四家大厂同时动Agent，百度选了条最不一样的路

沈抖的三驾马车与百度智能云的新拐点。

新眸原创·作者 | 周韵

7月以来，国内四家大厂在同一个季度做了同一件事：调整Agent业务的组织架构。

阿里把QoderWork、悟空和MuleRun整合为千问办公，腾讯把QClaw相关业务调入WorkBuddy所在部门，字节进一步整合飞书和豆包的产品团队。三家的方向一致——收拢，把分散的入口合并，减少内部消耗。

百度走了相反的路。8月底，百度智能云把原平台产品事业部更名为智能体事业部，MaaS和千帆品牌划给基础设施事业部，数据平台转入智能应用事业部。

当其他人在"合"，百度在"拆"。

这个反差容易被解读为路线之争。但放在更长的时间维度里看，四家大厂在同一个季度做同一件事，说明的不是谁对谁错，而是Agent这个业务已经到了需要重新定义组织关系的阶段。至于百度选择拆分，和它自身的业务结构、团队能力、甚至三个人的履历都有关系。

这次调整中最值得细看的，可能不是Agent的独立，而是千帆的去向。曾经被当作AI云核心平台来打造的千帆，和MaaS一起被放进了基础设施事业部，和算力、芯片、昆仑芯放在同一条业务线上。

这距离千帆以"大模型平台"的身份亮相，不过三年。

三年里，AI行业换了三个关键词：大模型、MaaS、Agent。每一个都曾被寄予平台级期望，每一个都在落地后被重新归类。百度智能云的这次架构调整，某种程度上是在为这三年的概念热潮做一次组织上的清算——让每一层业务回到符合其商业本质的位置。

前段时间发布的Q2财报为这次调整提供了注脚：AI云基础设施收入73亿元，同比增长50%，其中GPU云增长283%；AI应用收入25亿元，同比增长3%。一个在狂奔，一个在踱步。收入结构的分化，和组织架构的拆分，几乎是同步发生的。

01

MaaS回到它该在的位置

2006年，亚马逊推出EC2和S3的时候，没有人把它叫做"平台"。它就是一个按小时出租虚拟机和存储空间的服务，API简陋，功能单一，毛利不高。后来的人把这一年视为云计算的起点，把EC2归为IaaS。

平台层的出现要晚得多。Google在2008年推出AppEngine，Salesforce在2007年推出Force.com，PaaS（平台即服务）的概念才逐渐成形。而SaaS的爆发更晚，直到2010年代才成为云计算收入增长的主力。

云计算用了将近十年完成分层：基础设施先规模化，平台层在基础设施成熟后逐步演化，应用层在最上面找到自己的客户。这个顺序没有被设计出来，是商业规律倒逼的——没有稳定便宜的算力，平台就没有存在的基础；没有标准化的平台能力，应用就无法规模化。

AI云正在经历类似的过程，只是速度快了很多。

2023年千帆发布时，MaaS（模型即服务）被描绘成AI时代的AppStore。企业客户通过平台调用各种模型，平台方收取调用费用，沉淀生态和开发者。这个叙事的吸引力在于，它暗示了一个高毛利、有网络效应、赢家通吃的平台级机会。

但三年下来，MaaS的商业本质逐渐清晰。按token调用计费，本质是算力的二次封装。客户为模型调用付费，最终购买的还是计算资源。当推理成本下降，MaaS的价格也在同步下降，毛利空间被压缩到和云主机类似的水平。

这是一门规模生意，拼的是资源利用率和交付效率，和平台生态关系不大。

百度把MaaS和千帆划进基础设施事业部，让它们和算力、芯片、昆仑芯在同一条业务线上，实际上是承认了这个现实。接近此次调整的人士的说法很直白："MaaS本质上就是Infra。"

