AI辦公之外，百度智能雲為何盯上「產業智能體操作系統」？

“整個下半年，就看AI辦公圈誰能殺出重圍了”。一位大模型從業者對表示。從五月開始，各個互聯網大廠爭相出場，寫字樓電梯間、機場候機室，到處都是Workbuddy、千問辦公、豆包工作、百度搭子的內容。但辦公大戰打得再熱鬧，頂多算是一道前菜。早在2025年，微軟的Work Trend Index就提出過，AI進入企業分三步：幫員工做得更快、成為團隊裡的“數字同事”、直接執行完整的業務流程。對照這個座標，眼下的辦公之爭，其實還停在前兩步。真正難的是第三步——那意味著AI要進入銷售、研發、生產、供應鏈，甚至決策流程。而這背後是兩個更本質的問題：智能體如何真正落進產業？

一路狂飆的模型能力，又如何變成實打實的經濟效益？百度智能雲圍繞這兩個問題，給出了一套完整的答案。01 大廠闖進辦公賽道，只是第一步相比在芯片、算力和模型上投入以千億計，辦公今年是為數不多看得清回款的應用場景。用戶基數大、付費意願明確、產品形態成熟。所以當Agent的能力從“幫你寫”進化到“替你幹完”，辦公自然成了所有人搶的第一站。但AI行業熱鬧這些年，背後其實一直存在一個“剪刀差”：一邊，模型能力幾乎幾個月就上一個臺階；另一邊，AI對宏觀經濟的拉動卻遠沒有想象中明顯。造成這種落差的根源是什麼？

在9月16日的2026智能經濟論壇上，百度智能雲事業群總裁沈抖給出答案：類比電力發展史，今天的AI可能只是“電燈發明後的第一個月”——燈亮了，所有人都看見了變化，但電力對社會分工的重塑還遠沒有發生。他算了筆賬：過去一年全球AI資本開支約5000億美元，聽著是天文數字，其實只佔全球GDP的0.4%；而電力系統的投資加消費，已接近全球GDP的5%。這筆賬背後，是沈抖想說明的另一件事：AI今天的基礎設施建設仍處在早期，模型能力與產業實際價值之間，還隔著一段距離。如何追趕這段距離？百度智能雲認為，應該讓智能體真正進入產業。依據他們多年落地產業的經驗，當下企業經營場景的任務清單可以拆為三類。

第一，約20%是日常經營類——寫週報、做PPT、拉通資源，即廣義的“辦公”；第二，約30%有一定專業門檻——營銷投放、數據分析、代碼編寫，這類工作背後有公式化的規範和成熟工具；第三，則是剩下的50%，才是真正體現企業獨特性的部分——專有的生產流程、工藝參數、業務數據和know-how。這三層任務，對AI的要求其實完全不同，辦公最標準化，也最容易被通用Agent覆蓋；越往後，任務越依賴企業自己的數據、流程和經驗。百度智能雲認為，只有讓智能體真正進入這三層認為，才能使產業完成智能化，從而帶動經濟收益與技術發展的曲線合併。就像今天沒人會為輸入法的拼寫檢查單獨付費，未來企業也不必為單純的辦公能力買單。

正如沈抖的判斷：未來不會有一種智能體專門為辦公而生，辦公能力會退到後臺。眼下殺紅了眼的辦公入口之爭，幾年後可能只是某個通用智能體的一項基礎技能。因此辦公大戰只是序章，真正難、也真正產生核心價值的，在那30%和50%裡。那麼企業的這三層任務，應該如何來接？02 怎麼把一堆Agent裝在一套操作系統裡？過去企業做數字化，過去企業做數字化，財務、銷售、人力各上一套系統，最後形成一個個“數據煙囪”；如果AI時代繼續沿著這條路走，換成一個個AI應用，本質上還是重複昨天的故事。百度的解法，是把企業任務拆成三層。第一層，通用智能體，解決20%的日常運營任務。

以百度搭子為例，它更像企業裡的“總入口”：員工提出一個任務後，不一定需要自己判斷應該調用哪個工具、哪個Agent，而是由搭子去調動背後的能力。正如沈抖在演講中透出的邏輯：“辦公只是手段，不是目的。”它的核心價值，是依託底層的Harness架構與多級記憶體系，將橫向的資源協調、信息彙總沉澱為標準動作。在實際業務中，它扮演的是“清道夫”的角色。比如在金融場景，它替基金經理剝離掉查研報、拉行情等繁雜動作，讓人把精力收攏到專業研判上；在中石油，它作為一個總入口，已經被5000多名員工調用了超70萬次。第二層，專業智能體，接管30%的專業任務。

這一層，百度的思路反而很直接：已經有成熟方案的事情，不必重新造輪子。代碼、視覺、數據分析、組合優化等場景經過過去幾年的發展，已經出現了一批可以直接使用的專業工具。百度因此推出了包括“秒噠”“勝算”“伐謀”“一鏡”等專業智能體矩陣，可以直接切進企業的具體業務流程。比如，汽車研發商阿爾特把風阻設計交給“伐謀”，接入原有CFD仿真系統後，智能體可以自主迭代120輪尋找更優解，把原本需要數小時的評估壓縮到秒級，南方電網則把智能體放進告警研判和工單生成環節。到了這一層，AI已經不只是替人處理辦公雜事，而是開始進入研發、生產和決策這些更靠近業務核心的位置。第三層，定製智能體，啃下50%的核心任務。

