云計算競爭已邁入“下半場”，行業(yè)焦點正從基礎(chǔ)資源供給全面轉(zhuǎn)向智能效率的提升。

作者：金森

編輯：周周

“AI喊得響，落地走得難！”2025年，幾乎所有企業(yè)都在探索AI落地觸點，尤其智能體已成為企業(yè)AI轉(zhuǎn)型核心引擎。

然而現(xiàn)實挑戰(zhàn)依然嚴峻，企業(yè)推進AI落地阻力不小，比如技術(shù)架構(gòu)復(fù)雜、模型訓(xùn)練與推理成本高企、算力資源分配與投入回報難以平衡、數(shù)據(jù)質(zhì)量參差不齊制約模型效果，以及生成式AI本身所固有的“幻覺”問題等，都不同程度延緩了AI走向規(guī)?；瘧?yīng)用的步伐。

面對企業(yè)痛點，8月28日百度云智大會上，百度集團執(zhí)行副總裁、百度智能云事業(yè)群總裁沈抖表示，“智能經(jīng)濟時代，一定要有新的基礎(chǔ)設(shè)施來支撐，這就是智能優(yōu)先的AI云?！?/p>

隨著超級個體開發(fā)者與大型企業(yè)共同推動AI云需求呈爆發(fā)式增長，百度智能云憑借“云智一體”戰(zhàn)略持續(xù)領(lǐng)先。目前，其以24.6%的市場份額穩(wěn)居中國AI云市場第一。

拿百度旗下企業(yè)級AI開發(fā)平臺“千帆”來說，其已服務(wù)超過46萬企業(yè)用戶，智能體開發(fā)量突破130萬，已成為國內(nèi)規(guī)模最大、生態(tài)最活躍的智能體開發(fā)和部署平臺，有力推動AI應(yīng)用從概念驗證走向批量落地。

當前，云計算競爭已邁入“下半場”，行業(yè)焦點正從基礎(chǔ)資源供給全面轉(zhuǎn)向智能效率提升。在這一背景下，能否提供穩(wěn)定、高效、易用且具備業(yè)務(wù)洞察力的AI基礎(chǔ)設(shè)施，已成為衡量云服務(wù)商競爭力的關(guān)鍵標準。

百度智能云正憑借其全棧布局、深入行業(yè)的解決方案與日益壯大的生態(tài)體系，成為中國企業(yè)實現(xiàn)AI規(guī)模應(yīng)用的優(yōu)先選擇。

01

2025年企業(yè)落地AI，難在哪兒？

在時下火熱的人形機器人賽道，北京人形機器人創(chuàng)新中心在落地AI時，遇到阻力。

一方面，行業(yè)智能化較初級，需要一個“通用大腦”，也就是具備多本體兼容性、多場景適應(yīng)性和強大泛化能力的通用智能平臺。另一方面，行業(yè)缺少高質(zhì)量多模態(tài)具身智能數(shù)據(jù)，采集成本高且缺乏標準。

在傳統(tǒng)的鋼鐵行業(yè)，中國鋼研遇到的難題是，通用大模型與行業(yè)結(jié)合欠佳。同時，企業(yè)雖有數(shù)據(jù)，但質(zhì)量不佳且孤島嚴重，跨模態(tài)融合困難，如難以將材料微觀結(jié)構(gòu)數(shù)據(jù)與宏觀生產(chǎn)數(shù)據(jù)有效結(jié)合，影響AI模型對生產(chǎn)全流程的理解與優(yōu)化。此外，在材料微觀分析上依賴“老師傅”經(jīng)驗。

兩家企業(yè)一個處于前沿行業(yè)，另一個處于傳統(tǒng)行業(yè)，遇到的核心難題存在差異，然而，兩家企業(yè)也存在共性挑戰(zhàn)，就是數(shù)據(jù)質(zhì)量不高以及數(shù)據(jù)融合貫通難；模型與算法的行業(yè)適配與專業(yè)化能力不足；以及落地AI必然存在的算力投入大與成本控制的矛盾。

