百度智能云首提“产业智能体操作系统”，打造AI增长飞轮

作者 ｜ 孙芮
微信 ｜ lombredeau

智能体正在给云计算带来一轮新的需求。

百度2026年第二季度财报显示，百度AI云基础设施收入达到73亿元，同比增长50%；其中GPU云收入同比增长283%，较上一季度184%的增速进一步加快。百度表示，GPU云收入的增长反映出市场对公有云AI计算的需求持续增加。

如果把视线从算力往上移一层，会发现AI的应用边界正在从单点工具，进入企业完整的业务流程。

今年以来，AI办公成为大厂争夺最激烈的To B场景。多家大厂开始整合产品线，推出自己的办公智能体，让智能体进一步进入企业日常工作。

但办公只是企业业务的一部分。大多数决定企业经营结果的关键任务，往往发生在办公软件之外，研发、生产、风控、设计等核心业务环节，都有大量复杂且高度专业化的任务。

9月16日，在2026智能经济论坛上，百度智能云首次提出“产业智能体操作系统”理念，将通用智能体、专业智能体和定制智能体组织起来，让它们能够协同、闭环地运行在企业业务中。

百度智能云要做的，不只是企业如何使用智能体，而是如何把分散的智能体能力组织起来，嵌入企业业务系统，最终形成可持续运行的智能化生产体系。

1

办公是入口，产业核心场景才是下一站

办公智能体之所以最先爆发，是因为它的任务相对标准化，付费模式成熟等。

因此，办公天然成为智能体进入企业的入口。

但企业真正高价值的任务，往往需要更复杂的能力。比如汽车研发，一个研发任务可能同时涉及企业历史车型数据、设计规范、仿真工具、研发知识库以及具体的工程流程；金融风控需要理解企业内部规则、行业知识和实时数据；制造业的质检、排产和供应链管理，也都有各自复杂的业务逻辑。

这些深入产业链条的任务，很难交给一个办公智能体直接完成。因为企业需要的不是简单接入AI能力，而是让AI真正理解公司怎么做业务。

百度智能云对产业智能体的判断正建立在这里。9月16日的论坛上，百度集团执行副总裁、百度智能云事业群总裁沈抖将企业任务划分为三类：20%的日常运营、30%的专业领域任务，以及50%决定经营结果的核心任务。他认为，做这些任务能力未来都会逐渐被对应的智能体内化。

在这次论坛中，百度发布了以百度搭子为基础的开发平台，并宣布开放百度搭子生态，连接器、技能、套件、硬件等能力和产品提供者均可入驻，平台承诺不向伙伴抽佣。通过开放智能体的开发、调用和连接能力，百度试图进一步把分散的智能体能力组织到企业的业务体系中。

这背后对应的，正是百度对产业智能体的理解。办公智能体更多解决的是企业员工如何使用AI、让AI参与日常工作，而产业智能体要进一步进入企业的业务系统和生产经营流程，处理那些需要企业数据、专业知识、业务规则和既有系统共同参与的任务。

1

从个人智能体，到企业的“智能体操作系统”

产业智能体的难点，在于企业里的复杂任务从来不是由一个软件独立完成的。

一个真实的业务任务，背后往往同时存在数据、知识、流程、模型、工具和算力。过去这些能力分散在ERP、CRM、数据库、知识库以及各种专业软件中，企业员工负责把它们串起来。

智能体出现以后，这个连接者开始由AI承担。

但如果企业里只有一个个独立智能体，问题并没有真正解决。每个智能体都可能有自己的数据、工具和工作方式，最后依然会形成新的信息孤岛。

百度提出的产业智能体操作系统，核心就是把这些分散的能力组织起来。

具体来看，可以把产业智能体理解成三层。

第一层是通用智能体，处理写作、做PPT、搜索资料、代码开发等通用任务。百度搭子属于这一层。

第二层是专业智能体，针对特定行业和专业领域提供能力，比如面向产业决策、营销、研发等场景的智能体。百度目前已经形成包括百度伐谋、百度胜算、百度秒哒、Hogee、文心快码等在内的专业智能体矩阵。

