缩小AI落地剪刀差，为什么需要产业智能体操作系统

如何把模型能力的进步真正转化成企业经营成果，让智能体真正跑在企业业务里？

文｜徐鑫

编｜任晓渔

中国车市上半年平均不到3天就有一款新车上市，留给设计研发的时间越来越短。

风阻设计是整车设计里绕不开的一环，车身曲线、后视镜角度、尾部轮廓调整都会改变风阻表现，而风阻又关系到车辆续航、能耗和整车性能，因此需要反复实验、验证。

在这样一个分秒必争的市场里，国内头部整车研发企业阿尔特把风阻评估交给了智能体。

百度智能云自研的决策智能体伐谋接进阿尔特的CFD仿真系统后，伐谋快速生成、筛选可行的设计方案，再结合物理规律和高精度仿真验证，根据结果不断演化出更好的方案。120多轮演化后，它找到了更优解——在保证风阻预测精度的前提下，单次CFD仿真时间从过去几个小时缩短到几秒。

像风阻设计这样的核心生产系统，过去三年，受限于难以处理复杂业务问题，AI一直难以真正深入。这造成了一道巨大的剪刀差：模型能力的曲线很陡，GDP的曲线却没有同样幅度的增长。

今年以来，随着智能体的能力边界快速打开，能做更长的任务、支撑更复杂的协作、实现更大规模的部署，许多像风阻测算这样的核心业务里的长程任务第一次变得可行。

它为智能转化为产业价值提供了契机。不过业界认为，单个场景跑通不等于企业能把它跑成常态。智能体要在企业里真正完成价值交付，必须与企业自身的系统结合，把知识、数据、流程、工具和各种业务要求组织起来，才能在真实场景里交付结果、持续进化。

这一背景下，日前，百度智能云在2026智能经济论坛上提出“产业智能体操作系统”理念。

百度集团执行副总裁、百度智能云事业群总裁沈抖表示，基于百度智能云从过去几年大量落地实践提炼发现，它能将智能体、企业经营体系和云资源组织在一起，让智能体真正跑在企业业务里，推动AI从技术变成经济力量。

目前，百度智能云的AI全栈基础设施，正支撑南方电网、泰康等一批央企和金融机构深度推进智能体的产业落地。随着AI全栈运行时的到来，百度智能云自身也步入了高速增长周期。2026年上半年，AI云基础设施业务展现出强劲增长动能。报告期内，AI云基础设施收入161亿元，同比增长65%。在AI云基础设施中，GPU云收入同比增长230%。

01

智能体的产业价值兑现，不止办公场景

当下，企业其实并不缺AI。

麦肯锡的调研显示，全球88%的企业已在至少一个业务职能中常态化使用AI，62%正在试验或使用Agent。IDC的数据是，截至2026年初，全球约三分之二的企业已把AI工具正式接入实时生产系统。

国内同样如此，赛迪的报告显示超过50%的大中型企业已将AI融入工作流。Gartner则预测，2026年将有40%的企业应用内置面向具体任务的AI Agent，而这个比例在2025年还不到5%。

投入普遍发生，用的企业越来越多，算得出的收益依然寥寥。

麦肯锡发现，全球只有6%的企业能从AI应用中统计到可测量的收益。MIT的一份报告显示，约95%的企业生成式AI试点，没有在损益表上产生可衡量的影响。

沈抖在2026智能经济论坛的演讲中用电力时代电灯泡发明来揭示了这种明显的剪刀差。“今天的AI有可能灯泡发明后的第一个月，灯亮了，所有人都看到了变化，但是电力带来社会经济分工的调整还没有出现。”

业界分析断层出现的核心原因，MIT报告认为，损益表没有产生可衡量影响，主因往往不是大模型智能水平，而是工具未能真正融入并适应企业的实际业务流程与持续学习需求。

换句话说，问题未必出在AI做得好不好，而在于它被放在了企业的哪一层任务上，有没有进实际业务流程和核心场景。

百度智能云梳理过去几年落地产业智能体的经验，把企业里的任务大致分成三类：20%是日常运营任务，收集材料、做分析、组织会议、写会议纪要，把工作串起来；30%是专业领域任务，代码、组合优化、计算机视觉、数据分析和营销都在其中；剩下的50%，才是真正决定企业经营的核心任务。

过去两年Agent跑得最快的部分，恰恰集中在最前面的20%。各类个人AI助理搜资料、整理纪要、写报告、分析数据，对熟练使用的人来说，效率提升肉眼可见。今年最热的AI办公赛道，争夺的也是这一层。

但不得不提的是，赛道大热并不意味着它是企业级市场的终局。

国内某大厂办公智能体产研负责人此前就告诉数智前线，办公智能体只是阶段性产品形态，市场每3至6个月都可能出现新变化，更长期的能力在对企业客户的理解、既有服务经验，以及从基础设施到模型、软件和业务服务的综合支持。

