百度智能云：用全栈打赢新标尺下的AI战

行业圈地，百度盖楼

在工业革命前的马车时代，生产主要依赖手工技艺，计件制是衡量产出的核心标尺，工人的收入直接与产品数量挂钩，看单月织布多少尺、收割多少亩庄稼。

蒸汽机的发明开启了机器大生产，衡量产出的标准也变得复杂，功率、成本与综合效率等概念开始进入评估体系。而在AI时代，生产率衡量标准也同样经历着从“量”到“质”的变革。

起初，Token调用量直观地反映了AI的使用规模和活跃度，曾被视为大模型或云的实力象征，但也正因如此，不少企业开始盲目追求Token消耗而忽略了其背后的真实价值。

于是，行业也开始探索新的衡量标尺：在智能体时代，究竟该用什么来衡量AI的价值？

这一命题，在万众瞩目的WAIC上得到了来自百度智能云的正面回答。

本届世界人工智能大会（WAIC）上，行业涌现了更多顶尖科研交流、分层产业生态、标杆前沿展品等，百度除了携“芯云模体”全栈自研矩阵与智能体全家桶集中亮相，让昆仑芯P800、百舸平台、文心大模型5.1、百度搭子等产品首次同台呈现外，更是用全栈的能力，回答了关于价值衡量的问题。

百度集团执行副总裁、百度智能云事业群总裁沈抖在最近一次深度对话中表示，对具备全栈自研能力的企业来说，未来三年会是一个黄金窗口期。

过去行业只比模型参数、跑分，现在以及未来一年半，比拼的不再是单纯模型基础能力，而是真实任务完成率、单位 Token 价值、产业落地规模，客户不再为概念买单，开始实实在在为效果、提效效率付费，用好每一份算力、每一个 Token 会成为行业共识。

此次WAIC上，不少企业都在展示自己从芯片、算力到应用的能力，只不过大多数各有所长，极少才完成了闭环。其高规格背后不仅是中国AI技术实力的秀场，也暗含了其判断与发展逻辑。

而对百度来说，这个问题似乎更加清晰：当行业标准从“卷Token消耗”转变为“卷Token效率”，百度究竟如何拿稳这把新的尺子？

01

从“卷消耗”到“卷效率”

百度智能云先用了新标尺

大模型产业发展早期，Token调用量成为核心指标当然有其合理性。

最开始，大模型最主要的产品形态还是Chatbot，用户输入一段文字，模型生成一段回答。模型调用次数越多、Token消耗量越大，往往意味着产品用户更多，API需求更旺盛。

与此同时，MaaS也成为云厂商进入大模型市场最直接的商业模式。云厂商把模型封装成API，客户按照Token数量付费，调用得越多，云厂商获得的收入越高。在这种模式下，Token既是技术指标，也是计费单位，还是市场规模的证明。

但是，MaaS和“按效果付费”是完全不同的概念，Token这把尺子量的也只是投入而非产出。正如百度创始人李彦宏在Create 2026大会上所说，Token只代表成本并不代表收益，衡量的是投入而非产出。而且Token无法回答一个更关键的问题：大模型究竟创造了什么成果。

针对这个问题，身在业务前线，每天与客户打交道的百度智能云很早就意识到了问题，如果继续卷消耗，AI云很难走出“流量费”的低毛利陷阱。

而智能体的出现改变了这套逻辑。不同于只能提供答案的Chatbot，智能体则会根据目标自主拆解任务、调用工具并执行操作，最终交付结果。

在沈抖看来，智能体驱动大模型迭代的闭环效应会变得更突出、更明显。智能体落地会产生大量真实产业数据回流，这些数据会持续迭代大模型，模型变强又能支撑更多场景智能体落地，这套飞轮转得越来越快，这是最核心的底层变化。

