從阿里到百度，大廠搶奪AI云“新基建”紅利

1698年，托馬斯·薩弗里發(fā)明了一種蒸汽泵，由鍋爐、活塞和閥門組成，通過蒸汽冷凝產(chǎn)生真空，再利用大氣壓把水從礦井抽上來。

1712年，鐵匠托馬斯·紐科門對蒸汽泵進行了改良，創(chuàng)造了大氣式蒸汽機，可連續(xù)工作24小時，讓深達150米的礦井不再積水。

1765年，詹姆斯·瓦特發(fā)明了分離式冷凝器，讓蒸汽機的效率提升了6倍。接下來的20年里，瓦特相繼發(fā)明了飛輪和齒輪系統(tǒng)，蒸汽機不再只能上下抽水，還可以旋轉(zhuǎn)驅(qū)動機器。

1785年，第一臺瓦特蒸汽機在棉紡廠運轉(zhuǎn)，紡紗效率直接翻倍，人類社會由此開啟了“蒸汽時代”的新篇章。

回顧云計算的演變歷程，和蒸汽機高度相似。

早期的云計算以虛擬化和彈性著稱，就像蒸汽泵取代了風車抽水機，云計算解決了企業(yè)數(shù)字化最迫切的問題：不用建機房，不用買服務器，不用維護基礎(chǔ)設(shè)施，只需要按需購買云端的資源。

大模型浪潮進一步重構(gòu)了云的價值，正如大氣式蒸汽機對抽水能力的提升，大模型時代的云計算，漸漸承載了模型訓練、推理調(diào)用、AI應用開發(fā)等服務，演變?yōu)榭缧袠I(yè)的智能化底座。

Agent的出現(xiàn)，讓AI走出了對話框，開始具備拆解任務、調(diào)用工具、連接系統(tǒng)、協(xié)同流程、持續(xù)執(zhí)行的能力。相當于給云添加了“飛輪和齒輪”，擺脫了“賣服務器”的束縛，躍升為千行百業(yè)的智能引擎。

在19世紀，蒸汽機迅速被應用到冶金、面粉、鑄幣、紡織等行業(yè)，成了適用于各種制造業(yè)的“萬能機”；當智能化成為社會需求，承載了千行百業(yè)智能化轉(zhuǎn)型使命的云計算，正開啟新的戰(zhàn)局。

在可預見的未來，AI云將是智能化時代的“新基建”——不僅是最大的時代紅利，也是剛剛起步的藍海市場。

01 需求變了，“租資源”進階為“要結(jié)果”

時間來到2026年，云市場的進化方向早已被Agent改寫。

過去十年，衡量一家云廠商的競爭力有一套成熟公式：看資源規(guī)模、看營收增長、看客戶數(shù)量、看市場份額，誰的盤子更大，誰的資源多，誰的基礎(chǔ)設(shè)施覆蓋更廣，誰就被認為是市場上的領(lǐng)先者。

這樣的邏輯在移動互聯(lián)網(wǎng)和產(chǎn)業(yè)數(shù)字化階段是成立的。

彼時企業(yè)最核心的訴求是數(shù)字化轉(zhuǎn)型：業(yè)務系統(tǒng)要上云、數(shù)據(jù)要集中、組織要協(xié)同、流程要在線，云廠商提供的是底座、是資源、是基礎(chǔ)能力。客戶選擇上云，本質(zhì)上是在買彈性、買穩(wěn)定、進行成本優(yōu)化。

進入Agent時代后，需求發(fā)生了根本性的改變。

麥肯錫在Agentic AI基礎(chǔ)設(shè)施有關(guān)的判斷中提到：IT基礎(chǔ)設(shè)施正在進入新階段，AI Agent開始在企業(yè)內(nèi)部編排、治理和擴展工作，基礎(chǔ)設(shè)施不再只是支撐層，進一步成為企業(yè)捕獲AI價值的核心骨架。

一言以蔽之：客戶不再只是“租資源”，而是“要結(jié)果”。

銀行要的不是單純的算力資源，而是上千個AI應用能不能穩(wěn)定跑起來，能不能支撐風控、客服、投研、運維、合規(guī)等不同場景的持續(xù)迭代。

車企要的不是一套孤立的AI模型，而是輔助駕駛能不能從訓練、仿真、驗證到量產(chǎn)上路形成完整閉環(huán)。

能源企業(yè)要的不是一個演示應用，而是AI能不能進入電網(wǎng)調(diào)度、設(shè)備巡檢、故障預測、客戶服務等業(yè)務，真正影響生產(chǎn)效率和安全穩(wěn)定

制造企業(yè)要的不是“一個智能問答系統(tǒng)”，而是AI能不能接入到研發(fā)、供應鏈、質(zhì)檢、設(shè)備運維和產(chǎn)線管理，幫助企業(yè)解決具體經(jīng)營問題……

