AI办公之外，百度智能云为何盯上「产业智能体操作系统」？
“整个下半年，就看AI办公圈谁能杀出重围了”。一位大模型从业者对雷峰网 (公众号：雷峰网) 表示。
从五月开始，各个互联网大厂争相出场，写字楼电梯间、机场候机室，到处都是Workbuddy、千问办公、豆包工作、百度搭子的内容。
早在2025年，微软的Work Trend Index就提出过，AI进入企业分三步：帮员工做得更快、成为团队里的“数字同事”、直接执行完整的业务流程。
而这背后是两个更本质的问题：智能体如何真正落进产业？一路狂飙的模型能力，又如何变成实打实的经济效益？
用户基数大、付费意愿明确、产品形态成熟。所以当Agent的能力从“帮你写”进化到“替你干完”，办公自然成了所有人抢的第一站。
但AI行业热闹这些年，背后其实一直存在一个“剪刀差”：一边，模型能力几乎几个月就上一个台阶；另一边，AI对宏观经济的拉动却远没有想象中明显。
在9月16日的2026智能经济论坛上，百度智能云事业群总裁沈抖给出答案 ：类比电力发展史，今天的AI可能只是“电灯发明后的第一个月”——灯亮了，所有人都看见了变化，但电力对社会分工的重塑还远没有发生。
他算了笔账：过去一年全球AI资本开支约5000亿美元，听着是天文数字，其实只占全球GDP的0.4%；而电力系统的投资加消费，已接近全球GDP的5%。
这笔账背后，是沈抖想说明的另一件事：AI今天的基础设施建设仍处在早期，模型能力与产业实际价值之间，还隔着一段距离。如何追赶这段距离？
第一，约20%是日常经营类——写周报、做PPT、拉通资源，即广义的“办公”；第二，约30%有一定专业门槛——营销投放、数据分析、代码编写，这类工作背后有公式化的规范和成熟工具；第三，则是剩下的50%，才是真正体现企业独特性的部分——专有的生产流程、工艺参数、业务数据和know-how。
这三层任务，对AI的要求其实完全不同，办公最标准化，也最容易被通用Agent覆盖；越往后，任务越依赖企业自己的数据、流程和经验。
百度智能云认为，只有让智能体真正进入这三层认为，才能使产业完成智能化，从而带动经济收益与技术发展的曲线合并。
眼下杀红了眼的办公入口之争，几年后可能只是某个通用智能体的一项基础技能。因此办公大战只是序章，真正难、也真正产生核心价值的，在那30%和50%里。那么企业的这三层任务，应该如何来接？
过去企业做数字化，过去企业做数字化，财务、销售、人力各上一套系统，最后形成一个个“数据烟囱”；如果AI时代继续沿着这条路走，换成一个个AI应用，本质上还是重复昨天的故事。
以百度搭子为例，它更像企业里的“总入口”：员工提出一个任务后，不一定需要自己判断应该调用哪个工具、哪个Agent，而是由搭子去调动背后的能力。
正如沈抖在演讲中透出的逻辑：“办公只是手段，不是目的。”它的核心价值，是依托底层的Harness架构与多级记忆体系，将横向的资源协调、信息汇总沉淀为标准动作。
在实际业务中，它扮演的是“清道夫”的角色。比如在金融场景，它替基金经理剥离掉查研报、拉行情等繁杂动作，让人把精力收拢到专业研判上；在中石油，它作为一个总入口，已经被5000多名员工调用了超70万次。
代码、视觉、数据分析、组合优化等场景经过过去几年的发展，已经出现了一批可以直接使用的专业工具。百度因此推出了包括“秒哒”“胜算”“伐谋”“一镜”等专业智能体矩阵，可以直接切进企业的具体业务流程。
比如，汽车研发商阿尔特把风阻设计交给“伐谋”，接入原有CFD仿真系统后，智能体可以自主迭代120轮寻找更优解，把原本需要数小时的评估压缩到秒级，南方电网则把智能体放进告警研判和工单生成环节。
到了这一层，AI已经不只是替人处理办公杂事，而是开始进入研发、生产和决策这些更靠近业务核心的位置。
比如电网的设备和处置流程，保险公司的合规规则，汽车研发里的工艺参数和仿真数据，都藏着企业自己的Know-how。
为此，百度智能云发布了百度搭子开发平台，将通用智能体同款的底层技术彻底开放，它能提供智能体全生命周期API，覆盖开发、运行到管理全流程。企业可在现有系统中集成，快速定制产业智能体，自己搭建护城河。
泰康是一个典型切面：上线3500多个智能体、日均消耗200亿Tokens，深入展业合规等核心场景。过去依赖人工逐项比对的合规审核，现在由智能体自动匹配规则并输出依据。
