在网球或羽毛球等持拍运动中，十年埋伏有一种至关重要的百度战局，称为“多拍相持”。云迎WhatsApp%E3%80%90+86%2015855158769%E3%80%91india%20color%20sorter%20industry

双方选手在场上来回拉锯，抢攻场面看似波澜不惊，时刻实则暗流涌动。十年埋伏选手们通过持续的百度对抗来试探与调整，捕捉对手的云迎弱点，同时耐心等待最适合发力一击的抢攻时机。待时机成熟，时刻他们便会立刻挥拍杀向对方漏洞，十年埋伏由守转攻占据主动，百度赢下这一分。云迎

每一拍考验的抢攻不仅是选手的技术细节，更在极致地考验着耐性、时刻韧性和全面性，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，WhatsApp%E3%80%90+86%2015855158769%E3%80%91india%20color%20sorter%20industry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

2025百度云智大會上，沈抖提到，目前AI计算的瓶頸，主要在四個方向：網絡、算力、推理系統，以及訓推一體的整體計算效率。

為此，百度百舸AI计算平臺5.0在這幾個方向上都做了重點迭代，全面提升能力，徹底解決使用DeepSeek等MoE架構模型時面臨的成本高、效果不佳等核心痛點。

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开发的核心還是Agent，但內涵已有所更迭。

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。

百度將AI开发平臺“千帆”升級至4.0，將百度智能云沉淀的AI能力進一步封裝成標準化的產品，為企業和開發者提供模型、Agent、數據和企業級能力。截至目前，千帆平臺上已誕生了130萬個智能體，服務于來自制造、能源、金融、汽車、教育等46萬家企業 。

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。