去创作

用微信扫描二维码

分享至好友和朋友圈

企业AI的分水岭时刻,来了

AI属于企业,越来越多人正在接受这个判断。

Anthropic的招股书显示,截至9月30日,其企业客户的净收入留存率(NRR)高达900%;按照客户花费分层看,过去12个月贡献大于1000万美元/年的客户,它有约250家,包括银行、医疗药企、半导体等行业几乎所有的前十大公司。

另外,Palantir在11月2日发布的2026年三季报中宣布,单季营收突破20亿美元,净美元留存率飙升至165%,老客户在次年将合同金额与用量翻倍已成常态。

不过,企业也并非“拿到AI就会用”。

两天前的APEC工商领导人峰会上,百度集团创始人、董事长兼首席执行官李彦宏提到,“最紧迫”是他心中的2026年关键词,关键是尽快让AI应用能够帮助企业产生收入、产生利润。

而之所以说紧迫,是因为在11月12日的百度世界大会上,他抛出了过去一年他与金融、制造、能源等行业掌舵人交流时最高频听到的困惑:“为什么我的Token花费越来越多,收入和利润却不见涨?”

麦肯锡今年针对全球97个国家1719名受访者的调研显示,80%的受访者认为AI提升了个人工作效率,但仅有37%表示AI对所在企业的息税前利润(EBIT)产生了正向贡献,一部分企业对成本非常敏感。

我们认为,这种接触意愿和产出效果之间的温差,就是企业级AI的真正分水岭。

移动互联网时代很多工具是千人一面的,个人用标准化的超级App界面,企业用可以组合的工具套件或者定制系统。但AI接入生产力的方式太多,天然是“千企千面”的。所以它从诞生的第一天起就属于B端,但“驯服”需要不一样的智慧。

给员工买Token只是C端发工具的思维,容易撞上“光花钱不赚钱”的预算墙。谁能帮企业把AI真正装进跨部门的核心生产流,谁才算真正推进了AI应用。这件事情,Anthropic在做,Palantir在做,百度智能云也在做,并且已拿到了成果。

百度2026年第三季度财报显示,其核心AI业务收入达132亿元,同比增长37%,占一般性业务收入的53%;尤其是AI云基础设施收入达到82亿元,同比大涨94%,单季同比净增约40亿元,甚至超过了核心AI业务约36亿元的净增量。

在APEC工商领导人峰会现场,李彦宏再次谈到了要打破岗位边界、沉淀隐性知识,形成工作流和设计流程的闭环。这是智能组织的三个原则,却也只是百度对AI应用思考的冰山一角。

一、为什么帮客户拆部门墙是重要任务?

“电力时代,当电机已经被发明了,或者说电机已经在工厂里应用上了,但流水线还没有被发明。流水线发明之前,其实电对GDP的贡献并不是那么大。”

Robin这段话,硅谷很多同仁会深有感触,尤其是在企业软件市场。

早期不少企业热衷于为员工按月采购单点提效的Copilot助手,用来写邮件、做会议纪要或生成代码。但续约的时候,他们发现这笔账很难向董事会交差——员工写周报的时间确实缩短了半小时,可省下来的时间既没有自动转化为更多的订单,也不能确定真的让产品提前一天上市了。

反观Palantir,其美国商业收入在2026年三季度同比暴涨120%以上,靠的从来不是给单个员工配一个聊天框,而是派驻前线部署工程师,通过五天的实·战训练营(AIP Bootcamp),帮企业搭建一套名为“Ontology(企业本体论)”的跨部门数字孪生与决策闭环。

在Palantir的体系里,企业的业务对象定义将被统一,关系将被理清,然后AI会“理解”企业该做什么。

当AI预测到某批原材料可能因为港口拥堵延迟到货时,它不会只生成一份躺在分析员电脑里的PDF报告,而是要去穿透分析、采购、生产、财务四个部门的权限围墙,在安全护栏内自动调取ERP系统寻找替代供应商、重排工厂产线并生成付款工单。其中一些行动需要权限支持。

直接对最终经营结果负责的闭环,能够让用户真正看到AI应用的意义。回看中国市场,企业遇到的卡点如出一辙。

在今年的百度世界大会上,李彦宏与联想集团董事长兼CEO杨元庆谈到了不少企业的真实痛点。

杨元庆提到,联想已经将AI广泛应用在需求预测、排产、质检、物流等多个环节,但现实难题在于,AI算出来的需求预测往往只是一份“基础草稿”,最终拍板还得靠人;而一份预测能不能真正转化成经营利润,完全取决于采购、生产、供应链等不同部门能不能协同认账、同步落地。

