誰掌握Agent和高效基礎設施，誰將重寫行業格局。

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍文｜趙豔秋

編｜牛慧

在北京人形機器人創新中心的實驗場裏，CTO唐劍和團隊正在加速衝刺。今年春天，他們的機器人「天工」還需要工程師遙控才能跑完半程馬拉松，而幾個月後，在世界人形機器人運動會田徑場上，它已能完成全自主奔跑。

唐劍總結，具身智能的突破要跨越兩類瓶頸：一類是「非線性」的，比如場景泛化和大模型的飛躍，一旦突破，就會迎來「具身智能ChatGPT」時刻。雖然這在時間上不可預測，但他堅信，一兩年內行業會出現重大突破。另一類是「線性」瓶頸，比如穩定性、負載能力、續航和安全性，只要假以時日就能提升。

為此，行業正在展開激烈競逐。而競速並不侷限於機器人。自ChatGPT誕生的33個月以來，全球已出現4000多個大模型，催生近500家AI獨角獸。沒有一個模型能在排行榜上停留超過五周。

這些也推動AI基礎設施進行範式性變革，業界比以往任何時候，都需要更快的模型迭代和更強的計算平台。行業焦點從單一追求規模，轉向追求效能。

百度集團副總裁侯震宇直言：「我們正站在價值爆發的前夜，誰能把握住AI應用最佳實踐和基礎設施效能的提升，誰就能在未來AI格局中脫穎而出。」

01

「我們的護城河，還在嗎？」

儘管年初Deepseek引發一波應用探索熱潮後，整個行業依然在摸索落地路徑，但從上周舉辦的百度雲智大會上看，大模型應用蓬勃演進的速度，超出想象。

去年，大模型應用主力軍是互聯網、智駕、央國企和科研教育行業。「今年，除了KA客戶，出現了很多新型創企，像具身智能，還有從大語言模型轉向多模態類的，場景更豐富。」 百度智能雲AI計算首席科學家王雁鵬告訴數智前線，他將這些歸結於開源模型浪潮和產業蓬勃，點燃了更多需求和應用。

具身智能在經歷快速演進。北京人形機器人創新中心的「天工」，在今年春天的半程馬拉松上奪冠後，目前已開始出貨，今年可能銷售幾百台。中心與李寧等頭部企業探索在運動學測試、導購、電力巡檢等落地。「大家很快應該看到一些落地案例。」唐劍透露。中心也發布了具身世界模型、跨本體VLA模型等大模型的階段性進展。

多模態創新是今年另一類引人注目的方向。創業公司VAST是一家成立僅兩年的AI 3D大模型企業。AI 3D技術兩年多前才被髮明出來，VAST迅速將其商業化落地，已服務了全球超300萬專業建模師、4萬多家企業和700多家大客戶。

「我們正在改變很多工業管線。」VAST創始人兼CEO宋亞宸說。過去建一個遊戲模型要靠藝術家手工慢慢雕琢，現在用AI 3D只需幾十秒鐘、0.0001元。

大量AI陪伴類產品已悄然上市，售價從數百到數千元不等。AI陪伴機器人LOOI相關人士對數智前線說，上市幾個月，他們已在全球出貨3萬台，其中海外60%，國內40%。

除了新市場，傳統行業也在快速被改變。在金融領域，工商銀行已上線了1000多個智能體，尤其今年智能體數量增長迅速，讓交易形式、內部協作、風險經營等都發生了變化。

一家大型保險集團引入「數字員工」進行短期險邀約，意向率提升近一倍。百度副總裁阮瑜分析，結合多智能體以及真人級數字人交互體驗，基於慧播星數字人技術的百度數字員工效率與專業度顯著提升，交互還更具親和力，能建立更強的用戶信任。

數字員工一經推出，已迅速在100多個行業場景落地。像吳彥祖教英語、羅永浩直播帶貨，都掀起了不小的市場熱度。

開發者對大模型的體會更深，現在，幾乎所有程序員都在用AI寫代碼。根據百度工程效能部總監臧志的數據，AI Coding工具的代碼生成佔比已從20%提升至30%~40%，未來可能達到80%~90%。

值得注意的是，隨着大模型智力上限不斷拉高，各行業格局正被悄然重塑。7月，百度智能雲金融業務部總經理徐旭拜訪一家頭部保險公司副總裁，分享智能體應用場景時，對方拋出一個問題：「我知道這能做，但在這個時代，我們的護城河在哪？」