正如Forrester在Google Cloud Next 2026的報道中提到的：企業(yè)AI正在從“試點時代”進入“規(guī)模化管理時代”，去年企業(yè)問的是“能不能做一個Agent”，今天的問題已經(jīng)變成“如何管理成千上萬個Agent”。

一個Agent試點，考驗的是模型能力和演示效果；成千上萬個Agent的穩(wěn)定運行，考驗的是云廠商的系統(tǒng)工程能力：需要算力調(diào)度、模型服務、權(quán)限體系、數(shù)據(jù)治理、安全審計、成本控制等等。

國內(nèi)有著同樣的共識。

網(wǎng)信辦、發(fā)改委、工信部在5月份聯(lián)合發(fā)布了《智能體規(guī)范應用與創(chuàng)新發(fā)展實施意見》，AI正式被當作產(chǎn)業(yè)基礎(chǔ)設(shè)施來對待。云需要從“承載應用”的平臺，進化為“承載智能決策與智能執(zhí)行”的引擎。

像對應的是市場競爭邏輯的改變：過去的云戰(zhàn)爭，比的是誰占地更多；新的云戰(zhàn)爭，比的是誰扎根更深。

所謂“占地更多”，比的是資源規(guī)模、機房數(shù)量、客戶覆蓋和市場份額，回答的是“有多大”；所謂“扎根更深”，比的是行業(yè)理解、場景沉淀、工程能力、交付能力和持續(xù)運營能力，回答的是“有沒有真正進入客戶業(yè)務”。

02 賽點變了，加速向“智能工廠”演進

折射到云廠商的發(fā)布會上，敘事方式越來越務實。

以前講的是在全球有多少節(jié)點、有多少客戶量，現(xiàn)在講的是模型調(diào)用量、Token消耗量和MaaS收入，正在努力向市場證明：“我不僅有一個不錯的大模型，還把模型調(diào)用變成一門穩(wěn)定增長的生意”。

讓人有些意外的是百度智能云。

根據(jù)百度Q1財報的數(shù)據(jù)，百度AI云的收入達到88億元，同比增長79%，其中GPU云收入同比暴增184%。

過去一個月里，有不少人給出了解釋：有人認為百度趕上了Agent的風口，市場對AI云的需求正在加速釋放；有人認為百度智能云10年前就把重心放在了“智能”，現(xiàn)在終于到了回報期；也有人坦言百度只是AI云表現(xiàn)亮眼，整個云業(yè)務的盤子還不夠大……

比結(jié)果更值得深挖的，或許是——百度智能云到底做對了什么？答案藏在2026年5月的戰(zhàn)略升級，百度將圍繞“芯云模體”構(gòu)建新全棧AI云，具體可以概括為兩個部分：

一個是AI Infra，原有的“MaaS模型服務”升級為"Token Factory詞元工廠”，并以Agent-first理念重構(gòu)產(chǎn)品架構(gòu)，目的是盡可能減少token重復計算，提供更快的生成速度、更具性價比的token服務。

另一個是Agent Infra，通過分層池化、提高KV Cache命中率、PD分離、緩存調(diào)度等優(yōu)化方案，以及超節(jié)點產(chǎn)品對主流模型的適配，把單位Token的智能水平做到最好，讓智能體更好地完成任務。

打個比方的話，AI云的定位正在從“訓練工地”變成“智能工廠”。前者解決的是模型從無到有的問題，關(guān)注參數(shù)、算力、訓練效率；后者解決的是AI從能力到產(chǎn)能的問題，聚焦推理成本、任務編排、數(shù)據(jù)閉環(huán)和行業(yè)適配。

不只是百度，整個云市場都在朝“智能工廠”演進。

微軟在Build 2026上推出了Project Solara，強調(diào)面向“agent-first”企業(yè)設(shè)備構(gòu)建從芯片到云的平臺，設(shè)備不再圍繞傳統(tǒng)App組織，而是圍繞Agent組織，云端承載Agent服務、狀態(tài)管理和任務調(diào)度。

英偉達不斷強調(diào)“AI Factory”的概念，和SK Group、Naver、LG、Hyundai等企業(yè)達成了多項AI基礎(chǔ)設(shè)施合作，其中SK Telecom將建設(shè)GW級AI云、Naver計劃建設(shè)GW級AI工廠，以滿足AI服務和Physical AI需求。

阿里在6月8日宣布合并通義大模型事業(yè)部與未來生活實驗室，新成立了Token Foundry事業(yè)部，在一個部門內(nèi)集齊了芯片、模型到應用的完整拼圖，想要把“Token的全生命周期”都握在自己手里。