德勤今年8月发布的调研数据指出,全球仅有15%的受访组织真正实现了跨职能、多智能体协同的规模化落地。

如果他们驾驭不了AI,那AI就驾驭不了这个企业的生产力。毕竟单点任务效率提升,和部门级的业务产出增长,从来就不是一回事。前者在试用阶段就能立竿见影,后者却被科层制的分工流程、跨部门审批链路和验收标准死死卡住。

所以,唯有围绕AI重新设计“新厂房”,才能真正兑现生产力的回报。而基于对这个时代需要智能组织的认知,百度智能云力推“智能组织”也不是为了客串管理咨询公司,而是要打通客户用AI的堵点。

如果云厂商只管硬件和Token后就撒手不管,企业即便知道自己的“厂房”需要什么,可能也无从改起。

百度先把自家业务当成了试验田。在数字人交付、财务内审、文心大模型研发等内部场景里,百度打破了原有的岗位边界,让团队围绕AI重塑验收闭环。据百度披露,目前百度超过一半的新增代码已由AI生成,文心大模型的训练与迭代过程也已高度交由智能体协同完成。

在此基础上,百度将这套内部跑通的方法论沉淀为“百度搭子”与一系列行业专业智能体,帮企业把散落在老员工脑子里的隐性经验,封装成超过2万个可随时调用的标准化组织Skill。

当组织流程从“围绕岗位转”改成“围绕智能体任务闭环转”时,算力账单的回报率立刻发生了质变。

据百度世界大会披露的实证案例,国家级专精特新企业“蓝海黑石”在引入智能体打通研发与采购闭环后,原本需要10个人耗时100个工时才能走完的新材料寻源与采购流程,被直接压缩到了2个人、1个小时。

包括李彦宏后来谈到的青岛港,过去优化过的调度今天可以用AI、智能体再做一遍。这个过程中,我们可以理解成AI的动态适应能力恰好更符合这种动态场景不断涌现的需求。一旦AI能够破除部门墙,深度接触核心经营环节,它对业务优化的理解会更上一层楼。

二、AI计算的对象之变

三年前,英伟达创始人黄仁勋曾提出“未来每一家公司都将拥有自己的AI工厂(AI Factory)”。

传统的数据中心像是档案馆,只负责存储历史数据和运行固定的网页程序;而“AI工厂”吞进去的是实时的业务数据与Token,24小时不间断地生产出各类信息和服务。于是,底层云计算的负载性质和物理骨架,都迎来了换代。

Gartner预测,到2026年底,全球将有40%的企业应用内嵌特定任务型AI智能体,而在2025年这一比例还不足5%。同样在Anthropic招股书中,其老客户留存率的核心推力,正是企业将Claude Code与Cowork等智能体大规模投入到了自动化编程与跨系统协同中。

为了接住这波浪潮,亚马逊AWS今年专门推出了Bedrock AgentCore,为企业级智能体提供安全隔离的代码执行环境(Runtime)、跨系统网关和策略护栏。

在国内,百度智能云事业群总裁沈抖在世界大会上披露的一组内部运行数据,也把传统云计算与“智能体基础设施(Agent Infra)”之间的代际分野摆到了明面上:

过去一年,百度内部的日活智能体数量(DAA)从日均0.5万增长到3.7万,涨了约6倍,每周有效完成的任务数突破100万个,涨了11倍;但与之相对应的是,底层的“云沙箱总量”却暴涨了315倍,并发量激增了60倍。

这个差值非常大,因为传统云计算伺候的是“人”,员工点一下鼠标、查一次数据库,流量是平缓且线性的。而当企业进入“智能组织”阶段,干活的主体变成了成千上万个自主拆解任务的智能体集群。

一个看似简单的“季度供应链成本异常排查”指令下达后,主智能体会在一秒钟内裂变出几十个子任务,分别去穿透企业的ERP、OA、企业微信和外部公开数据库,甚至自己编写一段Python脚本来清洗数据、画图验算。

为了防止这些由AI实时生成的代码误删企业核心数据库或造成权限越界,每一个细分动作都必须在一个完全隔离、百毫秒级瞬间生成、用完即刻销毁的独立虚拟环境——也就是“云沙箱”中运行。

所以,一个企业“AI工厂”的生产负载,需要以更低的延迟、更低的成本支撑起百万级沙箱的瞬间并发。事关技术底座,百度智能云做了提前布局。

在平台层,百度千帆全面升级为Agent Infra,主打百毫秒级启动上千个安全沙箱,并通过MCP协议与Harness引擎打通企业旧有IT系统;在算力底座百舸平台上,其调度能力直接拉升到了“分钟级启动200万个沙箱”;而在硬件层,百度智能云发布了计划于2027年正式商用的“天池1024卡超节点”,并专门配备了G3.5 KV Cache(键值缓存)加速柜。

