在于，企业不会为一个看起来像Agent的聊天框长期买单。最终能留下来的，必须能稳定进入流程、交付结果，并且可观测、可治理、可审计。

由此来看，Agent竞争真正进入深水区后，问题会从“有没有一个智能体产品”，变成“能不能把智能体变成企业可长期使用的生产系统”。这也把云厂商的胜负手推向下一层：Agent时代需要的，是能把全栈能力重新组织成生产力系统的云厂商。

Agent时代需要什么样的云厂商？

Agent和推理时代，其实对各大云厂商提出了一套新的能力要求。我们认为至少包含以下几个方面：

第一是模型和推理能力。Agent不是调用一次模型就结束，它会在多轮任务中不断规划、调用工具、反思、修正，对推理成本、响应速度、模型路由、稳定性提出更高要求。

第二是数据和知识能力。企业Agent要进入工作流，必须接入企业知识库、数据库、文档、CRM、ERP、OA等系统。没有RAG、向量数据库、数据权限和知识更新机制，Agent很容易停留在通用问答。

第三是工具和流程编排能力。真正的Agent要会调用工具、拆任务、走审批、触发插件、连接API，还要支持MCP、工作流和多Agent协同。

第四是企业级治理能力。Agent一旦能执行任务，就会涉及权限、审计、日志、监控、异常回溯、成本统计、安全边界和合规责任。

第五是应用和场景能力。Agent不能只存在于开发者平台里，还要进入普通员工能理解、能使用的产品界面，比如办公助手、应用生成器、客服、营销、数据分析和研发协作。

所以，Agent时代需要的云厂商，是能把模型、推理、数据、工具、治理和场景连起来的全栈玩家。

谷歌云的做法可以看做是一个海外的样本，它在Agent上的布局正是建立在长期的全栈能力之上。底层算力有自研的TPU加持，数据云层依托‌BigQuery‌湖仓一体架构与‌Cloud Spanner‌分布式数据库，集成专属数据智能体；Vertex AI‌开发平台，内嵌‌Gemini‌全系多模态模型，支持模型微调、私有化部署及Agent编排。

在应用层上，谷歌也没有只推出一个Agent产品，而是把Agent开发、模型选择、运行时、身份、网关、注册中心、观测、评估和模拟测试都放进企业级平台。这套体系还连接Google Workspace、Vertex AI、DevOps和安全能力，让Agent可以在企业内部被创建、部署、管理和审计。

这套逻辑放到国内，同样成立。Agent越往企业流程里走，越考验云厂商有没有完整能力栈。从这个标准看百度智能云，会更容易理解它这次为什么同时主推百度搭子和秒哒。

百度智能云拥有从芯片、云平台、模型到智能体的全栈自研技术能力。

第一层：底层能力决定Agent能不能长期跑。

Agent不是一次模型调用，而是一连串规划、推理、工具调用、文件读取、结果生成和路径修正。任务越复杂，调用越高频，对底层算力、模型能力、推理效率和系统稳定性的要求就越高。

这也是百度智能云AI基础设施的重要性所在。面向Agent趋势，百度智能云全面升级为服务大规模智能体应用的新一代全栈AI云，依托“芯云模体”技术体系，构建了AI Infra与Agent Infra双重能力底座：在Agent Infra上，提升单位Token的智能水平，让智能体更好地完成任务；在AI Infra上，提供每瓦性能更强、性价比更高的AI算力，让每一次训练和推理都转化为更好的智能体效果。

这意味着国产算力集群已经开始支撑前沿大模型训练对计算精度、算子稳定性、框架适配和长周期运行的要求。

与此同时，文心、DeepSeek、GLM、Minimax等主流模型完成适配后，结合推理系统优化，推理效率提升50%。对Agent来说，这类底层能力直接决定它能不能在高频调用、复杂任务和长期运行中稳定交付。

第二层：平台能力决定Agent能不能进入企业生产环境。

企业需要的不是一个孤立的智能助手，而是一套可开发、可编排、可观测、可治理的智能体系统。百度智能云千帆承担的就是这一层角色：它以Agent为核心，提供多模型接入、多智能体协同、自主规划Agent、工作流Agent、知识库RAG、全链路可观测等能力，把模型能力变成企业可以部署、运行和管理的生产系统。

第三层：应用入口则决定Agent能不能被真实用户使用。

如果说底层能力解决能不能长期跑，平台能力解决能不能进入企业环境，那么百度搭子和秒哒解决的是用户愿不愿意把任务交给AI。百度搭子对应任务执行，秒哒对应应用生成，这两个入口把后台复杂的模型、平台和工程能力，翻译成普通员工和业务人员可以直接理解的使用方式。

这也解释了百度智能云为什么选择在机场同时推出百度搭子和秒哒。

它不是把Agent当作单点产品去传播，而是把底层模型、算力、平台工程和百度生态能力，统一翻译成企业客户能直接感知的两个入口：任务执行入口和应用生成入口。

百度搭子负责接住任务。它面向的是文件处理、信息整理、流程操作、办公自动化等高频任务，让用户可以直接把事情交给AI执行。

秒哒负责生成应用。它面向的是教育、网站、营销、办公、电商、工具、游戏等长尾应用需求，让业务人员有机会用自然语言先生成一个可用原型，再推动专业团队做加固和沉淀。

一个负责“把任务交给AI”，一个负责“把需求变成应用”。这两个入口合在一起，正好回应了企业采用AI时最实际的两个问题：AI能不能直接帮员工干活，AI能不能把业务需求更快落成工具。

所以，百度智能云这轮机场投放，不只是一次产品曝光，而是在释放一个更完整的信号——AI云正在从后台基础设施，走向企业生产力入口。