二者的共性挑戰(zhàn)背后，絕大多數(shù)企業(yè)落地AI時遇到的問題，都是集中在智能體應(yīng)用、模型與數(shù)據(jù)、算力支撐三大維度，這些“通病”嚴重制約AI價值釋放。

智能體在大模型落地應(yīng)用里是最主要的實體，已成為行業(yè)共識。作為大模型落地核心載體，智能體在復(fù)雜業(yè)務(wù)環(huán)境中?！八敛环薄?/strong>

智能體需處理冗長、復(fù)雜的業(yè)務(wù)任務(wù)，如招聘行業(yè)簡歷篩選、政務(wù)應(yīng)急響應(yīng)，但現(xiàn)有方案高度依賴人工預(yù)設(shè)規(guī)則，容易出現(xiàn)失誤。

多智能體協(xié)作雖能突破單智能體能力上限，但任務(wù)拆解、結(jié)果整合邏輯復(fù)雜，且A2A（Agent-to-Agent）協(xié)議兼容等技術(shù)待突破。

此外，信任與保障缺失，智能體缺乏“博弈”能力，決策難契合企業(yè)利益，權(quán)限邊界模糊，加之知識更新滯后、多模態(tài)數(shù)據(jù)解析弱，難融入核心業(yè)務(wù)。

模型與數(shù)據(jù)是AI落地基石，卻普遍“不穩(wěn)”，“模型難適配、數(shù)據(jù)難治理”成行業(yè)痛點。

模型上，通用大模型在特定行業(yè)有短板，如專業(yè)知識不足、易“幻覺”。要實現(xiàn)領(lǐng)域微調(diào)，需大量高質(zhì)量標注數(shù)據(jù)、深厚行業(yè)知識和頂尖算法能力，技術(shù)壁壘高，多數(shù)企業(yè)難突破。

數(shù)據(jù)上，治理和流通問題突出。不少企業(yè)數(shù)據(jù)基礎(chǔ)弱，存在數(shù)據(jù)孤島、標準不一、質(zhì)量參差的問題，“輸入垃圾，輸出垃圾”，劣質(zhì)數(shù)據(jù)直接拉低模型性能，且生產(chǎn)環(huán)境對數(shù)據(jù)實時性要求高，傳統(tǒng)數(shù)據(jù)架構(gòu)難以滿足。

算力支撐環(huán)節(jié)，效率與成本平衡難。隨著MoE模型普及和智能體推理需求激增，企業(yè)算力面臨“規(guī)模、優(yōu)化、成本”三重壓力。

MoE架構(gòu)推高集群需求，多數(shù)企業(yè)難搭建，且算力需求動態(tài)性強，傳統(tǒng)估算易資源錯配。優(yōu)化上，LLM推理內(nèi)存帶寬易成瓶頸，需模型量化等技術(shù)，工程難度大且異構(gòu)算力調(diào)度難。成本方面，大規(guī)模集群建設(shè)運維貴，GPU利用率低，國產(chǎn)算力適配需額外成本，加重企業(yè)負擔。

這幾大維度的挑戰(zhàn)相互交織，構(gòu)成了企業(yè)邁向智能化的“高門檻”。

02

“智能優(yōu)先”深入腹地：一場全棧能力支撐的AI落地“攻堅戰(zhàn)”

面對企業(yè)落地AI遇到的普遍難題，百度智能云給出的解法是，要做“智能優(yōu)先”的云。

沈抖認為，大模型智力上限將持續(xù)拔高，AI正站在超級周期的起點，加速進入智能經(jīng)濟時代。智能經(jīng)濟機會無限，但需要基礎(chǔ)設(shè)施來支持，就是智能優(yōu)先的云。而企業(yè)對于AI云基礎(chǔ)設(shè)施的投入，正從成本中心轉(zhuǎn)化為新型利潤中心。

