AI工具最殘酷的檢驗場，不在硅谷，而在義烏。

從歐洲留學回國接班的義烏廠二代吳展告訴我們，過去做一條面向中東市場的帶貨短視頻，他需要找人寫腳本、翻譯阿拉伯語、完成配音。無論是自建團隊還是外包，一個短視頻產(chǎn)出至少要花半天的時間，光翻譯費就要花掉上百元。

而現(xiàn)在，他一個人用AI工具10分鐘就能搞定，從文案、多語種到配音一氣呵成。就連AI生成的廢片，他都不會放過，“用AI剪到一起還能放到賬號里做商品展示”吳展笑著說道。畢竟在義烏，每一個Token都不會浪費。

吳展的案例并非個例。事實上，義烏這座只有200萬人口的城市，作為全球最大的小商品集散地，有近3萬商戶已常態(tài)化使用AI工具，AI應用累計調(diào)用超10億次。

義烏一直有一個樸素的商業(yè)邏輯，一分錢要掰成10瓣花。放在AI產(chǎn)業(yè)的語境下，這套邏輯可以翻譯成一個更具技術色彩的名詞，那就是Token效率學。

Token是大模型處理文本的最小計算單位，也是AI的“計價貨幣”。大模型的每一次回答、每一個推理步驟、自主完成的每一次規(guī)劃和工具調(diào)用，都在消耗Token。而年初OpenClaw全球出圈，把Token消耗量拉到了一個前所未有的量級。

Anthropic數(shù)據(jù)顯示，單一智能體完成一次典型任務的Token消耗是普通對話的4倍，多Agent協(xié)作更高達15倍。原本一次幾十Token的交互，開始變成智能體上數(shù)十萬甚至百萬token的長鏈路任務。

問題在于Token需求激增的同時，大量低價值、重復的計算也在增加，讓用戶花了不少冤枉錢。行業(yè)競爭的核心也開始發(fā)生變化。英偉達CEO黃仁勛在2026年GTC大會上提出，AI競爭的本質(zhì)是Token生產(chǎn)效率的競爭。

在他看來，決定了科技企業(yè)能否生存的，不再只是模型能力，Token生成的質(zhì)量、成本和效率同樣重要。而在5月13日百度AI開發(fā)者大會上，百度創(chuàng)始人李彥宏給出了另一個尺度，DAA（日活智能體數(shù)）。結(jié)合百度智能云的一系列升級。最終指向了Token效率的另一面，不僅計算成本，而是如何發(fā)揮每一個Token的價值。

AI公司需要比拼的，不再只是誰的Token更便宜，而是誰能把每一個Token榨出更多價值。如果要找一個最早感受到這種變化的地方，可能不是硅谷，而是義烏。

01

義烏的AI效率學

義烏一直是中國最特殊的商業(yè)樣本之一。

這里有超過200萬種商品、數(shù)萬家中小商戶，以及全球密度最高的小商品供應鏈。它也是中國最典型的效率社會之一。

早上八點半的義烏國際商貿(mào)城，搬運工推著裝滿貨物的推車在通道里穿梭，210多萬種商品從這里發(fā)往全球230多個國家和地區(qū)。這里店鋪密集，人流涌動，促銷招牌恨不得把每一寸墻面占滿。

不過這里也是AI氣息最濃郁的地方。送貨機器人已經(jīng)替代部分搬運工裝卸運輸貨物，老板熟練切換AI軟件用多語種和全球客戶溝通，大廳里，還給第一次來的采購商配備了AI導航系統(tǒng)。

在義烏，AI已經(jīng)日常的不能再日常。甚至AI店長這個新物種開始在義烏萌芽。

作為世界超市，義烏模式前店后廠，前面接訂單、跑客戶，后面盯生產(chǎn)、管質(zhì)量。老板往往要同時談客戶、看庫存、催產(chǎn)線、盯物流。現(xiàn)在，基于智能體，義烏老板正試圖搭建AI廠長管工序、管物料、管服務。而AI店長可以自動消化銷售數(shù)據(jù)、預警庫存風險、追蹤逾期訂單，甚至結(jié)合物流成本給出調(diào)貨和促銷建議。

