作者 | 五月花
原创出品 | 湾区 韬略
过去几个月， AI 办公突然成了大厂们的新战场。
热闹之下，是行业形成了新共识，过去， Copilot 解决的是 “ 帮我写一段 ”“ 帮我做一张表 ” 等单点任务，但如今， 智能体 开始自己找资料、调用工具、推进流程，直到把事情做完。
AI 办公的价值，也因此从个人提效进化为了组织协同。
但当所有人都在抢办公入口时， 9 月 16 日，百度智能云在 2026 智能经济论坛上抛出了更进一步的判断 ——
办公不是终局， AI 办公最终会 成为 通用智能体 的 原子 能力 ，真正的战场是企业核心场景。
谁能让智能体真正进入企业的生产、供应链、财务、研发等核心流程，谁才可能拿到下一张船票。
01
AI 办公，可能被很多人高估了
企业抢夺 AI 办公的逻辑很清晰，商业闭环清晰，赛道规模大。
在所有 AI 应用场景中，办公是少数能明确计算 ROI 的领域。 消费端， AI 聊天提供的情绪价值过于主观，难以被量化和定价。但在生产端，一个能帮财务人员把月度预算分析从 2 天缩短到 15 分钟的 AI ，其节省的工作时长和人力成本是可被量化的。
而且，办公赛道拥有成熟的付费习惯。传统的企业软件市场早已完成了用户教育，按人头订阅、按功能付费的模式深入人心。将 AI 植入办公场景，无需重新培养用户的付费意识。
基于此，大厂才集中兵力，催熟了 AI 办公市场。 IDC 数据显示， 2025 年中国企业级 AI 智能体市场规模约 212 亿元， 2026 年预计增至 449 亿元，一年翻一倍多。
QuestMobile 数据则显示，今年 7 月 AI 效率办公月活用户达 1.02 亿，一个新的亿级赛道形成了。
明明市场方兴未艾，为什么百度 智能云 却认为办公赛道会被通用智能体消化掉？
核心在于，办公是智能体进入企业 相对较 浅的一层，它解决的是通用共识问题，而非企业专有知识问题。
比如写文档、做表格，这些任务需要的知识是公开且标准化的。怎么写邮件、怎么排版 PPT 、怎么汇总数据，大模型在训练阶段已经见过海量样本，通用智能体可以直接完成这些任务。
而 2026 年上半年， OpenAI 和 Anthropic 相继推出企业级智能体平台 Frontier 和 Claude Cowork ，允许 AI 智能体直接跨应用执行业务流程，无需登录 Salesforce 、 Workday 等系统。这一技术进步，直接动摇了 SaaS 经济的根基。毕竟，当 AI 智能体可以绕过软件界面直接完成任务，按席位收费的模式就失去了存在的理由。
但是，尽管企业可以把写文件、做表格外包给通用智能体，可通用模型知道怎么写合同，但它不知道这家客户上一次合同延期是因为哪个条款没谈拢，也不知道这家公司的预算审批流程里哪一步必须由 CFO 亲自签字。
这些散落在合同、项目文档、会议纪要、邮件和员工经验里的信息，是企业无法外包的核心资产。而要把智能体送进企业组织深层，单个 智能体 或单点工具都不够，只有一套能纳管数据、知识、流程并调度资源的操作系统才能实现。
02
推 出 “操作系统” ， 百度 智能云再落一子
正因看到了 AI 办公下一阶段的形态，百度智能云没有把 智能体 的边界停留在办公桌前。
在 2026 智能经济论坛上，百度智能云发布 “ 产业智能体操作系统 ” ，把企业内部的智能体组织起来，让 AI 开始接管企业的核心业务。
具体来看，这套系统由三类智能体组成。
一类是以百度搭子为代表的通用智能体 ， 解决的是企业知识如何沉淀、复用的问题。 它可以把散落在个人电脑、业务系统和文档里的知识、经验和流程集中起来，让原本属于个人的能力，变成组织可以调用的能力。
今年 3 月发布以来，百度搭子已完成 150 次迭代，过去一个月用户增长近 9 倍。 8 月 27 日，百度搭子企业版升级，发布 15 个套件、 96 项技能，覆盖金融财务、商务法务、产品研发、运营人力四大职能域。中石油的 “ 油宝智能体 ” 已经覆盖 5000 多名用户，共建 100 多项 Skill ，累计调用超过 70 万次。
企业用 AI 的第一步，是让知识不再跟着人走。
另一类是由百度秒哒、百度伐谋、百度胜算等构成的专业智能体，负责处理更复杂、更专业的业务任务。
比如，阿尔特将百度伐谋接入现有 CFD 仿真系统，让智能体自主生成、筛选风阻设计方案。经过 120 轮演化后，一次风阻评估从过去数小时缩短至秒级，效率提升数百倍。
百度胜算则进一步向企业的数据和决策环节深入，把分散在不同系统里的表格、文档、业务规则和知识关联起来，同时承担权限管理、数据追踪、仿真验证和版本管理。目前，其业务分析准确率达到 99% ，决策效率从月级提升至分钟级，决策采纳率超过 95% 。南方电网已基于胜算构建十多个智能体应用。
当 AI 从回答问题走向解决问题，企业 AI 才真正进入深水区。
