配资公司是怎么运作的
文｜白 鸽
编｜王一粟
2026年7月17日，第十届世界人工智能大会（WAIC）正式拉开帷幕。而这次WAIC的规格之高，放在中国AI十年的坐标系来看，都具有标志性的意义。
十部委与上海市政府联合主办，图灵奖得主姚期智担任学术会议主席的顶尖阵容，并首次设立的OPC（一人公司）专属展示区，从芯片到应用的整条产业链企业也悉数到场。
这一波大模型浪潮中，中国AI产业链也迎来了剧烈的变革。
三年前，ChatGPT爆火之时，我们整体还处于追赶的焦虑之中，当时只有百度的文心，代表中国模型亮相。到了2024-2025年，模型在部分场景中已开始追平，DeepSeek、智谱AI、阶跃星辰、MiniMax等国产模型开始在榜单上冒头，应用创新层也不断有新的声音。
而从2025年底开始，以OpenClaw为代表的智能体浪潮席卷全球，AI竞争进入新局面。与此同时，整个中国AI产业也在这个时点，完成了跨越式迭代：从疯狂比拼参数规模的大模型竞赛，到国产算力芯片自主突围，再到如今已经迈入智能体（Agent）开始落地、百花齐放的全新周期。
从三年大模型技术的落后到现在在Agent赛道的领跑，中国AI产业变革背后，并不是某一个单点技术的突破，而是模型、算力、工程、场景的深度耦合。
显然，一个堪称庞大的AI产业链已经形成。在7月的夏天，集中绽放在了黄浦江边。
而作为从始至终的玩家之一，百度这次也展现出了不同以往的一面。
展区中，一整套智能体全家桶，从底层的昆仑芯，天池超节点，到百度智能云平台、大模型能力，再到上层的智能体应用，几乎覆盖了智能体落地的全链路。
这种覆盖全栈自研的密集展示，在WAIC现场并不多见。大多数厂商展示的更多是某个单点突破：一个更聪明的模型，一个更前瞻的技术，一个更酷炫的功能等等。
更关键的是，最近一年多，百度AI战略的节奏明显提速。以百度智能云为例，不是跟着行业喊概念，而是把“AI能赚钱”这件事真正跑出了数据。
2026年Q1，百度总营收321亿元，其中AI业务136亿元，同比增长49%，占一般性业务收入52%——这是AI收入首次过半。而在这136亿里，AI云收入88亿元，同比增长79%；GPU云收入同比增长184%。云业务的高速增长，正在拉动百度AI收入越过那条关键的分界线。
当很多厂商还在展示未来的可能，有的企业已经在兑现当下的现实。
智能体时代
AI竞争逻辑的底层切换
过去一两年时间中，大模型技术在飞速迭代，SOTA榜单几乎每周一变。如今，一个可用的大模型已经变得不再稀缺。
另外，今年WAIC有个很特别的地方，就是首次设立了OPC（一人公司）专属展示区。
当一个人借助智能体就能跑通一家公司的研发、运营甚至客服时，AI就已经不再是实验室里的玩具，而是真刀真枪的生产力。
事实上，这半年所有头部厂商都在做同一件事，就是“杀死”自己的Chatbot，把自己变成Agent。
从Claude code带起这股风开始，OpenAI也新动作不断。7月，OpenAI发布ChatGPT Work，把Codex编程Agent合并进统一桌面App，原App更名为ChatGPT Classic。国内大模型厂商们，也纷纷从秀模型能力转向拼Agent落地执行。
这个动作不难理解，Chatbot的终局是一个更聪明的搜索框，但你永远走不出“提问-回答-再提问”的循环。而Agent的终局是一个数字劳动力，你给它一个目标，它自己拆解、执行、调试、交付。
可以说，一个让你更高效地使用信息，一个让你不再需要亲自使用信息。
既然两者的终局完全不同，如果再用同一套尺子去衡量，那就很容易出现错误。
那么，智能体时代真正的标志，或许不是某个产品的发布，而是AI度量衡的切换，即从原本关注Token投入转向Token产出。而这个切换之所以重要，是因为它触及了AI商业化的核心命题。
过去两年大模型行业的Token价格战，本质上是在用消耗量为自己背书，就像互联网早期用UV、PV证明流量，再用烧钱换规模。但AI和纯互联网不一样，Token是有硬成本的（算力、电费、芯片寿命），烧Token烧不出护城河，只会烧出负毛利。
这也是为什么Token价格战越打越危险：它把行业的注意力锁死在怎么让调用更便宜上，却没人问调用完到底创造了什么。便宜的无效调用，往往比昂贵更可怕，因为它会让人误以为自己在进步。而这个认知如果不扭转过来，后面所有事情都将是歪的。
今年5月，在Create2026百度AI开发者大会上，百度CEO李彦宏抛出一个新词：DAA（Daily Active Agents），即日活智能体数。“Token只代表成本，不代表收益，它衡量的是投入，不是产出。”李彦宏如此说道，他预测未来全球DAA有望超过100亿。
