作者 | 胡新周
在商业史的长河中，每一次底层技术的跃迁，都会倒逼整个工业体系的重构。
19世纪末，第一辆汽车驶上街头，彻底重塑了钢铁、橡胶与精密制造的供应链逻辑。2007年，第一代iPhone问世，将原本分散的通信、娱乐与计算能力整合成了一个高度协同的“智能终端”。
今天，AI产业正站在一个相似的十字路口。
过去两年，大模型的爆发让市场一度陷入对算力规模与模型参数的盲目追逐。但当AI从实验性的尝鲜走向核心业务的深水区，人们发现，单纯的技术堆砌并未带来预期的生产力跃迁。相反，芯片厂商卖算力、云厂商卖资源、模型公司卖接口的“层级供给”模式，显得笨重而低效，让大量AI项目陷入了“拼积木”式的集成窘境。
这种焦虑，催生了市场对确定性的渴望，也让企业需求发生了本质变化：它们需要的不再是一堆零散的“算力拼图”，而是高活跃、高价值、规模化的智能体应用。
而在智能体时代，决定应用能否规模化落地的关键，已经从单纯的算力供给转向了“Token效率”。当智能体成为业务的核心载体，每一次调用的成本、响应速度与准确性，直接影响了商业模式的效率。
由此，云厂商的核心竞争力也正在发生根本性转变：云服务必须被重新定义，成为一套能支撑智能体大规模运行、持续进化、安全可控，且具备极致Token效率的全栈AI基础设施。
5月13日，百度智能云在以“万物一体”为主题的百度Create大会上提出的“新全栈AI云”，正是对这一时代命题的回应。
会上，百度创始人李彦宏首次提出AI时代的“度量衡”——日活智能体数（DAA）。
在他看来，Token不一定代表终局，它只代表成本不代表收益，衡量的是投入而非产出；DAA则大致对应移动互联网时代通用的度量衡日活用户数（DAU）。“衡量一个平台和生态的繁荣，更应该看的是DAA这个指标，关注有多少Agent在给人类干活，并交付结果。”李彦宏还预测，未来全球日活智能体数（DAA）可能超过100亿。
这是针对Token效率的另一个解法，而百度也准备了自己的答案。当天，百度智能云宣布面向大规模智能体全面升级为新全栈AI云，打造单位Token的智能水平更好的Agent Infra和每瓦性能更强、性价比更高的 AI Infra。
与传统的“组装式”云架构不同，“新全栈”强调芯片、框架、模型与应用在指令集级别的原生对齐，旨在消除跨层级调用的摩擦损耗，为企业构建一个具备长期记忆、工具调用能力与安全围栏的“智能体基础设施”（Agent Infra）。
这并非一次简单的产品升级，而是一场深刻的范式转移。
▌新需求催发新供给
在承接全球各地海量订单的“世界超市”义乌，每一个想把AI嵌入生产销售的厂长都不得不花大量时间进行“粘合”：针对不同环节的问题分别训练模型，再把识别规则、处置流程逐个配置到每个摄像头上。
这是AI 1.0时代的一个典型缩影。
传统云服务采用高度分层的架构：芯片层负责计算，框架层负责调度，模型层负责推理，应用层负责交互。这导致在很长一段时间，企业对AI云的认知和需求是碎片化的，就像工业时代的零件采购——从不同的供应商那里购买服务器、租用存储空间、调用API接口，自己组装、调试，最终拼凑出一个能跑的系统。
但在智能体成为主流的AI 2.0时代，这种“拼图”失效了。
与传统AI应用不同，智能体是整合式的，它能基于简单的自然语言指令，自主拆解并执行综合性的复杂需求。这种变革极大地降低了业务端的摩擦成本、提升了效率，但也对后端服务提出了前所未有的高要求：一个能支撑其大规模并发、持续进化且安全可控的全栈AI基础设施。
当前仍停留在“组件售卖”阶段、零散式供给的云服务，与智能体的系统性需求之间，存在着巨大的错位。
就像一家汽车制造商，从A公司买引擎，从B公司买变速箱，从C公司买底盘，再找D公司来调校悬挂系统。即便每一个零件都是顶级的，整辆车的性能也往往难以达到极致，因为缺乏底层的系统性协同。
在AI领域，这种协同缺失直接表现为算力的浪费和响应速度的迟滞。
智能体在执行任务时，需要在模型、记忆库、工具链之间进行成千上万次的跳转。如果底层基础设施不能实现“芯-模-端”的无缝打通，每一层之间都有兼容损耗、通信延迟和优化瓶颈，每一次跳转都是一次性能的磨损，导致协同效率低下、资产沉淀困难、运维成本高昂。
就像让F1赛车手开拖拉机，哪怕“大脑”再聪明，也很难跑得快。
换句话说，当AI深入各种复杂的应用场景，企业需求从技术单点突破进化为系统重构。新的需求催发新的供给，而新供给背后需要的是一种全新的能力——从层级堆砌转向全栈协同。
这正是百度智能云提出“新全栈”的逻辑起点：不是简单的资源集合，而是一个经过深度优化的“智能有机体”。
