开云体育,开云体育官方网站,开云体育APP下载

　　1698年，托马斯·萨弗里发明了一种蒸汽泵，由锅炉、活塞和阀门组成，通过蒸汽冷凝产生真空，再利用大气压把水从矿井抽上来。

　　1712年，铁匠托马斯·纽科门对蒸汽泵进行了改良，创造了大气式蒸汽机，可连续工作24小时，让深达150米的矿井不再积水。

　　1765年，詹姆斯·瓦特发明了分离式冷凝器，让蒸汽机的效率提升了6倍。接下来的20年里，瓦特相继发明了飞轮和齿轮系统，蒸汽机不再只能上下抽水，还可以旋转驱动机器。

　　1785年，第一台瓦特蒸汽机在棉纺厂运转，纺纱效率直接翻倍，人类社会由此开启了“蒸汽时代”的新篇章。

　　早期的云计算以虚拟化和弹性著称，就像蒸汽泵取代了风车抽水机，云计算解决了企业数字化最迫切的问题：不用建机房，不用买服务器，不用维护基础设施，只需要按需购买云端的资源。

　　大模型浪潮进一步重构了云的价值，正如大气式蒸汽机对抽水能力的提升，大模型时代的云计算，渐渐承载了模型训练、推理调用、AI应用开发等服务，演变为跨行业的智能化底座。

　　Agent的出现，让AI走出了对话框，开始具备拆解任务、调用工具、连接系统、协同流程、持续执行的能力。相当于给云添加了“飞轮和齿轮”，摆脱了“卖服务器”的束缚，跃升为千行百业的智能引擎。

　　在19世纪，蒸汽机迅速被应用到冶金、面粉、铸币、纺织等行业，成了适用于各种制造业的“万能机”；当智能化成为社会需求，承载了千行百业智能化转型使命的云计算，正开启新的战局。

　　在可预见的未来，AI云将是智能化时代的“新基建”——不仅是最大的时代红利，也是刚刚起步的蓝海市场。

　　过去十年，衡量一家云厂商的竞争力有一套成熟公式：看资源规模、看营收增长、看客户数量、看市场份额，谁的盘子更大，谁的资源多，谁的基础设施覆盖更广，谁就被认为是市场上的领先者。

　　彼时企业最核心的诉求是数字化转型：业务系统要上云、数据要集中、组织要协同、流程要在线，云厂商提供的是底座、是资源、是基础能力。客户选择上云，本质上是在买弹性、买稳定、进行成本优化。

　　麦肯锡在Agentic AI基础设施有关的判断中提到：IT基础设施正在进入新阶段，AI Agent开始在企业内部编排、治理和扩展工作，基础设施不再只是支撑层，进一步成为企业捕获AI价值的核心骨架。

　　银行要的不是单纯的算力资源，而是上千个AI应用能不能稳定跑起来，能不能支撑风控、客服、投研、运维、合规等不同场景的持续迭代。

　　车企要的不是一套孤立的AI模型，而是辅助驾驶能不能从训练、仿真、验证到量产上路形成完整闭环。

　　能源企业要的不是一个演示应用，而是AI能不能进入电网调度、设备巡检、故障预测、客户服务等业务，真正影响生产效率和安全稳定

　　制造企业要的不是“一个智能问答系统”，而是AI能不能接入到研发、供应链、质检、设备运维和产线管理，帮助企业解决具体经营问题……

　　正如Forrester在Google Cloud Next 2026的报道中提到的：企业AI正在从“试点时代”进入“规模化管理时代”，去年企业问的是“能不能做一个Agent”，今天的问题已经变成“如何管理成千上万个Agent”。

　　一个Agent试点，考验的是模型能力和演示效果；成千上万个Agent的稳定运行，考验的是云厂商的系统工程能力：需要算力调度、模型服务、权限体系、数据治理、安全审计、成本控制等等。

　　网信办、发改委、工信部在5月份联合发布了《智能体规范应用与创新发展实施意见》，AI正式被当作产业基础设施来对待。云需要从“承载应用”的平台，进化为“承载智能决策与智能执行”的引擎。

　　像对应的是市场竞争逻辑的改变：过去的云战争，比的是谁占地更多；新的云战争，比的是谁扎根更深。

　　所谓“占地更多”，比的是资源规模、机房数量、客户覆盖和市场份额，回答的是“有多大”；所谓“扎根更深”，比的是行业理解、场景沉淀、工程能力、交付能力和持续运营能力，回答的是“有没有真正进入客户业务”。

　　以前讲的是在全球有多少节点、有多少客户量，现在讲的是模型调用量、Token消耗量和MaaS收入，正在努力向市场证明：“我不仅有一个不错的大模型，还把模型调用变成一门稳定增长的生意”。