业务的人，对需求的感知更加真切。
“百度内部有一个基本判断，也是我们的顶层战略——智能体（Agent）是大模型落地的核心载体。这个判断并非2026年提出，而是Robin（百度创始人李彦宏）多年前就确立的。围绕这一判断，我们开始思考如何衡量智能体的实际价值，早期也曾参考过DAU这类传统指标，2026年初内部正式对DAA形成统一共识。”百度集团执行副总裁、百度智能云事业群总裁沈抖在最近一次深度对谈里这样介绍。
他认为，如果将大模型比作电力基础设施，其核心价值不在于基础产能本身，而在于赋能千行百业落地场景后创造的实际效益。因此百度始终没有把Token调用量当作核心考核标准，我们更聚焦智能体实际活跃频次与日活跃智能体规模，也就是DAA。
因此，当行业还在卷价格、卷规模、卷谁调用量多的时候，百度内部已经把Token效率写入了技术团队考核维度，并把DAA作为衡量生态繁荣的核心参考。
聚焦落地与效果，已成为百度内部技术实践的重要标准。5月，他们宣布全面升级Agent基础设施，将MaaS模型服务升级为Token Factory（词元工厂），并发布Harness Engineering（驾驭工程），以帮助企业和个体打造智能体。实测数据显示，百度智能云的这套方案在办公场景任务成功率达95%，相比同类产品减少23%的Token消耗。
百度智能云对Agent Infra的升级只是一部分。DAA这套度量逻辑能跑通的前提，是智能体真的能交付结果，而交付结果这件事，则倒逼的是要具备从芯片到应用的全栈底层技术能力。
拼Token效率，还得靠“全栈”
Token效率不是一句口号，它在企业账本上体现得最直接。
以金山办公为例，作为一家拥抱AI的软件企业，内部一个月消耗差不多4万亿的Token——这是一笔不小的账单。而相比于Token消耗，领导层更关心的一件事是，这么多Token到底用在了哪里？员工用Token做了什么？又解决了哪些实实在在的企业业务？
这其实是一道管理题，而不只是技术题。当一个组织里成千上万人都在调用AI，老板要的不再是大家都在用的热闹，而是用AI到底多赚了多少、或者省了多少的损耗。沈抖认为当下行业竞争的核心，其实就是全栈综合能力。
百度集团执行副总裁、百度智能云事业群总裁沈抖
他表示，目前多数行业玩家都只深耕产业链单一环节，要么单纯售卖算力资源，要么对外输出大模型API接口，或是仅研发表层对话类AI应用，产业链条中存在大量技术断层，不仅拉高整体落地成本，也会限制智能体实际业务处理能力。
百度是国内为数不多，实现从底层AIDC算力基建到上层行业智能体应用全链路自主研发布局的企业，内部各类业务数据、技术需求可双向互通协同优化，最大化降低软硬件适配带来的资源损耗与性能折损。
这个逻辑在AI硬件行业最为明显，当商业模式是硬件微利+云端持续服务，一套完整高效的服务能力会带来大幅的成本下降。截止目前，百度智能云实现了1000+家AI硬件企业接入，覆盖全球TOP10手机厂商、中国TOP5 AI眼镜企业的90%、TOP5扫地机器人品牌、以及TOP5 AI玩具品牌。
这背后正是百度智能云的另一张牌，在全栈自研支撑下，它们看中的是如何提升单位Token效率。
在Agent时代，全栈这个词被很多人挂在嘴边，但真正的全栈不是把别人的芯片、别人的模型、别人的框架组装在一起，而是从指令集级别原生对齐。
所谓指令集级别的原生对齐，落到工程上就是一句话：让模型懂芯片的长处，让云懂模型的形状，让Agent懂云的边界，四层共用同一套优化语言。这样，当一次任务可以少走三步、少算一轮时，省下的Token不是靠砍功能，而是靠全栈一起把路走直。
也就是说，智能体时代的基础设施，要从人→云到人→Agent→云，需要一次架构级的重写，就像从PC互联网到移动互联网，不只是屏幕变小了，而是整个技术栈从底层重写了。
百度智能云率先完成这次重写，并从“芯云模体”整体做了系统性升级，打造了面向Agent的新全栈AI云。除了Agent Infra之外，它们在AI Infra方面也做了诸多升级，包括自建AIDC人工智能算力中心体系，自研800伏直流供电体系，搭配定制液冷散热设备、专用变压器与应急供电设备，完成机房基建、电力、散热、网络全流程国产化改造。
此外已经研发十年的昆仑芯，也没有选择搭载冗余硬件模块这条路，而是通过大模型训练、推理的实战经验，合理配置芯片的算力、显存、带宽并深度优化核心要素之间的协同。在这套体系下，昆仑芯P800已完成三万卡规模化交付及文心重要版本训练。天池超节点的推理效率也提升50%，从而推动模型的训练成本的下降。