再往下， 则是企业基于百度搭子开发平台自主搭建的定制智能体。它们不追求 “ 大而全 ” ，而是直接嵌入具体业务流程，调用企业内部工具和系统，完成最贴近业务现场的工作。
泰康就是一个案例 。其 “ 展业合规智能体 ” 能够理解申请信息、匹配适用规则并给出判断依据，再由人工复核。自今年 4 月部署百度智能云智能体开发平台以来，泰康已上线 3500 多个智能体，日均 Token 消耗达到 200 亿。
从通用能力，到专业决策，再到企业自建， AI 正在从工具 深入到 企业 核心 环节 。
三类智能体对应的，其实也是企业 AI 落地的三个阶段 。 通用智能体负责 完成日常任务和 沉淀管理知识，专业智能体负责专业任务，定制智能体则嵌入企业流程 并 调用工具。数据、知识、流程和底层算力等资源由系统统一连接和调度，最终让核心业务场景从有人操作变成智能体闭环执行。
这也是百度产业智能体操作系统的意义。它不是一套要重新部署的新软件，而是能长在企业内部、持续迭代的有机系统，企业用的越多越顺手。而且，百度智能云承诺，伙伴通过百度搭子开放平台向客户提供 Skill ，百度永久不抽佣、永久不收过路费，本质上降低了产业智能体生态的协作成本。
从这个角度看，百度搭建的 不是 封闭的 AI 产品体系，而是一套能让企业自身能力、行业伙伴能力和 AI 基础设施持续叠加的智能化底座。
03
领跑背后，百度 AI 云 的全栈进化路径
智能底座同样需要底层支撑。这套操作系统能不能跑起来，取决于底下有没有从芯片到应用的全栈 AI 云。
产业智能体往企业核心业务走一步， AI 云就要往下扎一层。
过去，云更多负责让模型跑起来， 现在它还要让 智能体 进一步 调用数据、连接系统、协同工作，并持续运行在真实业务中。因此， AI 云提供的服务也要从卖 GPU 、卖资源 、 卖服务， 更 深入到交付结果 中 。
换言之，产业智能体操作系统改变了 AI 云底层的技术逻辑与服务逻辑。
而 百度 是 全球 少有的 具备芯片、云、模型、 智能体等 应用全栈能力 的 公司 。 全栈 AI 云 是产业智能体操作系统能运行起来的前提，也是百度 智能云 率先看到 AI 办公前景的根源。
底层 是 国产 算力 和 云。 昆仑芯 P800已完成规模化验证，交付多个万卡集群，全国产集群上有效训练率达97%，万卡线性扩展度超85%。芯片层的自主可控，为大规模智能体训练与高并发推理提供了稳定底座。
例如 在 Agent Infra 上 ， 150多个顶尖模型做成了资源池，随时切换调用。Agent Cloud支持万级沙盒百毫秒级热启动，身份权限统一管理，执行链路全程可追溯。
模型层与智能体层的深度协同，则使智能体从 “能问答”走向“能执行”。 当 智能体 应用 跑得 更快， 就能 产生 更多 真实 业务 数据。
市场 也 持续 证明 这一 增长 飞轮 。 百度智能云服务了 80%的央企，100%中国主流车企、50+具身智能企业、800+金融机构，并覆盖100%系统重要性银行。2025年，百度智能云在 中国央国企大模型及应用市场、大模型应用市场均份额第一 ，自动驾驶研发解决方案、中国具身智能 AI云同样份额第一，并且连续2年金融大模型份额第一。
高浓度的 产业渗透率说明， 百度 全栈能力已在真实业务中完成验证。
在全栈 AI 能力的持续升级下， 百度 2026 年 Q2 财报 显示，报告期内百度 AI 云基础设施收入 73 亿元，同比增长 50% ；其中 GPU 云收入同比增长 283% ，增速较第一季度的 184% 进一步加快，已连续四个季度实现三位数增长。
而这一成绩，靠的不是单纯卖算力或 Token 。当三层智能体构成的操作系统扎进企业核心流程， 芯片、云、模型、智能体四层便开始相互放大 。
智能体在业务中产生数据，推动模型迭代；模型进化拉动推理需求， 促使 芯片与云基建加码；基建规模上去后单位成本下降，又释放出更多场景。每一层的进步，都会给另外三层带来更大回报。
放在企业内部，这是产业智能体操作系统；放在产业层面，就是 AI 增长飞轮。
换言之， 企业向 百度智能 云购买的，是智能体跑完一整项任务的能力。 而百度智能云的高增速也 因此不是周期性数字，而是需求从训练、推理算力换挡到 智能体 全栈运行时的结果。
沈抖在演讲里算了一笔账：全球 AI资本开支约五千亿美元，折算下来只有全球GDP的0.4%，而电力系统投资加消费已经接近5%。言下之意很清楚 。 AI离成为真正的基础设施，还 有距离 。
差距在哪，机会就在哪。
别人 瞄准 办公入口抢流量的时候，百度智能云选择往产业深处走，往那些又慢又重又难的场景里走。这种选择本身就说明一件事：百度智能云对产业智能体的判断不是短期的，是长期的，是愿意拿时间去换壁垒的。
而且 百度智能云的 底 牌， 足够 扎实。
产业智能体的窗口期正在打开 。 百度智能云在合适的时间点，把合适的牌摊了出来。这条路的终局，值得乐观。
