行业观察｜百度现在更像一家AI Infra公司

亿级Agent时代即将来到，扎进Agent 地基里，也许能站得更稳、走得更久

文｜吴俊宇

编辑｜谢丽容

2026年，Agent（智能体）落地已经是AI产业的重点。

5月13日，Create 2026百度AI开发者大会，百度创始人李彦宏提出，AI不仅仅是模型，它是系统，是新一代计算机。百度作为平台型公司，为支撑智能体应用爆发，构建起了“芯云模体”全栈能力。整个底层基础设施，必须为智能体这个全新的主体重新搭建，方便智能体来调用。

算力基建潮后，下一个浪潮是AI应用，面对未来亿级Agent运行需求，百度正在试图重构一套覆盖“芯片-AI云-模型-智能体”的新全栈AI。

在今天，百度现在更像一家AI Infra（AI基础设施）公司。过去，市场常常将AI Infra理解为芯片、服务器、数据中心等硬件。但模型和Agent正在让它的内涵逐渐扩展——其中不仅包括芯片和AI云，也包括基础模型、Agent平台等一系列软硬件基础设施。

百度这一系列做法都是为了解决这一系列问题——如何让Agent发挥更大的价值？如何衡量Token（词元）价值？如何降低每一个Token的成本？

据我们不完全统计，2025年12月1日-2026年4月24日，全球11家主流模型公司，144天内至少发布或迭代了53款模型，平均每2.7天就会有一款模型发布或迭代（详见）。

国际市场调研机构IDC 2026年预测，全球活跃Agent（智能体）数量将从2025年的2860万，增长至2030年的22.16亿。五年后，活跃Agent数量将是目前的近80倍。

国家数据局3月24日显示，截至今年3月，中国日均Token调用量已超过140万亿，相比2024年初的1000亿增长了1400倍。

模型性能不断提升，Agent不断普及，Token消耗量指数级增长。世界正在奔向“亿级Agent”的时代，这是个螺旋上升的过程。

芯片决定单位算力成本，AI云决定资源调度效率，模型决定Token生成效率，Agent则决定Token能否真正产生业务价值。

百度这套“AI新全栈”，不仅要让Agent更好地完成任务，并在真实业务中稳定运行、持续进化、可管可控；也要让Token效能做到更高，提供每瓦性能更强、性价比更高的AI算力，进而转化成更好的Agent效果。

一个关键信号是，2025年三季度开始，百度财报不再按照“广告+非广告”划分业务，而是按照“AI新业务+传统业务”划分业务。百度今天的自我定位已经不再是一家流量和广告驱动的互联网公司，它更像是一家AI Infra公司。

做好Agent基础设施

在今天，Token成了很多公司AI转型的“北极星指标”，也成了大部分云厂商的核心销售指标。但是一个现实问题是，Token目前并不能真正反映业务价值。

因此，李彦宏提出一个观点——AI时代的度量衡可能是“日活智能体数”（Daily Active Agents，简称DAA），与移动互联网最通用的度量衡“日活用户数”（DAU）相对应。

在他看来，目前较接近业界共识的度量衡是Token消耗，但Token不一定代表终局，它代表成本，并不代表收益。它衡量的是投入，而不是产出。当人类进入智能体时代，衡量一个平台和生态的繁荣，更应该关注DAA这个指标，关注有多少Agents在给人类干活，并交付结果。这比无谓的Token消耗，更接近价值，也更接近本质。

李彦宏提出“日活智能体数”这个指标，实际上在说清楚，究竟什么才是有效Token。因为，很多企业2026年在Agent落地过程中正在遇到一道门槛——Agent框架还不成熟，30%-60%的Token被浪费了（详见）。

事实上，技术发展早期，没有浪费，就没有进步。Token浪费是行业发展早期出现的正常现象。因为，Agent就像一匹尚未被完全驯服的“野马”。它在执行任务时四处飞奔，不一定会按照人的意志朝着最短路径行走。它可能消耗100万Token，却没有真正完成任务。这些Token最终只是无效计算。

因此，Agent工具目前更重要的优化方向是——调度能力、长程执行能力、多Agent协同能力、任务完成率。做好这些工作之后，才能产生更高的单位Token价值。

那么，如何让企业客户真正用好自己的Agent？百度主要做了两件事情。

一方面，推出一批自研Agent产品，作为真实场景中的“样板间”，用户和开发者可以直接拎包入住。另一方面，提供成熟的Agent Infra（Agent基础设施），让企业内的开发者、业务人员搭建自己的Agent。

百度的自研Agent产品包括百度搭子DuMate（面向企业和个人的通用智能体）、秒哒（生成式应用开发平台）、伐谋（企业级的算法自进化智能体）、一镜（全场景多智能体数字人平台）。这些自研的成熟Agent产品正在各行各业大量落地。

2026年，最热门的通用Agent工具包括Anthropic的Claude Code、OpenAI的Codex，以及OpenClaw“龙虾”。此次发布的百度搭子DuMate与之定位类似。它将百度AI搜索、秒哒、伐谋等核心产品能力集成内置技能，还具备长程任务执行与主动决策能力。

