7天兩場演講，中國兩大AI雲撞了同一個愛迪生

一週之內，愛迪生成了AI圈的團寵。9月16日，在人民日報社舉行的智能經濟論壇上，百度沈抖用電力時代的類比，來定位AI產業當前所處的階段。六天後的阿里雲棲大會，吳泳銘講的同樣是電，Token是新電，雲是電網。中國AI雲兩場最重要的年度演講，像是商量好了似的，隔空講起了同一個故事。巧合背後是共識。過去一年多，大模型行業的注意力還集中在榜單上，誰又發了個新模型、誰的跑分又高了幾個點。但到了這個九月，兩場大會的主題不約而同，從“模型有多聰明”轉向“智能怎麼變成生產力”。這背後是一個共同的判斷，模型不再是主要瓶頸，AI產業化的下一程，拼的是誰先把電送進千行百業。

對產業大勢的判斷，中國兩大AI雲已經站在同一條起跑線上。但同一條起跑線上，兩家要跑的方向並不一樣。01全棧不是新詞，有人早已佈局電力時代的類比有一個潛臺詞，想當發電商，先得有整套電網。落到AI產業上，這叫全棧佈局。這不是2026年才流行的新詞。早在2015年，百度最高獎獲獎團隊“仙童”，做的就是芯片。到2018年，百度已經形成了“從芯片到深度學習框架、平臺、生態”的AI全棧技術佈局，那時大模型浪潮還沒有影子。2020年，百度智能雲率先提出“雲智一體”，把雲和AI融成一個基礎設施體系，形成“芯片—框架—大模型—行業應用”的智能化閉環，為AI全棧技術佈局築牢了地基。

2023年，李彥宏把AI時代的IT技術棧定義為“芯片—框架—模型—應用”四層；同年10月，覆蓋算力、模型、應用全棧服務的百度智能雲超級工廠亮相。2024年，這套能力升級為“人工智能+”全棧企業級服務體系，開始向產業滲透。算力平臺和模型平臺組成內核，由內向外支撐行業能力建設和場景應用創新。2026年，產業重心從模型轉向智能體，李彥宏提出“芯雲模體”全棧AI，百度智能雲以“新全棧AI雲”，接住大規模智能體的爆發。阿里同樣在鋪全棧，而且鋪得很快。阿里的打法是把芯片、雲、模型三塊基石放到同等重要的位置，一起往前推，等一個新物種長出來。

02同樣的飛輪，不同的啟動點關於未來，沈抖在論壇上給出了自己的判斷，芯片、雲、模型、智能體四層相互放大，就是AI作為底層基礎設施的增長飛輪。阿里的芯片、雲、模型三大基石互相咬合，轉起來同樣是這臺機器。同一個飛輪，啟動點不同，飛輪就是兩種轉法。電力時代也有過同樣的分岔。有人先建電站，等用電的人上門；也有人先找到非用電不可的工廠，再照著工廠的需求配電站。一百多年過去，兩種打法最後都活了下來，但活下來的姿勢完全不同。百度把飛輪的起點放在真實業務價值上。產業智能體先進入企業一線幹真活，解決實際問題、創造效率與增長。幹真活產生真實業務數據，數據推動模型迭代，模型迭代帶動更大規模的雲與芯片投入。

規模擴大後，成本進一步下降，讓更多企業、更多場景用得起、用得好，進而釋放新的需求，推動飛輪持續加速。這條“芯—雲—模—體”的鏈路環環相扣，但整臺機器的點火位置只有一個，就是產業智能體真落地、兌現價值這一環。飛輪的第一圈轉不轉得動，看的不是PPT上的參數，是企業願不願意把它用進核心流程，能否切實解決問題、改善經營結果。沈抖的說法是，產業智能體在驅動AI成為真正的經濟力量。這句話的分量在於，AI第一次不是被當成技術來講，而是被當成經濟變量來講。阿里的飛輪靠供給。算力上去，模型（Qwen RSI）跟著變強，能力變強等著代表性產品出現，產品出現等著需求爆發。