針對企業(yè)落地AI遇到的算力緊張與異構(gòu)管理挑戰(zhàn)、模型適配與開發(fā)門檻高、數(shù)據(jù)治理與場景落地碎片化等難題，百度智能云從算力、模型和應(yīng)用等方面進行突破。

底層算力基座層面，百度智能云發(fā)布百舸AI計算平臺5.0全新版本，在網(wǎng)絡(luò)、計算、推理系統(tǒng)以及訓(xùn)推一體效率上進行了全面升級，進而打破了AI計算效率的瓶頸。

此前，北京人形機器人創(chuàng)新中心借助百度百舸在算力高效調(diào)度、模型訓(xùn)推加速等方面的產(chǎn)品技術(shù)積累，已大幅提升具身模型開發(fā)效率。

這次百舸升級后，其自研HPN網(wǎng)絡(luò)可以支持單集群10萬卡RDMA網(wǎng)絡(luò)互聯(lián)，并將端到端延遲壓縮至4us。

百舸還讓“推理采樣、獎勵評估、訓(xùn)練更新”這一條流水線高效運轉(zhuǎn)，實現(xiàn)訓(xùn)推一體整體效率的最大化。

在模型開發(fā)平臺層面，作為業(yè)內(nèi)最早布局智能體的重量級玩家，百度智能云千帆大模型平臺已演化為“智能體工廠”，為企業(yè)開發(fā)智能體提供全流程工具鏈，助力企業(yè)打造多維智能體生態(tài)。

北京人形機器人創(chuàng)新中心在具身“大腦”能力構(gòu)建上，通過使用百度智能云千帆大模型平臺，和以文心大模型4.5為代表的模型能力，可實現(xiàn)自然語言指令的精準解析，并通過多模態(tài)信息融合與上下文理解，將復(fù)雜任務(wù)分解為可執(zhí)行的子任務(wù)序列，提升決策效率和準確性。

官方資料顯示，千帆的企業(yè)用戶數(shù)量為46萬，開發(fā)了130萬個智能體，組件調(diào)用次數(shù)高達2.3億次，成為智能體規(guī)?；涞氐暮诵钠脚_。

最新的千帆4.0，可以提供Agent從原型設(shè)計到生產(chǎn)部署的系統(tǒng)能力，是迄今為止功能最完備的企業(yè)級AI平臺。

在應(yīng)用產(chǎn)品層面，百度帶來了“吳彥祖數(shù)字口語陪練”，在云智大會現(xiàn)場，沈抖和AI吳彥祖就進行了實時互動。面對“Goodgoodstudy,daydayup”是中式英語句式，吳彥祖也能給出正確翻譯說法。

百度智能云聚焦安全生產(chǎn)、質(zhì)量檢測、工廠SOP等核心場景的全視覺管理數(shù)字化平臺“一見”進行5.0升級，上新了一見工序合規(guī)分析能力。

只需上傳一段標準操作視頻，一見20分鐘就能生成一個復(fù)雜工序的AI技能，堪比“AI老師傅”，徹底解決了生成周期長、落地門檻高、無法靈活定制等難題。

中國鋼研就是從業(yè)務(wù)場景出發(fā)，依托百度智能云千帆、百舸、一見等平臺的核心能力，實現(xiàn)從產(chǎn)品到應(yīng)用的深度融合，雙方還聯(lián)合打造冶金行業(yè)首個流程感知大模型。

百度智能云通過算力平臺、開發(fā)工具、生態(tài)賦能的全棧能力，正將AI從技術(shù)探索推向規(guī)?；涞?，讓AI滲透到企業(yè)研產(chǎn)供銷服全鏈條，實現(xiàn)降本增效的真實價值。

03

從“資源供給”到“智能效率”，AI云定義云計算下半場

當下，云計算市場正在經(jīng)歷一場深刻的范式轉(zhuǎn)移。

上半場，云計算競爭是“資源效率”的競爭，企業(yè)上云主要是為了節(jié)省自建數(shù)據(jù)中心的成本，核心比拼的是規(guī)模、穩(wěn)定性和價格。

