AI云的大考来了：企业要的不再是参数，而是盈利 | 甲子光年

第一关心效果，第二关心成本。

作者｜田思奇

编辑｜栗子

过去一年，AI云市场的提问变了。

以前，人们最常问的是参数规模和排行榜名次；如今，企业开口就问：平台模型好用吗？出了故障多久能恢复？

提问的变化，也反映出行业心态的变化。历经3年大模型热潮后，哪怕规模再大、性能再高，如果不能承载生产节奏，价值就难以落地。制造业想降低废品率，金融业要提升转化率，零售商要改善用户体验，这些才是企业真正在意的。

8月28日至30日，在北京举办的百度云智大会，把主题放在了新一代智能基础设施与平台升级上。IDC数据显示，百度智能云已经连续六年在中国AI云市场排名第一。

全栈自研的体系，加上近两个季度财报的高速增长，让百度成为最具代表性的观察样本：AI云，能否真正成为企业的盈利引擎？

1.效果优先、成本次之

凌晨时分，运维人员在屏幕前盯着延迟曲线；白班车间里，质检线的合格率实时刷新；电商大促时，市场团队紧盯转化。

这些现实业务的压力让行业的关注点就此转移。参数规模和排行榜名次依旧会被提到，但它们已不再主导决策。企业更关心AI云在业务里是否靠得住。

这种转向并非偶然。「甲子光年」认为，其背后有两股力量同时收紧：

一端是预算。企业在做技术投入时，能够容忍的试错空间越来越小，效果必须在当期体现。

另一端就是上面提到的各类场景。这些地方误差极小，一旦卡顿或者掉线，损失也会被立刻放大。

IDC数据显示，2024年中国AI公有云服务市场规模达到195.9亿元。其中，计算机视觉81亿元，同比增长33.7%；对话式AI 20.9亿元，同比增长39.5%；自然语言处理22.2亿元，同比增长51.1%；智能语音18.8亿元。

可以看出，增长最快的，正是质检、客服、文档处理这些与经营环节直接挂钩的场景。预算正在迁移到见效快的位置。

结果是，市场格局加速分化。只强调算力的厂商，很难覆盖从数据到应用的全链路；把不同组件堆接在一起，也容易在交付时出现缝隙。训练、部署、监控、治理这些环节必须连成整体，业务部门才敢把核心流程托付给AI云。

分化也改变了评估顺序。性能指标依旧重要，但效果与稳定性排在最前，紧随其后的是合规与成本。中小企业的选择更直白：研发与运维人手有限，他们需要的是一站式交付，最好“开箱即用”，尽快拿到业务结果。

要满足这些新要求，平台必须在四个环节都站得住：算力能撑住高并发，调度能在流量骤增时保持稳定，数据治理要把表格、日志、图片变成模型可用的输入，安全要覆盖内容、数据和模型，防止风险外溢。

当这些条件具备后，企业的关注点就会转向速度：从签约到上线要多久，从上线到稳定运行要多久，多久能在报表里看到收益。越快跑通一个场景，越容易复制到更多部门，整体成本也就越低。

这种节奏感，正在推动平台化加速。2024年，中国大模型平台市场规模达到16.9亿元。越来越多企业把平台当作统一入口，调用、轻量精调、部署与观测逐渐走向标准化。从试点到规模化的距离被缩短，落地的关键也随之转向：不再是“能不能跑通模型”，而是“能不能稳定交付”。

门槛也随之抬升。大规模资源池、覆盖全流程的数据智能、多模型的协同编排、成体系的安全治理，缺一不可。任何环节掉链子，项目就可能在生产阶段反复回滚。对资源有限的团队来说，最现实的做法是把复杂度藏在后端。一站式服务把算力、模型、数据和应用封装起来，业务部门只需要围绕流程和指标操作。接入成本被压低后，复制才有路径，规模化才有可能。

相反，缺少端到端编排与治理的方案，往往会在扩张阶段失速。

AI云厂商之间的新一轮竞争，落在两件事上：上线速度与价值兑现速度。谁能在关键场景里快速上线，并在可见周期内交付成果，谁就能赢得企业的续约与扩展；做不到这一点的厂商，就有可能在拐点处掉队。

