百度智能云发布双层基础设施：智能体如何从演示走向产业现场

百度智能云在10月29日于武汉举办超级智能体大会，社区治理、园区运营、制造生产、门店管理等场景的落地案例集中亮相。

智能体数量正迅速膨胀。IDC预计，2030年全球活跃Agent将达22.16亿个，年复合增长率139%，年均增长超过1倍。

编程、办公、个人助手，消费端到企业端，各类智能体密集冒出来，热度持续走高，成了今年AI落地的重点方向。

与热度一起上涨的还有Token消耗。国家数据局披露，到今年3月我国日均Token调用量已超140万亿，比2024年初增长1000多倍；中国信通院监测显示，到今年6月这一数字达到500万亿。调用量如此之大，说明智能体已走出概念演示，开始承接大量真实任务。

被高频调用的智能体，多数集中在通用能力和高频场景。另有一条路线可以单独看——产业智能体。通用智能体比的是场景覆盖和调用频次，产业智能体则直接扎进社区治理、工厂车间、园区和门店，处理琐碎复杂的现实问题和日常事务。

百度智能云走的正是这条路。大会上展示的案例里，智能体能按居民诉求自动生成治理工单，把群众需求变成可追踪、可闭环的处理流程；也能把工厂老师傅的经验沉淀成可调用的技能，方便后续快速复用。

把这些实践串起来看，百度智能体的落地呈现出几个特征：场景聚焦产业一线，治理、运营、生产、服务等环节都有实际案例；直面复杂需求，工业制造这类经验密集、流程冗长的领域对执行能力要求更高；强调任务闭环，让需求有结果、经验可复用。

智能体要在企业中长期、规模化运行，资源供给、任务执行、数据连接和安全管理这几道难题得先解决。百度智能云为此推出AI Infra与Agent Infra双层基础设施，让智能体成为企业的关键生产力。

一、从个人助手到业务主力，智能体闯行业深水区

近一年，智能体从个人提效工具走向企业核心业务场景，落地步伐逐步迈向深水区。百度副总裁石清华在会上称，百度搭子作为通用智能体，今年3月上线后月活已达千万级，环比增长10倍以上，智能体正在快速向大众渗透。

C端不断普及的同时，智能体也在企业业务场景释放产业价值。

杭州一家做调味品的企业松鲜鲜用上百度搭子之后，数据汇总从原先要花两天变成3分钟就能完成。这个智能体能跨系统读取数据，也具备业务洞察力，眼下已经开始对接企业内部系统，参与到经营分析和业务判断当中。

企业业务场景之外，百度搭子还深度参与基层治理。武汉硚口的基层治理项目由政企服务企业鸿海鑫基于百度搭子搭建，已覆盖100万人口、300位用户和40个真实场景。居民在网格群发布的信息，经智能体分析后自动生成诉求工单，推送至街道系统跟进处理。复杂场景下，百度智能体具备非结构化数据处理、自动化执行与跨系统协作能力。

智能体要真正落地，不管落在企业增效还是基层治理上，都不是一下子就能成的事，背后得把一整套系统工程重新搭起来。Agent在企业里参与得越深，对应的基础设施也得跟着升级。

百度智能云技术委员会联席主席郑然对智东西表示，企业调用的大模型接口已经不只是单一一个，智能体要想扎进业务里，云厂商得给两方面的支撑：一是开箱即用的Agent能力，让企业能快速接入、快速试错；二是能撑住智能体长期运行的基础设施，涵盖运行环境、数据连接、安全管理以及持续运维等。

这两类能力，正是百度智能云面向企业智能体落地提供的底层支撑。

二、智能体要长效，模型之后，要先补“运行底座”

智能体要在企业中发挥长效价值，得先有一个安全稳定、价值可衡量的运行环境。

智能体需要调用工具和企业内部数据，操作失误就可能引发数据泄露或系统崩溃，因此要有安全的执行环境。“沙箱”让智能体在封闭环境内执行任务，避免波及其他系统。

大模型还有随机性，企业需要知道智能体到底做了什么、花了多少成本、效果如何，这就要求基础设施具备“可观测”能力，帮企业看清Agent成本、定位问题，推动效果持续迭代。