“KV Cache加速柜”是个有意思的“发明”。在多智能体跨部门协同时,不同智能体之间需要频繁共享长达几十万字的组织上下文。天池超节点通过硬件级的缓存加速,直接将多轮交互的首Token等待时间砍掉了90%,并将系统吞吐量提升了7倍。

一个智能组织,未来将24小时不间断运行自己的AI工厂。此前企业的算力需求以模型训练为主,随着智能体的规模化落地,推理将成为AI芯片与云算力需求长期增长的核心驱动力。

随着需求保持强劲、业务规模扩大和盈利能力改善,百度AI云基础设施的投资回收期正在明显缩短。它是AI应用的一面镜子,让我们看到了中国企业一线正在发生的变革。

三、迎接Token水电化时代

在APEC工商领导人峰会现场,李彦宏再次谈到了“词元所”——用于匹配海量模型工厂以及应用智能体需要消耗的Token的基础设施。

在这之前,MaaS(模型即服务)已经存在了很久,也是一个经历过价格战洗礼的领域。然而当企业真正决定把核心业务交给AI时,单纯的“低价”其实是次要考量,单一模型风险、接口质量黑盒化这些问题才是顾虑。

Anthropic的招股书就提到,企业客户正面临单一模型供应商的调价压力、算力高峰期的限流瓶颈,以及模型因内置安全策略而自动切换路由带来的不可控性(例如当系统判定请求敏感时,可能自动将轻量模型切换至昂贵的旗舰模型,导致企业延迟增加、成本翻倍)。

正因如此,企业技术圈存在一股“多供应商AI网关(Multi-provider AI Gateway)”的架构热潮,用自由的路由来缓解对单一大模型的依赖。而从企业角度来看,它更现实的理由,是需求的分层。

一家大型制造企业运转“智能组织”时,复杂供应链博弈可能需要顶尖推理模型,但日常成千上万次发票信息提取、工单格式转换,只需要调用极低成本的轻量级模型或行业微调模型就足够解决很多问题。

更何况,市面上各类开源模型代部署、第三方API接口鱼龙混杂,有的接口为了省算力偷偷给模型做量化缩水,有的在业务高峰期吞吐卡顿,企业根本不敢把核心生产流放上去。

此时,一个中立、公允、有质检的交易平台,不可能不受到欢迎。

据百度披露,“词元所”上线仅一个月,就引入了超过100个外部模型与算力供应资源,日均调用次数突破5000万次,日均消耗Token超过7000亿。与此同时,在底层的百舸算力平台上,百度也早早完成了对多种主流国产AI芯片的深度适配与混部调度。

“词元所”其实是百度知行合一的体现。当企业客户在“词元所”里能够像在电力交易市场买电一样按需选模型时,困扰高管们的“账单焦虑”就被大幅摊薄了。一旦用电成本降下来、供电稳定性提上去,企业就会放开手脚,把越来越多的核心业务部门搬进自己的“AI工厂”。

而无论企业在“词元所”里挑选了哪一家的模型Token,它的地基都是百度智能云,它的目的都是推动AI应用进企业。不同的供应方和不同的需求,在持续的连接中降低着算力短缺的风险,也用来自一线需求的牵引,阻止了AI泡沫化。

在无数个企业、无数种AI的应用方式之中,智能像流水入海,成为了一个浩瀚的生态系统的一部分。从基础设施开始,一直到对外连接的生态,百度在每一层都留下了自己的努力。它要为大中小企业都开出一条AI之路,就像李彦宏表达的那样:

“我们会尝试把各种资源整合起来,应对这类挑战,而明天总会比今天更好。”

来源:松果财经

更多精彩内容,关注云掌财经公众号(ID:yzcjapp)

以上内容仅供学习交流,不作为投资依据,据此操作风险自担。股市有风险,入市需谨慎! 点击查看风险提示及免责声明
热股榜
代码/名称 现价 涨跌幅
加载中...
加载中 ...
加载中...

二维码已过期

点击刷新

扫码成功

请在手机上确认登录

云掌财经

使用云掌财经APP扫码登录

在“我的”界面右上角点击扫一扫登录

  • 验证码登录
  • 密码登录

注册/登录 即代表同意《云掌财经网站服务使用协议》

找回密码

密码修改成功!请登录(3s)

用户反馈

0/200

云掌财经APP下载

此为会员内容,加入后方可查看,请下载云掌财经APP进行加入

此为会员内容,请下载云掌财经APP加入圈子

云掌财经
扫码下载

更多功能与福利尽在APP端:

  • 精选会员内容实时推送
  • 视频直播在线答疑解惑
  • 达人一对一互动交流
关闭
/