更重要的是“沉淀”——跑通的流程固化为了企业内部可复用的Skill，最优质的业务经验被留在了系统里，避免了团队的重复试错。
此外，通过将其打造为完全开放的生态平台，技能、套件和应用可更方便接入与分享。企业可通过搭子使用第三方能力，也能把自己的能力放到搭子上服务更多客户。当天现场，百度智能云表示他们希望围绕产业智能体落地，建立互惠互利的开放生态，且不会向生态伙伴抽佣。
到这里，三类智能体分别对应企业里的三种工作：通用智能体解决普遍需求，专业智能体调用成熟能力，定制智能体则把企业自己的业务经验变成AI能力。
这根主轴就是“产业智能体操作系统”，这套系统向上可以承接任务，判断需要哪类智能体参与，中间连接企业的知识、数据、权限、工具和流程；向下调度云上的算力、存储和安全资源。任务过程中产生的数据、经验和方法沉淀回系统，变成企业可持续迭代的经营能力。
百度智能云可将这套系统做成完整解决方案直接交付客户。客户也可基于方案定制自己的产业智能体操作系统。
大会现场的一个演示就是如此：通用智能体可以跨系统调用专业智能体“伐谋”的Skill，把芯片设计中原本需要人工衔接的两个工作流直接串起来。
一套要同时调度几千个智能体、扛住企业核心业务的操作系统，对底下的云提出了什么要求？
沈抖在演讲中给出了一组预判：到2030年，会有30亿个产业智能体持续运行，带来超过100吉瓦级的推理需求。
这些智能体连续调用模型、数据、工具和系统，每一步都要快、要稳、要安全、要能追溯、成本还要可控。
过去企业选定一个模型，应用基本就围着这个模型搭。现在模型多了，企业反而需要根据不同任务来选择。
百度将150多个模型纳入底层能力，让企业可以按任务进行调用和组合，过去半年，其智能体长链路推理性能提升了3倍以上。
百度在这一层提供Agent Cloud，重点解决的其实是三个问题：任务来了，能不能及时启动；智能体访问企业数据时，权限能不能管住；出了问题，能不能找到究竟卡在哪一步。
比如，万级沙盒需要做到百毫秒级热启动；智能体的身份和权限可以统一管理；从开发到运行的执行过程，也能够留下完整记录。
这些能力听起来或许并不“性感”，但对于企业来说，却是智能体从Demo走向日常业务必须补上的一课。
百度的底牌是自研昆仑芯，其目前已经为互联网、能源、金融、制造、汽车、运营商、教育等多个行业建设了全国产昆仑芯集群。天池超节点已经完成千柜级部署，计算、存储、互联、供电、散热等环节都纳入了统一设计，并实现了全栈国产化。与此同时，百度智能云还开放了架构、供电、散热等六大核心模块的技术规范。
这件事值得注意的地方，并不是他们又做了一套算力设备，而是它尝试把超节点做成可以被更多国产芯片接入的基础设施。
对于国产算力来说，造芯片是一回事，能不能把芯片装进大规模集群里跑起来，是另一回事， 数据中心同样如此。
当AI算力不断扩张，机房本身也成算力基础设施的一部分。百度披露，其数据中心将供电、制冷和IT等环节做成标准化预制模块，建设周期缩短30%以上，年均PUE最低可达1.08。
“芯、云、模、体”看起来是四层东西，但智能体真正跑起来以后，它们已经很难再各算各的。
这也是百度智能云和其他玩家的身位差：当别人在某一层上补课的时候，它四层都已经就位了。
结合百度Q2财报来看，百度AI云基础设施收入同比增长50%，其中GPU云同比增长283%，已经连续四个季度保持三位数增长。
如果只看GPU云，这更像是一轮算力需求的增长。但把视线往下拉一层，会发现企业要买的东西正在发生变化：过去是买算力、部署模型， 现在关心模型调度、数据接入、智能体运行，以及怎么真正进入业务流程。
从模型，到Agent Cloud，再到芯片、超节点和数据中心，开始被同一件事串起来：让更多智能体，能够长期、稳定地跑在企业真实业务里。
百度营销擎舵3.0与智能投放重磅发布，双擎驱动AI营销 ...
AI人才3次大迁徙：百度先行、六小虎分化、腾讯「腾笼 ...
VAST完成约30亿元B和B+轮融资，经纬创投领投，多元产业资本集体加注
IDC中国智能企业内容与知识平台市场份额：360亿方智能私有化市场第二，增速第一
仅用3天！千问办公协助国家天文台科研团队打造科研级望远镜仿真系统