2.“云智一体”到“智能优先”

在今年的云智大会上，百度选择从企业最敏感的环节切入。稳定、成本、定制和复制，这些是过去一年企业在落地AI时遇到的核心问题，也决定了AI云能否从“试点”真正进入规模化。百度的新一轮升级，正是针对这些问题逐层给出回应。

大会第一天公布的百舸5.0和昆仑芯超节点，把基础设施摆在了最前。

过去一年，不少企业在客服高峰、质检流水线或在线教育等场景里遇到同一个困境：模型可以运行，但一旦并发量激增，延迟随之拉长，能耗显著增加，吞吐不足导致业务中断风险加大。百舸5.0通过网络和推理系统优化，使得DeepSeek R1的推理吞吐可以提升50%。背后新增的自研通信协议，把卡间带宽提升了8倍，为大规模并行下的稳定性提供了底层支撑。

昆仑芯超节点则回答了另一道企业追问：如何在有限空间和成本下持续扩容。它把64张卡集成在一个机柜，相当于100台传统服务器。单卡推理性能提升95%，单实例推理能力提升8倍。企业不需要自建昂贵的机房，就能在公有云上获得万亿参数级的训练能力。

2025年7月，基于“百度百舸AI计算平台+昆仑芯P800”构建的国产万卡集群还率先成为首家通过中国信息通信研究院测评的国产万卡级别集群，

如果稳定运行算第一道关口，那么定制化就是第二道。很多企业在试点时发现，模型能跑起来，但并不能直接适应业务，微调门槛过高，时间和成本都难以承受。

千帆4.0的升级对准了这个痛点。它提供超过150个精选模型，可以随时切换，避免了重复部署带来的开销。更关键的是，新引入的RFT（强化反馈精调）工具链，把微调的数据需求压缩到几百条样本。这让企业可以在更短时间里完成定制，业务部门也更容易把模型对接到实际流程。

数据问题更为棘手。日志、表格、图片、视频散落在不同系统里，工程师往往把一半以上的时间消耗在清洗和准备环节。千帆的数据智能平台提供了覆盖采集、处理和检索的全流程能力，把非结构化信息转化为可调用的知识。

在百度内部，千帆数据智能平台已经服务了像文心大模型和文库等多个产品的研发，数据开发效率提升30%到6倍不等。从“数据是负担”到“数据是燃料”，企业内部的沉淀资产开始真正进入AI流水线。

适配之后，问题转向复制。一个试点能跑通，不代表能迅速推广。复制速度，往往决定了AI的价值能不能放大。大会上发布的新版本“一见视觉大模型平台”展示了工序合规分析能力：只需20分钟，一段标准操作视频就能转化为有复杂工序的AI技能。生产节奏因此更快，培训和应用的边际成本被显著压缩。

另一方面，基于慧播星数字人技术的数字员工正在直接进入业务系统。在内容和电商场景中，数字员工能承担视频翻译、自动创作与分发，帮助团队在更低成本下实现规模化运营。

这些更新并非孤立的功能叠加，而是长期战略的延续。2015年，百度率先布局AI云，并且在2019年提出“云智一体”，算力、模型和应用得以在同一架构中循环。今年则进一步演进为“智能优先”，把端到端的衔接和优化作为核心。

从更长远的生态演进来看，AI正在推动云服务的结构性变化。甲子光年创始人兼CEO张一甲在《AI共潮生：2025中国AI新风向30条判断》中提出，随着AI与云的深度融合，将形成覆盖IaaS、DaaS、模型层、PaaS、MaaS、应用层和终端层的“AI智能云服务生态体系”。这种新生态趋势表现为“数字生态拍扁、物理生态延长”：数字层次更趋统一，而从芯片到应用再到终端的纵向链路被不断拉长。