要收窄这道剪刀差，沈抖认为产业智能体有机会拉近两条曲线，把模型能力的进步转化成企业经营成果。

在他看来，产业智能体由三类智能体支撑，通用智能体、专业智能体和定制智能体，分别对应日常经营、专业领域任务和企业经营核心任务。很多人把通用智能体对应成办公智能体，但二者并不是一回事，“甚至将来不应该有一个为办公而生的智能体”，办公能力会变成随时可调用的基础能力，人将把注意力放回专业任务和核心场景。

对企业而言，通用工具不会变成企业的差异化优势，真正拉开差距能带来增长的，是企业自身沉淀的数据、流程、系统和业务理解。

但难点也在于，决定企业经营的核心任务很难交给一个孤立的智能体完成，它需要跨系统取数、按企业自己的规则判断、把结果写回业务流程，中间任何一环断开，最后仍然要靠人去接。

而企业一旦开始成规模地建，通用、专业、定制三类智能体所涉及的任务又很容易彼此割裂，难以闭环，于是就有了两难：从头定制，门槛高、周期长，几十年数字化建设的积累还未必用得上；不定制，智能体就只能停在边缘环节，闭不了环，也就记不进损益表。

这意味着，当下整个产业智能体规模应用，真正需要的可能不是更多孤立的智能体，而是能把它们和企业既有系统组织到一起的方式。

02

产业智能体操作系统，不是要上一套新系统

为加速智能体规模化应用，推动AI从技术变成经济力量，百度智能云在2026智能经济论坛上提出产业智能体操作系统理念。

它并不是需要重新安装和部署的一套新产品。按沈抖的说法，三类智能体并不是互相孤立的，通过通用智能体把专业智能体、定制智能体统一起来，就形成了一个能协同、能闭环、能对结果负责的，“类似于产业智能体的操作系统”。

这套系统向上承接任务，判断哪类智能体应该参与；中间连接企业的数据、知识、权限、工具和流程；向下调度云上的算力、存储和安全资源。它把智能体、企业系统和云底座组织在一起，让智能体真正跑在任务上。

它之所以能在今年成立，关键在于今年智能体技术突飞猛进，AI与AI之间可以直接对话，专业智能体和定制智能体都可以作为Skill被通用智能体调度、统一使用，三类智能体有机整合。

对企业来说，这意味着不同性质的任务可以对号入座，从日常运营到专业领域再到企业专属的核心场景，都有各自的承接方式，在应用层形成完整的方案，助力智能体在企业内真正闭环运转起来。

占两成的日常运营任务，交给通用智能体百度搭子。它围绕一个具体任务主动组织和调用所需能力，在授权范围内端到端完成，底层是一套三层Harness工程，会根据任务复杂程度自动选择合适的架构。

除了负责企业日常运营中的基础工作，包括整理和对齐信息、协调资源、做经营分析，通用智能体还支撑专业任务和核心任务的推进和落地。

占三成的代码、组合优化、计算机视觉、数据分析和营销等专业任务，也是过去几年除Chatbot外大模型落地比较突出的场景，目前市面上已经有一批成熟的可开箱即用的专业智能体，百度自身有伐谋、胜算、秒哒、一见、文心快码、一镜等产品。

其中，伐谋擅长AI4S、生产排程、工程设计、组合优化这类难任务，能在已经比较先进的系统上继续找出更优解；胜算则通过数据本体，把分散的数据和业务关系组织起来，让智能体真正读懂业务……基于这些智能体企业不必自己从0到1开发，直接使用成熟产品，开箱即用，大大降低了专业任务里智能体落地门槛。

而真正决定经营的核心任务，需要企业定制智能体。定制的最后一公里，不仅要把智能体和企业的权限、数据、系统、流程打通，更重要的是接进去以后，还能理解业务的上下文，才能把真实的业务持续跑起来。

针对这最难的一环，百度在2026智能经济论坛上推出的百度搭子开发平台，把搭子同款技术开放给企业，提供智能体全生命周期API，覆盖开发、运行到管理全流程。企业可在现有系统中集成，快速定制产业智能体。

沈抖提到，百度搭子承接一个任务能跑多久取决于复杂度，长的可以跑四五个小时甚至更久。智能体要稳定地跑完这些任务，智能体开发平台必须升级，不但要能开发，还要有一套成熟的Harness系统，让开发、上线和持续进化形成闭环。

百度搭子开发平台与百度搭子采用了同一套Harness框架，搭子每一次升级，企业定制的智能体也会同步升级。系统接口、API、文档、Skill都可以接进来，由通用智能体提供统一的调用界面，那些分散在不同部门的智能体，因此可以被打通调度。

沈抖指出，产业智能体带来的变革是平滑、渐进式的升级，不是替代ERP、CRM、财务和供应链系统，而是把它们组织起来，将沉淀的数据、流程和经验转化为可被统一调用的能力。企业历史上的经验、流程、工具都会被完整继承到产业智能体时代。

