用DAA衡量智能體 百度智能云用“新全棧”重新定義AI云｜甲子光年

智能體規(guī)模化的產(chǎn)業(yè)進程，第一次有了屬于自己的“電力系統(tǒng)”。

作者｜劉楊楠

編輯｜栗子

經(jīng)濟學家保羅·大衛(wèi)曾設問：為什么電燈泡發(fā)明后，工廠生產(chǎn)率遲遲不提高？他的答案是，通用技術從出現(xiàn)到真正拉動經(jīng)濟，需要漫長的組織重構。

電力進入工廠40年后，生產(chǎn)線才圍繞電動機徹底改造，紅利集中釋放。汽車工業(yè)的真正爆發(fā)，靠的是精密加工、標準化模組等整個供應鏈的成熟；蘋果重新定義智能手機，也不靠單項技術，而是硬件、軟件和應用生態(tài)的系統(tǒng)性整合。

可見，每當技術應用復雜度越過臨界點，就會倒逼底層供給方式的重構，從而真正引爆其產(chǎn)業(yè)價值。今天，AI正站在一個相似的位置上。

2026年，產(chǎn)業(yè)的焦點已從“模型強不強”轉向“智能體能不能落地”。Chatbot的任務鏈路是線性的，“提問-回答”即為一次調用完成；智能體則需要執(zhí)行長程、多步的任務，涵蓋路徑規(guī)劃、調用工具、處理反饋、修正錯誤等多個環(huán)節(jié)，上下文窗口隨輪次急劇膨脹，計算負載高度動態(tài)。

但一味考慮Token消耗，只關注成本轉化，似乎并非唯一的解題思路。5月13日，在Create 2026百度AI開發(fā)者大會上，李彥宏提出了新概念——DAA（日活智能體數(shù)），他認為Token不一定代表終局，它只代表成本并不代表收益，衡量的是投入而非產(chǎn)出，DAA則大致對應移動互聯(lián)網(wǎng)時代通用的度量衡日活用戶數(shù)（DAU），未來“衡量一個平臺和生態(tài)的繁榮，更應該看的是DAA這個指標，關注有多少Agent在給人類干活，并交付結果。”李彥宏還預測，未來全球日活智能體數(shù)（DAA）可能超過100億。

這是基于大規(guī)模智能體應用時代與Token消耗之間的另一種思路。但它同時也提出了新的要求，過往芯片、云底座、模型和智能體開發(fā)平臺之間，需要達成一種全新的平衡。而百度也交出了他們第一份答案。

當天，百度智能云將全面升級為面向大規(guī)模智能體應用的新全棧AI云，打造單位Token的智能水平最好的Agent Infra，和每瓦性能更強、性價比更高的 AI Infra，回應當前普遍的Agent落地難題。

1.智能體規(guī)模化落地，到底卡在哪兒？

2026年的AI云市場，正呈現(xiàn)一種矛盾的景象。

一面是需求強勁增長。 Gartner預測，2026年全球AI基礎設施支出約1.37萬億美元，占AI總支出的一半以上；Synergy Research Group數(shù)據(jù)同樣驗證了全球AI云市場的強勁需求。其調研結果顯示，2026年Q1全球云基礎設施服務收入達1290億美元，同比增長35%，年化收入運行率首次突破5000億美元。

另一面，供給的繁榮并未順暢轉化為產(chǎn)業(yè)應用的繁榮。德勤《Tech Trends 2026》報告顯示，38%的企業(yè)正在試點AI智能體，但僅11%已將其部署到實際生產(chǎn)環(huán)境，并未帶來明顯的商業(yè)收益。

落差從何而來？

百度創(chuàng)始人李彥宏提出的“日活智能體數(shù)”（Daily Active Agents，簡稱DAA）。邏輯很直接。移動互聯(lián)網(wǎng)時代，DAU是衡量平臺繁榮度的通用標尺；進入智能體時代，Token消耗一度被視為替代指標，但Token衡量的是成本而非收益，是投入而非產(chǎn)出。真正值得關注的，是有多少智能體在完成實際任務、交付實際結果。