企業真正核心的那部分業務，通常也是最複雜、最難標準化的。比如電網的設備和處置流程，保險公司的合規規則，汽車研發裡的工藝參數和仿真數據，都藏著企業自己的Know-how。這些任務很難直接購買一個“標準版Agent”解決。為此，百度智能雲發佈了百度搭子開發平臺，將通用智能體同款的底層技術徹底開放，它能提供智能體全生命週期API，覆蓋開發、運行到管理全流程。企業可在現有系統中集成，快速定製產業智能體，自己搭建護城河。泰康是一個典型切面：上線3500多個智能體、日均消耗200億Tokens，深入展業合規等核心場景。過去依賴人工逐項比對的合規審核，現在由智能體自動匹配規則並輸出依據。

更重要的是“沉澱”——跑通的流程固化為了企業內部可複用的Skill，最優質的業務經驗被留在了系統裡，避免了團隊的重複試錯。此外，通過將其打造為完全開放的生態平臺，技能、套件和應用可更方便接入與分享。企業可通過搭子使用第三方能力，也能把自己的能力放到搭子上服務更多客戶。當天現場，百度智能雲表示他們希望圍繞產業智能體落地，建立互惠互利的開放生態，且不會向生態夥伴抽傭。到這裡，三類智能體分別對應企業裡的三種工作：通用智能體解決普遍需求，專業智能體調用成熟能力，定製智能體則把企業自己的業務經驗變成AI能力。但要讓它們不淪為各自為戰，還需要一根主軸。

這根主軸就是“產業智能體操作系統”，這套系統向上可以承接任務，判斷需要哪類智能體參與，中間連接企業的知識、數據、權限、工具和流程；向下調度雲上的算力、存儲和安全資源。任務過程中產生的數據、經驗和方法沉澱回系統，變成企業可持續迭代的經營能力。百度智能雲可將這套系統做成完整解決方案直接交付客戶。客戶也可基於方案定製自己的產業智能體操作系統。大會現場的一個演示就是如此：通用智能體可以跨系統調用專業智能體“伐謀”的Skill，把芯片設計中原本需要人工銜接的兩個工作流直接串起來。這樣一來，智能體之間才不再是孤立的工具，而這也把問題推向了下一層。

03 Agent的天花板，由雲基礎設施決定一套要同時調度幾千個智能體、扛住企業核心業務的操作系統，對底下的雲提出了什麼要求？沈抖在演講中給出了一組預判：到2030年，會有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。這些智能體連續調用模型、數據、工具和系統，每一步都要快、要穩、要安全、要能追溯、成本還要可控。當幾千個智能體同時跑起來，任何一環出了問題，都會牽扯到整條業務鏈。換句話說，當前智能體競爭的本質，最終是AI雲的競爭。為了接住系統級壓力，百度智能雲給出的解法是升級Agent Infra。首先是模型。過去企業選定一個模型，應用基本就圍著這個模型搭。

現在模型多了，企業反而需要根據不同任務來選擇。百度將150多個模型納入底層能力，讓企業可以按任務進行調用和組合，過去半年，其智能體長鏈路推理性能提升了3倍以上。另外，智能體還需要一個能承受大量併發任務的運行環境。百度在這一層提供Agent Cloud，重點解決的其實是三個問題：任務來了，能不能及時啟動；智能體訪問企業數據時，權限能不能管住；出了問題，能不能找到究竟卡在哪一步。比如，萬級沙盒需要做到百毫秒級熱啟動；智能體的身份和權限可以統一管理；從開發到運行的執行過程，也能夠留下完整記錄。這些能力聽起來或許並不“性感”，但對於企業來說，卻是智能體從Demo走向日常業務必須補上的一課。

再往下，就是算力。百度的底牌是自研崑崙芯，其目前已經為互聯網、能源、金融、製造、汽車、運營商、教育等多個行業建設了全國產崑崙芯集群。天池超節點已經完成千櫃級部署，計算、存儲、互聯、供電、散熱等環節都納入了統一設計，並實現了全棧國產化。與此同時，百度智能雲還開放了架構、供電、散熱等六大核心模塊的技術規範。這件事值得注意的地方，並不是他們又做了一套算力設備，而是它嘗試把超節點做成可以被更多國產芯片接入的基礎設施。對於國產算力來說，造芯片是一回事，能不能把芯片裝進大規模集群裡跑起來，是另一回事，數據中心同樣如此。當AI算力不斷擴張，機房本身也成算力基礎設施的一部分。

百度披露，其數據中心將供電、製冷和IT等環節做成標準化預製模塊，建設週期縮短30%以上，年均PUE最低可達1.08。“芯、雲、模、體”看起來是四層東西，但智能體真正跑起來以後，它們已經很難再各算各的。這也是百度智能雲和其他玩家的身位差：當別人在某一層上補課的時候，它四層都已經就位了。04 結尾結合百度Q2財報來看，百度AI雲基礎設施收入同比增長50%，其中GPU雲同比增長283%，已經連續四個季度保持三位數增長。如果只看GPU雲，這更像是一輪算力需求的增長。

但把視線往下拉一層，會發現企業要買的東西正在發生變化：過去是買算力、部署模型，現在關心模型調度、數據接入、智能體運行，以及怎麼真正進入業務流程。從模型，到Agent Cloud，再到芯片、超節點和數據中心，開始被同一件事串起來：讓更多智能體，能夠長期、穩定地跑在企業真實業務裡。沈抖在演講最後提到的“芯、雲、模、體”，其實也是這套邏輯的落點。所以企業AI的下半場，看的是當智能體開始工作，誰能把它們穩穩托住？這才是AI雲競爭開始變得有意思的地方。（）