在网球或羽毛球等持拍运动中，有一种至关重要的战局，称为 " 多拍相持 "。

双方选手在场上来回拉锯，场面看似波澜不惊，实则暗流涌动。选手们通过持续的对抗来试探与调整，捕捉对手的弱点，同时耐心等待最适合发力一击的时机。待时机成熟，他们便会立刻挥拍杀向对方漏洞，由守转攻占据主动，赢下这一分。

每一拍考验的不仅是选手的技术细节，更在极致地考验着耐性、韧性和全面性，以及背后长期的战略定力。

这正是百度智能云过去十年的真实写照。

大模型重塑市场前夜，一条少有人选择的路

所有人都在谈论，大模型正以前所未有的力量，重塑着中国云计算市场的格局与边界。我们能看见，算力、模型、应用乃至生态的竞争，被强力压缩到同一时空，一场全新的竞赛已经拉开序幕。然而，在这场技术巨变降临之前，市场的主要玩家们已因战略选择的不同，走上了截然不同的发展路径，这也决定了他们在新时代截然不同的起跑姿势。

回望过去十年，中国云计算市场的主旋律，或许可以用 " 规模扩张 " 与 " 资源竞争 " 来概括。

有相当一部分云厂商的战略核心，在于快速抢占市场份额，其发展逻辑可以概括为 " 先有云，再上 AI"。在早期阶段，他们主要着眼于基础设施层，通过大规模数据中心建设和价格战来抢占市场份额，组建庞大的销售团队，积极争夺 To B 项目。

这条路异常艰苦，它要求云厂商深入至中国 To B 市场的腹地，在每一个传统行业的项目中，与复杂的客户需求、漫长的交付周期、苛刻的定制化要求以及激烈的价格肉搏持续作战。拼营收、拼规模成为云厂商的核心 KPI。

与此同时，在这个过程中，人工智能（AI）虽然被视为重要的未来方向，但在业务体系内往往被单独划分至实验室或研究院，作为一个专注于技术前瞻性探索和创新孵化的 " 特区 "；或是与 PaaS、SaaS 有机结合，但并未将云与 AI 真正视为一个整体，暂未以更高的战略优先级去推进云智一体。

这种 " 云归云，AI 归 AI" 的二元结构，确实是一种务实的选择：既保证了核心云业务的资源投入和规模化扩张，也为未来技术突破保留了火种。然而，这也在客观上造成了技术与业务的某种程度脱节，这背后的隐忧是：前沿的 AI 技术成果，是否能快速、平滑、规模化地反哺到云业务的主航道，转化为普适性的产品竞争力？

而与上述主流路径形成鲜明对比的，是百度智能云从一开始就选择的另一条路：" 云智一体，共生发展 "。

百度智能云 2015 年正式对外开放运营，就将 " 云智一体 " 作为核心战略方向，是全球最早重视 " 智能 " 的云平台，也是迄今唯一用 " 智能云 " 命名的云平台。三年前，百度智能云率先搭建了当时国内规模最大的 GPU 集群，从以 CPU 云服务为主的云平台转型到以 GPU 云服务为主的云平台。

比起简单地提供计算和存储资源，让云与 AI 成为共生共长的双螺旋，才是百度智能云最关心的议题。

这一差异化战略，让百度智能云避开了传统云市场 " 资源价格战 " 的红海泥潭，开辟了一片属于自身的蓝海。

今年 8 月 IDC 发布的最新报告显示，2024 年中国 AI 公有云服务市场规模达 195.9 亿元，百度智能云以 24.6% 的市场份额稳居第一，连续六年、累计十次蝉联中国 AI 公有云市场冠军——这无疑是对其战略路径最有力的背书。

这份持续领先的背后，根源在于百度独特的身份：既是云计算的资源提供者，又是人工智能技术全栈布局的资深玩家。这种双重身份，让百度对云与 AI 的协同发展有着深刻体会：没有智能的云，仅仅是冰冷的、同质化的计算资源，难以形成更高的附加值；而脱离了云的 AI，则是空中楼阁，无法实现规模化落地和持续的迭代进化。