這一觀點觸碰到了當前產(chǎn)業(yè)的深層矛盾。Token消耗量成倍增長，部分云廠商的算力從促銷轉為緊缺，但這些被消耗的Token，究竟轉化成了多少業(yè)務產(chǎn)出？

從產(chǎn)業(yè)一線看，答案并不樂觀。就以當前火爆的具身智能行業(yè)為例。單純“堆卡”已經(jīng)無法支撐機器人走進千行百業(yè)、千家萬戶的宏大愿景。具身智能企業(yè)真正需要的，是一整套從數(shù)據(jù)采集標注、模型訓練到端側推理的閉環(huán)系統(tǒng)，但能提供這種完整方案的供應商仍然稀缺。

智能體應用數(shù)量在增長，但多數(shù)卡在了“最后一公里”。模型能輸出結論，卻無法與既有業(yè)務系統(tǒng)順暢銜接；Demo能跑通，卻無法穩(wěn)定運行于生產(chǎn)環(huán)境。

DAA真正衡量的，是一套能讓Token穿過系統(tǒng)縫隙、轉化為業(yè)務決策結果的基礎設施能力，而這恰恰是當前行業(yè)供給中最薄弱的環(huán)節(jié)。

回顧過去兩年，很多AI云廠商定義的“全棧”，本質上是分層清晰的產(chǎn)品清單：芯片、框架、模型、應用各司其職，每一層獨立交付，協(xié)作靠客戶自己的工程團隊手動銜接。

在Chatbot時代，任務鏈路短、負載線性，這套拼圖式供給尚可應對。但當一次對公授信需調用近十個系統(tǒng)，一次設備巡檢需在大小模型間來回調度，模型、上下文、工具調用、算力調度、安全治理必須成為同一條任務鏈上緊密耦合的環(huán)節(jié)，任何一環(huán)斷裂，整條鏈路就會失效。

行業(yè)調研普遍印證了這一趨勢。麥肯錫2026年Q1的AI信任成熟度調查顯示，近三分之二企業(yè)將安全與風險等基礎治理問題列為首要障礙；德勤《Tech Trends 2026》則指出，60%的AI領導者將遺留系統(tǒng)整合視為首要障礙。

結論已經(jīng)非常清晰，Agent具備了落地業(yè)務場景的基本能力，但與之配套的基礎設施還沒準備好。Token消耗反映市場熱度，DAA反映智能體活躍度，兩者之間的落差便是投入與產(chǎn)出之間的缺口，這正是當前行業(yè)需要直面的核心問題。

當頭部企業(yè)在落地中普遍遭遇同一類瓶頸，供給方式的系統(tǒng)性調整就不可避免了。

2.百度“新全棧”，給出了什么解法？

模糊地認識到“需要協(xié)同”是容易的，難的是把它變成一套可運行、可交付的架構。

「甲子光年」梳理發(fā)現(xiàn)，百度智能云提出的“新全棧”，做了三個層面的架構決策：重新定義各層之間的關系；把基礎設施拆成兩個維度分別優(yōu)化；在兩層之間建立自動化的協(xié)同機制。

這套架構的底座，是百度智能云長期堅持的“芯云模體”全棧協(xié)同路線。昆侖芯與文心大模型的適配已深入到算子級別。當模型推理特征發(fā)生變化，底層芯片調度策略隨之調整，讓計算和通信盡量重疊，減少空轉。這種從芯片到應用的全鏈條穿透力，是“新全棧”能夠成立的前提。

在此之上，百度智能云把新全棧拆成兩個維度——面向智能體任務的Agent Infra和面向底層算力效率的AI Infra。

Agent Infra的核心思路，是把模型能力通過一套工程系統(tǒng)穩(wěn)定地交付為任務結果。百度智能云將這套系統(tǒng)拆成了兩個升級點。

第一，Agent Harness。百度智能云宣布推出“Harness Engineering（駕馭工程）”，它集長上下文管理、持久記憶、工具調用、子智能體調度、評估反饋及Runtime等核心能力于一體，并深度適配Office、瀏覽器等企業(yè)常用工具，讓智能體具備跨生態(tài)的任務執(zhí)行能力。這套方案在使用瀏覽器、Office等典型辦公場景中任務成功率可達95%，相比同類產(chǎn)品最高可降低23%的Token消耗。