负责基础设施事业部的侯震宇，是百度最资深的基础架构工程师之一。他2003年加入百度，是贴吧、知道、网盘这些亿级产品的奠基工程师，后来长期负责系统部和基础架构。他在公开场合多次提到一个词是"单位算力的智能密度"，核心逻辑是效能优先——在有限的算力资源下，通过调度和优化提升单位产出。

这个背景和MaaS的需求高度匹配。模型服务和底层算力由同一个团队交付，客户不再需要同时对接两个部门，昆仑芯的算力调度和千帆的模型推理可以在同一条链路上打通。对于百度这样拥有自研芯片的公司而言，这种整合的意义不止于降本，它意味着从芯片到模型的全栈优化可以在一个组织内闭环。

Q2财报里有一组数据可以印证这个方向：GPU云收入同比增长283%，连续四个季度三位数增长，管理层特意强调这是"在较高基数上进一步加速"。而昆仑芯P800三万卡集群已于2025年上半年点亮，招商银行超过800个AI应用中逾半数运行在昆仑芯P800上，The Information甚至报道腾讯已成为昆仑芯的客户。

算力的生意已经跑通了。MaaS回到基础设施，算不上降级，更接近归位。

02

Agent的组织挑战

如果说MaaS的归位是对过去的清算，Agent的独立则是对未来的下注。

但这个下注面临一个所有大厂都没解决的问题：Agent到底是一个入口级产品，还是一项功能级能力？

如果是入口，它需要独立的品牌、独立的团队、独立的增长目标；如果是功能，它应该被嵌入到已有的产品矩阵里，和办公、搜索、协作等场景深度绑定。

四家大厂在同一个季度调整组织，反映的正是这种不确定性。

阿里、腾讯、字节选择收拢，逻辑是Agent还没有强到可以独立成为入口，不如把它嵌入到已有的办公产品里，用现成的用户场景和流量来喂养。

百度选择拆分，逻辑则相反：Agent在平台事业部内资源聚焦度不足，需要独立出来给更高的优先级和更短的决策链。

两种路径没有绝对的对错，取决于各家的基础。百度的搜索基因决定了它对"入口"有天然的执念，而殷大伟的履历也暗示了这种方向。

殷大伟是搜索策略出身，在搜索领域深耕十余年，去年才从搜索策略总监调岗智能云执掌技术战略。搜索和Agent在技术底层有相通之处，都是理解用户意图、组织信息、给出答案。区别在于搜索返回的是链接列表，Agent返回的是执行结果。殷大伟的背景，意味着百度智能体事业部的思路可能更接近"下一代搜索"，而非"办公插件"。

这也解释了为什么百度搭子在前不久的发布会上强调PC端月活674万、环比增长1063%。PC端是搜索的传统阵地，也是生产力工具的核心场景。但这个数据有几个值得留意的细节：只统计了PC端而非全端，采用的是环比而非同比，数据来源是第三方AI产品榜而非百度自有统计。

这些选择本身就说明了Agent产品在数据披露上的微妙处境。674万PC月活在数千万级全端月活的竞品面前并不突出，1063%的环比增长则暗示此前的基数相当低。

百度集团层面为此提出了一个新指标：DAA（日活跃智能体数），而非传统的DAU。

一个用户可以同时运行多个智能体，一个智能体也可以为多个用户完成任务。这个指标的切换，反映出百度对Agent形态的理解正在变化——衡量的重点从"多少人在用"转向"多少智能体在干活"。

但指标的创新不能替代商业化的验证。殷大伟团队需要回答的问题是：用户是否会持续使用，是否愿意付费，订阅收入能否覆盖完成复杂任务所需的模型和算力成本。

这些问题在行业内普遍存在。组织调整可以给资源、给位置、给优先级，却不能替产品找到答案。上一轮集体成立大模型事业部的热潮还没完全退去，这一轮集体成立Agent事业部，会不会重蹈"组织先行、产品滞后"的覆辙，目前还没有人能给出确定的回答。