這折射出頭部企業的焦慮，技術創新正衝擊傳統壁壘，競爭格局正在改寫。徐旭認為，關鍵在於讓大模型直抵核心業務場景，用AI原生技術和新的管理範式重構競爭力。

正如百度集團執行副總裁、百度智能雲事業群總裁沈抖所說，AI創造的價值，會遠超互聯網。互聯網時代，網站和App封裝的是信息，交付的也是信息；而智能時代的核心是Agent，封裝的是智能，交付的是結果。一定會有大量的Agents去接管從生產到經營的各種環節，直接創造價值。而業界看到，AI全棧技術也正圍繞Agent加速重構。

02

十萬卡不是終點

格靈深瞳技術副總裁、算法研究院院長馮子勇，帶領團隊研發了視覺基礎模型 Glint-MVT，並將Glint-MVT作為視覺編碼器訓練出多模態模型Glint-VLM，用於各種多模態理解任務和推動世界模型發展。他們計劃在9月底左右將新一代Glint-VLM全量開源，這是一個達到商業級應用水平的模型，不僅放出模型，還公開訓練數據和代碼，讓學術界和產業界真正理解模型的生成方式和安全性。

探索並不輕鬆。馮子勇坦言，過去在模型訓練與實驗迭代中，整個驗證周期較長，亟需更強大的基礎設施支撐。與百度智能雲百舸平台合作後，百舸幫助其優化VLM訓練框架，訓練效率提升三倍，兩天內就能完成一次訓練，加快了實驗迭代速度。而對於工業場景99%甚至99.9%準確率的需求，他們還需要依賴專業場景數據，從真實反饋中迭代。

隨着模型規模、多模態、精度以及Agent的演進，對基礎設施的需求已大為不同。全球算力競賽仍在持續，科技巨頭在大模型上不斷「摸高」，Scaling Laws推動參數與算力快速增長。同時，Agent進入深水區後，上下文更長、多模態融合、強化學習和「訓推一體」範式，對AI基礎設施帶來了新得範式性變革。

業內也將目光投向高效Scaling方向，從稠密模型轉向MoE稀疏模型架構，MoE在保持計算量不變的情況下，可大幅擴大參數，萬億參數MoE模型已成普遍趨勢。

今年以來，雲大廠圍繞MoE做了大量工作。比如百度智能雲百舸5.0，圍繞MoE架構做了全棧優化。

MoE對算力的要求是之前稠密模型的5到10倍。王雁鵬說，僅僅一個PD分離還不夠，百舸5.0引入更系統的解耦，將視覺與語言、Attention與MLP等模塊也解耦，大幅提升算力利用率。這種更細力度的分離正成為演進趨勢。

強化學習同樣正在興起，成為最重要的計算範式變革。它採用「訓推一體」方式，模型在推理時不斷接受反饋並實時更新，形成數據飛輪，讓AI持續逼近真實需求。但訓練和推理在計算特性上完全不同，統一架構極具挑戰。年初DeepSeek R1推出時，市面上的強化學習框架尚難支撐。為此，百舸通過多輪實驗與工程創新，打造出新框架。

為進一步提升集群的效能，超節點成為行業競相投入的產品，用以降低通信時間、提升吞吐。百度4月發布的崑崙芯超節點，在性能與經濟性之間取得平衡。

過去外界擔心國產芯能否支撐超大規模模型，侯震宇介紹，崑崙芯P800已在3.2萬卡集群點亮應用，訓練效率超過98%，並在多行業落地驗證。它讓百萬tokens推理成本降至幾塊錢，同時適配主流模型和框架，成為真正覆蓋訓練與推理的國產芯片。

具身智能的崛起，也是基礎設施必須全力支撐的方向，百舸已全面適配主流開源具身VLA模型，並在WM世界模型和VLM模型上實現訓推提效，北京人形機器人創新中心基於此，將強化學習訓練速度提升了一倍多。百度智能雲已支持北京、上海、浙江、廣東創新中心等的具身智能「國家隊」，並為產業鏈上超20家重點企業提供支撐。

面向各級政府、超級大型企業，百度智能雲提供自主可控、綠色低碳、產業賦能的全棧AI智算方案，目前完成了1.2萬P算力建設並管理運營1500P算力，在IDC智算服務市場中排名國內第二。

03

Agent infra，越用越有價值？

除了算力基礎設施，Agent要落地，必須有進一步支撐。Agent正在成為大模型落地的主角。從最初的簡單應用，已發展為多Agent協同處理複雜任務。

Agent需要好模型。要不要行業模型、場景模型，很多行業存在「非共識」。百度智能雲AI與大模型平台總經理忻舟告訴數智前線，他們與企業在行業大模型上的探索，經歷了三個階段。