廠長最終只需要對著屏幕看結(jié)果。義烏商城集團董事長陳德占用了一句很直白的話來解釋義烏的變化：“徹底顛覆傳統(tǒng)生意的邏輯”。但對義烏商戶來說，顛覆邏輯這種大詞他們不關心。他們關心的是更具體的東西。

吳展向我們展示過他的AI工作流。作為接班的廠二代，他需要用最低的成本在海外市場測試新品，完成導流，而傳統(tǒng)搭建視頻團隊的方式，光是打磨腳本就得反復跟外包團隊對需求，翻譯還要等排期。但讓AI生成視頻腳本，再用AI視頻工具生成素材完成剪輯，一天就能生成十幾個新品短視頻。

有趣的是，在義烏老板們很少討論AGI、Scaling Law這些概念。一套數(shù)字人系統(tǒng)，能不能替代夜班客服。一個視覺Agent，能不能減少工廠漏檢。一個營銷智能體，能不能幫店鋪多接幾個海外訂單。這些，才決定一個AI工具能不能在義烏活下來。

吳展也有他的煩惱。100多年前美國百貨業(yè)之父約翰·沃納梅克曾說，我知道我的廣告費有一半被浪費了，但遺憾的是，我不知道是哪一半。這種明明知道錢在打水漂、卻不知道漏在哪里的焦慮，在過去兩三個月里被吳展完整地體驗了一遍，只不過對象從廣告費變成了Token賬單。

最初用AI做視頻、寫腳本時，月消耗不過千元，但隨著他嘗試引入OpenClaw類的工具完善工作流，Token調(diào)用量爆發(fā)，賬單兩個月就逼近萬元。Token成本越來越貴，而智能體每個指令都要自主規(guī)劃、搜索信息、調(diào)用工具、驗證結(jié)果，任務越復雜，消耗呈指數(shù)級膨脹。

吳展說，過去花廣告費是不知道浪費在哪，現(xiàn)在燒Token是眼睜睜看著AI空轉(zhuǎn)，卻不知道從哪一處開始叫停。

于是他只能盡量把每一次的Token消耗都壓榨出價值。不斷的優(yōu)化視頻腳本，甚至連別人不要的AI廢片他都不浪費，“盡管有單個鏡頭生成效果不好，但重新剪在一起還能用。”畢竟，Token還不像水電煤一般的平價。

這種對成本的極致敏感，解釋了為什么義烏幾乎以商品拆解的方式接納了AI。從數(shù)字人到AI導航，從智能設計到AI店長，整個義烏市場正以驚人的速度將AI融入到每一個毛細血管里。

過去幾年，AI行業(yè)一直有一種典型敘事，更大的模型，意味著更強的能力。但義烏提供了另一種現(xiàn)實，真正決定AI價值的，不是模型參數(shù)，而是單位Token能創(chuàng)造多少經(jīng)營結(jié)果。

這也是為什么，今天越來越多 AI 云廠商開始重新理解 “ 全棧 ” 這件事。因為 Agent 時代，問題已經(jīng)不只是模型夠不夠強。而是整套系統(tǒng)，能不能把 T oken 用到極致。

02

百度新全棧在做和義烏人一樣的事

如果從更底層的視角看，會發(fā)現(xiàn)義烏老板和百度工程師，其實都在做同一件事，就是壓榨效率。

義烏老板希望一次拍攝能生成24小時在線的數(shù)字人，一次直播素材能反復用，一個員工能覆蓋更多訂單。而百度的新全棧，本質(zhì)上也是同一種邏輯，通過對Agent Infra和AI Infra兩大基礎設施的全面升級，聚焦于將單位Token的智能水平做到最好，同時提供性能最強、最具性價比的AI算力服務。

這也是百度最近提出“新全棧”的背景。

過去，AI云的“全棧”更多是一種能力拼圖，有芯片、云底座、模型、應用。但Agent時代的問題不再是有沒有，而是能不能協(xié)同提效。因為智能體不是靜態(tài)運行的，它是動態(tài)系統(tǒng)。一個Agent執(zhí)行任務時，底層的芯片調(diào)度、推理資源、上下文管理、模型服務、Runtime環(huán)境，其實都在實時聯(lián)動。

