产业智能体操作系统，是什么？给企业带来什么？

文：董指导

AI产业最近很有张力。

一些舆论在质疑AI实力太虚、模型不行，泡沫化严重；但最懂AI的人，不是担忧泡沫，而是“你嫌快，我还嫌快呢”。

9月12日，海外大模型巨头高管，呼吁整个行业“放慢前沿模型能力推进的速度”；马斯克和OpenAI的Sam Altman则随即表态赞同。敢情减速不是不行，而是太行了。黄仁勋也在参加论坛的时候，当面接通特朗普的电话，驳斥AI泡沫论。

与此同时，过去一年多，在AI算力上的投资，不断增加，2025年数据中心资本开支增长57%，今年年底有望突破1万亿美元；但另一头，企业的回报，似乎又看不到。

MIT的《The GenAI Divide》报告显示，在AI上花钱的企业，有95%还没获得任何可衡量的营收或利润。甚至资本市场都一改口风，对企业增加资本开支从支持转向谨慎。

一边喊慢，一边加钱；一边狂建，一边没回报。

但这两组矛盾的核心，其实是同一件事儿：AI，尤其当下最火的智能体，到底能不能、怎么能进入企业真实业务？

我也经常带着这个问题参加科技活动，到产业、企业调研。9月16日，我到北京参加了百度智能云在与人民日报合办的2026智能经济论坛，百度智能云给的答案是：产业智能体和其背后的操作系统。

这篇文章，就是对这个答案进行拆解，来看看回应了什么、又带来了什么。

办公智能体，只是第一步

首先，要明确的是，AI投入并非泡沫，甚至实际投入远未达到基础设施级别。企业看不到回报，不是因为钱没花够，而是源于投入结构。

目前的钱都花向了算力和模型；但在模型和业务工作流之间，还存在鸿沟。工具一进真实工作流就学不会、记不住、接不上。这道鸿沟，需要技术、产品和资金来填平。

所以，在2026年，Harness工程大放异彩。Harness是模型外面那层脚手架，包括工具调用、记忆、规划、沙盒等等。随着脚手架不断完善，智能体的任务完成度也越来越高。

于是，AI办公率先火热了起来，大厂纷纷加码。根据易观统计，今年6月17款主流桌面端AI办公智能体的月访问量，突破6000万次，而在3月还只有2000万。

办公场景高频、高粘性、付费意愿强，是继Coding编程之后最容易落地的场景，重要性毋庸置疑。百度智能云也发布了百度搭子，有许多面向办公场景的功能、Skill，但他们却并不把搭子只定义为办公智能体。

就像在今天的论坛上，沈抖认为，办公只是智能体进入产业的第一步，不是终局。

确实如此。一方面，写周报、做PPT等狭义办公工具的价值会下移，转化为通用智能体顺手就能干的"原子能力"，就像计算器的功能被手机吸收；真正的办公，例如拉通资源、对齐信息、做经营分析，这是企业所有需要横向协调的日常经营，也是百度发力B端，用“通用智能体”要解决的问题。

另一方面，从规模角度来看，政务、制造、能源、金融等四大行业，会成为智能体的主流市场。

热闹在C端，经济价值在B端；声量在办公，纵深在产业。

海外就有一个佐证。就在95%的企业试点没有回报的同一年，Palantir这家公司，不卖模型、专卖“把AI接进企业数据和流程”，却实现了业绩的持续增长，年度指引还上调到82%。它的产品包括本体(ontology)、权限、流程、审计等等，这些都是用来填平落地鸿沟的。

看来，只要填平了鸿沟，B端也会非常热闹。百度智能云提出的产业智能体，就是一个智能体+产业系统，结合企业里面的知识、数据、流程、工具和一系列要求，在真实场景里交付结果。这其中又分为了三类：通用智能体、专业智能体、定制智能体。

接着我就来梳理下为什么会是这三类，只是名字不同，还是事出有因？

三类智能体：想客户之所想

一家企业里的任务进行分类，大致是这样的：20%是日常运营类，像收材料，做分析，组织会议、撰写会议纪要等等。这类工作为了把整个运营串起来，或者为后续专业任务提供支撑；然后，专业类任务占30%；剩余的50%，是真正决定企业经营的核心任务。

活不一样，能力、要求、边界控制等等，自然也不同。由此需要的智能体，也有了区分。

通用智能体，比如“百度搭子”(DuMate)，对应20%的日常运营类任务。

它的底层有一个Harness系统，采用了三层Harness，可以围绕一个具体任务，并根据任务复杂程度选择合适架构，然后调用相应的能力和资源，在授权范围内，端到端地把一个事情完成。它能够承接需要几十分钟、数小时甚至更长时间的复杂任务。

企业原有应用可以便捷进入搭子工作台，无需改变使用习惯，也支持私有化部署。因此，它可以作为企业的统一入口，员工在对话框里发起任务、完成交付。企业版目前已发布15个套件、近百项技能，覆盖日常需求。