大模型来临后的云计算下半场格局，其实就正如竞技体育中的多拍相持，看似混乱、动荡，实则考证选手的方方面面。有的云厂商依靠 " 价格战 "" 拼收入 "" 拼规模 " 等单一进攻手段，在持久战中缺少丰富的武器和敏锐的视野来捕捉战机，难以给出致命一击。

百度智能云不仅持续丰富自己的全栈 AI 产品技术与智能算力基础设施组成的武器库，更培养了以云智一体战略为核心的全局思维，并通过丰富的产业落地实战经验不断提升赛场洞察力。正是这种全方位、多层次的能力建设，让百度智能云能够在激烈的市场竞争中保持战略耐心，精准识别战局中的关键突破口，最终通过完美的技术组合赢得整场比赛，实现那次谋划已久的换道竞争。

构建决胜未来的 " 武器库 "，应有两大关键

当前的市场竞争态势已经清晰地表明，云计算与 AI 的争夺绝非各自独立的战场，是一场牵一发而动全身的立体化战争。

这场竞争从不再是某项技术、某个产品的较量，而是整体能力体系的对抗。单一领域的优势已难以构成持续护城河，市场对参与者的要求变得更为全面和苛刻。

在这场高维竞争中，一个真正 " 全面且丰富 " 的武器库，从近期百度云智大会等多次业内讨论来看，武器库的建设或许需要统筹两个关键维度：

一是以四大核心要素为基座的 AI 云新基建；

二是深入行业场景的产业落地经验。

在近日举办的百度云智大会上，百度集团执行副总裁、百度智能云事业群总裁沈抖分析称，智能经济时代，一定要有新的基础设施来支撑，即智能优先的 AI 云。企业对基础设施的要求，已经从 " 降本增效 " 转向 " 直接创造价值 "。所有计算产生的智能都会被封装进 Agents，参与价值创造和交付。企业的 AI 云，不再是成本中心，而会成为新型的利润中心。

百度集团执行副总裁、百度智能云事业群总裁沈抖

而 AI 云的四大核心要素，则分为算力、模型、数据和工程能力。

" 算力规模不断扩大，数据持续提供原料，模型智能不断突破，而工程平台通过强大的调度和编排能力将前三者融合，形成一个统一的、持续进化的 AI 云基础设施，支撑起 Agent 等大模型应用的飞速增长。"

这四大要素不仅是大模型发展的技术基石，更是衡量云厂商 AI 能力是否成熟的关键指标。

领先的云厂商往往通过平台化战略整合这些要素：一方面打造强大的 AI 计算平台，将算力资源与工程能力深度融合，提供高性能、低成本的智能算力服务；另一方面构建完整的 AI 开发平台，实现从数据处理、模型训练到应用部署的全链路赋能。这种双平台架构既确保了底层算力的高效稳定，又降低了 AI 开发门槛，加速创新循环。

回顾技术产业发展史，从云计算兴起到移动互联网爆发，任何一次技术范式的转换都表明，纯粹的技术领先并不足以确保市场成功。只有将技术能力转化为平台化的服务，才能最大化其价值并建立可持续的生态优势。

另一方面，再先进的技术若不能在实际场景中创造价值，都只是空中楼阁。因此，" 武器库 " 的第二个关键维度，是全面且广泛的产业落地经验。这不仅是技术能力的试金石，更是理解行业痛点、定义产品方向、构建解决方案壁垒的来源。

产业智能化的历史经验表明，最具竞争力的技术方案往往源于对行业需求的深刻理解。如同企业软件时代 SAP 通过深耕制造业积累的行业 Know-how，或云计算早期 AWS 通过服务互联网企业形成的产品理念，深入行业的实践经验能够帮助技术提供商准确把握痛点，打造真正解决实际问题的解决方案。

这些经验还能反哺技术迭代与产品优化，形成 " 落地 - 反馈 - 升级 " 的增强闭环。只有在真实场景中经过验证的技术方案，才具备可靠的实用性与规模化复制的潜力。

