今天千行百业的智能化，就是过去千行百业的数字化。

今年 618，AI 含量明显高了。

打开各大电商平台，AI 购物助手在跟你对话，AI 数字人主播 24 小时不停播，销售额堪比真人主播，大促素材全是由 AI 生成。甚至智能体工具渗透到了下单、付款环节，以往这个场景只有用户、商家、平台。现在一切正变得不同。

作为曾经移动互联网时代的一杆大旗，AI 正在成为重要角色。以往 618，比的是补贴力度和运营手段；这次开始秀谁的 AI 更聪明、落地更快。

这个现象只是冰山一角。就在同一周，字节被曝正洽谈采购 5 万颗以上国产推理 GPU，给豆包大模型备货；阿里推出 Qwen-Robot Suite，高调进军具身智能和机器人。国际上，OpenAI 6 月 24 日宣布联合博通推出自研芯片。AI 大厂们不是在补全栈基建，就是让技术嵌进产业链，去接触真实的交易、真实的物理世界。

这些动作背后的原因显而易见，大家都看到，AI 正作为一种基建，全面改造行业。如果把前些年的 AI 竞争比作 " 淘金热 "，那今天已经切换到 " 卖铲子 "。

最先看到这片新蓝海的，是各路云厂商。今年以来，云厂商较劲的维度，正从 " 谁的模型更好 "，变成 " 谁更能让 AI 在真实业务里跑出结果 "。大家都在展示各自的行业落地情况，从一个个细分场景倒推技术如何提升生产力。

这方面谁跑得更快，可以从财报中找到答案。百度 2026 年 Q1 财报显示，AI 云基础设施收入 88 亿元，同比增长 79%；AI 业务在百度营收中的占比首次过半，达到 52%。在多数厂商还忙着比模型参数的时候，它更早把重心挪向了产业。

当 AI 转向行业基建，云的战场已经换了规则，从拼模型，进到了拼落地的下半场，谁能将技术匹配产业场景、落地生根，形成依赖，进而跑出收入，变成结果，正成为新的赛点。

云厂商的集体转向，要从客户端的需求变化说起。

过去十年，企业买云的逻辑很简单：要多少服务器、带宽、存储，你给我报价，我按用量付费。云厂商之间比的是性价比、稳定性、覆盖面。本质是 " 数字地产 " 生意，盖好机房，按量收租。

到了 Agent 时代，这套逻辑不适用了。

银行来谈云服务，关心的不再是 " 配多少张 GPU"，而是 " 一千多个 AI 应用能不能 7×24 小时跑在核心业务里，出了问题谁兜底 "。车企关心的是辅助驾驶模型能不能在平台上完成从训练到合规验证、再到量产上路的完整闭环。能源企业更直接：AI 能不能进前端业务，在调度、运维、质检环节产出真金白银的效益。

客户想要的，已经从 " 资源 " 变成了 " 结果 "。云厂商和客户的关系也随之改写：过去签完合同、机器搬进场，交付就算完成，剩下的靠客户自己的 IT 团队；现在客户只认 " 确定性 "，交付能力、运维能力、行业 know-how、响应速度，都是核心竞争力。

这种 " 从动作到结果 " 的转向，连最前沿的 AI 团队都在经历。在硅谷顶流播客 Lenny ’ s Podcast 最新一期里，Anthropic 的 Claude Code 团队负责人 Fiona Fung 分享了她的观察：他们团队的代码交付量一年里涨到了原来的 8 倍。瓶颈不再是写代码，而是代码高速生产出来后，怎么验证质量、判断优先级、衡量真实产出。她特别强调："Don ’ t mistake motion for progress（别把动作当成进展）"。追工具使用率，只是在衡量 " 动作 "；能否真正改善目标结果，才是核心。

放到云这门生意上，处境是类似的。过去 AI 圈流行一种打法，叫 "token maxing"：能烧多少 token 就烧多少，先跑出来再说，烧 Token 的量本身成了一种政绩。现在厂商和企业客户都开始追问回报。衡量的标尺，从 " 烧了多少 Token"，变成 " 带来多少效果 "。

5 月份的 Create 大会上，百度创始人、董事长兼 CEO 李彦宏就给出了一个观点：AI 时代的度量衡不该再是 Token，而应该是 DAA（日活智能体数，Daily Active Agents）。Token 代表成本、不代表收益，与其在单价上内卷，不如按客户的业务效果来定价，效果收益才能把行业的蛋糕真正做大。

峰瑞资本创始合伙人李丰在一期播客中也分享过类似判断：AI 正在从 " 证明有用 " 切换到 " 证明划算 "。前期投入靠 FOMO（害怕错过）驱动，后期必须靠 ROI 说话。

