如果说从AI到Agent是对于产品落地形态的共识，那么如今百度智能云打响的恰是一个基于Agent进行TO B行业表达的AI生产力升维战。
在这个新的工程体系能力里，除了之前百度Create大会上提出的面向Agent的RAG能力等通用能力模块，对更为专业、个性化的产业场景，其基于千帆平台最新构建出的是一个新的"行业模型+行业智能体"的端到端AI工程体系，让企业近一步降低AI落地门槛，真正将AI转化为可用可见的生产力工具。
作者|皮爷
出品|产业家
如果在武汉协和医院就诊，或许人们会经历这样一个和之前截然不同的新流程：
点击预约界面的"帮我预约"，人们自主上传病历，系统会预先基于病历细节主动询问几个问题，回答完成后，正式就诊时医生会直接绕过前面的"基础环节"，直接对症下药，给出精准的治疗方案。
这个高效直接的新流程交互界面，正是武汉协和医院内部如今已经落地的AI导诊，而它的"前身"是百度智能云千帆平台新推出的"智慧就医智能体"。
如果说在2025年，关于大模型，什么是真正的关键词，那么智能体必然是最多数人的选项，这个特殊的产品形态如今已经成为中国企业乃至全球对于AI技术最小落地触点的新共识。
"之前我们意愿虽然强，但内部的AI技术立项更多是落地'大模型基座'，今年我们开始统一把落地点放到'智能体'上。"一位新势力车企技术负责人告诉产业家。
根据全球四大会计事务所之一的毕马威（KPMQ）发布的报告显示，自从2025年第一季度以来，全球范围内进行智能体试点的企业比例从37%大幅跃升至65%，超过82%的管理者把智能体落地作为接下来一年里的核心重点项目。
但这个共识背后也更有硬币的另一面。根据相关数据统计，在2024、2025年间，约1/3 ~ 1/2的智能体项目在POC（概念验证）到生产环节，因为ROI不清晰被直接叫停。来自Gartner的数据同样预判，到2025年年底，有超过30%以上的 AI和智能体项目会在POC后被废弃，主因是成本、数据质量等等问题。
实际上，这种需求和价值的冲突也恰构成着2025年上半年人们对智能体的核心讨论------即到底怎样的智能体才能成为真正的AI落地触点？又或者说企业应该搭建怎样的AI环境保障智能体的价值发挥？
百度智能云是被看见的这些问题的回答者之一。一个数据是，如今百度智能云累计帮助用户精调了 3.3 万个大模型，开发出 100 多万个企业级应用。
这些数据对应的真实细节恰是一个个跑在百度智能云上的诸如武汉协和医院这样的AI生产力案例，在这些有温度的场景里，AI已然成为真实的生产力工具和民生助力加持。
为什么是百度智能云？或者说，这个一直定位AI云的平台到底为企业搭建的是一个怎样的AI环境和土壤？以及，这样的环境和土壤对AI技术的普惠化和落地化到底具备怎样的价值？
在这次2025智能经济论坛上，百度智能云把它的答案近一步放到台前。
一、大模型落地2025：
看得见的Agent共识，看不见的工程卡点
在这些答案之前，一个或许更应该被衡量的命题是：2025年上半年，中国的AI大模型落地到底走到哪了？
与这个问题对应的是在过去6个月里一系列和大模型相关的关键词，不仅是DeepSeek，还更有Agent智能体、一体机、推理加速、RAG等等一系列被放到AI舞台中心的新标签。
这些标签串联起来，也恰构成着人们对于AI生产力的期待和热情。但也恰如开篇所说，从技术曲线到真正的产业落地并不是一件容易的事，不仅对中国企业，甚至在全球范围内都有极高的难度。
那么，在上层技术和实现方式都明确的前提下，AI落地的难点还会出现在哪？
"数据安全和准确性是我们最看重的能力，但目前市面上的智能体服务商提供的能力都很难达到金融级的要求，我们自行搭建耗费成本又很大。"一位陕西区域银行技术负责人在采访中告诉产业家。
从全局视角来看，这是当下智能体落地的最大卡点。即对金融、政务、医疗、能源甚至制造行业而言，尽管目前市面上不少云服务商和大模型服务商都提供算力、模型以及数据相关服务，但对企业而言，其仍然很难基于现有的MaaS平台搭建或者调用到足够匹配自身产业场景的智能体。