厚积薄发：纵横双向沉淀构筑竞争壁垒

百度智能云正是这一发展路径的卓越实践者，其通过长期坚持 " 云智一体 " 战略，以四大核心要素为基座，在纵向技术深度与横向产业广度上同步发力，形成了难以复制的竞争壁垒。

纵向深耕：以四大核心要素构建 AI 云新基建

在技术纵轴上，百度智能云基于对产业趋势的前瞻判断，以算力、模型、数据、工程能力四大核心要素为基座，系统性地构建了新一代 AI 云基础设施。在这当中，以 AI 计算和 AI 开发为主线，构建起了 AI 云全景架构。

AI 计算

2025 百度云智大会上，沈抖提到，目前 AI 计算的瓶颈，主要在四个方向：网络、算力、推理系统，以及训推一体的整体计算效率。

为此，百度百舸 AI 计算平台 5.0 在这几个方向上都做了重点迭代，全面提升能力，彻底解决使用 DeepSeek 等 MoE 架构模型时面临的成本高、效果不佳等核心痛点。

网络方面，百舸 5.0 针对大模型计算的三张网：VPC、RDMA   和   X-Link 进行了全面升级，通信更快，延迟最低，提升模型训推效率。百舸的高速   VPC   网络支持巨型帧传输，达到 200Gbps（GigaBytes），显著提升了推理阶段   KV Cache   加载、训练阶段   Checkpoint   读写等核心环节的计算效率；百舸自研的   HPN   网络，支持单集群 10 万卡 RDMA 网络互联，把端到端延迟压缩至 4us。

沈抖透露，今年 MoE 模型已经进化到万亿参数规模，面对海量、高频、延迟敏感的 All-to-All 通信，把模型放进单节点跑是最优策略。今年 4 月发布的昆仑芯超节点，其中核心突破之一，就是百度自研的 X-Link 协议，把卡间带宽提升 8 倍，把延迟做到国内最低，让专家并行的通信更快，最大程度地释放芯片的计算性能。

算力基础设施方面，昆仑芯近期中标了中国移动集采项目十亿级订单，而昆仑芯超节点已经正式上线百度智能云的公有云服务，实例在百舸上正式可用。

超节点 " 超 " 在何处？这是将 64 张卡放到同一个机柜，一个机柜顶过去 100 台服务器。昆仑芯超节点用卡间互联代替机间互联，实现单卡性能提升 13 倍，单机训练性能提升 10 倍。

" 目前最大的开源模型参数达到了 1 万亿。现在只需要几分钟、1 个云实例，就可以轻松把它跑起来。" 沈抖介绍，最新的测试结果，它的性能达到了上一代实例的 8 倍；单卡吞吐提升近一倍，比国内的同类产品，至少高出 15%。

而再强大的网络和算力，想要让用户感知到体验提升，也要看推理系统的迭代效果。

因为在大模型推理上，推理的工作负载会随着流量规模、输入输出长度的变化而变化。为了保持高吞吐、低时延，往往需要多个节点之间协同完成计算与通信。如果通信和计算的调度不够高效，就会造成算力空转、等待时间增加，推理性能下降。特别在 MoE 稀疏架构下，专家并行对调度的同步提出了更高的要求。这个时候，单靠堆卡是不够的，需要做系统性的优化。

百舸 5.0 通过 " 解耦 "、" 自适应 " 和 " 智能调度 "   三大核心策略，对 AI 推理的算力、内存、网络等资源进行极致精细化的管理和优化，从而实现性能（吞吐量、延迟）的数量级提升。

在百舸 5.0 的推理系统下，DeepSeek R1 的推理吞吐可以提升 50%，这就意味着在相同的时间和成本下，使用百舸能比别人多做 50% 的思考。

而在当前最重要的计算范式——强化学习训推一体上，百舸的强化学习框架，能极致压榨算力资源，提升训练、推理效率。

为了高效地迭代和优化 AI 模型，" 使用模型（推理）" 和 " 改进模型（训练）" 不能被当作两个独立的过程，而是要将它们深度融合。百度这样形容百舸的训推一体设计思路：

