智能体规模化落地，混合云为何是重要“拼图”？

出品|师天浩观察

作者|师天浩

过去我们和AI打交道的方式是“提问—得答案”：你问它怎么办，它回你一段攻略，剩下的路还得自己一步步走。那时的AI是顾问，真正动手的仍然是人。现在的AI是“下目标—收结果”：你说一句“帮我订春节去三亚的机票，两大一小”，它自己拆任务、调工具、跨系统执行，办完把结果交到你手上。这时的AI不再是顾问，而是经办人——它不只告诉你路怎么走，它替你把路走完。

Agent上岗，数字员工是新常态

在今年发布的《2026年中国智能体经济白皮书：100个AI Agent重构产业的真实案例》里，这种变化已经蔓延到各行各业，比如金融领域招商银行“AI小招”客服问题解决率超90%；制造领域华为盘古矿山大模型，智能体识别井下违规行为、卡煤堵料等异常识别准确率超过90%；医疗领域AI辅助诊断累计服务数亿次、新药研发周期砍到18个月。智能体正在从“演示”走向“生产”。

一句话概括：智能体正在从“对话框里的聪明”，变成“工作流里的靠谱”。真正的分水岭，不是它能不能聊，而是它敢不敢被放进核心生产系统、能不能扛住KPI考核，能不能真正成为实质意义上的数字员工。

渗透在加速，数据比感受更直观

中国通信工业协会数据中心委员会发布数据显示，中国企业级AI智能体市场规模2025年约212亿元，2026年预计增至449亿元，到2029年有望突破3320亿元；

IDC预测企业活跃智能体数量将从2025年的近200万跃升至2027年的1200万，智能体带来的Token消耗年均增长超30倍。

Gartner则估计，到2028年，一家典型的全球财富500强企业平均将有超过15万个智能体在运行，2025年这个数字还不足15个，而认为自己的智能体治理已经到位的组织，只有13%。

对于激增的智能体需求，企业用什么样的IT架构去应对这一数智转型？

三个变化，一个答案

9月17日，华为全联接大会2026期间，在“智启云途，驭势领航：Agentic混合云点亮行业数智新时代”为主题的华为云峰会上，华为混合云总裁顾雪军给出了他的答案：面向未来3-5年不断涌现的智能体需求，选择确定性的混合云架构，是企业实现数智化的必由之路。注意“确定性”这三个字。它不是保守，恰恰相反——当需求是持续涌现、不可预判的，底座反而必须是确定的。你无法预知明年会冒出什么智能体，但你可以确定：它一定需要算力、需要数据、需要模型、需要被治理。

会上，顾雪军提到智能体时代正在催生三个深层次的改变：业务执行主体在变、资源供给方式在变、管理对象在变；更直接的来说：

• 干活的人变了，不止是人了：过去是“人点鼠标、系统响应”，业务是被人一步步操作出来的。现在是“人派活、智能体干活”，而且智能体之间还会自己互相派活、互相交接。你在屏幕上看到的不再是一个个待点的按钮，而是一支正在替你跑流程的团队——它们有分工、有交接、有协作。
• 要东西的方式变了，从“给零件”到“给成品”：过去企业上AI，得自己一层层组装：先要机器、再配环境、再接数据、再调模型，像自己买零件攒一台电脑。智能体不吃这套。它不关心你底层搭了多少层，只问一句：我要的算力、数据和模型，是不是已经打包好、能不能一句话就调用？给的是零件，它干不了活；给的是现成能力，它立刻就能上手。一句话：企业供给能力的方式，要从“层层拼装”改成“即取即用”。
• 要管的东西变了，管的不再是机器，是“智能”：过去IT部门管的是三样老熟人：服务器、存储、网络。看得见、摸得着、数得清。现在要管的是另外四样：算力、数据、模型，还有智能体本身。它们看不见摸不着，而且会自己跑、自己改、自己调用别的系统。

All for AI，华为云Stack的四层真功夫

华为云Stack这次给出的关键词是“All for AI”，围绕云基础设施、数据、AI和生态全面升级，打造新一代的数智生产力平台去拥抱智能体时代。

算力：从囤到用

首先是云基础设施，这里需要先说清楚一件事：智能体要的算力，和过去做模型训练要的算力，不是一回事。它的负载是碎片化、高并发、随机到达的，成千上万个智能体可能在同一秒钟同时发起推理请求，下一秒又全部静默；一个长任务还可能中途挂起、等待工具返回再恢复执行。于是产生了三个新痛点：需求随时涌现，扩容却以“月”为单位；Agent运行过程中存在多模协同和潮汐型任务，单卡独占会产生碎片化闲置，行业利用率普遍只有30%；记忆、上下文、KV Cache要在节点间高频流动；

华为云Stack支持适配最新的A5超节点，支持在线、离线扩缩容，算力发放速度可达每小时480卡，最大支持万卡集群并发。这意味着算力供给从“按项目提前采购”变成了“按需即时取用”。通过NPU池化打破“整卡独占”的分配方式，按智能体的实际需要切分算力；显存快照则把长时任务的状态“冻住”再恢复，模型权重免加载，实现推理服务即开即用，大模型“出厂即热机”。两项根技术叠加，把算力利用率从30%提升到 70%——同样一笔投资，能跑的智能体翻了一倍多。通过存算网协同，利用存储NOF+协议，实现网络时延小于150微秒，让智能体的记忆、上下文和KV Cache在节点间高速流动。对长时任务、多轮对话和大规模多智能体协同而言，这个数字直接决定了智能体“卡不卡”。

