产业智能体和算力基础设施不是上下两条彼此独立的业务线，它们彼此拉动，构成一个自我强化的正向循环
文｜吴俊宇
编辑｜谢丽容
过去半年，百度智能云的算力基础设施业务进入了快速增长期。这家公司正在思考一些更长远的问题。
2026年上半年，百度智能云营收连续两个季度同比增长均超50%。其中，GPU云业务增长尤为强劲：一季度同比增长184%，二季度同比增速进一步攀升至283%。
我们了解到，由于智能体相关业务带来的Token（词元）消耗正在快速增长，百度智能云内部已经调高了营收目标。
算力业务加速增长之际，百度智能云已经瞄准了下一个增长市场——产业智能体。
什么是产业智能体？百度集团执行副总裁、百度智能云事业群总裁沈抖在9月16日的2026智能经济论坛上阐述认为，产业智能体=智能体+产业系统。产业智能体要把企业内部的知识、数据、流程、工具等组织起来，在真实业务场景中交付结果、创造价值，并持续进化。
产业智能体战略并非凭空提出，是一个基于市场需求的真实决策。过去半年，百度智能云团队在客户侧看到了一些明显变化：
一方面，企业内部的智能体数量正在快速增长，Token消耗和云资源需求也随之上升；另一方面，智能体开始从小范围试验进入生产环境，企业对产业智能体有了更明确的需求。
这些过去分散在不同客户、不同业务场景中的智能体需求，最终抽象成一套“产业智能体”战略。更重要的是，产业智能体和算力基础设施不是上下两条彼此独立的业务线，它们彼此拉动，构成一个自我强化的正向循环。
百度智能云正在试图形成一套“芯-云-模-体”的产业增长飞轮——智能体创造需求，模型承接需求，云将需求转化为算力消耗，芯片与基础设施扩张又进一步降低智能体规模化应用的成本。
这个飞轮会带动百度智能云的业务增长。放大到整个产业，它也是让企业乃至国家层面算清AI（人工智能）投入经济账的关键。
为什么是产业智能体？
2026年，OpenClaw/Hermes这样的通用智能体虽然开启了这轮技术浪潮，但是智能体目前真正被普及的领域只有两个：代码智能体、办公智能体。
巨头重兵布局，尤其是办公智能体，但它在中国的市场天花板可能没有想象中那么高。
我们了解到，一家中国头部科技公司的管理层内部判断，办公智能体仍是一门“小生意”。相较于动辄数百亿元、上千亿元年收入的业务，它目前的商业规模仍然有限。
一位曾负责头部科技公司协同办公业务的人士对我们表示，2025年国内几家主要协同办公厂商的年营收规模均未超过50亿元。办公智能体要在协同办公市场上找增量，单一厂商的年营收短期内很难超过50亿元。
智能体更大的未来市场，在办公和代码之外。它在企业的核心业务系统之中。
当智能体进一步进入企业的研发、生产、营销、风控和经营决策等核心业务环节，它面对的就不再只是办公软件的预算，而是企业原有的IT、云计算、软件和生产经营投入。
智能体的价值衡量方式也会发生变化。它不再只是帮助员工节省办公时间。它会直接参与任务执行、改变业务流程，甚至影响收入、成本、良率、交付周期和风险水平。
在沈抖看来，目前市场上的产业智能体需求分成三类：处理日常经营任务的通用智能体；处理数据、营销、编码、组合优化等共性专业任务的专业智能体；以及结合企业自身数据、流程和Know-How（行业知识）开发的定制智能体。
按照百度智能云内部的一种粗略划分，未来办公智能体的能力会被通用智能体内化。如果一家企业未来有100项任务，大约20%可以由通用智能体完成，30%可以交给专业智能体，剩下约50%涉及企业独有的流程、数据和Know-How，很难由一家外部厂商直接提供开箱即用的产品。
这三类智能体并不是彼此割裂的。
通用智能体可以串联、组织其它两类智能体，协同完成更复杂的任务。这也是它们能共同融入企业系统、而非各自孤立成点的关键。百度智能云试图围绕这三类产业智能体搭建一套操作系统，降低企业开发和部署智能体的门槛。
最上层是面向不同任务的三类智能体——百度搭子这样的通用智能体；专业智能体矩阵（包括自我演化智能体百度伐谋、本体构建智能体百度胜算、应用开发智能体秒哒、企业级代码智能体文心快码、视觉智能体百度一见、营销智能体百度智能云Hogee，以及全场景数字人智能体百度一镜）；以及企业结合自身数据、流程和Know-How开发的定制智能体。