第二，Token Factory（詞元工廠）。這是百度智能云對模型服務層的重新定義，核心理念是“Agent-first”。傳統(tǒng)MaaS平臺賣的是裸Token，Token Factory則把長上下文與Cache管理、投機解碼、全局推理資源調度等優(yōu)化能力集成進推理服務，盡可能減少token的重復計算。目前在百度智能云上調用SOTA模型的速度比行業(yè)平均快25%。

Harness解決“智能體如何被構建”，模型服務解決“智能體如何高效運行”。彼此協(xié)同，盡可能縮短Token消耗與業(yè)務結果之間的距離。目前，這套Agent Infra已支撐百度伐謀、秒噠等垂直智能體及通用智能體DuMate的穩(wěn)定運行，并支撐金融、能源、互聯(lián)網(wǎng)、制造、教育、醫(yī)療、汽車等行業(yè)企業(yè)打造了高效能的智能體。

AI Infra的核心思路，則是讓智能體跑得更快、成本更低、效果更好。百度智能云同樣拆成了三個升級方向。

推理側，通過對顯存、內存到SSD的分層池化架構，將KV Cache命中率超過90%，達到業(yè)界最高水平。另外結合AFD分離、PD分離、緩存調度等優(yōu)化方案，長鏈路Agent推理性能較主流開源社區(qū)引擎提升3倍。

訓練側，強化學習已成為智能體進化的核心路徑，但Agent任務的Rollout采樣效率是全行業(yè)卡點。通過提供全模態(tài)統(tǒng)一訓練框架，讓訓練效率領先社區(qū)1倍以上，并可以在100 毫秒內拉起大量沙箱環(huán)境，提升強化學習的采樣效率。Agentic模型強化學習效率提升1倍以上。

物理層，百度智能云基于昆侖芯系列構建了面向大規(guī)模訓練和推理的算力基座。

在訓練端，昆侖芯P800已完成規(guī)模化驗證，2025年至今已交付多個萬卡集群，實際支撐了文心5.1等重要大模型的穩(wěn)定訓練，其有效訓練率97%和萬卡線性擴展度超85%的表現(xiàn)，證明國產(chǎn)算力已具備支撐前沿模型全周期訓練的工程可靠性。

在推理端，基于昆侖芯的天池256卡超節(jié)點已于上個月點亮，并將于6月正式上市，吞吐性能較上一代提升25%，推理效率提升50%，網(wǎng)絡架構升級至HPN5.0后，端到端時延降低50%，可按需搭建數(shù)十萬卡乃至百萬卡超大集群；更關鍵的是，該超節(jié)點已預先完成對文心、DeepSeek、GLM、MiniMax等主流模型的深度適配，使模型服務層可以開箱即用地獲得極致推理性能。

與此同時，百度智能云吉瓦級AIDC升級通過“網(wǎng)絡向心布局”設計理念，讓計算與網(wǎng)絡距離最短，最大限度提升計算效率，并規(guī)模化落地風液兼容架構，使數(shù)據(jù)中心整體建設周期縮短約30%，為AI Infra的極致效率提供了物理保障。

但單層優(yōu)化并不構成“新全棧”，畢竟其他云廠商同樣在做推理加速和強化學習優(yōu)化。真正的分水嶺，在兩層之間。

百度智能云讓Agent Infra與AI Infra形成了深度耦合的動態(tài)反饋機制。當Agent Infra識別到某個智能體任務的上下文窗口急劇膨脹，會向AI Infra發(fā)出信號，Cache分層策略自動調整，從顯存到內存騰挪空間。反向同理，AI Infra檢測到負載走低，釋放資源，Agent Infra隨之切換調用策略。整個過程不需要人工介入。

“新”字的落腳點即在于此。它把舊全棧中由客戶工程團隊承擔的“系統(tǒng)整合”，內化為百度智能云“芯云模體”自我進化的原生能力。

3.“新全棧”正在走進千行百業(yè)