到下半場，生成式AI的爆發(fā)讓企業(yè)意識到，算力本身不是目的，如何將算力轉(zhuǎn)化為直接的智能生產(chǎn)力才是關(guān)鍵。

不可否認，過去20年，云計算市場指數(shù)級增長。招商證券報告顯示，全球云計算收入從2006年的0元增長至2010年約2000億元；到2020年，收入規(guī)模增至約1.5萬億元，十年間增長6.5倍；2024年，全球云收入規(guī)模達到約5.7萬億元，5年間再次增長了2.8倍。

隨著AI大模型浪潮來襲，AI云市場也迎來大爆發(fā)。近日，IDC相關(guān)報告顯示，2024年中國AI公有云服務(wù)市場規(guī)模達195.9億元人民幣，相比2023年增長55.3%。

這種增長也印證，市場已不再滿足于傳統(tǒng)的資源型云服務(wù)，而是迫切需要能夠提供智能能力的開發(fā)型云服務(wù)。

值得注意的是，IDC報告還顯示，在AI公有云市場，百度智能云以24.6%的市場份額穩(wěn)居第一，并且已經(jīng)連續(xù)六年、累計十次蟬聯(lián)中國AI公有云市場冠軍。

《百度人工智能創(chuàng)新與專利白皮書2025》顯示，截至2024年底，百度在人工智能全領(lǐng)域?qū)＠暾埩客黄?.7萬件，連續(xù)七年位居國內(nèi)第一。

百度智能云早在2015年成立時，就已在一眾云廠商中率先強調(diào)云的智能屬性。2019年百度智能云率先提出“云智一體”戰(zhàn)略，如今2025年十周年之際，百度智能云再次進行戰(zhàn)略升級，明確要做“云智一體、智能優(yōu)先”。

作為第一家喊出智能云的公司，百度智能云的發(fā)展也是AI云的發(fā)展歷程，其將技術(shù)實力與產(chǎn)業(yè)know-how深度融合，為企業(yè)提供真正“能用好用”的AI解決方案。

如今，從芯片層的昆侖芯，到框架層、模型層與應(yīng)用層，百度都有關(guān)鍵自研技術(shù)，這種全棧布局構(gòu)建了一種系統(tǒng)性優(yōu)勢。

云廠商如果只做上層應(yīng)用，缺乏底層算力與平臺工具的深度優(yōu)化，其性能、成本和靈活性都會受限。反之，如果只做算力層，缺失了開發(fā)和應(yīng)用，云廠商就只能停留在“賣資源”層面，無法形成差異化價值。

在傳統(tǒng)云計算市場，“賣資源、拼規(guī)?！痹呛诵母偁庍壿?，頭部廠商多圍繞算力、存儲等基礎(chǔ)設(shè)施的規(guī)模擴張展開角逐，百度智能云在此階段一度處于追趕者位置。

但通過堅定落地“云智一體”戰(zhàn)略，百度智能云實現(xiàn)了關(guān)鍵的“換道競爭”，其沒有局限于傳統(tǒng)云的資源售賣模式，而是將AI能力深度融入云服務(wù)核心。

切入AI云賽道，百度智能云不僅擺脫了傳統(tǒng)云市場的同質(zhì)化競爭，更憑借對AI技術(shù)與行業(yè)需求的深度融合，成為該賽道的領(lǐng)跑者，甚至定義AI云服務(wù)的標準與規(guī)則。

當企業(yè)需求轉(zhuǎn)向更能解決具體業(yè)務(wù)痛點的智能云服務(wù)時，百度智能云正通過云智一體、智能優(yōu)先的落地實踐，持續(xù)深化行業(yè)滲透，力求在這場價值導(dǎo)向的新競爭中，占據(jù)最核心的生態(tài)位，引領(lǐng)云計算從基建時代邁向智能價值時代。

頭圖來源|百度云智大會

轉(zhuǎn)載丨投稿丨合作

請掃碼添加

微信公眾號：haowainews2025

<PAST · 往期回顧>