专业智能体，对应30%专业任务，这类任务通常足够专业，背后的知识、工具和流程都有很强的共性，结果也比较容易验证。比如代码、组合优化、计算机视觉、数据分析和营销等等。

对于企业而言，这类场景需求的智能体，市面也已经有比较成熟产品了，企业就无需再从0到1，而是直接使用即可。

百度智能云打造了一个能力不同、场景不一的专业智能体矩阵，包括伐谋、秒哒、胜算、一见、Hogee等等。

这些智能体的能力，以及定制智能体的能力，都可以被搭子调用。从而维持工作流的丝滑、完整性，而不至于被产品切断。也进一步提升了搭子“通用”的属性。

定制智能体，对应最关键的一类任务。也就是企业的独门功夫，比如数据、独有的工作流程、沉淀多年的know-how等等。

这些关键环节无法通过泛泛的智能体来做，不只是"别人给不了"，也是"不能给出去"。就像Palantir高管认为，客户的竞争优势，永远不该变成下一代模型的训练数据。

因而，百度开发了百度搭子开发平台，提供全生命周期API，来覆盖智能体的开发运行到管理全流程。而且，也把搭子同款技术开放给企业，保障客户的技术领先性。

目前，有80%的央企、800+金融机构、100%系统重要性银行，都选择了百度智能云。后者也是中国具身智能AI云份额第一，自动驾驶研发解决方案份额第一。

选平台，就跟商圈一样，人气很重要。客户多、商业运转够好，技术研发、资源保障才能到位。

泰康保险集团基于百度智能云的开发平台，相继开发了用于医疗健康、风控规划、销售运营等核心场景的智能体。也基于平台，实现了数据权限、数据隔离等功能，而且这些经验也沉淀为了Skills组件，保持了公司知识资产传承复用。

这么拆解下来，三类智能体的分类，并不是从技术，而是从企业需求、落地路径出发，想客户之所想了。

但要丝滑落地，还差一步。

产业智能体操作系统：屏蔽复杂、提升丝滑

烟囱式建设，是过去二十余年信息化留下的难题。如果每上一个智能体，又起一根新烟囱，那不过是用新技术把老问题重演一遍。

所以，怎么少起烟囱、把智能体连起来？百度智能云对应地提出了"产业智能体操作系统"。

当年电脑操作系统向下屏蔽了硬件复杂性、向上给应用统一接口；现在，产业智能体操作系统也扮演同样角色，向下调度云上算力，存储和安全资源，向上承接任务，判断哪类智能体应该来参加，中间可以连接企业数据、知识、权限等，这样就把智能体、企业系统和云底座组织在一起，让智能体跑在真实任务上。

这是个真实痛点。因为企业需要在保持稳定运营的同时部署AI。对于沉淀的数字化系统、业务经验，就不能顷刻推翻、颠覆，而可以通过Skill或MCP更轻巧地接进来。

百度智能云可以将这套系统做成完整的解决方案，直接交付给企业；企业也可以结合自身数据、流程和经验，定制自己的产业智能体操作系统。

当然，要成为系统，也就必须有好的生态，提供更多的连接，可调用、可沉淀的能力。这对于国内智能体平台，包括百度搭子，都是一个新课题。

而当智能体真正深入产业、规模化落地，竞争就会不可避免地往下压，压到基础设施上。因为智能体不是免费的，而是需要被管理的开销。推理成本越降，token消耗越爆炸，治理需求就越紧。

百度智能云也对应迭代着Agent Infra。比如，Agent Cloud，通过沙盒、安全等功能，保持弹性、安全和透明。谁授权、花了多少、能不能追溯，都了然于心；MaaS彻底资源化，提供150多个SOTA模型、提升了长链路推理性能。

最底层是算力，百度自研昆仑芯P800，已经在互联网金融、制造、汽车等领域使用，也有了成熟的集群；基于昆仑芯的天池超节点，也有多个千柜级部署。

百度宣布已实现天池超节点全栈国产化，并开放了六个核心模块技术规范。这样，不同芯片、部件、整机厂商等上下游伙伴，都能在同一套架构上高效协同。这对于有国产化严苛需求的产业、企业，都是非常实在的利好。

总之，企业真正把智能体接进核心业务，要的都是可控：可控的成本、可控的数据、可控的算力。而能把从芯片到智能体整条链自己跑通、把"可控"一揽子交付的厂商，海内外都不多，百度的稀缺性也可见一斑。芯云模体之间，也会形成飞轮，互相提升、实现综合最优。

而从办公智能体到产业智能体、到产业智能体操作系统、再到全栈布局，百度智能云在做的，其实就是一件事：把token变成一件被真正交付的工作。

---全文完，欢迎交流

理工/金融 复合背景

畅销书《英伟达之道》译者

百亿私募/头部自媒体 双重经历

看清科技、商业本质，讲出精彩故事