檢驗一種新架構，最直接的方式是看它滲透進了哪些行業(yè)，以及這些行業(yè)的壁壘有多高。

2026年一季度，百度智能云在中國大模型公開中標市場，項目數(shù)量和金額雙雙位列第一。100%的系統(tǒng)重要性銀行、80%的央企、800多家金融機構出現(xiàn)在它的客戶名單里。中國實體經(jīng)濟里運轉最精密、容錯率最低的一批機構，已將AI推進核心業(yè)務環(huán)節(jié)。

Agent Infra的落地，最先在需要AI“干活”而非“聊天”的場景中被檢驗。

在國貨出海領域，百度首次公開亮相的企業(yè)級智能營銷解決方案Hogee，以及專為企業(yè)打造專屬視覺智能體“一見Claw”。

其中，義烏提供了一個橫跨視覺與營銷的樣本。基于一見視覺智能體，商家可以將海量規(guī)則自動配置到每個攝像頭上，通過自然語言，一句話識別規(guī)則、完成流程處置；Hogee則通過內置的營銷Skill，讓“AI店長”幫助商家完成從銷售導購、銷售數(shù)據(jù)，到庫存調貨、促銷建議等營銷全鏈路工作，形成從生產(chǎn)到銷售的閉環(huán)。

長安汽車的案例則展示了Agent Infra在智能駕駛場景中的滲透深度。

百度智能云在2023年就與長安汽車共建了算力規(guī)模達每秒142億億次的智算中心，基于百度百舸·AI 異構計算平臺持續(xù)優(yōu)化，支持長安汽車開展大模型、智能網(wǎng)聯(lián)與自動駕駛研發(fā)相關業(yè)務。

依托全棧AI能力，百度智能云目前已成為100%中國主流車企選擇，并持續(xù)領跑中國自動駕駛研發(fā)解決方案市場，累計支持2000萬輛搭載 L2級輔助駕駛新車交付。

AI Infra的落地則回答了另一個問題：算力怎么被用足。

具身智能是最前沿的壓力測試場景。百度集團執(zhí)行副總裁、百度智能云事業(yè)群總裁沈抖表示，百度智能云在具身智能AI云市場以35%的份額居首，領先優(yōu)勢超過第二、第三名之和。

數(shù)據(jù)方面，百度智能云正在把十余年自動駕駛積累的數(shù)據(jù)服務能力遷移到具身場景；模型層面，依托百度智能云在大模型AI Infra領域的長期積累，典型VLA訓練上加速超過70%，世界模型推理時延降低近50%，原本按周計的訓練可以按天來跑。

具身智能目前處于從“技術驗證”到“工程落地”的轉折點上，這個階段最稀缺的，正是能把數(shù)據(jù)、訓練、推理串起來的全鏈條底座。35%的份額，說明這個底座正在被頭部企業(yè)集中選擇。

在硬件領域，百度智能云同樣保持領先。其在智能手機、AI眼鏡、掃地機器人、智能家電行業(yè)總計服務超1000家AI硬件廠商。

例如，百度智能云基于百度文心大模型和AI搜索打造的YOYO，在五一期間使用量明顯提升。

金融和能源的案例，則在更長的時間維度上驗證了同一件事。

浦發(fā)銀行則基于昆侖芯精調金融分析專精模型，在多個場景提升金融意圖識別準確率，其2025年資產(chǎn)總額突破10萬億元，對公貸款盡調效率顯著提升。招商銀行則部署了昆侖芯P800國產(chǎn)算力底座，已有超過800個AI應用跑在金融業(yè)務主流程，覆蓋風控、營銷、研發(fā)、辦公等核心場景，超過50%的AI應用跑在國產(chǎn)算力上。

國產(chǎn)算力進入金融主流程，這個信號在今年信創(chuàng)周期重啟的背景下格外值得關注，它意味著國產(chǎn)替代正在從“可用”走向“好用”。

國家電網(wǎng)和百度智能云的的合作則走過了十年，從2016年的智能客服，到2024年的千億級光明電力大模型，再到2025年智能體在40余個場景落地。

變電站巡檢是一個具體的場景側寫。傳統(tǒng)AI小模型識別準確率只有五六成，用“大小模型融合”的智能體重構流程后，準確率提升到80%以上，巡視時間從2.5小時壓縮到45分鐘，覆蓋全國800多座變電站。十年間每次升級都建立在上一階段的業(yè)務數(shù)據(jù)和工程經(jīng)驗之上。這種“越用越好用”的交付方式，正在定義AI基礎設施的下一代標準。