百度方面称，百度搭子DuMate在开源基准测试平台PinchBench的Agent基准评测中达到了SOTA（业界头部）水平。

百度相关技术人士在一场小规模沟通中对我们透露，根据他们的内部测试，百度搭子DuMate在执行任务时的时长更短、Token花费也更少。

百度几款此前已经发布的Agent工具也取得了不同程度的业务进展：秒哒累计服务的用户已经超过了1000万人；伐谋已经被运用在中信百信银行的金融风控场景，以及中国能源建设集团广东院的海上能源平台的管线设计规划场景；此前一镜用于罗永浩的电商直播带货中，目前已经被一批知名的教育、电商博主使用。

这些百度自研的Agent产品，可以提供成熟服务。但在企业真实业务实践中，还有大量开发者、业务人员自己搭建的Agent，这些Agent正在企业内部工作流中不断生长。因此，企业还需要一套能够驾驭Agent的基础设施。百度给出的解决方案是千帆平台。

百度智能云AI与大模型平台总经理忻舟在一场小规模沟通中对我们解释，当前大模型在企业中的落地速度，远慢于模型能力增长速度。原因在于，企业真正缺少的并不是模型，而是完整的Agent运行基础设施。这些能力，决定了Agent能否真正进入企业生产环境。

百度千帆平台2023年3月诞生至今正在逐渐进化。它从最初的MaaS（模型服务）平台，逐渐进化成了今天的“MaaS+Agent”平台，支撑着企业使用模型和Agent。

它有更好的Agent驾驭工程（Harness Engineering）。其中不仅提供了完整的Agent执行环境。其中包括沙箱系统、工具调度、长上下文管理、多Agent协同、Agent安全体系、可观测系统等，还包括丰富的skill（技能）插件生态。它还有一项重要的能力是，把不同复杂度的任务动态路由到不同模型，并且通过推理引擎降低整体Token成本。

也就是说，千帆平台可以让Agent跑得快、跑得省，根据百度方面披露的数据，在百度的Agent Infra上，Token消耗量可以节省23%，任务成功率超过95%。

降低每个Token的成本

除Agent Infra可以降低成本，芯片和算力硬件层面也可以降低每一个Token的成本。

2026年，降低Token总成本的需求正在变得更强烈。因为，Agent工具的Token消耗量远超过去的AI对话工具。因为，Agent执行的是一系列任务。任务过程中，模型会不断用代码规划任务、调用工具并记录执行状态，每个步骤都可能触发新的模型调用。

一次对话可能只消耗数千Token，但一次任务可能就会消耗数万，甚至数十万、数百万Token。这会导致Token成本指数级增长。

百度创始人李彦宏在阐述百度的“芯云模体”新全栈AI能力

百度的做法是，通过“芯片-AI云-模型-智能体”的全栈协同，从这四层入手降低每一个 Token的成本。在Create 2026百度AI开发者大会上，百度集团执行副总裁、百度智能云事业群总裁沈抖提到了“新全栈”这个观点。

他认为，当高活跃、高价值、规模化的智能体应用开始进入到客户的业务场景，AI云服务也必须重新定义。百度智能云正在转型升级成面向大规模Agent应用的“新全栈”AI云。

什么是“新全栈”，沈抖也进行了一些解释。

在Agent Infra上，要把单位Token的智能水平做到更好，让智能体更好地完成任务，并在真实业务中稳定运行、持续进化、可管可控。

在AI Infra上，提供每瓦性能更强、性价比更高的AI算力，把Token效能做到更高。让每一次训练和推理，都转化成更好的智能体效果。

芯片决定单位算力成本，AI云决定资源调度效率，模型决定Token生成效率，而Agent则决定Token能否真正产生业务价值。在芯片和AI云这两层，百度都取得了业务进展。

百度昆仑芯P800经过了真实的大模型训练、推理的锤炼。它目前销量不错，且单卡Token吞吐效率在国产AI芯片之中位居前列。国际市场调研机构IDC和摩根士丹利在2026年的数据显示，昆仑芯P800目前在国产AI芯片市场出货量位居前三。

早在2025年4月，百度昆仑芯P800就已经点亮了三万卡集群。此后，昆仑芯P800在互联网、金融、制造、教育、能源等行业都实现了超万卡交付。百度方面披露，在招商银行，昆仑芯P800支撑了50%以上的AI应用的运行。

目前百度的文心5.1大模型就是在昆仑芯P800上训练出来的。一位了解昆仑芯P800的资深技术人士对我们表示，经过近三年持续迭代，在典型训练场景下，昆仑芯P800模型训练精度对齐问题已不是主要障碍，在训练中小参数模型时也有一定性价比。后续重点是性能和工程层面的持续优化。

一位地方国企智算技术人士2025年12月曾对我们表示，他测试了昆仑芯P800等国产AI芯片的推理性能。昆仑芯P800跑DeepSeek-R1和阿里千问等经过适配优化的模型，Token吞吐效率优于英伟达H20。不过，国产AI芯片适配新模型，通常要一两个月。