过去，全栈能力是AI云厂商的标配，但往往呈现为“分层割裂”的状态，芯片研发、云底座、训练模型、智能体开发，各层之间存在明显的边界。
“新全栈”彻底打破了这种孤岛模式和层级壁垒，将复杂的工程细节封装在底层，让AI像一个“智能器官”一样无缝嵌入企业的业务场景。企业只需要关注业务逻辑本身，就能实现智能体的快速迭代和规模化部署。
比如，通过百度智能云最新发布的一见Claw和智能营销Hogee，每一个义乌商家都可以拥有专属的“AI厂长”和“AI店长”。
AI厂长负责安全生产、质量管理、人员管理等，能独立完成现场感知、判断、干预、汇报；AI店长则不光能熟练使用多种语言承担客服、导购工作，还能帮商家复盘销售数据，结合库存给出调货、促销建议，进行订单的全流程管理。
再比如，在国家电网的巡检领域，传统AI识别准确率只有五六成，一线人员要从大量无效警告中筛查真实缺陷，费时又费力。百度智能云用智能体重新设计了这个流程：小模型在现场初盘，大模型在云端复判，将巡视时间从2.5小时压缩到了45分钟，而且准确率提升到了80%以上。
而在必须跨过数据、模型、本体这三座大山的具身智能赛道，百度智能云提供从算力、平台工具链、数据服务、语音交互、安全等的全栈能力，且即将推出“规模化训练-评测-反馈”的闭环系统，为北京人形、宇树等具身智能企业打造全模态、全链路的模型开发工具链。
这也是为什么，在具身智能AI云市场，百度智能云的份额超过第二、第三名之和。
这些案例足以表明，当前企业需要的不再是孤立的资源，而是一套安全可控、快速迭代的系统性底座，让AI能力从“实验室demo”真正转化为“生产线产能”。
新全栈的本质，就是为企业打造这样一套完整的“数字神经系统”。
▌“大脑”“心脏”与“神经”的完美协同
如果说大模型是AI的大脑，Agent Infra（智能体基础设施）就是遍布全身的“神经系统”，负责感知、记忆和协调动作。
百度Create大会公布了Agent Infra的两大升级：
首先，原有的“MaaS模型服务”已升级为“Token Factory词元工厂”。以Agent-first理念重构产品架构，尽可能减少token重复计算，推理生成速度较市场水平提升约25%。支持文心、DeepSeek、GLM、MiniMax等国产主流模型的调用，提供更具性价比的token服务。
其次，宣布推出“Harness Engineering驾驭工程”，覆盖长上下文管理、持久记忆、工具调用、子智能体调度、评估反馈及Runtime等能力模块，并对各模块进行深度协同优化，在使用浏览器、Office等工具来处理办公场景上的任务时，成功率可以达到95%。
得益于更优的上下文管理，做同样的任务，需要的对话轮次会更少，相比OpenClaw，可以减少23%的token消耗。
这两项升级之后，每一次Token消耗，都转化成更高的业务价值。
而在AI Infra（人工智能基础设施）层面，作为负责泵血的“心脏”，百度智能云在模型训推、集群和数据中心建设等层面实现突破性进展，可以提供性能更强、更具性价比的AI算力服务。
在推理和训练层面，通过对显存、内存到SSD的分层池化架构，使KV Cache命中率超过90%，达到业界最高水平。另外，结合AFD分离、PD分离、缓存调度等优化方案，长链路Agent推理性能较主流开源社区引擎提升3倍。通过提供全模态统一训练框架，让训练效率领先社区1倍以上，且可以100毫秒内拉起大量沙箱环境，提升强化学习的采样效率，将Agentic模型强化学习效率提升了1倍以上。
在支撑训推的算力硬件方面，目前昆仑芯P800已完成规模化验证，2025年至今已交付多个万卡集群。在昆仑芯全国产集群上，已成功完成对文心5.1重要版本的训练，整个集群的有效训练率达到97%，万卡规模集群线性扩展度超过 85%，已经可以满足前沿大模型大规模训练对计算精度、算子稳定性、框架适配和长周期运行的要求。
此外，基于昆仑芯的天池256卡超节点已经在上个月点亮，将于6月正式上市，吞吐性能较上一代提升25%，并完成包含文心、DeepSeek、GLM、MiniMax等主流模型的适配，推理效率提升50%，网络架构升级至HPN5.0，端到端时延优化50%，支持按需搭建数十万卡乃至百万卡超大集群。
Create大会当天，百度智能云也公布了吉瓦级AIDC升级，通过"网络向心布局"设计理念，让计算与网络距离最短，最大限度提升计算效率，规模化落地风液兼容架构，让数据中心的整体建设周期缩短约30%。
新全栈的核心竞争力，不在于单一组件的强大，而在于内部深度耦合带来的系统性优势。