啟動點放在供給端，是基於一個判斷：未來一定會出現“代表性產品”，進而引爆大規模需求。而2032年前建成20GW數據中心，就是這個判斷押下的賭注。這套打法和阿里的價值觀一脈相承，因為相信，所以看見，電站先建好，等用電的人上門。兩條飛輪各有各的軟肋。業務飛輪怕落地不及預期，智能體在企業裡幹不了真活，後面的每一環都帶不動；供給飛輪怕代表性產品遲遲不來，電站建好了，用電的人還沒出現。兩臺飛輪也在互相影響。百度的智能體跑得越快，對算力的胃口就越大，客觀上也在給供給端抬需求。阿里等來的代表性產品一旦出現，第一批要規模化的企業，照樣會先挑能兌現價值的雲。飛輪對飛輪，比的不是誰先轉，是誰先轉出規模。

一個需求拉動供給，一個供給激發需求；一個賭價值會兌現，一個賭未來會到來。兩條路線各有各的賬。03為“思考”計費，還是為“結果”計費路線的分岔，最終會落到標價方式上。雲廠商標什麼，客戶就為什麼買單，這是兩種經濟學。阿里是Token經濟學，供給先行，按思考量計費，token消耗多少，賬單就多長。這很像電力時代早期的電錶，先按度數收錢，用電的規模做起來再說。吳泳銘在雲棲大會上給出的是想象空間，未來機器思考的總量，將達到人類的1000倍以上。思考量漲1000倍，token消耗就漲1000倍，這是供給端最希望看到的需求曲線。客戶買到的，是能力的可能性。百度是生產力經濟學，需求拉動，把收入綁在業務價值上。

沈抖在智能經濟論壇上給了一組全球刻度，過去三年模型能力一直在漲，GDP卻沒有明顯變化；AI資本開支佔GDP的比重只有0.4%，而電力體系接近5%。就這組數字而言，這一輪投入離電力時代還差得遠。沈抖預計，到2030年將有30億個產業智能體持續運行，帶來超過100吉瓦級的推理需求，每一分基建投入，背後都有真實場景託底。為“思考”計費，還是為“結果”計費，中國AI雲正在走出兩條不同的路線。前者賭的是思考量的指數增長會自己長出需求，後者相信價值要在真實的生產經營中兌現。而當兩條路線在真實的產業實踐中交匯，中國AI雲共同的答案就會浮出水面。04客戶的賬本，比發佈會誠實客戶的賬本，最能說明兩種路線的差別。

選百度的客戶，買的是確定性價值。國內頭部整車研發企業阿爾特和百度一起做汽車風阻設計優化，把任務交給百度智能雲上的自我演化超級智能體伐謀。它自主演化了120多輪，把單次CFD仿真從幾個小時壓到秒級。南方電網用百度的本體構建智能體勝算，在電網的真實業務場景裡解決問題；泰康今年4月部署智能體開發平臺後，上線了3500多個智能體，日均token消耗200億，鋪在醫療健康、風控合規、銷售運營等核心場景。這些項目的共同點是，驗收標準不是模型跑分，而是問題有沒有被解決、成本有沒有降下來、有沒有跑出新增長。選阿里的客戶，買的是可能性。

1000倍的機器思考總量，如果使用成本下降到電價那樣的水平，帶來的經濟效益將是難以估量的。只是我們不知道這一天還有多久才來。供給先行的打法裡，客戶和雲廠商更像合夥人，一起等一個新物種長出來。兩種標價能同時存在，恰恰說明這個市場還沒到定格局的時候。而能同時坐在牌桌兩端的，眼下也只有兩家。05結語回到電力時代。那個時代的偉大，不在於愛迪生建了電站，也不在於工廠換了電動機，而在於電站和用電的人互相成就，把整個世界推入了電氣化。電站等來了電動機，電動機也讓電站變得划算，這是一場持續幾十年的雙向奔赴。AI的電力時代也會走到這一步。

先落地的智能體，價值正在真實的業務循環裡持續兌現，先鋪開的算力在等待它的代表性產品，兩條路線起點不同，但都在把中國AI產業化的地基往深裡打。真正的勝負手不在今天，而在下一次產業浪潮襲來時，誰的飛輪先轉出規模。殊途同歸的是，中國的兩大AI雲，正在共同定義AI產業化的中國路徑。▼推薦閱讀▼AI辦公之外，百度智能云為何盯上「產業智能體操作系統」？2026-09-17BAT 集體重做「AI 預訓練」，補「髒數據」的坑2026-09-23