03

三个人，三种生意

调整之后，沈抖手下形成了三驾马车的格局。侯震宇管基础设施，殷大伟管智能体，阮瑜管智能应用。三个人平级，各有明确的业务边界，但业务上又高度依赖。

值得注意的是三个人的履历和他们负责的业务之间的对应关系。侯震宇是基础架构工程师出身，管的是算力和模型服务，注重资源利用率和成本控制；殷大伟是搜索策略专家，负责通用Agent产品，要看用户体验和任务完成率；阮瑜从事互联网产品运营十余年，管的是行业应用和数据智能，拼的是客户数和解决方案复用率。

三种能力模型对应三种完全不同的生意。

基础设施是成熟生意，有清晰的收费项目和增长目标，下一步是扩大规模、提高效率。智能体是探索生意，用户规模达到一定量级后商业化路径才会清晰。智能应用则是项目制生意，主要通过行业解决方案和数据智能服务获得收入，核心指标是客户数和复用率。

阮瑜负责的智能应用事业部，重点推行FDE（前置部署工程师）式交付。这个模式因Palantir而知名，工程师驻场客户现场，深度参与业务流程，定制化交付。Palantir靠这套模式服务了美国情报机构和大量顶级企业，维持了极高的毛利率，但代价是人力成本沉重、规模化困难。

从行业来看，AI应用领域还没有足够标准化的产品，每个客户可能都需要深度定制，而复用率低又制约了规模化。对应到百度的调整，将数据平台部更名为数据智能部并转入这个事业部，也是为了让数据能力离行业项目更近，减少从数据处理到业务应用之间的协作成本。

这让人想起2000年代初的企业软件行业。当时SAP、Oracle的实施交付也高度依赖咨询顾问和定制开发，一套系统上线动辄半年一年。直到SaaS模式成熟，标准化的产品才逐步替代了重度定制。

AI应用可能正在经历类似的阶段，在能力还没有形成稳定的抽象层之前，人力交付是不可避免的代价。

沈抖需要在这三种业务节奏之间找到平衡。他2012年加入百度，从联盟研发部做起，历任网页搜索、金融服务、百度APP和信息流负责人，2019年执掌移动生态事业群组，2022年调任智能云。李彦宏对他的评价是"具有战略视野，敢打硬仗、能打胜仗"。

在移动生态时期，沈抖最核心的能力是变现——把流量变成广告收入。到了智能云，他面对的是一个更复杂的命题：如何让三种节奏完全不同的生意，共享同一个AI技术底座，又各自找到可持续的变现模式。

三驾马车的架构，本质上是把这个命题拆解成了三个可以独立核算的单元。基础设施看资源利用率，智能体看留存和付费，智能应用看客户数和复用率。过去这些协调发生在一个部门内部，现在变成了三个平级事业部之间的协作，协调成本上移到了沈抖自己身上。

这是放权，也是把矛盾集中到自己面前。

回头看百度智能云的这次调整，它更像是一次对业务现实的承认，而非一次激进的战略转向。

MaaS回到基础设施，是承认模型服务的本质是算力生意；Agent独立成军，是承认这门新业务需要单独的资源和考核；数据和应用放在一起，是承认AI落地还离不开深度的行业服务。

三个动作合在一起，勾勒出AI云行业当下的真实面貌：基础设施在赚钱，应用在探索，Agent在等待验证。

云计算用了十年完成分层，AI云可能只需要三到五年。这个过程中，组织架构的每一次调整，都是在为概念热潮降温，为商业现实让路。

百度不是唯一面对这个问题的公司。阿里云、腾讯云、火山引擎的收入结构里，算力和应用的比例关系同样值得审视。区别只在于，谁先承认现实，谁先调整组织，谁先在新的业务边界里找到增长的位置。

沈抖的三驾马车已经起跑。赛道不同，终点是同一个：让AI真正变成一门可持续的生意。

本文系新眸原创，申请转载授权、商务合作请联系微信：ycj841642330，添加好友请备注公司和职位。

更多内容，点击下方关注