第三层是定制智能体。它进一步接入一家企业自己的数据、知识、系统和业务流程，解决只有这家公司才存在的具体问题。

三层智能体真正发挥作用的前提，是它们能够被组织起来。

比如，在一个汽车研发任务进入系统后，操作系统首先理解任务和企业业务背景，再调用对应的专业智能体；专业智能体继续连接企业知识库、历史数据和仿真工具，完成计算和推演；最后结果重新进入研发流程。对于企业而言，它得到的不再是一个AI生成的答案，而是一段可以继续进入业务流程执行的结果。

“操作系统”并不是要替代原有的ERP、CRM、财务或者供应链系统，而是把这些系统以及其中沉淀的数据、流程和经验组织起来，让智能体能够调用。

这也会带来一个变化，过去企业购买的是一个个独立的软件，未来越来越多能力可能被封装成Skill，被智能体按需调用。

因此，产业智能体的关键是这些智能体能否围绕真实业务形成一套持续运行的系统。

百度智能云已经有大量产业落地经验。

根据百度智能云披露的数据，其已服务800多家金融机构，覆盖全部系统重要性银行，并连续两年位居中国金融大模型市场份额第一；在汽车领域，百度智能云称已覆盖中国主流车企，并在自动驾驶研发解决方案市场保持领先；在具身智能领域，则已服务50多家相关企业。

这些产业客户的意义在于，它们提供的并不是一个标准化的办公需求，而是大量真实的业务流程。智能体要进入这些流程，必须解决数据、知识、权限、工具、模型和算力之间的连接问题。

1

让产业智能体跑起来，AI云也必须升级

智能体进入产业之后，AI云需要相应的升级。

传统AI应用往往是一问一答，一次调用对应一次计算。但在产业智能体场景中，一个复杂任务可能需要多个模型参与、多轮推理，调用企业知识库和数据库，再通过MCP连接器调用外部系统，同时还需要持续保存任务状态、记忆和执行轨迹。

这让Agent Infra成为AI云的新问题。百度智能云给出的答案，是“芯—云—模—体”的全栈能力：底层芯片提供计算能力，AI云负责算力与资源调度，模型提供智能能力，最终由三类智能体将这些能力带入具体业务场景。

全栈能力的稀缺价值，也体现在这里。

过去企业部署大模型，重点解决的是训练和推理；当智能体开始持续运行，企业还需要解决模型怎么调度、智能体怎么协作、工具怎么调用、任务怎么追踪，以及数据和权限怎么安全流动。

这也是百度智能云这次把产业智能体操作系统与全栈AI云放在一起看的原因。

在算力层，昆仑芯已经积累十余年，第三代P800目前已在互联网金融、制造、汽车、运营商等领域实现规模化集群部署。

在Agent Infra层，百度智能云提供150多个SOTA模型、长链路推理优化、内置沙盒与风控等能力，重点解决智能体运行过程中的弹性、安全和透明度问题。

在智能体层，当智能体产生更多真实业务数据，这些数据又可以继续沉淀为企业知识和能力，推动智能体迭代；智能体运行规模扩大，又会带来更多模型调用和算力需求。

于是，“芯—云—模—体”形成一条从底层基础设施到企业生产经营的循环。

当AI从一个工具变成企业业务流程中的参与者，云也就不再只是承载AI的基础设施，而开始成为智能体持续运行的底座。

最终，“芯—云—模—体”形成的，也不只是从算力到应用的技术链条，而是一套让AI能力持续进入企业、沉淀经验、反过来推动下一轮算力和模型需求的生产力增长飞轮。

回看历史，每一次技术范式迁移，都会诞生一个新的“操作系统”层。比如PC时代是Windows，移动时代是iOS和Android。

操作系统的本质从来不是一个产品，而是一种结构性的依赖。而智能体时代的依赖，或许会比以往任何一轮都更深。百度智能云首提“产业智能体操作系统”，恰恰提前押注未来企业运转AI的那层基建。

这场仗，才刚刚开始。

点个“爱心”，再走 吧