这套逻辑放到中国云市场，一样成立。

过去两年，中国 AI 的故事基本围绕性价比和速度。模型成本低、应用上线快，这是中国 AI 的强项。DeepSeek 去年初震动全球，靠的是用极低成本做出接近顶尖水平的模型。

但 " 省 " 不是终点，产业才是。" 产业 " 指的是什么？有关注 AI 的投资人对「定焦 One」表示，中国的大模型公司不缺模型性能，缺的是把模型能力接进产业的工作流；美国同行在掌控开发者入口和执行环境上走在了前头，中国得把这一环补上。

资本市场已经在用脚投票。6 月 16 日，DeepSeek 完成 500 亿元首轮融资，投后估值在 3500 亿 -4000 亿元之间，腾讯、宁德时代等产业资本入局。除国家 AI 基金外，投资方无投票权、设五年锁定期。这说明资本市场开始按 " 产业基础设施 " 的逻辑给 AI 定价，不再把它当软件应用。

那么，价值最后会沉淀在哪一层？有 AI 创业者做过类比：电力行业里，发电厂的净利润率只有 5% 到 8%，电网公司却能拿到 10% 到 15%。大模型行业正在走同样的路，模型层的利润被越压越薄，平台层的利润反而稳定。

云，就是这个 " 平台层 "：不管底下跑的是 ChatGPT 还是 DeepSeek，总得在云上跑。模型可以换，平台不好换。

而撑起这一层的算力底座，也在同步国产化。百度昆仑芯 P800 已完成规模化验证，2025 年至今交付多个万卡云。字节 2026 年的资本开支预算上调到 2000 亿元，AI 芯片采购中国产占比超过 50%，推理端实现全栈国产替代；华为昇腾的出货目标从 30 万片上调至 75 万片。国产芯片正从 " 备选 " 变成 " 主力 "，中国云上跑 AI，正在减少对外部供应链的依赖。

资本按基础设施给 AI 定价，价值往平台层沉淀，算力底座转向国产，这几个维度指向的是同一件事：中国 AI 的重心，正从 " 做出一个好模型 "，移到 " 搭起一套能落进产业的体系 "。

政策也在往这个方向加码。2026 年 5 月，三部委印发《智能体规范应用与创新发展实施意见》，把智能体定位为产业基础设施，目标 2027 年重点行业普及率 70%。智能体已经从 " 创新项目 " 升格为批量的基建需求；这层基建往下落，最核心的载体就是云。

需求变了，供给端就得跟着转型，这和当年互联网切换到移动互联网是一个道理：底层基础设施都值得重做一遍。对云厂商来说，这是一道分水岭，还守着卖服务器、卖带宽的 " 数字地产 " 老生意，迟早被甩下；能把自己改造成帮客户跑出业务结果的 " 智能化服务商 "，才接得住这波需求。

从这个角度看，最后赢的，或许是那些 " 最不看 token 消耗 " 的人。

进入 2026 年，四家头部云厂商都在讲 " 落地 "，都在强调 " 怎么帮客户把 AI 用起来 "。这一点没有分歧。真正的分野，在于用什么去落地、往哪个方向使劲。四家走出了不同的路，背后是各自的基因在驱动。

阿里云押的是规模。今年动作很猛：未来三年 AI 基础设施资本开支拉到 3800 亿以上；推出 Qwen-Robot Suite（千问机器人套件）；日本第五座数据中心落地；618 期间把通义千问（Qwen）接进了淘宝。从芯（自研芯片平头哥）、云（全球数据中心）、模（千问）、体（机器人），全栈一路铺开，核心就一个字：大。

这套打法，和阿里做电商时的逻辑一脉相承：先把盘子做大，覆盖面够广，再靠规模效应和运营能力把成本摊薄。前两年阿里云增速一度掉到个位数，被外界质疑增长见顶；最近几个季度靠 AI 需求重新拉了起来，某种程度上是这套打法在新赛道上的再次验证。

火山引擎押的是流量效应。抖音、今日头条本身就是亿级用户的试验场，豆包大模型日均 Token 消耗突破 120 万亿，火山引擎的路线是，先在 C 端跑通能力，再打包卖给 B 端。这要求它迭代快、数据反馈快、技术验证快。