Agent Infra的本质，是把一次性的模型调用变成可长期运行、可观测、可治理的任务系统。智能体部署完成后，真正的难点是让它在企业环境中稳定运行并持续交付结果。要做到这一点，得先了解智能体的底层技术形态。成熟的云原生应用能按需启动，根据任务量弹性调整计算资源，通过标准化方式调用云上的计算、存储和网络资源，由平台持续完成部署、调度和运维。

郑然告诉智东西，智能体本身也是一种云原生应用，现有云原生技术仍是其运行基础。但智能体的资源需求更具弹性，运行中存在一定不确定性，未来还可能以海量规模运行，云原生基础设施需要进一步演进，以适应它的工作负载。

智能体数量快速增长，基础设施还要支撑更大规模的协同运行，底层架构面临更高要求。这意味着，Agent进入生产后，企业的核心缺口逐渐从模型转向运行底座。

郑然称，企业从头建设Agent Infra，要覆盖计算、存储、网络、云原生和大模型工程等多个技术领域，建设投入和持续维护成本都很高。云厂商可以通过上下游协同和规模化运营，把这些能力沉淀为开箱即用、分层可组合的产品。企业能根据自身所处阶段，灵活选择基础设施、Agent平台或开箱即用的智能体，快速验证想法并持续迭代。

沙箱、计算、网络、存储、可观测、安全，这些能力共同构成百度智能云的Agent Infra。其中沙箱管的是任务快速启动、运行环境隔离和任务状态保存，智能体在它的安全边界里执行任务；计算、网络、存储则充当“水电”，支撑任务执行、数据访问和上下文处理；可观测能力把智能体的执行轨迹记录下来，成本、效果和故障原因都靠它来分析。

有了这些能力，智能体才有可能长期、稳定、安全地跑下去。底层之上，百度智能云还压低了智能体调用云资源的门槛。云产品过去界面复杂、配置繁琐，智能体的自动化执行常常卡在这一步。针对Agent的调用习惯，百度智能云对云产品交互界面和使用方式做了深度优化，智能体调度云上计算、存储和网络资源，可以像“调用本地文件”那样更直接、更高效。

相关能力已在百度智能云自有产品和客户项目中持续验证，企业从资源供给、智能体运行到开发运营，都能拿到完整支撑。

三、Token需求爆发式增长，AI Infra需要提升资源效率

智能体的任务由Agent Infra跑起来，模型训练、推理和资源供给还得靠AI Infra在背后持续输送。智能体数量涨、调用规模涨，AI Infra承受的压力同步上升。IDC预测，这些智能体带来的推理需求将超过100吉瓦。智能体越多、任务链路越长，算力、存储、网络和能源的投入就越高，云厂商既要扩大资源供给，也得提高每单位资源的Token产出效率。

郑然受访时表示，模型参数规模越做越大，结构走向稀疏，后训练所占比重上升，智能体的上下文长度也在不断拉长。随之而来的是计算、存储、网络和推理效率面临更高要求；基础设施得围绕训练与推理重新设计，让长上下文场景下的数据访问和Token效率提上去。

百度智能云的做法是通过百舸AI计算平台6.0，把AI计算平台从单纯提供算力，升级为协同基础设施、资源管理和工程能力的“智能工厂”，让智能体的运行支撑更高效。

智能体走进更多场景，一头需要Agent Infra承接任务执行、工具调用和运行管理，另一头需要AI Infra持续提升模型训练推理和资源供给效率。两边协同起来，智能体才能在更长的任务链路、更大规模的调用中稳住运行，整体使用成本也才控得住。

结语：Agent进入生产现场，全新云底座稳住落地需求

智能体正从个人工具变为企业业务系统里的执行单元。模型能力只有进入生产环节，才谈得上转化为可持续复用的产业价值。

眼下智能体落地的场景越来越多，新需求不断冒出来，这种“新”也会带动芯片、光模块、存储等基础设施产业发展，催生新的应用场景和商业模式。

对云厂商来说，竞争重点已从提供单一算力资源，扩展到支撑智能体长期运行的完整基础设施。AI Infra与Agent Infra协同，正成为Agent落地的一条重要路径。