百度智能云的差异化，恰好体现在这一纵深结构上的完整覆盖：从昆仑芯P800万卡集群，到千帆平台的数据智能与Agent落地，再到一见视觉平台和数字员工等行业应用与终端产品，形成了可以持续演进的闭环。这使其在生态重构的拐点上，具备了少数厂商才有的系统化优势。

3.确定性的价值

AI云是否真正进入生产系统，在于能否跑出可复制的标杆项目。

2025上半年，我国大模型相关项目呈现爆发式增长态势：中标项目累计达1810个，金额突破64亿元，中标项目数超2024全年，大模型的落地正在从零散试点，走向规模化应用。其中百度智能云在金融、制造、能源、政务等领域的大模型项目中标数量和金额均居首，说明在许多传统行业的大模型落地背后，都有百度作为支撑。

走进钢厂的质检车间，这种变化更容易被感知。过去，工人们要在放大镜下逐张比对显微照片，判断材料是否合格。效率低，结果也容易随经验波动。如今，冶金流程感知大模型接管了这一步：三类任务被统一交给模型，2000张图片在100秒内就能完成判定，准确率稳定在95%以上。结果直接体现在生产曲线上，废品率下降、良品率上升，经营指标的改善被迅速量化。

另一端的场景则来自银行客服大厅。高峰时段电话不断涌入，过去常见的拥堵和长时间等待，正在被AI客服替代。基于慧播星数字人技术的数字员工，也让常见问题在一分钟内得到解答。

效果实现后，第二个问题在于能不能保证安全。能源行业的痛点最为典型。某大型风电集团的作业现场分布在全国各地，以往依靠抽查或人工复盘来识别风险，高危事件往往在事后才被发现。接入百度智能云的一见平台后，摄像头把实时画面传回后台，AI能自动识别不规范操作和设备异常，当场触发报警。人工巡检工作量减少了75%，安全管理第一次具备了实时性。

在此基础上，扩展和复制的价值才会显现。消费和内容行业的应用，正在尝试把AI变成新的业务单元。

李未可科技的AI眼镜重量不足40克，支持128种语言翻译和语音转写，用户把它当作随身导游与秘书，背后是百度的多模态处理能力。心影随形推出的虚拟伙伴“逗逗”，能够进入玩家语音频道，实时提出走位建议，和用户保持自然交流。

要让这些结果可复制，数据治理是绕不开的环节。企业自有数据类型复杂，SOP、日志、合同、传感器信息往往分散在不同系统。千帆平台的数据智能能力覆盖采集、清洗和检索，把零散数据统一成模型可调用的输入。

在冶金大模型中，SOP被标准化后，工序经验得以快速复制；在风电安全管控中，日志与图像治理支撑了全国范围的实时监控；在金融客服中，统一后的数据保证了请求被准确匹配。只有把数据打通，AI才能持续稳定地嵌入生产。

这种方式，已逐渐接近业内正在讨论的“Result as a Service”。AI不再是一锤子买卖，而是通过标准化和复用不断放大收益。一个试点项目如果能够快速复制到多个部门，带来的价值就会进入企业的长期增长曲线。

2025到2026年，是企业确定AI底座的关键窗口。项目多快能上线，多久能稳定运行，多久能带来第一笔收益，决定了预算能否持续。AI云已不再是试水的选项，而是企业能否保持增长的必答题。

在这一转折点上，厂商的差距会被迅速拉开。只有把算力、平台、应用打通，并在生产系统里交付过可量化成果的平台，才能进入企业的长期清单。

百度是行业内最早提出“智能云”概念的厂商，长期的前瞻和战略定力，使其在AI云赛道上率先完成了从方向到落地的闭环。2025年第二季度，百度总营收327亿元，其中AI新业务收入首次突破百亿元，同比增长34%，主要得益于智能云业务的高速增长。

十年的积累，让百度智能云在“准确前瞻—高效落地—地位领先”的路径上逐步跑通。今年的云智大会，更展现了百度将复杂能力转化为稳定结果的实力，并已在金融、制造、能源等核心行业落地应用。

对于正在寻找盈利引擎的企业来说，这种确定性，正在成为最值得下注的理由。

（封面图及文中图片来源：百度智能云）