通过自研芯片、框架、模型、应用的四层全栈打通，百度智能云消除了跨层级调用的摩擦，实现了性能与成本的最优解。就像一个人的大脑直接控制肌肉，无需经过复杂的中间环节，反应速度更快，能量损耗更低。
这种供给方式的进化，让AI云厂商能够以更低的门槛、更高的迭代速度，去适配从工业检测到创意写作、从自动驾驶到金融风控的万千场景。它不再是让客户去适应技术层级，而是让整套全栈能力像一个“智能器官”一样，自动长入客户的业务场景中。
在这种一体化架构下，AI不再是需要持续投入巨额费用的成本中心，而是将每一次Token的消耗、每一个智能体的运行，都沉淀为可复用的数字资产。随着使用时间的推移，这些资产会不断增值，形成企业的核心竞争力。
在 AI 2.0时代，谁能让“大脑”“心脏”与“神经”完美协同，能就打造出真正具有生命力的“数字员工”。
▌为什么是百度？
在AI 2.0的浪潮中，无数云厂商都在谈论“全栈”，但真正能兑现这一承诺的寥寥无几。百度智能云之所以能成为这场范式转移的领跑者，背后是十数年的长期沉淀。
早在2010年，百度便开始布局深度学习，远早于本轮大模型热潮。2016年，李彦宏提出“All in AI”战略，两年后昆仑芯正式量产。2023年，随着大模型爆发，百度进一步确立“AI原生”的方向。这条清晰的时间线，见证了从技术探索到产业落地的完整闭环。
长达十余年的持续投入，使得百度在算法、算力、数据等核心要素上积累了深厚的复利。即使放到全球来看，在芯片（昆仑芯）、云（新全栈AI云）、模型（文心）、应用（智能体）这四个层面均拥有核心自研技术的公司也十分少见。
与集成开源模型、采购通用芯片、快速搭建平台的“捷径”相比，这无疑是一条更艰难、但更坚实的道路。
今天的“新全栈AI云”，正是百度这十年来深度布局带来的敏锐“嗅觉”，从而察觉到智能体时代需求与供给的转变。它不是单一技术的突破，而是上述四层能力在长期磨合后“身心合一”的系统性爆发，也是百度在AI时代难以复制的生态位。
更重要的是，“新全栈AI云”正在重塑云服务的价值逻辑——从卖资源转向卖能力，成为高效生产更强智能体的通用底座。
通过极致的工程优化提升Token效能，让每一瓦电力都转化为更精准的推理与更低的成本，无论是企业构建复杂的工业智能体，还是独立开发者打造个人助理，都能依托同一套基础设施，实现从“租算力”到“养数字员工”、从“一次性交付”到“资产沉淀”的跨越。
这种转变，使得百度智能云能够从低频的资源租赁，转向高频、高粘性、普惠的智能进化服务。
这意味着，“新全栈”不仅仅是技术的堆叠，更是一种服务理念和开发范式的重构。
到目前为止，百度智能云已经在超过100个场景落地了智能体，支持超2000万辆L2级辅助驾驶新车交付，接入500万台智能家电，服务全球Top 10手机厂商、超1000家AI硬件厂商和80%的央企，在工业制造、智慧能源、交通物流、医药医疗、金融等行业持续深耕。
在这些庞大的产业版图之外，百度智能云的AI基础设施也正在悄然重塑小微企业主的生产力边界，赋能无数个“超级个体”的崛起。
通过AI原生应用开发平台秒哒，用户无需编写复杂代码，用自然语言描述和拖拽组件等方式，即可构建自己的AI智能体应用。从独立咨询师打造的自动化研报助手、设计师构建的多模态创作流，到把货卖到世界各地的义乌小微商家，智能体正在成为个体的“数字分身”，让他们以一人之力兑现以往需要一个团队才能完成的交付价值。
这种“事实标准”一旦形成，将产生很强的网络效应、增加迁移成本。
据沙利文报告，百度智能云在中国自研GPU云市场占据40.4%的份额，排名第一。在国际权威机构Forrester的评估中，百度智能云在产品能力维度得分领先，战略布局获得满分评价。
在AI 2.0时代的竞争中，谁定义了Agent的开发标准、记忆格式和安全规范，谁就掌握了下一代操作系统的入口，甚至有机会成为中国AI时代的Windows和Android。
▌结语
短期的技术热点层出不穷，但真正的赢家，往往是那些坚持长期主义、深耕底层技术的公司。
百度智能云的新全栈战略，并非一时的营销口号，而是十年技术积累的必然结果：通过全栈自研消除层级间的摩擦，通过生态沉淀构建了难以复制的壁垒，通过战略升维重新定义云服务的价值。
它打破了算力、模型、应用之间的传统边界，让智能体像“流动的逻辑”一样，无缝融入企业的业务流程。
在AI 2.0时代，技术将逐渐隐形，而智能将变得无处不在。百度试图绘制的“万物一体”产业智能化途径中，每一家企业都将拥有自己的“智能中枢”，每一次决策都将基于全局数据的实时洞察，每一次创新都将得益于系统协同的高效赋能。
这不仅是技术的胜利，也是AI从试水走向深耕的必然归宿。