AI的价值，也因此从“被调用了多少次”，转向“真正完成了多少任务”，这也正是DAA（日活智能体数）的核心逻辑。

更值得注意的是，智能体执行链路更长、调用模型和工具更多，往往会进一步放大Token消耗，这也让Token效率从一道优化题，变成了规模化落地的必答题。

于是，百度智能云掏出了“Token效率”这把新的标尺，并率先将其纳入了内部技术团队的考核维度当中。

Token消耗量不能与业务增长直接画等号，却一定会转化为实打实的成本。每一个Token背后，都是算力、电费和芯片损耗。消耗增加，可能源于业务扩张，也可能只是系统反复读取上下文、走了弯路，甚至做了无用功。

沈抖在此前的交流中举了个实际场景的例子：深圳供电局设备运维场景举例，传统模式下，工作人员需要人工逐条梳理设备告警信息，区分故障类型、告警优先级。

依托智能体搭建自动化工作流后，整套运维智能体日常仅需一名运维人员操作使用，却能大幅缩减人工工作量、降低故障误判与漏判风险，创造实打实的产业价值，这类场景下用户规模完全无法体现智能体真实价值。

他认为，这和移动互联网的生态也是类似的，行业生态健康与否，不能只看头部产品用户体量大小，而在于大量适配细分需求的产品能否持续活跃。

因此，百度智能云内部关心的问题，也转向“Token究竟完成了多少任务”。Token效率也不再停留在概念层面，而是像代码评审通过率、P99延迟一样，被放进技术看板和方案评审中。

智能体从接收目标到交付结果，要经过模型推理、上下文读取、工具调用、任务拆解和结果校验等一整条链路。任何一个环节出现重复和浪费，最终都会体现在Token账单上。Token效率因此也不是某个模型或某个团队的单点优化，而成为了贯穿“芯云模体”全链路的技术红线。

而这套效率逻辑，已经率先让百度智能云跑出了成绩。

2026年第一季度，百度AI业务收入达到136亿元，同比增长49%，占一般性业务收入的52%，首次超过一半。其中，AI云收入达到88亿元，占AI业务收入近三分之二，同比增长79%；GPU云收入更是同比增长184%。

上半年，百度智能云的在大模型中标金额排行中名列第一，而在诸如金融、具身智能这样的细分市场，也始终保持领跑姿态。

更重要的是，百度AI业务的这轮增长，主要由百度智能云拉动。AI云不仅贡献了近三分之二的收入，增速也明显高于AI业务整体，并从百度AI商业化的基础底座，进一步成为集团最核心的收入支柱和增长引擎。

当行业还在用Token消耗量证明自己的AI业务足够活跃时，百度智能云已经用收入结构证明，AI的价值不只在于被调用了多少次，更在于能否将Token转化为可交付、可收费、可复制的业务成果。

02

新全栈AI云

智能体时代的云

事实上，成本与产出的计算，只是智能体时代大众能看到的表层，这两个互为因果的要素背后，其实考验的是技术的整体性与实用性。

一项智能体任务从输入到输出，要依次经过芯片提供算力、计算平台完成调度、模型进行推理，最后再由智能体执行。就像水桶一般，任何一层出现等待、重复或浪费，都会吃掉其他环节的优化成果。

这意味着效率依靠的不是某一层的单点优化，只有打通从芯片到智能体的整条链路，才能将局部提效转化为最终的任务效率。而百度“芯云模体”全栈布局的价值，也由此显现。

芯片层，昆仑芯P800提供高性价比的国产算力；计算层，百舸平台与天池256超节点负责训练、推理和资源调度，整体性能提升50%；模型层，文心大模型与底层芯片、框架协同优化；应用层，则由百度搭子、秒哒、伐谋等智能体进入具体场景。

在这套体系中，每一层的优化都不是孤立的。芯片降低算力成本，计算平台提升资源利用率，模型训练和推理随之提速，最终又让智能体以更低成本交付任务。效率由此沿着“芯—云—模—体”的链路逐层传递，也被逐层放大。

在智能体时代，云又是其中最先行的一层。作为向下整合芯片与算力，向上承接模型、数据和开发工具，为各行各业提供生产智能体的基础设施，百度智能云也直接受益于全栈布局，成为了众多行业智能体落地的基建。

在能源行业，国家电网已经在40多个场景规模化落地智能体，将单次巡视耗时从2.5小时压缩至45分钟，准确率突破85%；在金融行业，招商银行超过800个AI应用中，超过一半平稳运行于昆仑芯P800之上。

