編輯 | 秦言

來源：懂懂筆記

"進入智能體時代，衡量一個平臺和生態的繁榮，更應該關注DAA這個指標，關注有多少Agent在給人類干活，并交付結果。"李彥宏強調，"這比無謂的Token消耗，更接近價值，也更接近本質。"李彥宏在Create2026百度AI開發者大會上提出了AI時代新的度量衡，給行業一個全新的價值錨點。

沈抖在演講中呼應了這一觀點："AI云的下半場，不是比誰消耗了更多的Token，而是比誰用Token干成了事。百度智能云要做的，就是讓我們的企業'多、快、好、省'地把每一個Token都轉化為企業的生產力。"

每個時代都需要與其匹配的基礎設施。與“DAA”這一AI時代新的度量衡相匹配的新全棧AI云正式亮相，并悄悄改變了AI時代基礎設施的底層邏輯。

超10億大單背后的算力辯證法

百度Create大會上，作為中國智駕芯片領域領軍人物的余凱，拋出了一組足以震動底層IT基礎設施產業的重磅數據：地平線將超過5000個節點的超大集群、數千PB級的數據存儲與管理，以及支撐萬卡持續穩定訓練的重任，托付給了百度智能云。

這不是一筆簡單的每年超 10億元采購訂單，是智能駕駛產業核心資產與公有云的一次深度綁定，背后或許正是智能駕駛“計算機誕生級”的產業重構。

長久以來，芯片設計與自動駕駛算法的研發，一直被視為科技公司的“核心命門”。哪怕是特斯拉這樣的巨頭，也要把核心數據和算力死死攥在自己手里。那么，余凱為什么敢于把地平線如此龐大且核心的萬卡訓練集群，全盤托管給百度智能云？

于消費者，智能駕駛已經進入普及階段。于廠商，智能駕駛的競爭則已經進入了“拼刺刀”的階段。地平線在2025年推出了高達560T大算力的征程6P芯片，其端到端自動駕駛大模型HSD更是實現了量產，直接促使77%的消費者愿意為智能駕駛高配買單。“我們相信智能駕駛進入尋常百姓家的拐點已經到來了。”地平線創始人兼CEO余凱博士表示。

然而，智能化普及也給企業帶來相應的壓力，買顯卡、建機房、搞風火水電，成本高、周期長，固定資產投入的速度很難跟上算力需求的增長節奏——這正是汽車產業在快速走向智能化過程中的主要瓶頸。

將萬卡集群交給百度智能云，意味著地平線無需分心對付底層基礎設施的波峰波谷，實現了死磕“核心軟實力”的戰略性聚焦。

此外，我們知道高階智駕大模型的訓練如同算力吞金獸，隨著模型參數量的爆炸式增長，算力需求呈現出指數級的攀升。不僅如此，在分布式訓練中，一個GPU的意外掛掉，就可能導致整個訓練任務中斷并重頭再來，傳統的IDC模式顯然已經無法承載這種級別的容錯需求。

而百度智能云提供的十萬卡集群管理能力，以及與地平線共建的GPU故障自動化發現與處理機制，將排障時間從過去的小時級甚至天級，硬生生壓縮到了分鐘級。這種底層運維能力，是任何一家智駕公司都極難通過自建獲得的。可見，地平線在與百度的合作中不僅獲得了充足的算力，更是高效且穩定的算力。

此外，公有云就像一個有無限彈性的算力蓄水池，既能滿足突發的大規模模型訓練，又能在業務低谷時釋放資源，避免了自建機房“買多了浪費，買少了不夠用”的尷尬。可以說，通過與百度智能云的合作，地平線更是獲得了彈性算力蓄水池，獲得了更靈活、可控的算力。

投入超 10億元的重注，地平線在下半場的競爭中輕裝上陣的同時，也在宣告智駕產業底層算力決策邏輯或將徹底翻轉。

隱形底盤，汽車產業告別線性供應鏈

如果把視線拉長，你會發現，地平線與百度智能云的深度合作，絕非孤立的事件。它是中國汽車智能化產業來到臨界點的一個重要標志。

根據中國汽車工業協會的數據，2025年中國乘用車L2級及以上的輔助駕駛滲透率已經逼近60%。這意味著，智能駕駛正在經歷一場從嘗鮮玩具到剛需標配的階段性飛躍。智能化應用的普及，直接推動了產業合作模式的底層邏輯巨變。

過去，汽車產業的合作是典型的線性供應鏈：芯片廠商提供算力，Tier 1供應商打包方案，車企負責整車集成。

但現在，伴隨著智能駕駛、智能座艙等汽車智能化的全面大爆發以及對推理算力需求的井噴，傳統的線性傳遞已經無法滿足車型快速迭代的需要。產業亟需一種更緊密、更高效的協同模式。

作為擁有160年歷史底蘊的車企，長安汽車深知真正的變革在于底層能力的重構。通過百度百舸·AI異構計算平臺，長安構建了每秒142億億次計算能力的智算中心，不僅讓GPU資源利用率提升了40%，更累積了近億幀的高質量標注數據和超3萬次的AI算法訓練。

在地平線和長安的案例背后，我們清晰地看到一個新的產業趨勢，原有的企業邊界正在被打破：長安從整車制造商發展成為提供智能駕駛、智能座艙的智能汽車服務商，地平線從一個智能駕駛芯片廠商成為了一個整車智能全品類技術的生態型賦能者。