百度昆仑芯P800还在推出256卡/512卡超节点产品。256卡昆仑芯超节点，已经在今年4月点亮，将在6月上市。百度方面披露的数据显示，它和国产主流模型进行了深度适配，推理效率提升50%。

超节点，是中国市场在先进GPU（图形处理器）长期紧缺、单卡性能相对不足的背景下采取的解决方案。超节点会把成百上千枚AI芯片集成在一个算力机柜中，常见规格包括32卡、64卡、128卡、256卡、512卡乃至1024卡。

它的核心并非简单堆叠芯片数量，而是用更大的集群规模、更快的带宽网络、更高的调度系统，把芯片组织成一个高效运行的整体。这可以减少因通信、散热等造成的性能损耗，进而提升整体有效算力——最终降低单位Token成本。

但降低单位Token成本，并不仅仅取决于单颗芯片性能，它更是云和集群的系统工程。

Token吞吐的系统瓶颈，也受制于集群调度、网络带宽与数据中心的协同效率。为此，百度正在升级GW（吉瓦）级别AI算力集群的建设方案。1GW级别的AI数据中心，已经接近一座中型城市的持续电力负荷，可以容纳10万级别的AI芯片协同运行。

百度智能云还在采取更多精细化的资源调度，例如，潮汐调度可以在不同时间段动态分配芯片资源，实现“削峰填谷”；P/D分离则会将推理中的计算密集型任务、高带宽任务分别分配给更适合的芯片；KVCache则通过缓存上下文，减少重复计算。

这些系统工程优化，最终目的都是用更低的成本吐出更多Token。

百度的定位变了

2025年三季度开始，百度的财报披露口径进行了一次调整。

此前，百度习惯用在线营销、非在线营销（智能云、其他业务）口径来披露自己的收入。按“广告+非广告”划分业务，这意味着广告仍是核心坐标。

但在这之后，百度财报采用了百度核心AI新业务（智能云基础设施、AI应用、Robotaxi、AI原生营销服务）、传统业务及其他这个新口径。现在按“AI新业务+传统业务”组织收入，这意味着AI业务已经是百度新的经营中心。

百度的财报口径变化，其实是在向市场说清楚自我定位。这种变化是及时的，它发生在百度的传统互联网广告业务进入结构性调整阶段，云、芯片、AI应用等业务有了规模化收入且战略方向清晰之时。

它的好处是，百度开始真正以独立经营的视角看待云、芯片、AI应用这些业务。这有助于破釜沉舟，真正把云、芯片、AI应用这些新业务做好。

按照这次新口径的统计，百度核心AI新业务2025年营收400亿元，同比增长48%。它在百度一般性业务（百度集团剔除爱奇艺之后的业务板块）中占比39%。

百度核心AI新业务三个板块2025年取得了不错的增长。智能云基础设施营收198亿元，同比增长35%；AI应用营收102亿元，同比增长5%；AI原生营销服务98亿元，同比增长301%。

事实上，现在的百度，从业务和财务重点来看，已经不是一家以互联网广告驱动的互联网公司。百度更像是一家以云、芯、AI应用等业务为主的AI Infra公司。

近两年，如果从超级AI应用、用户流量、AI对话工具日活等维度来看，百度并不是当前最具爆发力的AI公司。

做一款亿级日活的AI对话工具，并不是它的必选项。这不仅是因为算力成本太高了，真正打赢这场仗的概率太低。更关键的是，这和它的战略主线是偏离的。

2021年之后的百度，真正押注的方向并不是高流量的入口，而是AI基础设施——其中包括云、芯片等。

从2021年-2025年，传统广告业务面临结构性调整，以广告为核心的互联网公司，核心业务逻辑是流量变现，短视频、直播的火爆让这些公司流量变现的空间受到挤压。这几年，百度一直在采取用传统广告业务的现金流，去系统性支撑智能云、芯片、自动驾驶等面向未来的业务。

也就是说，百度的资源配置优先级很早就已经转向智能云、芯片等AI Infra业务。百度过去20多年长期积累的大规模搜索与推荐能力，正在迁移到AI时代的推理基础设施中。这些领域，百度的资本支出、研发支出相对更容易形成壁垒。

所幸的是，百度的AI基础设施业务——智能云、芯片，乃至是一批Agent工具业务已经逐渐长大，其中的智能云甚至能够自我造血。

AI时代的公司，正在逐渐分层。一些公司专注做超级应用，一些公司专注做基础模型，一些公司专注做Agent，一些公司专注做AI Infra。不同层级的公司，它们的商业模式、增长节奏、资本开支结构与资本市场预期，也开始变得不同。

作为一家AI Infra公司，百度可能很难像基础模型公司、应用公司一样取得爆发式增长。但它会走得更久、更稳、更长周期。因为，这些基础设施层的业务，需要一点一滴的改造。它需要优先考虑强化自身技术壁垒，进而取得稳健的增长和利润。

在AI产业新的分层结构中，百度正越来越偏向AI Infra这一层。