　　根据百度Q1财报的数据，百度AI云的收入达到88亿元，同比增长79%，其中GPU云收入同比暴增184%。

　　过去一个月里，有不少人给出了解释：有人认为百度赶上了Agent的风口，市场对AI云的需求正在加速释放；有人认为百度智能云10年前就把重心放在了“智能”，现在终于到了回报期；也有人坦言百度只是AI云表现亮眼，整个云业务的盘子还不够大……

　　比结果更值得深挖的，或许是——百度智能云到底做对了什么？答案藏在2026年5月的战略升级，百度将围绕“芯云模体”构建新全栈AI云，具体可以概括为两个部分：

　　一个是AI Infra，原有的“MaaS模型服务”升级为Token Factory词元工厂”，并以Agent-first理念重构产品架构，目的是尽可能减少token重复计算，提供更快的生成速度、更具性价比的token服务。

　　另一个是Agent Infra，通过分层池化、提高KV Cache命中率、PD分离、缓存调度等优化方案，以及超节点产品对主流模型的适配，把单位Token的智能水平做到最好，让智能体更好地完成任务。

　　打个比方的话，AI云的定位正在从“训练工地”变成“智能工厂”。前者解决的是模型从无到有的问题，关注参数、算力、训练效率；后者解决的是AI从能力到产能的问题，聚焦推理成本、任务编排、数据闭环和行业适配。

　　微软在Build 2026上推出了Project Solara，强调面向“agent-first”企业设备构建从芯片到云的平台，设备不再围绕传统App组织，而是围绕Agent组织，云端承载Agent服务、状态管理和任务调度。

　　阿里在6月8日宣布合并通义大模型事业部与未来生活实验室，新成立了Token Foundry事业部，在一个部门内集齐了芯片、模型到应用的完整拼图，想要把“Token的全生命周期”都握在自己手里。

　　也就是说，云市场的规模叙事已经翻篇，讨论的重点不仅仅是“谁有更多算力”，关键在于能否把AI能力和行业需求匹配，譬如把“通用技术”翻译成“行业能力”、把“模型能力”变成“业务结果”、让客户不再试一次而是持续用下去。

　　移动互联网时代最大的机遇，是千行百业的数字化，企业把业务搬到线上，把流程沉淀成数据，把连接变成入口，催生了一个个万亿级市场；到了AI时代，关键词从“数字化”变成了“智能化”，每个行业都希望云和AI一起进入业务现场，重新激活研发、生产、营销、风控、客服、运维等关键流程。

　　AI落地不是把一个通用模型交给客户就结束了。金融有金融的风控逻辑，能源有能源的安全边界，汽车有汽车的工程验证周期……没有行业Know-how，AI就很容易停留在“看起来很智能”的表层应用。

　　Agent时代的云服务，不能只提供某一个模型或某一块算力，Agent运行需要算力、云平台、大模型、工具链、智能体框架、数据治理和安全体系协同工作。缺了任何一环，都会影响最终落地效果。

　　AI落地最重要的不是发布会上的Demo，而是客户是否愿意长期使用，是否能在真实业务中持续产生价值。特别是在金融、能源、汽车、政企等严肃行业，客户不会因为概念新就轻易迁移核心系统。

　　AI应用从试点到规模化，最大的变量之一就是成本。一个Agent跑通并不难，难的是上千个Agent长期运行时，推理成本、数据调用成本、运维成本等能不能被企业接受，很多项目最后都卡在了ROI上。

　　大胆做一个判断：AI云不会简单复制传统云市场的排名，规模只是入场券，落地深度才是新的分水岭。AI云的商业模式将被推向更深层的变化，从资源计费，走向能力计费、应用计费，甚至是结果计费。

　　整个云市场已然进入了新的“中场时刻”，场上的玩家们似乎都做好了“冲锋”的准备。

　　李彦宏在Create大会上提出了DAA概念，认为未来智能体时代的度量衡，不应该只看投入，而是要看产出，有多少真正在干活，且交付结果。与之相对应的，百度智能云正不断强化行业渗透的深度。

　　阿里CEO吴泳铭在财报电话会上将Agent时代定义为“一场计算范式的革命”，阿里云开始对芯片、云平台、模型和MaaS推理平台同时动刀，试图通过一套完整的技术栈来应对Agent场景的挑战。

　　华为云CEO周跃峰直言“不在乎Token总量”，要深入国计民生行业的“黑土地”，不再将云视为单纯的存储和计算资源池，而是将其定义为能够大规模、高效率生产Token的工业流水线……

　　面对千行百业智能化的蓝海，云厂商们再次站到了同一起跑线上，开启了一场比拼落地能力的竞速赛。

　　站在企业的立场上，当AI浪潮汹涌袭来，并非是没有AI预算、没有上云意愿，最真实的痛点是不知道AI怎么落地。

　　云厂商想要抓住千行百业智能化的红利，必须要完成“从比大到比深”的根本性转变：大，代表资源能力；深，代表落地能力。“大”是继续留在牌桌上的门槛，“深”才是长期留在客户业务里的“护身符”。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。