與此同時，車企和智駕科技公司不再追求大而全的自建，而是開始尋求術業有專攻的生態結盟。芯片公司專注架構與算法，云廠商死磕底層算力調度與模型推理優化，雙方通過高速專線數據鏈路，形成一個巨大的網狀協同生態。

而百度智能云十年間跟隨客戶需求不斷求新，通過全棧AI布局，支持了包括主機廠、電池、芯片、無人車等產業鏈領軍企業的研發、訓練、仿真、測試和量產的各個環節，已經成為智能時代汽車產業的“隱形底盤”。

截至去年，百度智能云已經成功支持了超過兩千萬輛 L2級輔助駕駛新車的交付。

從“賣鏟子”到“挖金礦”：新全棧AI云的野望

李彥宏表示，智能體出圈代表著AI的發展正從模型階段走向應用階段，“第一次，AI的主角不是模型，而是應用”。

當高活躍、高價值、規模化的智能體應用開始涌入客戶的業務場景，傳統的云服務體系徹底失效了。李彥宏強調，“百度作為平臺型公司，為支撐智能體應用爆發，構建起了‘芯云模體’全棧能力。”

前面講到的汽車產業重構，只是全社會向AI 過渡的一個縮影，事實上千行百業正在進行著基礎設施的再進化。

過去，云廠商提供的往往是分層割裂的全棧，但在大模型時代，模型需要特定的算力調度，算力需要針對特定芯片優化，而芯片又需要與大模型深度綁定。以往那種層層脫節的模式，根本無法承載李彥宏在Create大會上所預言的那個“日活智能體數（DAA）超過100億”的龐大未來。

與DAA相匹配的，在智能工廠、具身智能、智能手機、智能門店等千行百業的真實場景中，沈抖看到了客戶需求的變化：“過去，客戶需要的是業務的彈性、可靠、降本增效，所以這時候這些云服務提供的是計算、網絡、存儲這樣的資源。而今天，客戶需要的是高活躍、高價值、規模化的智能體應用來直接解決他們的實際問題，所以云服務也必須重新定義，成為一套能夠支撐智能體大規模運行、持續進化、安全可控的全棧AI基礎設施。”

為了更好支持客戶AI化的需求，百度智能云面向大規模智能體應用實現基礎設施重構，全面升級為新全棧AI云，這套新底座由兩大支柱構成：橫向打通智能體生命周期的Agent Infra和縱向深挖算力極限的AI Infra。兩者如同DNA的雙螺旋，共同編織出智能體時代的底層操作系統。

沈抖在演講中用一個精妙的比喻揭示了Agent Infra的本質："模型決定了智能體能力的上限，而周邊系統決定了智能體能力的下限。"過去十年，行業癡迷于把模型做得越來越大；而未來十年，決定勝負的將是圍繞模型的"駕馭工程"（Harness Engineering）。

過去，云廠商只負責把模型訓練出來，至于模型能不能干活、怎么干活，那是客戶的事。現在，百度智能云通過駕馭工程，直接把能干活的智能體打包交付。比如，在義烏的工廠里，基于百度一見Claw搭建的AI廠長，能像人類廠長一樣，看懂監控、識別隱患、調度生產，把過去需要人工盯著幾個屏幕的活兒全干了。

隨著智能體任務變長、變復雜，算力消耗呈指數級增長。百度智能云的解法是榨干每一度電。沈抖透露，通過顯存、內存到SSD的分級池化技術，他們將KV Cache命中率做到了90%（業界最高）。這意味著智能體在處理超長任務時，不用反復計算已經學過的內容，效率提升了3倍。再加上昆侖芯全國產集群97%的有效訓練率和天池256卡超節點50%的推理效率提升，這套底座硬生生把智能體的算力成本打到最低。

沈抖反復強調新底層邏輯："未來的企業，不會再問你今天用了哪個模型，它會問你你的智能體今天到底完成了多少任務。"百度新全棧AI云的價值不在于賣了多少張卡，而是幫客戶養活了多少個正在干活的智能體。

如果把百度智能云此前的服務比作“賣鏟子”——提供算力，那么升級后的“新全棧AI云”則是直接下場助力客戶“挖金礦”——交付結果。

從地平線把萬卡集群全盤托付，到長安汽車用這套底座訓練端到端智駕模型，再到義烏老板用AI店長做導購，百度智能云正在做的，是把昂貴的AI技術，變成像水電一樣開箱即用、按量付費的生產力工具。

顯然，百度智能云已經不再是賣算力的發電廠，正在成為智能體時代的電網運營商和調度中心。當數百萬、數千萬個智能體在云上奔跑時，誰掌握了它們的運行環境、調度邏輯和數據流轉，誰就掌握了未來AI應用生態的命脈。

計算機史上有個著名的“安迪-比爾”定律（硬件升級的算力總會被軟件消耗掉），而在智能體時代，這個定律有了新的注腳：DAA（日活智能體數）的增長，總會倒逼基礎設施的重構。當智能體開始“干活”，云就不再是資源，而是生產力本身。

百度智能云在底層用新全棧AI云，將昂貴的算力轉化為像水電一樣即插即用的生產力，為千行百業的智能化孜孜不倦地輸送算力彈藥，托舉著百萬量級智能體的爆發。

一個由DAA定義的新時代，已然拉開序幕。

冷眼旁觀 麻辣點評 深入分析

個人觀點，僅供參考