这其中涉及到的工程难点有很多，比如不同智能体如果要达到最好的效果，应该在底层调用不同的大模型，如文心4.5，如DeepSeek，如Llama等，但大部分平台无法支持这种模型和智能体的多线切换模式，仅支持不同智能体和单一模型之间的调用。
再比如，在智能体本身侧，如今市面上大部分智能体距离真正的产业场景还尚有距离，更多集中在通用场景侧，企业往往需要在现有通用智能体的基础上基于产业场景进行大量调试。
此外，难点也更在模型层。即尽管今年在大模型落地侧基于智能体的推理训练成为人们落地AI的共识，但从效果来看，这个"共识"仍然有可调优的空间。
不少行业人士告诉产业家，单独通过RAG等能力可以满足企业在部分产业场景的AI需求，但如果要在比如智能诊疗、金融风控、工业质检等更为专业的领域，其往往需要在对应的行业大模型基础上进行推理训练，比如金融大模型、能源大模型等等，唯有如此，才能让最前端的智能体能真正落地到企业内场景。
这些都不是容易的事。比如如今市面上智能体更多集中在通用场景的问题，对服务商而言，其如果要构建更细颗粒度适配产业场景的智能体，就必须深挖对应场景和环节的一系列产业know-how，比如流程，比如权限，比如数据格式等等，对服务商而言，这对应的是一个个行业专家团队的投入。
再比如行业大模型难题，即对大部分企业，即使是中大型企业，尽管目前市面上广泛分布着不同的AI Infra厂商和训练方法，但对单个企业而言，进行一个行业大模型的微调其中耗费的成本少则几十万，多则上百万；同时，对大部分企业而言，其也很难收集足够量级的垂直领域数据集进行集中训练。
可以说，如果2024年，人们对AI大模型的定调是第四次工业革命的技术向上，那么2025年，这个定调则恰应该是从AI技术曲线到产业AI工程的"逐步攻坚"。
这其中的难题和卡点不再只存在于AI技术的研究论文中，也更存在于一个个尝试进行生产力重构的真实产业场景，新的难题几乎遍布AI产业链的全部落地节点，从底层的模型层到上层的智能体层，从企业最前端的简单问答到核心场景的智能体构建。
在AI落地已经进入深水区的如今，是否有更优的工程答案？
二、一场百度智能云的AI升维战
实际上，这也恰是过去两年里在百度智能云思考的问题。作为第一个吹响国内AI号角的互联网大厂，相较于其它服务商，这些问题要来的更为汹涌直接。
而在这次2025智能经济论坛上，百度智能云和它的一些新思考被放到台前。
武汉协和医院的案例背后的"智慧就医智能体"恰是这些最新思考的一个缩影。在面向医疗场景的智能体之外，在此次大会上，百度智能云千帆平台还发布了多款面向专业场景的智能体，如面向能源行业的营销供电方案智能体、面向交通行业的公路应急指挥智能体、面向政务行业的生态环境监测智能体。
这些智能体有一个共同的名字，即"百度智能云精选行业场景智能体家族（Agent Family）"。
对这个产品的一个描述是，**其恰是百度智能云专门面向不同产业赛道的更核心场景，联合行业对应的专业厂商推出的行业专属智能体，**比如营销供电方案智能体背后是百度和国家电网的不断打磨尝试，比如生态环境监测智能体是由百度智能云和中国环境监测总站一起打造。
可以理解为，**百度智能云的做法是基于和行业头部领跑企业的深度协同，将其中已经实践成熟的AI工程能力沉淀到对应的行业专属智能体上，**这些专属的行业智能体具备极强的行业know-how属性和端到端落地能力，可以在百度智能云千帆平台提供的强Agent工程搭建能力的基础上，更近一步强化企业的使用效果和降低AI落地门槛。
比如精准预约智能体自身就可以让医生审核的准确率达95%以上，节省专家筛选时间85%以上；公路应急指挥智能体则是可以将事故检测准确率提升到95%以上，让监控人员介入处置的工作量降低50%等等。
被放到台面上的思考不仅智能体工程，也更有模型层的新回答。即和前文提到的行业模型对应的是，在这次2025智能经济论坛上，百度智能云千帆还推出了专属的行业大模型------千帆慧金金融大模型。
据了解，**本次推出的千帆慧金金融大模型是百度智能云在通用模型的基础上，使用了数百亿tokens的高质量金融领域和通用混合语料，**并使用持续预训练（CPT）的方法进行了金融领域的知识注入和增强。