中间层负责把企业里的任务、知识、流程和工具统一调度起来，完成具体工作。最底层则是云资源调度，为不同智能体提供算力资源。
在这套操作系统中，企业既可以使用现成的解决方案，也可以针对自身的数据、流程和业务经验，开发出适合自己的智能体。
已经有一批企业开始把产业智能体放进真实业务流程。
在汽车研发领域，阿尔特汽车现有的CFD（计算流体动力学仿真）仿真系统接入了百度伐谋。过去需要数小时完成的一次风阻评估，在伐谋参与后可以缩短到秒级。
在电力系统，南方电网利用百度胜算连接设备、告警、台账和检修记录。遇到设备异常后，智能体不仅可以判断问题，还可以跨系统搜集信息、填写工单，把过去由人串联的多个环节连接起来。
专业智能体能解决许多具有共性的行业问题，但难以解决企业核心业务面临的问题。企业真正形成差异化竞争力的流程、数据和经验，这些“最后一公里”的问题，有时需要靠自己去解决——为此它们需要智能体的平台能力。
为此，泰康部署了百度智能云的智能体开发平台，并且把它的智能体用在医疗健康、风控规划、销售运营这些核心场景里。截至今年9月，泰康已经在平台上线了3500 多个智能体，日均消耗Token达到200亿。
200亿Token是什么概念？粗略估算，一次普通对话大约消耗1000个-2000个Token。200亿Token相当于1000万-2000万次对话交互。如果一次较复杂的智能体任务消耗5万—10万个Token，200亿Token相当于每天可以处理约20万-40万次任务。
一套操作系统，让AI低成本进入核心业务
百度智能云为什么会更关注产业智能体？
一个背景是，它过去多年形成了一套更深入行业的服务模式——通过FDE（前线部署工程师）进入客户现场，理解业务需求。这种长期形成的FDE能力，成了它参与产业智能体竞争的一项差异化能力。
一个个“重交付”的项目在智能体浪潮爆发的今天，留下了另一笔宝贵的资产——客户信任和行业知识。
长期参与企业项目，让百度智能云的工程师更清楚客户的业务系统到底有多复杂：数据分散在不同系统里，流程跨越多个部门，权限、规则和历史系统彼此交织。产业智能体的价值之一，就是把这些“烟囱式”系统逐步连接起来。
一些大型企业客户也因此与百度智能云保持了多年的合作关系。在历经11年的多轮项目合作过程中，双方建立了信任关系。这使得他们今天更愿意围绕核心业务系统、数据、流程和百度展开合作。这也让产业智能体真正进入生产经营环节，而不只是停留在外围办公场景。
以泰康为例，双方合作时间已经超过八年。百度智能云参与项目，从早期的医疗影像文字识别、智能客服对话引擎，机器学习平台，知识中台，一直延伸到今天的智能体平台。
南方电网深圳供电局和百度智能云的合作也超过八年。南方电网之所以会利用百度胜算做数字本体构建，让智能体在多个业务系统中工作。也是因为此前百度智能云参与了他们的AI中台等数字化基础设施的建设。
长期服务带来的结果是，百度的工程师越来越清楚客户的数据在哪里、流程如何运转、不同业务系统之间如何连接。这些恰恰是产业智能体进入企业核心业务时很难补齐的部分。
产业智能体进入更多企业核心系统，也在不断解决研发、生产、风控、营销面临的业务问题。最终，给企业经营提效。
对企业来说，产业智能体操作系统，和过去搭建数据中台等基础设施有几个重要区别。
一是可以利旧。一些金融、能源、制造等领域的企业过去几十年积累了ERP（企业资源管理）、CRM（客户关系管理）、数据中台等系统。这些系统不需要更换，更多是通过产业智能体把它们连接在一起，让老资产继续产生新价值。
二是学习进化。传统项目交付，上线那天就是结束。但产业智能体会在真实的业务里持续学习，越来越懂企业的业务，能力随时间增长。企业的Know-How会沉淀成Skill（技能）、插件等工具，而且变得可以复制。
更重要的是，产业智能体让过去这种“重”服务模式变轻，它的成本正在下降，也变得更容易复制。
过去FDE模式成本高，核心问题是大量交付工作依赖工程师人/天投入。一个项目从需求梳理、方案设计，到接口开发、代码编写、测试上线，都需要工程师深度参与。对百度来说，这个成本很高，对企业客户来说，周期也很长。