一条像工厂流水线一样高度协同、无缝衔接的系统，把「推理采样、奖励评估、训练更新」打造成一条高吞吐、低时延的流水线，实现训推一体整体效率的最大化。

百舸提供了一站式高效能云端开发 IDE，支持北京人形机器人创新中心全场景、全流程的研发工作，实现了两倍提效。

目前百舸已全面适配主流开源具身 VLA 模型，同时在 WM 世界模型和 VLM 模型上，全面实现了训推提效。尤其在   VLM   模型上，强化学习是模型在复杂环境、交互反馈下实现能力进化的关键手段，北京人形机器人创新中心基于百舸将强化学习的训练速度提升了一倍多，显著加快了模型迭代节奏。

AI 开发

AI 开发的核心还是 Agent，但内涵已有所更迭。

过去，Agent 主要处理一些步骤简单、规则明确的任务，因此百度千帆提供了一些基础的工具调用、工作流编排能力。

现在，模型能力更强，Agent 也能处理更加复杂的任务。千帆接着提供了更丰富的上下文管理工具，把 RAG、记忆、工具调用等能力统一封装，让 Agent 能调动更多的外部工具和资源。

百度将 AI 开发平台 " 千帆 " 升级至 4.0，将百度智能云沉淀的 AI 能力进一步封装成标准化的产品，为企业和开发者提供模型、Agent、数据和企业级能力。截至目前，千帆平台上已诞生了 130 万个智能体，服务于来自制造、能源、金融、汽车、教育等 46 万家企业 。

千帆的定位是面向企业的 " 一站式 Agent 工厂 "。平台以 Agent 为核心，向内整合模型、数据与工程能力，向外提供全生命周期服务。模型库已扩至 150 余款，涵盖通用大模型及金融、视觉、语音等高性价比行业专精模型。

针对传统 SFT（监督微调）需要 " 手把手教 " 模型、且需要大量高质量数据的痛点，千帆 4.0 发布了 RFT（强化反馈精调）工具链 。这种方法让模型 " 自学成才 "，只需数百条样本数据就能达到显著效果，在千问 7B 模型上可提升 43% 的效率 。这极大地降低了企业进行模型精调的技术和数据门槛。

而千帆 Agent 服务平台，发布多模态 RAG，支持图片、表格等多种类型的数据检索 。这使其能够处理企业沉淀的大量非结构化、多模态数据，有效控制大型模型 " 幻觉 "，使智能体应用在实际商业场景中更具实用性。

雷峰网也了解到，这次百度 AI 搜索及集团其他优秀产品技术能力，都会作为 MCP Servers，陆续在千帆上开放。同时，千帆接入了包括支付宝、同程旅行在内的一批优质第三方 MCP Servers。开发者也可以自行通过千帆开发和发布 MCP Servers，百度搜索会快速索引这些 server。

与此同时，千帆数据智能服务平台也在千帆 4.0 发布，在该平台支持下，文心大模型的数据开发效率提升了 30% 到 6 倍不等。

百度智能云通过 AI 开发平台千帆，充分证明了其在 PaaS 层的技术厚度与生态开放性；而在 SaaS 层面，" 一见 " 视觉大模型平台的持续进化，尤其是在 2025 年发布的 " 工序合规分析 " 等能力，充分彰显了其在 SaaS 层深厚的积累与卓越的产品化能力。

" 一见 " 平台自 2017 年与首钢合作落地首个工业案例以来，八年深耕视觉智能领域，逐步构建起覆盖安全生产、质量检测、工序合规、物料管理与服务重构五大场景的 SaaS 应用矩阵。最新发布的 " 一见 5.0" 支持 " 一句话生成专业级视觉 AI 应用 "，将传统需数周的开发流程压缩至分钟级，真正实现了视觉 AI 应用的 " 平民化 "，体现了平台易用性的飞跃，更反映出百度智能云将复杂 AI 能力封装为标准化、可复制 SaaS 服务的深厚功力。