傳統(tǒng)云架構(gòu)里，這些東西是分層的。但Agent時代，它們必須開始長在一起。這也是“新全棧”真正重要的地方。它不是簡單的技術堆疊，而是一種系統(tǒng)級協(xié)同。

比如KV Cache，這是現(xiàn)在長鏈路Agent里最關鍵的技術之一。

過去，一個Agent執(zhí)行任務時，大量上下文會被重復加載、重復計算。實際上，很多Token已經(jīng)算過一次，沒有必要再重新計算。于是，百度開始把KV Cache從顯存、內(nèi)存到SSD做分層池化。

這是在做一件很義烏的事情，能復用的東西，就絕不重新生產(chǎn)。

根據(jù)百度智能云披露，其Agentic推理體系已經(jīng)能把KV Cache命中率做到90%以上，并通過長上下文與緩存管理提升復雜Agent任務的推理效率。這件事看起來是工程優(yōu)化，但它遵循的恰恰是“Token經(jīng)濟學”的邏輯，在有限的資源下，實現(xiàn)最大的產(chǎn)出。

Agent時代最大的成本，不一定是訓練，而是推理。尤其當Agent開始進入真實業(yè)務環(huán)境之后，一個任務往往不是幾十Token，而是幾十萬Token。如果每輪都重新計算，成本會指數(shù)級膨脹。于是，“緩存復用”開始變成AI時代新的基礎設施能力。這有點像義烏老板娘反復利用同一套直播素材。

強化學習也一樣。

傳統(tǒng)模型訓練，很多時候一次任務完成后就結(jié)束了。但Agent強化學習不同。一次Token消耗，它會把每一次執(zhí)行任務的過程，重新沉淀為下一次能力。百度在新全棧里強調(diào)的“Agentic強化學習”，是讓真實業(yè)務反饋重新進入訓練閉環(huán)，讓智能體持續(xù)進化。

這其實很像制造業(yè)里的“良率優(yōu)化”。每一次生產(chǎn)，都要反過來優(yōu)化下一次生產(chǎn)。如今，AI也開始進入了這種工業(yè)化階段。

過去，大模型行業(yè)很喜歡討論智能涌現(xiàn)。今天，Token效能被越來越多的提及和討論。對如今的AI大模型產(chǎn)業(yè)來說，最大的瓶頸在于電力、推理成本，以及系統(tǒng)協(xié)同效率。而Agent時代的云，也不再只是資源租賃平臺。它開始變成智能運行系統(tǒng)。這也是為什么，云廠商們開始重新回到了基礎設施的賽點。

03

從數(shù)字員工到千行百業(yè)

很多AI公司喜歡講未來，但義烏的問題永遠很現(xiàn)實。能不能少雇人？能不能提高周轉(zhuǎn)？能不能多接訂單？所以，義烏其實是一個非常特殊的AI檢驗場。這里測的不是模型智商，是商業(yè)效率。

這恰好也是Agent時代最核心的問題。

當義烏出現(xiàn)AI廠長、AI店長這樣新的商業(yè)物種，云廠商面對的需求就不再是打包一套API服務，而是提供給客戶一個能直接上崗的數(shù)字員工。過去，客戶采購云服務，買的是算力、存儲、網(wǎng)絡。現(xiàn)在，客戶想要的是一個能直接工作的Agent。

這也是“新全棧”出現(xiàn)的原因。

在義烏，基于百度一見視覺智能體（一見Claw）打造的“AI廠長”，可以用一套智能體統(tǒng)一完成現(xiàn)場感知、判斷、干預和匯報，而不再是過去廠長需要分別訓練不同模型、搭配不同硬件規(guī)則的“拼圖式部署”。基于Hogee智能營銷解決方案搭建的“AI店長”，可以自動處理銷售導購、數(shù)據(jù)分析、庫存預警和訂單追蹤，甚至結(jié)合物流信息給商家提出調(diào)貨建議。