最初，企業提供幾十GB數據做後訓練，但很快發現效果有限，一個新的基礎大模型就能覆蓋原有成果，因為數據量不夠大。此後，企業開始結合具體場景，如設備維護，做數據標註，再在開源模型上做SFT或強化學習，訓練量小、效果更好。

而在當下，他們的實踐是先選擇效果較好的基模，參數規模大可先蒸餾壓縮；若效果不足，則補充標註數據訓練小模型，還可以將多個小模型融合實現更好的效果，並在生產中持續迭代優化。

值得關注的是，在這個過程中，基座模型可靈活替換，企業在過程中真正沉澱下來的，是標註數據、應用know-how和Agent開發經驗。

像智聯招聘在人崗匹配場景中，採用了第三種模式，其在人崗匹配場景中，基於百億參數規模模型，只用少量數據，就媲美千億模型DeeSeek R1的效果。CTO王昊稱，這是未來一段時間，垂直場景的「王道」方案。

忻舟告訴數智前線，從行業實踐看，貿然建設行業大模型，投入大、效果不確定，性價比不高。但行業模型的價值已被驗證，尤其是對於成本、精度和速度有考量的企業。此外，視覺、多模態基礎模型，準確率通常只有20%~30%，通過上述流程，在特定場景下準確率可超過90%，性價比極高。在新升級的千帆4.0中，提供了預製好的行業場景專精模型，以及一個為專精模型深度定製的pipeline。

在這個過程中，大模型的微調從SFT（監督微調）走向RFT（強化微調），也就是模型的自我進化。RFT通過提供評估標準或獎勵函數，讓模型在業務場景中自我探索，只要結果符合目標即可。這種方式尤其適合目標明確、標準清晰的場景。

有了模型基礎，下一步是如何讓Agent協作完成任務。業界主要有三種編排方式，其一是自主規劃，依賴大模型能力拆解任務，快速生成簡單Agent；其二是工作流，優勢是穩定可靠、結果可預期，目前在千帆平台上佔到80%以上；其三是最新流行的一種多智能體協作，千帆採用「規劃者執行者」模式，更靈活高效，還最先在國內雲廠商中支持A2A協議，實現跨平台、跨企業的Agent互通。

智能體編排好後，還需要「手腳」去執行，高質量能力組件變得非常重要，其中最關鍵的兩類是RAG和AI搜索。

千帆4.0的RAG已升級為多模態版本。九號電動車用五年登頂全球智能電動車銷量第一，藉助多模態RAG打造了多語種智能客服，車主只需拍照，就能獲得實時多語種的診斷和指導處理。

百度AI搜索則滿足了大模型的實時性需求。它是市場上呼之欲出、需求量非常高的API。大模型訓練基於歷史數據，如GPT-5的數據是截至2024年9月底的，難以覆蓋最新信息，而AI搜索可實時補充這一缺陷。忻舟介紹，這一功能上線三天，調用量就從十幾萬飆升到千萬級。最近，智聯招聘已在校園場景中應用，幫助學生實時獲取企業薪酬和麪試經驗。

Agent是未來最重要的研發範式，但是在這個研發範式背後數據的作用是無比重要的，無數據無智能。「我們發現工程師50%–80%的時間花在數據治理上。」百度智能雲數據平台部總經理劉斌說，此次千帆4.0推出的數據智能平台DataBuilder，就是為了解決這一門檻。

產品覆蓋了從多模態數據採集、轉換、處理、檢索、服務等數據治理的全生命周期，解決了模型訓練和 AI 應用數據處理過程中，從數據管理，數據開發到數據生成處理全鏈條訴求。

通過多模態管理和一站式AI計算引擎，幫助客戶實現600%數據處理提效和30%的計算成本降低，通過Data+AI一體化和麪向場景化和行業化模板，幫助業務整個開發提效30%，同時通過多模態檢索引擎幫助業務降低80%的檢索成本。

隨着Agent和大模型的深度融合，AI開始接管生產、經營和服務環節，成為新的價值創造者。無論是「天工」的全自主奔跑，還是數字員工的落地，都在印證AI已從實驗室走向社會。下一個智能時代的競爭，將不只是比拼模型和算力規模，而是比拼誰能更快、更穩、更高效地把智能封裝進Agent，嵌入到產業鏈與社會運行之中。而企業真正的護城河，正從傳統資源稟賦，遷移到用AI原生應用構建和新的管理範式重構上。

©本文為數智前線（szqx1991）原創內容