数据：从存到用

算力解决的是“跑得动”，数据解决的则是“判断得准”。而后者往往更致命——再聪明的智能体，喂它碎片化的数据，也只能得到碎片化的结论。

Teradata 2026年的调研显示，77%的高管承认，自己企业里能被智能体直接使用的数据不超过20%。Informatica对全球600位数据负责人的调查则把“数据可靠性”列为AI项目从试点走向生产的最大障碍，占比57%。

换句话说，大多数企业不是没有数据，而是数据没有转化为生产力。

华为云Stack提供可靠管数、高效供数、智能用数、可信流通全链路能力：

可靠管数：先让数据沉得下来、养得起来。通过大数据存算分离的湖仓架构，把过去分散在各个业务系统里的数据统一归集，成本更优、扩展更灵活，让“全量数据入湖”从口号变成可落地的工程。

高效供数：让数据“无需搬移”就能被调用。多模数据湖AI DataLake支持多模数据全量入湖与多模式数据处理，并具备百亿级向量秒级检索能力 ——这意味着智能体做一次实时检索、召回一段记忆、匹配一条知识，可以在秒级完成，而不是去几十个库里翻半天。

智能用数：让数据从“能查”变成“能懂”。智能数据决策平台DataArts支持统一接入IT、OT、ET、KT四类数据，内置40余种处理算子，让数据无需搬移即可高效接入使用；同时通过本体语义建模，把分散的表格和文档组织成智能体可理解的业务语义，理解准确率显著提升。

可信流通：让数据敢流动、可追责，集成隐私计算、数据沙箱、区块链等技术，让数据流动全程可信、可控、可证；不是再多建几个数据仓库，而是让已有的每一份数据——包括那些从没被打开过的文档、图纸、录音和影像——都变成智能体可以即时调用、可以放心调用的生产资料。

模型：敢用才算赢

到了模型这一层，要解决的是最难的一件事：敢不敢用。

先看一个残酷的数字：中国信通院联合麦肯锡对18个行业、84家企业的调研显示，只有不足10%的企业能把智能体类项目在任意一个核心业务职能中实现规模化应用，其余全部停留在试点和演示阶段。为什么现在还进不了核心系统？三个坎。

第一道坎：通用模型“博而不精”，大模型在开放对话里表现惊艳，一进到工业检测、临床诊疗、金融风控这类容错率趋近于零的场景就露怯。症结在于：通用模型本质上仍是模式匹配器，不是逻辑推理器。

第二道坎：错误会沿着流程放大。有研究测算过，缺乏互相校验机制的多智能体系统，错误会被放大17.2倍；而带统一编排器的架构能把放大倍数压到4.4倍。例如在医疗剂量、法律判决、金融风控里，一次“一本正经地胡说”就是不可挽回的损失。

第三道坎：Token供不上、供不起。IDC预测智能体带来的Token消耗年均增长超30倍。智能体不是在问答，它是在持续思考、反复调用、多轮试错——单个复杂任务背后可能是几十次推理。如果推理慢、成本高、供给不稳，“智能体规模化”就只是一句空话。

华为云Stack一方面通过加大基础模型投入，深度融合行业Know-how，做“最懂行业”的垂域模型。打造视觉语言、科学计算、预测和天筹求解器等垂域模型，并把行业知识、业务流程与AI能力深度融合，驱动模型自动迭代与持续自演进。这不是把通用模型换个名字，而是让模型真正理解行业的“物理规则”和“业务规矩”。比如盘古科学计算气象大模型，基于自研3D-EST三维神经网络，将预测精度从25KM提升至3KM，并持续向1KM迈进。在最近几次台风登录预测中，盘古气象大模型表现十分优异，台风“巴威”的预报落点与实况登录点仅2KM偏差。在钢铁行业的高炉炉温预测场景中，南京钢铁的炉温控制精度从±20℃提升至±5℃。

另一方面华为云Stack依托模型训推平台提供极致推理能力，稳定供给优质Token，把推理效率做到极致，让智能体的持续思考、多轮试错、长时运行都有稳定而经济的Token供给支撑。

生态：开放共赢

企业的数智化转型离不开生态，混合云致力于打造开放生态体系，它的思路是：把解决方案、模型能力、数据样例、Skill、MCP插件等沉淀为行业资产，把行业资产变成可复用的公共品。上架“行业AI梦工厂”开放给伙伴和客户，形成“华为提供技术底座，伙伴提供专业技术、行业知识与交付能力，客户提供业务问题和生产环境”的闭环。这套机制已经在跑：行业AI梦工厂已构建智慧医疗、具身智能、科学计算、智能制造、智慧金融五大行业专区，沉淀超过上千个行业资产、落地项目超过1000个。

智能体经济的胜负，表面看是模型的参数，底色其实是底座的确定性。当数百万个智能体同时跑进企业的核心流程，真正稀缺的不是“会聊的天才”，而是“扛得住KPI的可靠基础设施”。那么问题留给你：当你的第一个智能体要进核心系统时，你的算力、数据、模型——真的已经“即取即用”了吗？