智能體時代“新全棧” 讓百度智能云跑出增長曲線

一年一度的WAIC，像一面鏡子映照著中國AI產業的新動向。

ChatGPT剛出現時，外界問的是：中國有沒有能力做出自己的大模型？

國產大模型密集發布后，問題變成了：中國模型何時能追上國外玩家？

開源大模型全面崛起，問題進一步落到底層：能否跑在自主可控的基礎設施上？

到了2026年，問題再一次發生變化。

不再只是問模型“會不會說”，開始追問：AI能不能接手一項完整的工作？能不能連續執行幾十個步驟？能不能調用企業內部的數據、軟件和工具？能不能在復雜的生產環境中穩定運行，最終交付一個可以直接使用的結果？

每年的WAIC上，中國AI企業都用行動給出了答案，完成了整體落后、局部追平到獨樹一幟的躍變。

規格更高的WAIC 2026，自然也不例外。

作為國內最早布局AI的企業之一，百度這次全景呈現了“芯云模體”全棧布局，尤其是百度智能云從底層技術創新到產業場景、智能體應用的規模化進展；阿里巴巴展出了面向千行百業和前沿科研的多個AI智能體平臺；華為首次公開展示了Atlas 950 SuperPoD超節點真機，支持1024張NPU卡高速互聯，像一臺計算機一樣工作……

匯聚各國政要的WAIC，已經不只是一場技術成果展，也是中國AI面向智能體時代的階段性答卷，每一家科技企業展現的都是自己最獨特的一面，或者說是他們對行業競爭力的判斷。

01 從模型競賽走向任務競賽，AI的底層需求變了

過去三年，大模型產業形成了一條相對清晰的價值鏈：芯片廠商提供算力、云廠商提供計算資源、模型廠商訓練大模型、企業和開發者通過API調用模型、普通用戶則在聊天框里提出問題并獲得答案。

大模型占據了整條價值鏈的C位，形成了以模型為中心的敘事邏輯。模型的參數規模有多大、訓練使用了多少張卡、模型在權威榜單上的排名，以及每百萬Token的價格是多少，成了衡量企業競爭力的主要標準。

進入2026年后，Agent逐漸取代Chatbot成為AI應用的主流形態，以模型為中心的價值鏈加速解構。

在Chatbot的產品形態下，用戶輸入一個指令，模型返回一段文字、一張圖片或者一段代碼。如果答案不夠準確，用戶需要繼續補充條件，進行下一輪對話。就像是一個越來越聰明的搜索框，可以提高信息獲取和內容生產的效率，卻永遠走不出”提問—回答—再提問”的循環。

百度集團執行副總裁、百度智能云事業群總裁沈抖在最近一次訪談中判斷：接下來大眾、產業對智能體的認知深度會大幅提升。現在很多人還把 AI 等同于對話聊天機器人，下半年到明年，大家會真正理解智能體可以深度嵌入生產、辦公全流程，會有更多企業、個人主動擁抱智能體，人機協同成為日常工作模式，超級個體時代正式到來，組織形態從傳統金字塔轉向人和智能體混合編隊，組織知識可以通過 Skill 持續沉淀。

他認為，通用智能體、行業垂類智能體規模化落地速度會大幅提升，2026年下半年就能明顯看到批量落地案例涌現。未來 90% 的工作都會有智能深度參與、協助完成，不是完全替代人，人聚焦決策、創意、監督，智能體承接長鏈路推理、多工具編排、大批量文件處理、數據治理這類重復性工作。智能體會成為企業標配，不管是大企業還是中小機構，都會批量搭建適配自身業務的 Agent，DAA（日活智能體數）會成為全行業通用衡量標尺。

其中DAA是百度創始人李彥宏在5月份提出的概念，他認為Token只是衡量消耗的指標，但在智能體時代，落地和效率才是關鍵因素。

這個判斷在百度內部已形成多年。在百度的定義里，只有能夠落地履職、產出實際效果的智能體才算有效統計對象；僅處于在線狀態，無法完成業務任務、得不到客戶認可的智能體，不具備實際價值，不計入有效 DAA。