6 月 22 日的火山引擎 FORCE 大会上，这条路线又往前走了一步：新发布的豆包 Seed-2.1-pro 补上了 Coding 和 Agent 能力，配套的 " 豆包办公模式 " 能接管发票汇总、选址调研这类办公场景。一个细节是，在现场演示和评测里，火山反复拿自己跟 Claude、Opus 对标。连字节这种最信奉 " 模型即产品 "、最擅长 C 端飞轮的玩家，如今也把火力对准了 Agent 和落地。

华为云押的是纵深。昇腾芯片、盘古大模型、CloudMatrix 超节点，软硬一体，再叠加 " 云、网、安 " 的整套能力，华为的主场是政务、央国企、运营商这些合规要求最苛刻的市场。这也是它从通信设备时代就攒下的研发底子和政企关系带来的。

四家里，百度智能云的出身最特别。阿里云从电商长出来，火山从内容和短视频长出来，华为云从通信长出来，只有百度智能云，是完全从 AI 长出来的。可以说，它是目前唯一的 "AI 原生云 "。

早在 2010 年，百度就开始押注 AI，也是国内最早提出 " 云智一体 " 的厂商。别人是先有云、再往上加 AI；它是从 AI 出发，倒推出自己需要什么样的云。这条路径，决定了它的全栈是 " 芯云模体 " 四层联动：昆仑芯（芯），智能云（云），文心大模型（模），DuMate、秒哒等智能体应用（体）。

其中的昆仑芯值得重点关注。芯片是这套体系最难啃的一层。百度有自己的昆仑芯，等于把这一层也攥在了手里：上层模型跑得不对，能一路查到芯片；芯片有瓶颈，又能反过来调模型。这种从硬件到应用的端到端可控，买别人芯片的厂商做不到。

这四家里，真正称得上 " 芯、云、模、体 " 全栈打通的，只有百度和阿里两家。华为也发布了 CloudRobo 具身智能平台，但策略是不做本体、对外开放给生态伙伴。

百度和阿里的最大区别是，阿里的体系，是从庞大的电商生态向外扩出来的，芯片、模型、机器人是给业务版图配齐能力；百度的体系，是从 AI 内核向外长出来的，每一层都为 " 让 AI 落地 " 服务。这个差别，在客户需求转向 " 要结果 " 的当下越来越关键。

这套全栈到底为什么这么搭，李彦宏在 5 月 13 日的 Create 2026 开发者大会上给出了答案：就是为了 " 支撑智能体应用爆发 "，让智能体真正能在产业里用起来。

这个判断，是有市场依据，且已经在百度内部落实的。五天后的 Q1 业绩电话会上，百度集团执行副总裁、百度智能云事业群总裁沈抖表示：行业 AI 应用早就跨过了单纯训练模型的阶段，市场需求转向在全业务流程里快速部署、常态化使用 AI。而在 Create 大会上，沈抖提出百度智能体云已面向大规模智能体落地，完成了基于 AI Infra 与 Agent Infra 升级的新全栈 AI 云。

总结来看，四家的 " 落地 " 策略各有侧重：阿里理解为 " 铺得广 "，字节理解为 " 迭代快 "，华为理解为 " 扎得深 "，百度则是 " 瞄准智能体落地，从芯片到应用全线贯通 "。

这四种方式，其实是在回答另一个问题：Agent 时代，拼的是广度还是深度？

字节、阿里押的是 " 广度 "，但广度可以复制。阿里今天把 Qwen 接入淘宝，明天京东也可以接自研模型；字节今天用抖音验证 Agent，明天另一个有 C 端流量的平台也能做。

百度、华为拼的是 " 深度 "，相对而言，深度更难复制。那什么样的深度才算护城河？

对行业护城河的衡量，最终要落在数据里。百度 2026 年 Q1 财报显示，其 AI 云基础设施收入同比增长 79%，GPU 云收入同比增长 184%，领先行业。这已经是百度智能云连续多个季度实现高增长，背后意味着，他们的服务和能力正在快速变现。

而回归到云服务本身，为什么百度智能云能够实现这样的高增长？或许也可以从当前 AI 云服务需求端的变化来看。

在当下行业之中，有一类客户，是云厂商最难拿下、也最值得拿下的，那就是银行。

传统金融的服务选择标准，几乎是所有行业里最严苛的。因为金融几乎不容出错，一笔风控误判可能就是真金白银的损失，一次系统宕机牵连几百万用户。所以银行选云，看的不只是谁模型最新、参数最大，更看重厂商在这行跑了多少年、经历过几轮监管。这种信任只能靠服务时间一点点积累。