這兩類智能體背后，需要的是一套無法切割的全棧能力。傳統(tǒng)邏輯下，芯片層只管計算、框架層只管調(diào)度、應用層只管調(diào)用，沒人對Token產(chǎn)出效率負責。

百度在2025年重新調(diào)整了其全棧架構(gòu)表述，形成“芯云模體”的閉環(huán)。從昆侖芯的算力精準投放，到千帆平臺的模型服務，再到Agent Infra的智能體交付，芯片層針對大模型推理特征進行定向優(yōu)化，云底座要有彈性伸縮的肌肉記憶，當應用層出現(xiàn)并發(fā)激增時，能像神經(jīng)反射一樣迅速調(diào)動資源。

模型層要能在長鏈路任務中管理上下文、復用KV Cache、優(yōu)化推理調(diào)度，應用層則要交付能獨立運轉(zhuǎn)的Agent，而不是一堆需要開發(fā)者自行調(diào)通的半成品。

所以，“新全棧”的本質(zhì)不是技術更多了，是層級開始消失了。

芯片開始理解模型，模型開始理解Agent，云開始理解業(yè)務。最后，整個系統(tǒng)開始圍繞“結(jié)果”運行，而不是圍繞“資源”運行，最終Token效率才有可觀測的提升。

而想真正理解百度的“新全棧”，需要把它放回整個AI產(chǎn)業(yè)的競爭格局中觀察。

過去兩年，行業(yè)里有一種非常主流的邏輯，就是AI競爭的核心，在于規(guī)模與生態(tài)。誰能把算力成本壓到最低，誰能覆蓋最多開發(fā)者與企業(yè)，誰就更有機會成為下一代基礎設施平臺。

百度這次提出“新全棧”，是在試圖解決一個問題。當AI不再只是生成內(nèi)容，而是開始直接交付結(jié)果、承擔經(jīng)營責任時，整個云基礎設施應該如何重構(gòu)。因為一旦AI真正進入生產(chǎn)系統(tǒng)，對底層能力的要求會發(fā)生根本變化。

客戶不再滿足于模型夠聰明，而是要求它穩(wěn)定、低成本、可持續(xù)運行，并且能夠在真實業(yè)務反饋中持續(xù)進化。過去那種分層割裂的AI供給體系，越來越難支撐Agent時代的大規(guī)模落地。

義烏某種程度上正是這種變化最極致的縮影。這種結(jié)果導向的標準，也正在向更多行業(yè)蔓延。

國家電網(wǎng)已經(jīng)將智能巡檢覆蓋至全國800多座變電站；招商銀行上線超過800個AI應用，其中超過50%運行在昆侖芯P800之上；百度智能云在中國具身智能AI云市場的份額，已經(jīng)超過第二名與第三名總和。工業(yè)、金融、能源、交通，這些對穩(wěn)定性和可靠性要求最高的行業(yè)，正在用同一種效率邏輯，倒逼AI基礎設施重新進化。

這種變化，也直接反映在市場結(jié)果上。

2026年第一季度，百度智能云同時拿下國內(nèi)云廠商中標項目數(shù)量和中標金額“雙第一”，25個項目總金額達到12.48億元。背后反映出的趨勢是，越來越多客戶真正愿意付費的，已經(jīng)不是更便宜的算力，而是更確定的結(jié)果。

某種意義上，這也是今天AI行業(yè)兩種路線的分野。一種路線仍然強調(diào)資源規(guī)模、參數(shù)競賽和生態(tài)覆蓋，另一種路線，則開始更加關注系統(tǒng)協(xié)同、推理效率與結(jié)果交付。

兩者并沒有絕對的對錯，更像是兩種不同的產(chǎn)業(yè)哲學。但有一個越來越現(xiàn)實的問題正在出現(xiàn)。當客戶花出去的每一分錢，都必須看到實際業(yè)務回報時，單純資源更便宜，還是否足以構(gòu)成真正的護城河？

這或許也是百度“新全棧”對義烏效率邏輯最核心的回應。它想解決的，不只是如何提供AI能力，更是如何穩(wěn)定交付結(jié)果。

撰寫｜馬舒葉

編輯｜劉培