事實上，幾乎所有大廠也都看到了這點，2026年以來層出不窮的Agent產品就是證明。這種變化隨之帶來另一個問題：模型仍然重要，卻不再是影響最終結果的唯一因素：從模型為中心，到任務為中心，絕不只是在Chatbot上增加一個執行按鈕，全面改寫了對AI基礎設施的需求。

比如在計算層面，怎樣調配不同計算資源，怎樣減少芯片和網絡等待，怎樣保證長鏈路推理穩定運行，都會直接影響任務效率；

在運行層面，需要管理長上下文和持久記憶，需要調用不同工具、分配子任務、記錄執行過程；

在成本層面，倘若執行任務所產生的成本超過了任務本身的價值，注定無法實現大規模商業化。

國內的AI廠商是怎么破題的呢？

02 “芯云模體”不是能力清單，而是互相協同的閉環

過去兩個多月里，許多大廠開始重提“全棧AI”。海外，OpenAI宣布造芯片。國內，阿里云開始對芯片、云平臺、模型和MaaS推理平臺同時動刀；騰訊云提出要打造從芯片到智能體的全棧閉環能力；火山引擎在FORCE大會上亮出了全棧AI云原生戰略……

原因正是人們對AI的需求變了。

倘若每家企業都只深耕產業鏈單一環節，或是純售賣算力、或是對外輸出大模型API 、或是研發對話類AI應用，產業鏈條中將存在大量技術斷層，不僅會拉高整體落地成本，還可能限制智能體的實際業務處理能力。

百度的似乎早已看到了這個問題，他們的“全棧”布局很早，而且始終瞄準互相協同的方向。百度在WAIC 2026上的所有展示發布，都在回答一個關鍵問題——怎么讓Agent真正跑起來。

首先要跑得動。

Agent完成一項任務，往往不是生成一個答案就結束，需要持續理解目標、拆解步驟、調用工具、處理反饋，并在多輪執行中不斷推進。

對AI Infra而言，只有將芯片、框架、模型與應用在指令集級別原生對齊，才能把Token效率做到極致；只有把訓練、推理、芯片、調度和工程工具鏈協同起來，才能讓每一次Token消耗都更高效。

可以佐證的是，百度基于昆侖芯P800集群完成了對文心5.1重要版本的訓練，以同規模模型約6%的預訓練成本，就達到了領先水平；基于昆侖芯的天池256卡超節點，吞吐性能較上一代提升25%，推理效率提升了50%。

然后是跑得好。

一個真正可用的Agent，必須具備目標理解、上下文管理、工具調用、記憶沉淀、子任務調度、評估反饋和運行控制能力。

百度智能云進行了兩個方面的對癥下藥：一是將MaaS模型服務升級為Token Factory，提升模型調用和推理效率；二是升級Harness Engineering，讓模型、工具、記憶、Skills、MCP和Runtime協同起來。

特別是Harness Engineering，集長上下文管理、持久記憶、工具調用、子智能體調度、評估反饋及Runtime等核心能力于一體，在使用瀏覽器、Office等典型辦公場景中，相比同類產品最高可降低23%的Token消耗。

最終要跑出結果。

Agent的價值不在于回答問題，需要在真實業務中承接長程任務、應用生產、復雜推演、數據決策等需求，并交付結果。

百度沒有選擇做一個萬能超級App，而是用智能體“全家桶“覆蓋了客戶需求的全場景。

深入辦公場景干活的百度搭子，負責承接開放式需求；秒噠、伐謀、一鏡、一見、Hogee代表的垂類智能體，解決具體場景中的專業任務；以及企業和合作伙伴基于百度智能云底座開發的產業智能體。三者并非相互替代，而是由通用智能體提供統一入口，垂類和產業智能體沉淀專業能力，完成了從個人到企業、從通用到專業的完整覆蓋。