这是一套互相嵌套的完整体系，其中的每一层优化都在被其他层影响和放大：芯片降本，模型高效，推理提速，最终让智能体以更低成本交付任务。这种全栈协同是很多厂商不具备的优势，也是百度在短时间内难以被复制的系统性竞争力。
这一点在智能体时代比在模型时代值钱得多。
因为Agent要跑通，不是模型强就行，要算力（昆仑芯P800万卡集群）、要训推框架（百舸）、要Agent Infra（Token Factory + Harness Engineering）、要行业落地一起跑。
行业内能做其中一两层的不少，四层一起端到端优化的，“少有的”这几个字不算夸张。沈抖认为，从行业硬件研发周期来看，一款AI芯片从立项设计、流片量产到场景适配落地，完整周期大致为两三年。对于现阶段才开始布局自研芯片、补齐底层算力基建的企业而言，补齐整套全栈体系需要耗费三年时间，这三年也是行业划分梯队、拉开发展差距的黄金窗口期。三年窗口期结束后，行业整体市场格局将基本定型，拥有成熟全栈技术闭环、积累海量产业落地数据的企业，将构筑起难以短期超越的行业壁垒。
而这也正是百度在全栈布局领域确实具备先发积淀优势。
换尺子的人
先跑到了前面
尺度换了，底牌亮了，最后要看的，还是市场认不认。毕竟，故事讲得再漂亮，没有订单和收入支撑，终究是空中楼阁。
2026年上半年，百度智能云在大模型项目披露中标金额达到13.86亿元，数倍于其他云厂商。
2026年Q1，百度总营收321亿元，AI业务136亿元，同比增长49%，占一般性业务收入52%，首次过半。其中AI云收入88亿元，同比增长79%；GPU云收入同比增长184%。
当AI业务在一家公司总营收里过50%，它就不再是创新业务，而是主营业务。这对百度是一个分水岭，对整个行业也是一个信号，智能体时代第一条增长曲线，有人跑出来了。
而这些数字背后，就是一套战略底色的兑现。
百度AI的战略底色是DAA，即用效率和落地代替纯消耗。而在这个体系里，目前效率最高的是百度智能云。
这来自两个相互放大的逻辑。
一方面，智能体时代的到来，给云基础设施带来了全新的增量需求。当Agent从演示变成生产工具，当企业从试用变成批量部署，云就不仅仅只是资源的租赁商，而是智能体运行的操作系统。
这种需求结构的转变，直接推高了百度智能云在中标市场的胜率。
另一方面，面向智能体时代，云本身也在高速迭代。Create 2026期间公布的新全栈AI云，正是为了大规模智能体落地而生。
沈抖认为，智能体普及会让行业形成全新的高速迭代闭环，一方面是AI拆解任务人类补充信息，另一方面是源源不断产出贴合真实业务场景的高质量训练素材。这些沉淀下来的数据，质量会远高于传统人工标注数据，能够反向驱动大模型持续优化升级。而大模型性能提升后，可承接的业务场景与复杂任务持续增多，企业落地部署智能体的数量随之上涨，进一步沉淀更多产业实战数据，反哺模型迭代优化。由此形成高速运转的产业飞轮：智能体场景落地-实战业务数据回流-大模型迭代升级-高性能智能体落地普及-覆盖更多全新业务场景。
从这个判断可以看出，智能体实际是整个AI技术体系链接实体产业、获取实战反馈、驱动行业迭代升级的核心载体。而行业的竞争路径便会全面转移到AI企业的全栈综合能力。
这正是百度智能云当下在做的。他们也已经在行业扎根上跑出了深度，如80%央企用百度智能云、支撑超2000万辆L2级辅助驾驶新车交付，1000余家AI硬件企业接入，服务30余家具身智能企业，份额超第二第三名总和等等。
从营收到中标项目，再到行业扎根情况，这不是概念验证，这是真金白银的商业闭环。从卷价格到卷效率，率先用DAA这把新尺子量自己的百度，跑出了智能体时代的第一条增长曲线。
结语
回头看这届WAIC，它在中国AI十年里的位置，大概会这么写：
2023年是“我们有没有”的问题，2024年是“我们追不追得上”的问题，2026年是“我们能不能让AI在生产环境里真干活、还能赚钱”的问题。
这三个问题难度是递增的。第三个问题回答得好不好，决定了中国AI下一阶段的格局。
百度在第三个问题上，回答的比前两个更有结果。因为DAA这套度量逻辑，刚好踩中行业从“卷价格”切到“卷结果”的拐点。
尺子换了，排位就会换。
百度是不是这份答卷里的“标准答案”还不好说，但它至少是那个最早换尺子、并且用自己的收入占比验证了新尺子能量出东西的考生。剩下的配资公司是怎么运作的，交给接下来四个季度的数据继续答。
东方优配提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