但在今天，随着智能体不断完成大量重复劳动，工程师可以更多把精力放在业务理解和关键判断上。对百度智能云自身来说，它越来越像是“轻咨询+轻定制”，可以规模化复制。
对企业客户来说，变轻意味着交付更快、成本更低、经验可继承，它们本身也是受益者。只需要完成从0到1的数据、流程和系统梳理，把最难的底层能力跑通。此后，企业员工就可以自己搭建智能体，调用已沉淀的Skill和工作流。
算清经济账
Token需求正在以十倍、百倍速度增长。国际市场调研机构IDC预测，2026年中国Token调用次数将比2025年增长20倍。这个产业增长飞轮正在跑得更快。
瞄准产业智能体背后还有另一层考量。这是百度智能云业务增长飞轮的重要一环。
产业智能体进入更多业务流程，会带来更多任务执行和Token消耗，进而增加模型推理和云资源需求。任务执行过程中产生的经验和工作流，通过后训练等过程，会推动模型性能提升。更强的模型被越来越多的真实业务使用，又会产生新的模型推理和算力需求。
更大的算力需求继续向下传导，推动云基础设施和芯片硬件迭代。更充足、更低成本的算力，又会进一步降低智能体的使用门槛，让更多产业场景使用模型和智能体。
在百度智能云的战略中，这构成了一个“芯-云-模-体”的产业增长飞轮，每一环又继续给其他环节带来新的增长动力——智能体创造需求，模型承接需求并且不断迭代，云将需求转化为算力消耗，芯片与基础设施扩张又进一步降低智能体规模化应用的成本。
GPU（图形处理器）服务器折旧周期一般是5年。一位中国头部云厂商资深架构师给我们算了一笔账，理想状态下，一台价格超过400万元的H200服务器按每月12万-15万元租赁价格，平均回本周期约3年。如果卖Token，在保持高利用率的情况下，回本周期更短。
一位百度人士今年5月在一场小规模沟通中对我们表示，从利润角度来看，卖GPU硬件不如按卡/时、Token销售云算力。
这背后是一笔算力利用率的经济账。卖GPU硬件，获得的是一次性硬件收入。卖云，是按照卡时等资源单位出租算力。按Token销售，则可以把算力进一步拆成更细的颗粒度，分配给更多客户。这会让百度智能云的收入、利润都得以增长。
降低每个Token的成本，也是企业算清经济账，乃至国家层面能否算清经济账的关键。
算清经济账，企业层面关心的问题是，生产一个Token需要多少成本？不同能力的Token要如何选择？有限的算力应该如何分配？一个员工消耗更多Token之后，能否创造更高的人均产出？ Token创造的价值，能否覆盖它消耗的算力、资本和人力？
在国家层面，这个问题会变得更宏大。一个国家拥有多少能源、算力、资本，能生产多少Token？这些Token最终能够转化成多少生产力？能否催生新的企业和应用？能否提高劳动生产率？能否创造新的就业和经济增长？
沈抖认为，今天AI距离真正成为全社会的基础设施还很远。2025年全球AI资本开支约5000亿美元，只相当于全球GDP的0.4%。相比之下，电力系统投资和电力消费合计已接近于全球GDP的约5%。
“过去几年模型能力一直在涨，但GDP没有明显变化。智能体是有机会拉近这两条曲线的，可以把模型能力进步转化成企业的经营成果，最终兑现成经济价值。”沈抖解释，一些过去因为太慢、太贵或太复杂而无法完成的工作，可能因为智能体开始具备经济可行性。
从这个角度来看，产业智能体不只是可以降低企业使用AI的门槛。它甚至是AI真正进入实体经济的一条路径。它会带动制造、电力、能源、交通等一系列实体产业的提效。随着各个实体产业改造升级，算力会直接成为经济增长的动力。
眼下，中国市场AI算力供不应求。2026年4月-9月，短短半年期间，部分先进算力的价格就上涨了至少一倍。随着推理需求增长，国产算力开始承接越来越多需求。
百度智能云也形成了一套让每一度电、每一个Token、每一个智能体创造经济价值的全栈基础设施。
它的最底层是国产算力和云，把电力转化为可用、可管、可持续的Token。向上是Agent Infra（智能体基础设施），把Token转化为能够执行任务的智能体。再往上，则是通用智能体、专业智能体和定制智能体，让这些智能体真正进入企业的业务流程。
归根结底，这是一笔两头都要算清的账：底层把Token做得更便宜，上层让Token创造更多业务价值。只有成本和价值同时成立，产业智能体才能真正跑起来。