全棧難以被復制的，不是芯片、云和模型的產品清單，智能體在真實業務中產生的任務數據、失敗記錄和用戶反饋，可以反向推動模型與駕馭工程優化；模型能力提升后，又能解鎖更多智能體場景，進而模型、智能體與產業數據間形成持續迭代的閉環。

03 從技術路線到增長曲線，AI云進入價值兌現期

一條技術路線是否成立，不能只看實驗室里的參數、發布會上的概念，還要看能不能轉化為真實的商業結果。

百度智能云的答案里有兩組實實在在的數據。

第一組是百度Q1財報：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%。同行還在用消耗量證明“自己很忙”時，百度智能云已經用收入回答了“AI能不能賺錢”。

第二組是AI云行業機構智能超參數近期發布的《2026年上半年AI云廠商公開中標統計》報告：百度智能云以13.85億元的中標金額位居行業第一，占五家云廠商整體中標金額近六成以上。

兩組數據指向了同一個結論：當AI從模型演示走向任務交付，云廠商的競爭邏輯也在發生變化。

第一，需求側開始為實際價值買單。

AI應用越深入業務，企業對基礎設施的要求就越高。比拼的不再是單純模型基礎能力，客戶不再為概念買單，開始實實在在為效果、提效效率付費，用好每一份算力、每一個Token正成為行業共識。

百度智能云此前全面升級的新全棧AI云，正是從兩個最底層的方向，朝這個目標靠攏。AI Infra聚焦于提供性能最強、最具性價比的AI算力服務，而Agent Infra則目標將單位Token的智能水平做到最好，基于這套底層體系誕生的智能體產品又會反哺更強大的數據和選連，構筑起同行難以復刻的雙層產業迭代飛輪。

第二，全棧協同開始成為新的競爭壁壘。

智能體進入生產環境后，競爭不再只發生在單一環節。是否擁有穩定、自主的芯片供應，集群能否高效擴展，模型服務能否減少Token浪費，駕馭工程能否提升任務成功率……都會影響市場競爭力。

因為智能體不是一次模型調用，是一條由芯片、網絡、模型、緩存、工具和運行系統共同參與的長鏈路。任何一層效率不足，都會在任務執行中被持續放大，采購和集成拼能力的方式無法真正做到跨層協同。在沈抖看來，當前頭部科技企業紛紛入局自研芯片，也印證端到端全棧布局已是行業必然趨勢。未來三年將是一個黃金窗口期，能否打通軟硬件協同閉環、激活產業迭代飛輪，會直接決定企業未來行業地位。

第三，商業化開始步入持續性兌現。

對云廠商來說，生產環境帶來的不只是持續收入，還有持續產生的真實業務反饋。智能體在執行過程中暴露的工具調用錯誤、流程漏洞、參數問題和用戶修正，都可能沉淀為模型、駕馭工程和Skill繼續優化的數據資產。

而且云廠商與客戶的關系正在從“交付一個項目”，轉向“長期支撐一套業務系統運行”。智能體覆蓋的場景越多、承擔的任務越復雜，對云端基礎設施的依賴就越深，收入也越有可能從階段性項目，轉化為長期、穩定的使用型收入。

如果說過去的全棧投入還屬于技術路線選擇，當行業從”卷價格”轉向”卷效率"，已經進化成為智能體時代的增長曲線。

04 寫在最后

2026 WAIC交出的，不僅是一份技術成績單，也是一份產業化答卷。

中國AI正在從追趕模型能力，走向重構智能體基礎設施；從比拼參數、價格和調用量，走向比拼任務完成率、單位Token價值和產業落地規模；從一次性的技術交付，走向持續運行、持續反饋、持續進化的生產系統。

會說，是上一代AI的能力；能做，才是下一代AI的起點。