把這六個案例放在一起看，一條遞進線索逐漸清晰。

Agent Infra讓智能體在數(shù)字世界和物理世界里都能穩(wěn)定地運轉起來，AI Infra則確保支撐Agent運轉的算力底座能夠被充分使用，最終讓Agent這項新技術真正轉化為客戶可見的業(yè)務價值。

從義烏的工廠到招行的柜臺，從榮耀的手機到長安的產(chǎn)線，從具身智能的訓練集群到國家電網(wǎng)的變電站。百度智能云“新全棧”已經(jīng)跑通了一條從芯片到應用、從數(shù)字世界到物理世界的產(chǎn)業(yè)閉環(huán)。

4.新全棧之后，市場應當重估百度智能云

新全棧的提出，為重新理解百度智能云提供了一個切口。

當智能體落地成為產(chǎn)業(yè)主旋律，衡量標準正在發(fā)生根本性遷移，競爭焦點從“賣了多少算力”轉向“支撐了多少智能體在生產(chǎn)環(huán)境穩(wěn)定運行”。在新的坐標系中，過去被視為“重”的積累，開始顯露出不同的分量。

這種重估建立在三個客觀事實之上。

第一是客戶結構的重估。

前文提到，百度智能云目前覆蓋了100%的系統(tǒng)重要性銀行、80%的央企及800多家金融機構，這些是中國實體經(jīng)濟中對穩(wěn)定性、合規(guī)性、業(yè)務連續(xù)性要求最高的企業(yè)。

新全棧讓這些客戶將AI從基礎問答推進至核心業(yè)務決策，一旦智能體深度嵌入對公授信、變電站巡檢等主流程，其背后的架構便與百度智能云技術棧形成強綁定。客戶結構的質量，正在轉化為更深厚的競爭壁壘。

第二是交付方式的重估。

新全棧的Agent Infra與AI Infra深度耦合，使系統(tǒng)具備了持續(xù)進化的能力。國家電網(wǎng)十年的實踐已經(jīng)證明，這種“越用越好”的交付方式一旦建立，客戶在長期協(xié)同中沉淀的不只是技術依賴，更是行業(yè)Know-how和信任關系。這是算力折扣無法換取的護城河。

第三是競爭身為的重估。

當多數(shù)廠商還在補足單層能力時，百度智能云已率先完成從芯片到應用的縱向拉通，并將系統(tǒng)整合能力內化為基礎設施的原生能力。

這意味著新全棧不僅在交付當下，更在定義下一階段的競爭規(guī)則。AI云競賽正在從資源規(guī)模的比拼，轉向系統(tǒng)效能的比拼。誰的架構能成為承載千萬個智能體日常運轉的默認底座，誰就掌握下一個十年的定價權。

這三重價值過去被折疊在“全棧”這個籠統(tǒng)的概念里。新全棧做了一件事，把百度智能云長期積累的縱向能力，在正確的產(chǎn)業(yè)節(jié)點上，重構為橫向競爭力。芯片、框架、模型、應用被拉通成一個從算力到業(yè)務結果的完整閉環(huán)。

回到開篇保羅·大衛(wèi)的叩問。電燈泡發(fā)明四十年后，當整條生產(chǎn)線圍繞“電”徹底重構，工廠生產(chǎn)率才真正爆發(fā)。

歷史正在重演。模型就位，算力就緒，智能體已越過技術臨界點。但真正的分野在于，誰能把芯片、模型、工具鏈、安全治理澆筑成一座讓智能體穩(wěn)定運轉的基座。

百度智能云的 “ 新全棧 ” ，就是對這道必答題的第一份完整答卷。從金融到能源，從數(shù)字世界到物理世界，多條 Agent 生產(chǎn)線已在這座基座上持續(xù)運轉。這意味著，智能體規(guī)模化的產(chǎn)業(yè)進程，第一次有了屬于自己的 “ 電力系統(tǒng) ” 。而基座一旦成型，上層的想象力才剛剛開始。

（文中圖片及封面圖來源：百度）