通过百度搭子生态开放平台，伙伴的技能、套件和应用可方便接入，企业可通过搭子使用第三方能力，也可把自己的能力放到搭子上服务更多客户。百度智能云将围绕产业智能体落地，建立互惠互利的开放生态，且不会向生态伙伴抽佣。

对百度智能云而言，这也意味着服务产业客户的能力往前走了一步。过去服务产业客户，重心更多落在模型及工具调用层面，现在则是在应用层形成立体多维的产品来满足产业场景里的需求，降低产业智能体规模落地门槛。

03

全栈AI云，支撑产业智能体规模落地

三类智能体被组织起来后，正形成一系列连锁反应。

沈抖在大会现场演示了芯片设计里的一个片段。布局规划和布局是两个相互衔接的步骤，通常上一步算完之后，工程师要把结果导到下一步，重新核对约束、调整参数，大量时间都花在衔接上。百度搭子调用专业智能体伐谋，把两个工作流串了起来——一个指令下去，屏幕上的智能体连续运转了十几分钟，人不必再在中间搬运和反复核对，任务就交付了。

Token消耗走向了新的数量级，泰康提供了一个参照：这家保险集团从今年4月部署百度智能云的智能体开发平台至今，已经上线3500个智能体，每天token消耗量达到200多亿。

IDC预计到2030年，全球活跃AI Agent将达到22亿，Agent正在被定义为“新数字劳动力”。百度智能云的判断是，产业智能体至少会达到30多亿个，并带来将近100吉瓦级的推理需求。

这对底层的基础设施提出了新的要求。

全球云厂商面向生产级Agent的部署，都在推出系统级方案。AWS通过Amazon Bedrock AgentCore打造Agent基础设施，微软构建了面向多Agent协作的编排层，谷歌则推动MCP协议托管化与生态标准化。

百度智能云此前已经面向大规模智能体应用升级为全栈AI云，涵盖“芯云模体”四层，通过AI Infra和Agent Infra提升，实现Token经济效益最大化。

Agent Infra上，为适应企业生产场景多样化的模型需求，百度智能云把模型彻底资源化，超过150个SOTA模型随时切换、随时调用。在业界关心的长程任务的成本性能上，过去半年通过推理引擎层面的深度优化，智能体的长链路推理性能提升3倍以上。

运行环境上，Agent Cloud做到万级沙盒百毫秒级热启动，随用随起；智能体身份和权限统一管理，安全保障覆盖从开发到运行的全过程；执行链路全程可追溯，核心指标实时监控。

Agent Infra之下是算力，要让产业智能体真正跑起来，算力成本必须持续降下来，服务也必须足够稳定。而未来百吉瓦级的推理需求，不会只靠一种算力来支撑，国产算力在安全合规、连续供给、成本可控这些关键维度上承担更大责任。

目前，昆仑芯已在互联网、能源、金融、制造、汽车、运营商、教育等行业建设了全国产集群。

单颗芯片决定单点能力，超节点才决定整个系统的能力。百度智能云天池超节点已经在全国多地智算中心完成千柜级部署，支撑万亿参数大模型训练，并实现了全栈国产。百度还把供电、制冷、IT和监控做成标准化预制模块，建设周期缩短30%，可以有效支撑接下来3到5年的算力演进。

这一整套能力得到了市场的认可。目前80%的央企选择百度智能云，2025年中国央国企大模型及应用市场份额第一；服务800多家金融机构，覆盖100%系统重要性银行，连续两年位居中国金融大模型市场份额第一；2026年上半年以近14亿元大模型中标金额位居行业第一。

沈抖表示，当产业智能体真正运行起来，芯片、云、模型、智能体四层会形成相互放大的产业大循环。这个循环放在企业内部就是产业智能体操作系统，成为企业的增长引擎；放到产业里，就是AI作为底层基础设施的增长飞轮。

某种程度而言，它也是缩小智能水平和经济表现剪刀差的一条现实路径。

断层的症结不在智能水平，而在AI没能真正进入企业的业务流程。当基础设施确保了token的成本和稳定性，那些原本因为太贵、太慢、太难而从未被执行过的任务，第一次变得可行——芯片设计里的环节衔接是这样，风阻方案的反复演化也是这样。智能体能承接的任务越多，沉淀回来的真实数据越多，模型和算力的迭代就越快，可执行的任务边界又会继续往外推。

对整个行业而言，这也降低了AI落地的门槛：企业不必从零搭一套底座，也不必为长程任务的算力成本和稳定性单独做工程投入。

对百度智能云而言，需求换挡又在改变AI云的价值构成。过去企业在云上买的是训练和推理的算力，现在买的是能让智能体持续运转的全栈运行时——从模型调用到沙盒弹性，从执行链路可追溯到底层算力的连续供给。

这也打开了百度智能云自身的增长空间。2026年上半年，AI云基础设施业务展现出强劲增长动能。报告期内，AI云基础设施收入161亿元，同比增长65%。在AI云基础设施中，GPU云收入同比增长230%。剪刀差收窄，产业的效率提升，而支撑这种兑现的全栈AI云，也随之被重新定价。