同时，在预训练之外，针对金融行业特有的一些复杂推理和计算场景，百度智能云还结合SFT、强化学习、合成数据等技术，在金融大模型的基础上开发了推理模型，专门面向金融表格推理、金融知识推理、金融计算等核心场景进行了对应的强化。
"其实现在不论是DeepSeek也好，还是其它开源模型也好，企业是没办法得到它的训练数据的，有些情况下，企业越训练甚至模型效果越差。"百度智能云千帆相关负责人告诉产业家，"但基于我们推出的金融大模型，企业可以把自己的数据和我们提供的优化后的模型结合起来，让领域优化效果更好，更实用。"
同时，他还表示，后续在金融大模型之外，百度智能云千帆还将推出一系列面向不同领域的专属大模型，帮助不同产业领域的企业构建更好的模型底座。
从某种程度来看，如果说从AI到Agent是对于产品落地形态的共识，那么如今百度智能云打响的恰是一个基于Agent进行TO B行业表达的AI生产力升维战。
在这个新的工程体系能力里，除了之前百度Create大会上提出的面向Agent的RAG能力等通用能力模块，对更为专业、个性化的产业场景，其基于千帆平台最新构建出的是一个新的"行业模型+行业智能体"的端到端AI工程体系，让企业近一步降低AI落地门槛，真正将AI转化为可用可见的生产力工具。
此外，也更值得一提的是，在这两款产品之外，百度智能云千帆平台作为"智能体工厂"的内部界面也更被进一步提升，比如企业可以基于不同的智能体调用不同的底层模型，再比如企业可以基于不仅可以基于千帆平台进行智能体的开发，还能在平台之上进行智能体的调优和升级迭代，进行智能体的全生命周期运维。
三、AI生产力时代，真的来了吗？
"AI生产力时代，真的来了吗？"
在最近被誉为互联网女皇的玛丽·米克尔发布的340页《AI趋势报告》中，"前所未有"这个关键词出现了51次，她更是将AI冠以"工业化下一阶段"和"人类第二次创世纪"的称谓。
实际上，这些形容词对应的确定性在国内市场也更有所展现。一个数据是，在如今的百度智能云上，有超过65%的央国企企业已然进行深度的AI体系构建，与此同时，百度智能云千帆平台已经汇聚了 12 万家创企和生态伙伴。
这些确定性的数据，也恰构成了百度智能云等企业如今被越来越多人关注的原因，即在百度智能云等站到台前的AI云平台上，其如今呈现出来的是一个全栈可控、具备产业属性，同时又具备可操作、可交互能力的AI工程平台。
这个全栈的能力除了前面提到的不断向AI产业落地纵深延展的千帆，还有先进的算力调度平台百舸，以及国内第一模型梯队的文心4.5 Turbo、X1 Turbo和已经点亮3万卡集群的国产芯片昆仑芯。
"其实今年伴随着DeepSeek出来，大家对于国产芯片的认可度越来越高，因为相较于之前，部署DeepSeek成了一个新的'考校场'，越来越多企业发现国产芯片的性能也都很不错。"百度智能云混合云总经理杜海表示。
以昆仑芯为例，其可以将64张昆仑芯P800放到同一个机柜，实现单节点的超强性能，这种方案下，卡间互联带宽可以提升到原来的8倍，单卡的训练性能提升10倍，推理性能提升13倍，一个机柜就能顶过去100台机器。
同时，他还告诉我们，基于百度智能云的百舸平台，企业不同的部署需求都可以快速做到落地满足，"不论是几百卡还是几千卡的部署，还是多种芯片部署训练，我们都可以快速帮助企业达到最好的训练效果。"
一个数据是，**基于百度智能云百舸平台，万卡集群可以实现99.5%以上的有效训练时长，两种芯片混合训练大模型的效率折损控制在5%以内，**同时可以做到秒级感知、快速定位，并通过自动回滚机制让集群迅速恢复运行。此外，基于百舸独特的混合云的形态，可以把整体算力成本压缩至市场价的一半。
实际上，这些从芯片到算力调度到模型再到智能体的全栈链条也正是构成着百度智能云拿下一个个如招商银行等超级大单的底气。在最新的发布的2025年百度第一季度财报中，百度核心净利润同比增48%至76.3亿元，其中百度智能云持续强劲增长，同比增速达42%。
这一切也恰如百度集团执行副总裁沈抖在这次智能经济论坛上所言，"想象未来最好的方式就是去创造它"。在2025年的如今，在百度智能云等企业的加持下，企业的AI想象力、中国的产业AI想象力，正在加速照进现实。