更重要的是，百度智能云始终从产业真实痛点出发构建 SaaS 能力。例如，" 工序合规分析 " 功能直指制造业数字化中最棘手的难题——中小工厂依赖老师傅经验、大型企业因工序迭代导致算法更新滞后。该功能支持用户仅需上传一段标准操作视频，20 分钟内即可生成高精度合规分析技能。

横向拓展：产业知识的持续积累与验证

而在产业横轴上，百度智能云展现出对行业需求的深度理解和实践能力。其技术价值在大量实际场景中得以验证和迭代，形成了显著的竞争壁垒。

我国大模型相关项目招投标市场数据显示，2025 年上半年，百度智能云以 48 个中标项目和 5.1 亿元中标金额，稳居 " 双第一 "，并在金融、能源、政务、制造等重点行业中持续领跑。

目前，有超 65% 央企落地大模型选择百度智能云；在金融领域，80% 的系统重要性银行、150 余家保险、券商和基金公司落地大模型时成为百度智能云的客户；95% 的主流车企和超过行业半数的游戏厂商，在落地大模型时均选择百度智能云。

尤其在具身智能领域，百度智能云取得先机，有二十余家客户成为百度 AI 公有云客户，其中 4 家为全国 TOP4。

北京人形机器人创新中心就是选择百度智能云的机构之一。当前，具身智能仍处于 " 智能化 " 初级阶段，行业亟需具备多本体兼容、多场景适应与强大泛化能力的通用平台，同时面临高质量、跨模态训练数据稀缺的瓶颈。针对这些痛点，百度智能云依托百舸 AI 计算平台，实现算力的高效调度与大模型训推加速，显著提升模型研发效率。在智能决策层面，通过千帆平台与文心大模型，实现对自然语言指令的精准解析与多模态信息融合，能够将复杂任务拆解为可执行的子任务序列，提升机器人决策准确性。这一系列能力正助力具身智能技术在工业复杂作业、危险环境操作及家庭养老陪护等多样化场景中加速落地。

值得一提的是，百度智能云在具身智能领域迅速站稳脚跟，这样的情况在前两年的无人驾驶汽车领域也曾上演。百度智能云能够不断抓住新出现的赛道，一定程度上也说明了外界对百度智能云产品、技术竞争力和行业 know-how 的认可。

百度智能云的优异表现和十年 AI 云的深耕成果，最终也转化成了财报上的亮眼数字。

2025 年第二季度，百度总营收 327 亿元，百度核心收入 263 亿元，归属百度核心净利润 74 亿元，同比增长 35%，其中 AI 新业务（即非在线营销收入）收入超 100 亿元，同比增长 34%，主要受智能云业务增长所带动。这也是 AI 新业务首度突破百亿大关。

具体到 AI 云上，第二季度，百度智能云收入同比增长 27%，达到了 65 亿元。2025 年上半年，百度智能云收入同比增长 34%，高于 2024 年上半年的低双位数收入增速。

作为中国 AI 云市场的长期领跑者，百度智能云以其深刻的行业洞察和坚定的战略耐心，展现出 AI 云 " 原生玩家 " 特有的技术深度与生态广度。正如 " 荷花定律 " 所启示的那样——池塘中的荷花在第二十九天时仅覆盖一半水面，却能在第三十天迎来满池绽放。百度智能云的成长亦如此般，早在行业多数厂商仍将 AI 视为 " 附加能力 " 之时，便已沉心布局 " 云智一体 " 的技术底座与生态体系，从算力、模型到应用，默默构建全栈 AI 能力。

正是这种长期主义的坚持，使其不仅连续多年稳居中国 AI 云市场榜首，更在具身智能、工业视觉等新兴领域率先突破，完成从 " 半池 " 至 " 满塘 " 的跃迁。从技术赋能到生态共建，百度智能云已逐步成为中国产业智能化进程中不可或缺的基础设施提供者与创新推动者。