也就是說，云市場的規(guī)模敘事已經(jīng)翻篇，討論的重點不僅僅是“誰有更多算力”，關(guān)鍵在于能否把AI能力和行業(yè)需求匹配，譬如把“通用技術(shù)”翻譯成“行業(yè)能力”、把“模型能力”變成“業(yè)務結(jié)果”、讓客戶不再試一次而是持續(xù)用下去。

如果云廠商的思維仍停留在資源層，注定回答不了上述問題。

03 行至中場，落地能力成為“勝負手”

云廠商的“變陣”，標志著增量已經(jīng)從“上云”轉(zhuǎn)向“AI落地”。

移動互聯(lián)網(wǎng)時代最大的機遇，是千行百業(yè)的數(shù)字化，企業(yè)把業(yè)務搬到線上，把流程沉淀成數(shù)據(jù)，把連接變成入口，催生了一個個萬億級市場；到了AI時代，關(guān)鍵詞從“數(shù)字化”變成了“智能化”，每個行業(yè)都希望云和AI一起進入業(yè)務現(xiàn)場，重新激活研發(fā)、生產(chǎn)、營銷、風控、客服、運維等關(guān)鍵流程。

按照行業(yè)的普遍觀點，AI云想要落地，至少要跨過四道門檻。

第一道門檻是懂行業(yè)。

AI落地不是把一個通用模型交給客戶就結(jié)束了。金融有金融的風控邏輯，能源有能源的安全邊界，汽車有汽車的工程驗證周期……沒有行業(yè)Know-how，AI就很容易停留在“看起來很智能”的表層應用。

第二道門檻是有全棧能力。

Agent時代的云服務，不能只提供某一個模型或某一塊算力，Agent運行需要算力、云平臺、大模型、工具鏈、智能體框架、數(shù)據(jù)治理和安全體系協(xié)同工作。缺了任何一環(huán)，都會影響最終落地效果。

第三道門檻是有真實場景驗證。

AI落地最重要的不是發(fā)布會上的Demo，而是客戶是否愿意長期使用，是否能在真實業(yè)務中持續(xù)產(chǎn)生價值。特別是在金融、能源、汽車、政企等嚴肅行業(yè)，客戶不會因為概念新就輕易遷移核心系統(tǒng)。

第四道門檻是成本可持續(xù)。

AI應用從試點到規(guī)模化，最大的變量之一就是成本。一個Agent跑通并不難，難的是上千個Agent長期運行時，推理成本、數(shù)據(jù)調(diào)用成本、運維成本等能不能被企業(yè)接受，很多項目最后都卡在了ROI上。

大膽做一個判斷：AI云不會簡單復制傳統(tǒng)云市場的排名，規(guī)模只是入場券，落地深度才是新的分水嶺。AI云的商業(yè)模式將被推向更深層的變化，從資源計費，走向能力計費、應用計費，甚至是結(jié)果計費。

整個云市場已然進入了新的“中場時刻”，場上的玩家們似乎都做好了“沖鋒”的準備。

李彥宏在Create大會上提出了DAA概念，認為未來智能體時代的度量衡，不應該只看投入，而是要看產(chǎn)出，有多少真正在干活，且交付結(jié)果。與之相對應的，百度智能云正不斷強化行業(yè)滲透的深度。

在汽車行業(yè)，百度智能云已經(jīng)覆蓋芯片制造、整車廠及零部件的全鏈條；在金融行業(yè)，與800多家機構(gòu)達成了深入合作、覆蓋80%央企客戶；在具身智能領(lǐng)域，位居AI云市場第一；IDC近期發(fā)布的報告顯示，中國零售信貸智能風控市場領(lǐng)域的決策工具與服務市場份額第一，被認為是整個零售信貸風控智能化的重要推動者。

阿里CEO吳泳銘在財報電話會上將Agent時代定義為“一場計算范式的革命”，阿里云開始對芯片、云平臺、模型和MaaS推理平臺同時動刀，試圖通過一套完整的技術(shù)棧來應對Agent場景的挑戰(zhàn)。

華為云CEO周躍峰直言“不在乎Token總量”，要深入國計民生行業(yè)的“黑土地”，不再將云視為單純的存儲和計算資源池，而是將其定義為能夠大規(guī)模、高效率生產(chǎn)Token的工業(yè)流水線……

面對千行百業(yè)智能化的藍海，云廠商們再次站到了同一起跑線上，開啟了一場比拼落地能力的競速賽。

04 寫在最后

站在企業(yè)的立場上，當AI浪潮洶涌襲來，并非是沒有AI預算、沒有上云意愿，最真實的痛點是不知道AI怎么落地。

云廠商想要抓住千行百業(yè)智能化的紅利，必須要完成“從比大到比深”的根本性轉(zhuǎn)變：大，代表資源能力；深，代表落地能力。“大”是繼續(xù)留在牌桌上的門檻，“深”才是長期留在客戶業(yè)務里的“護身符”。