智东西
智能体的规模正在快速扩张。IDC预测，到2030年，全球活跃Agent数量将达到22.16亿个，年复合增长率达到139%，年均增长超1倍。
各类智能体也在密集涌现，热度一路走高。从编程、办公到个人助手，从消费端到企业端，智能体正快速进入各个场景，成为今年AI落地的重点方向。
与热度同步攀升的，是Token（词元）的消耗量。国家数据局披露，到今年3月，我国日均Token调用量已超过140万亿，较2024年初增长1000多倍；中国信通院的监测则显示，到今年6月，这一数字已达500万亿。如此庞大的调用量说明，智能体已经走出概念演示，开始承接大量真实任务。
这些被高频调用的智能体，大多集中在通用能力和高频场景。还有一条路线值得单独拿出来看——产业智能体。通用智能体比拼的是场景覆盖和调用频次，产业智能体则直接扎进社区治理、工厂车间、园区和门店这些业务现场，解决琐碎复杂的现实问题和日常事务。
这正是百度智能云蹚出的一条路子。在10月29日于武汉举行的百度智能云超级智能体大会上，从社区治理、园区运营、制造生产到门店管理，各类场景都涌现出百度智能体落地应用的实际案例：它可以根据居民诉求自动生成治理工单，把群众的需求变成可追踪、可闭环的处理流程；它还能将工厂老师傅的经验沉淀成可调用的技能，方便后续快速复用。
将这些实践连起来，不难看出百度智能体落地呈现出的几个特征：一是场景聚焦产业一线，治理、运营、生产、服务等环节均有实际落地案例。二是直面复杂需求，尤其是工业制造这类经验密集、流程冗长的领域，对智能体的执行能力要求更高；三是强调任务闭环，能够让需求有结果、经验可复用。
要让智能体在企业中长期、规模化地运行，需要先解决资源供给、任务执行、数据连接和安全管理这几道难题。百度智能云因此推出AI Infra与Agent Infra双层基础设施，让智能体成为企业关键生产力。
一、从个人助手到业务主力，智能体闯行业深水区最近一年，智能体正从个人提效工具，走向企业核心业务场景，落地步伐逐步迈向深水区。会上，百度副总裁石清华称，百度搭子作为通用智能体，今年3月上线后，月活已达千万级，环比增长10倍以上，智能体正在快速向大众渗透。
在C端不断普及的同时，智能体也在企业业务场景释放产业价值。
杭州调味品企业松鲜鲜接入百度搭子后，原本需要两天完成的数据汇总工作，可缩短至3分钟。智能体展现出跨系统数据读取与业务洞察能力，开始连接企业内部系统，参与经营分析和业务判断。
企业业务场景之外，百度搭子还深度参与基层治理。在武汉硚口，政企服务企业鸿海鑫基于百度搭子的基层治理项目已覆盖100万人口、300位用户和40个真实场景。居民在网格群发布的信息，经智能体分析后可自动生成诉求工单，并推送至街道系统跟进处理。在复杂场景下，百度智能体具备非结构化数据处理能力、自动化执行能力与跨系统协作能力。
无论是企业增效还是基层治理，智能体的落地并非一蹴而就，其背后是一整套系统工程的重新构建。随着Agent在企业中的参与度不断提高，相关基础设施也需要同步升级。
百度智能云技术委员会联席主席郑然在接受智东西采访时谈道，企业调用的已不只是一个大模型接口，想要让智能体深入业务，还需要云厂商提供两类支撑：一方面是开箱即用的Agent能力，帮助企业快速接入和试错；另一方面是支撑智能体长期运行的基础设施，包括运行环境、数据连接、安全管理和持续运维等。
而这两类能力，正是百度智能云面向企业智能体落地所提供的底层支撑。
二、智能体要长效，模型之后，要先补“运行底座”要让智能体在企业中发挥长效价值，需要为它提供一个安全稳定、价值可衡量的运行环境。
首先，智能体需要调用工具和企业内部数据，一旦操作失误就可能引发数据泄露或系统崩溃，因而需要一个安全的执行环境，“沙箱”可以让智能体在封闭环境内执行任务，避免波及其他系统。
其次，大模型还具有随机性，企业还需要知道智能体到底做了什么、花了多少成本、效果如何，这就要求基础设施具备“可观测”能力，帮助企业看清Agent成本、定位问题，推动效果持续迭代。