具身智能则更能体现了全栈基础设施的价值。百度智能云目前已服务30余家具身智能企业，在典型VLA模型上实现训练提速70%，并将世界模型推理时延降低50%。在AHA-WAM机器人操控模型中，单步动作推理延迟更是从415毫秒压缩至41毫秒，让机器人能够更快感知环境、修正动作并完成任务。

而在“芯云模体”的全栈体系之上，百度智能云又进一步围绕智能体重写了云的架构，打造出专为大规模Agent落地设计的新全栈AI云。

所谓“新全栈”，主要体现在AI Infra和Agent Infra两大底座，及三类智能体产品上。

AI Infra解决的是智能体如何更快、更多、更高效地落地。在这个层面，首先是百度智能云自建的 AIDC 人工智能算力中心体系，通过自研 800 伏直流供电体系，搭配定制液冷散热设备、专用变压器与应急供电设备，完成机房基建、电力、散热、网络全流程国产化改造。

其次是昆仑芯，百度在芯片研发领域已有十年之久。市场上的通用芯片普遍搭载大量智能体训练、推理场景用不到的冗余硬件模块，而百度则选择依托大模型训练、推理的实战经验，可以合理配置芯片的算力、显存、带宽并深度优化核心要素之间的协同，从源头杜绝算力资源浪费。

此外还有集群调度体系，百度智能云重构了传统算力集群架构，将以供配电为中心的架构升级为以网络节点为中心的架构，提升服务器集群高速协同效率，并以百度百舸为核心，统一统筹调配昆仑芯算力资源，合理划分训练与推理业务资源配比，减少算力闲置浪费。

同时依托训推一体化平台完成异构芯片调度、缓存策略优化，有效降低单次推理算力消耗。

整个全栈体系中的核心环节是 Agent Infra 智能体运行底座，也就是驾驭工程，这也是区分智能体综合实力、决定落地性价比的关键所在。

驾驭工程覆盖用户意图识别、复杂任务拆解、多模型与多工具协同调度、执行结果自查复盘、长期业务记忆沉淀、技能封装复用、沙箱安全运维等全流程业务逻辑。

同款大模型接口，搭配不同成熟度的驾驭工程，最终落地效果差距悬殊，不完善的驾驭工程容易产生大量无效交互与算力空转，拉高使用成本；成熟完善的驾驭工程能够精简无效消耗，同步提升智能体自主执行能力与交付成果质量。

基于这套底层体系，智能云现在落地了三类智能体产品，第一类是百度搭子为代表的通用智能体，第二类则是切入具体场景的垂直智能体，如秒哒、伐谋、百度一见、百度Hogee等。第三类则是基于这套新全栈AI云能力，开发的产业Agent。

沈抖认为，正是这套体系帮助他们构筑起了同行难以复刻的双层产业迭代飞轮。

得益于“芯云模体”的全栈能力和围绕Agent完成的云架构重写，百度智能云似乎已经提前适配了更依赖系统能力的智能体时代，而这背后对应的，是AI基础设施从“算力军备竞赛”向“每瓦性能与单位Token智能水平最优”的结构性转折。

过去比的是谁拥有更多算力，未来比的则是谁能把每一瓦电、每一枚Token，更高效地转化为可交付的任务成果。

03

Token如流水，消耗容易，效率才是真本事。

当行业还在用每天消耗多少万亿Token证明自己足够“忙”时，百度智能云已经把这笔账算到了每一次任务交付上。相比23%的Token消耗降低，省下来的不只是账单上的一串数字，更是从“卖算力”走向“卖效果”的商业空间。

这也解释了当行业仍在卷价格、卷调用量的低毛利竞争中彼此消耗时，百度智能云还能连续两年大模型中标项目数和金额双第一，并在2026年Q1拿出AI云收入同比增长79%的成绩，跑出了智能体时代属于自己的增长曲线。

在AI这场长跑里，真正拉开差距的，从来不是谁圈下更多算力、消耗更多Token，而是谁能率先把这些资源，盖成可交付、可盈利、可复用的高楼。

- EN D -