从覆盖面看，百度智能云已经服务了 800 多家金融机构，国内系统重要性银行全部接入。但比覆盖面更能说明 " 扎得深 " 的，是它被允许进入了核心环节。以百信银行为例，它把风控交给了百度伐谋智能体，特征挖掘效率提升 320%，风险区分度提升 10%，建模时间从 3 天压到 0.5 天。风控是银行的命脉，银行肯把这个环节交出去，意味着它认可百度是一个能共担风险的合作方。

车企选云厂商的逻辑跟金融的底层是相通的。

辅助驾驶直接关系到人身安全。一旦出事故，责任链条怎么划、数据归属怎么定，这些不是一个算力供应商能解决的。车企要找的，是能跟它一起定标准、共建测试体系、共担安全责任的合作方。

去年，百度智能云支撑了超过 2000 万辆 L2 级辅助驾驶新车的交付；覆盖范围从主机厂延伸到电池、芯片、无人车等产业链企业，研发、训练、仿真、测试到量产交付，多个环节都有它的身影。也就是说，从底层到上层的环节它都包了。

和金融、汽车这种成熟行业不同，具身智能是一个标准还没确定的新赛道，所有玩家几乎站在同一起跑线上。

Omdia 2026 年 2 月发布的数据显示，去年上半年，百度智能云在具身智能市场的份额是 35%，超过第二、三名之和。智元机器人、宇树科技等三十多家重点具身智能企业，都在用它的服务。

机器人企业最需要的是训练快、推理稳。VLA 训练加速超 70%，意味着机器人学会一个新动作的时间大幅缩短；世界模型推理时延降低近 50%，意味着机器人在真实环境里做决策的反应速度更快。这两件事，直接决定了一家机器人企业能不能快速迭代、尽早量产。

新赛道的规律是：谁先跑出场景、跑出规模，谁就掌握更大的话语权。百度能在这个赛道跑在前面，和萝卜快跑也有一定关系。累计超 2200 万单（截至 2026 年 4 月）、周峰值 35 万单（2026 年 3 月），这些数字本身是自动驾驶的商业化成绩，但同时也沉淀了一整套 " 在物理世界里把 AI 用到规模化 " 的经验：从感知物理环境、做实时决策，到规模化运营，恰好是具身智能最需要的能力。

把这三个行业放在一起看，能发现一个共同的规律：越是容错率低、责任重的场景，客户越不会轻易换供应商。AI 在这些行业里，已经不再是辅助工具，而是核心生产要素。谁先在这里站稳，谁就先卡住了身位。

能扎进这些场景，靠的不是一两年的冲刺，而是长期累积下来的几样东西：足够长的时间、足够完整的技术，以及对行业场景足够深的理解。

百度在 AI 上押注超过十五年，中间经历了一轮又一轮 "AI 是不是泡沫 " 的质疑，坚持到现在，攒下的除了技术，还有客户关系。B 端的信任有 " 复利 "：每多稳定服务一年，客户再想换掉你的成本就高一分，这也是金融、能源这类客户一旦合作就很难松动的原因。

更关键的是，百度的路径一直是顺着 " 理解 " 往上走的：从搜索理解人类语言，到自动驾驶理解物理世界，而智能体时代恰恰需要同时理解 " 人想要什么 " 和 " 现实世界怎么运转 "，才能把两者结合起来完成复杂任务。这块拼图，只做语言模型的厂商没有。

还有一层，全栈能力 " 兜底 " 的价值，但它往往在出问题的时候才能体现出来。假设系统突然宕机，芯片、云、模型、应用分属不同供应商，客户可能面临几家互相推责的扯皮；现在四层在一家手里，出了问题责任链条清晰，响应速度也更快。在安全攸关的 B 端场景里，这种 " 不踢皮球 " 的确定性，有时候比单点性能更关键。

这些积累的价值，最终还得看客户买不买账。2026 年 Q1，百度大模型中标金额 12.48 亿元，差不多是第二名的五倍，连着两个季度排名第一。其中，仅中国联通一个项目就贡献了 8.37 亿，头部客户的大额订单撑起了收入底盘。B 端生意一旦在某个大客户身上跑通，后续扩容、复购的空间会持续打开。在这个市场里，最有说服力的指标，从来就是客户愿不愿意接着掏钱。

千行百业的智能化，是 AI 时代最大的一片蓝海。从 " 挖金子 " 变成 " 卖铲子 "，旧地图当然还在，算力规模、营收排名、市场份额，这些指标依然很重要。但这场仗的胜负手显然变了：能不能进入那些容错率极低、出了错要担真实责任的场景，才是新的分水岭。这些场景拼的是时间、技术和场景理解的整体能力。百度智能云已经在这些场景占住了先机，这种整体能力，恰恰是智能体时代最难被复制的护城河。