Agent Infra的本质，正是把一次性的模型调用，变成一个可以长期运行、可观测、可治理的任务系统。智能体部署完成后，真正困难的是让它在企业环境中稳定运行，并持续交付结果。要做到这一点，需要先了解智能体的底层技术形态。成熟的云原生应用能够按需启动，根据任务量弹性调整计算资源，通过标准化方式调用云上的计算、存储和网络资源，由平台持续完成部署、调度和运维。
郑然告诉智东西，智能体本身也是一种云原生应用，现有云原生技术仍然是其运行基础。但智能体的资源需求更具弹性，运行中也在一定的不确定性，未来还可能以海量规模运行，因此云原生基础设施需要进一步演进，以适应它的工作负载。
随着智能体数量快速增长，基础设施还要支撑更大规模的协同运行，这对底层架构提出了更高的要求。这就意味着，Agent进入生产后，企业的核心缺口逐渐从模型转向运行底座。
郑然称，企业如果从头建设Agent Infra，需要覆盖计算、存储、网络、云原生和大模型工程等多个技术领域，建设投入和持续维护成本都很高。云厂商则可以通过上下游协同和规模化运营，把这些能力沉淀为开箱即用、分层可组合的产品。企业可以根据自身所处阶段，灵活选择基础设施、Agent平台或开箱即用的智能体，快速验证想法并持续迭代。
百度智能云的Agent Infra覆盖沙箱、计算、网络、存储、可观测和安全等能力。沙箱负责快速启动任务、隔离运行环境并保存任务状态，让智能体在安全边界内执行任务；计算、网络和存储则像“水电”一样，高效支撑任务执行、数据访问和上下文处理；可观测能力记录智能体的执行轨迹，帮助企业分析成本、效果和故障原因。
通过这些能力，智能体才能长期、稳定、安全地运行。在底层能力之上，百度智能云还进一步降低了智能体调用的门槛。过去，云产品复杂的界面和繁琐的配置往往阻碍了智能体的自动化执行；为此，百度智能云专门针对Agent的调用习惯，深度优化了云产品的交互界面和使用方式，让智能体能够像“调用本地文件”一样，更高效、直接地调度云上的计算、存储和网络资源。
目前，百度智能云已在自有产品和客户项目中持续验证相关能力，为企业提供从资源供给、智能体运行到开发运营的完整支撑。
三、Token需求爆发式增长，AI Infra需要提升资源效率Agent Infra把智能体的任务跑起来之后，背后还需要AI Infra持续提供模型训练、推理和资源供给。随着智能体数量和调用规模增长，AI Infra面对的压力也在同步上升。IDC预测，这些智能体带来的推理需求将超过100吉瓦。智能体越多、任务链路越长，算力、存储、网络和能源投入就越高，云厂商需要同时扩大资源供给，并提高每单位资源的Token产出效率。
郑然在采访中提到，智能体上下文长度不断提升，模型参数规模持续扩大，结构更加稀疏，后训练占比也在提升。这些变化对计算、存储、网络和推理效率提出了更高要求，基础设施也需要围绕模型训练与推理重新设计，提升长上下文场景下的数据访问和Token效率。
百度智能云通过百舸AI计算平台6.0，将AI计算平台从单纯提供算力，升级为能够协同基础设施、资源管理和工程能力的“智能工厂”，更高效地支撑智能体的运行。
智能体走入更多场景的背后，既需要Agent Infra承接智能体的任务执行、工具调用和运行管理，也需要AI Infra持续提升模型训练推理和资源供给效率。两者协同，才能让智能体在更长任务链路、更大规模的调用中保持稳定运行，并控制整体使用成本。
结语：Agent进入生产现场，全新云底座稳住落地需求智能体正在从个人工具变成企业业务系统中的执行单元。模型能力只有进入生产环节，才能转化为可以持续复用的产业价值。
当前智能体在越来越多的场景中落地，不断催生新的需求，这种“新”也会带动芯片、光模块、存储等基础设施产业发展，催生新的应用场景和商业模式。
对云厂商而言，竞争重点也从提供单一算力资源，扩展到支撑智能体长期运行的完整基础设施。AI Infra与Agent Infra的协同专业杠杆炒股公司，正在成为Agent落地的重要路径。
大牛证劵提示：文章来自网络，不代表本站观点。
- 上一篇：河南股票配资网站 解决残疾人急难愁盼 四川提出五年新增就业5万人
- 下一篇：没有了
相关文章
热点资讯
推荐资讯