Agent時代：不拼參數拼全棧，百度先交卷

出品 | 子彈財經

作者 | 林巖

編輯 | 蛋總

美編 | 倩倩

審核 | 頌文

最近這半年，AI大廠們好像商量好了一樣，集體從卷模型、參數轉向卷Agent。

OpenAI把Codex做成了一套能跑代碼、能調工具的系統；

微軟把Build大會的調子換成了“Agentic Web”；

谷歌也一口氣推出了智能體編排框架、搜索智能體、個人智能體。

各家看似各干各的，其實都在做同一件事：讓AI從“會聊天”變成“能干活”。

原因不難理解。頂尖模型之間的分數差距已經小到用戶感知不到，GPT-5.5、Claude、Gemini放在大多數任務里都夠用，誰也沒能明顯甩開誰。

真正能拉開身位的是，模型之外的那套系統能力。好比一輛車，發動機再猛，沒有底盤、傳動和方向盤，照樣開不動。

微軟CEO Satya Nadella也多次強調，未來競爭的關鍵不只是模型，而是如何把模型、數據、工作流和Agent組織起來，形成完整平臺。

放到中國AI產業語境里，這個轉向更現實。國內市場不缺模型，也不缺應用入口。真正稀缺的是把模型能力穩定嵌入業務流程的系統能力。

畢竟，模型能力只是入場券，系統能力才是下一輪競爭的門檻。

放到這個背景下，再看7月10日百度AI Day上的百度搭子，其升級的智能路由、多端共享記憶、Browser Use、專業Skill生態、首個全自動化Skill上線流程等能力，真正看點不是功能清單有多長，而是百度把模型、工具、平臺能力，真正整合成面向任務交付的產品。

1、百度搭子的看點是能力成體系釋放

百度搭子這波更新的各項能力，不是各自為戰，而是要放在一起看才能看懂。

智能路由要回答的問題是“活兒進來了先派給誰”，實現的效果是任務平均耗時降了20%，Token利用率提高25%。

這背后不是模型忽然開竅，而是云端和模型一起把調度做細了。云知道什么時候有算力空閑，模型知道什么時候需要更多推理資源，兩者配合才能把效率推上去。

多端共享記憶解決的是任務換設備的問題。手機上起個頭，電腦上接著做，中間不斷線。Browser Use讓Agent自己看網頁、填表、點提交，不用人在旁邊一步步操作。

專業Skill生態讓Agent能調用專業能力，從自媒體套件到全自動化上線流程，用戶不用手動配工具，Skill自己就能上線自己跑。

企業版則把流程打通，共享協作、資產沉淀、企業級Skill接入標準都配齊了，搭子不再只是個玩具，而是能真正“派”進企業系統里干活的“數字員工”。

串起來看，它們拼的是一個完整閉環：用戶給目標，Agent拆解任務，調度工具，執行操作，交付結果。每一項升級都是在閉環上補一環，缺任何一環，任務就卡在那里交付不了。

這也是百度搭子此輪發布與普通產品迭代最大的不同。

普通迭代在單點做增量，模型聰明一點、界面好看一點，用戶體感是“這次又多了個按鈕”。

百度搭子則是把分散的能力整合成一個面向任務交付的系統能力，用戶體驗是“說句話就把事辦了”，不是某一個功能變強了，是整個鏈路通了。從“有功能”走到“成體系”，這是質變。

問題在于，同時放出這么多能力，說起來容易，做起來極難。眼下大多數AI公司的能力是斷層的，有模型的沒有自己的云，有云的沒有芯片，有芯片的又造不出好用的智能體。一家公司憋出一個新能力，往往也只能停在單點加分，很難做到成體系釋放。

OpenAI能把Codex做成沙盒執行、代碼生成、工具調用的閉環，靠的是模型加沙盒加工具鏈，但再往下，它摸不到芯片和云，算力供給和成本控制不在自己手里。谷歌手里有模型、有云、有自研TPU，但智能體這層還比較散，各產品線的Agent能力沒有統一調度和協同，沒有真正跑成一套統一閉環。

百度搭子能做到，是因為百度在過去幾年搭了一套“芯、云、模、體”四層全棧。但光有四層還不夠，真正的競爭優勢不在“擁有”，在“協同”。

2、全棧轉起來才是Looping

Looping這個詞，直譯是循環，但在百度的語境中，它不只是“繞一圈”，而是芯、云、模、體之間能夠相互加強、循環優化，并把底層能力持續轉化成用戶可感知的產品能力。

芯這層是昆侖芯。它擁有國內第一個全自研的三萬卡級集群，天池256卡超節點已經點亮，吞吐性能提升了25%，推理效率提升了50%。有自己的芯片意味著推理成本能自己定，供給節奏能自己安排，別人還在排英偉達的貨期，百度已經把下一批算力鋪好了。芯片這層從來不是擺設，是整套全棧的成本錨點和供給保障。

云這層是百度智能云，它是中國AI公有云市場連續六年第一，合作的央企超過80%。Agent要大規模跑起來，考驗的是算力調度、彈性擴縮、安全隔離和企業級SLA，這幾項不是隨便哪個云平臺都扛得住的。

大模型推理本身就吃算力，Agent執行又是高頻調用，兩者疊在一起，對云平臺的要求早就超過了普通應用。

今年5月的Create大會上，百度智能云升級成了“新全棧AI云”。

一邊是Agent Infra，想辦法把每一個Token能撐起的智能水平做到最高，讓Agent花更少的錢、更快把事辦成；

另一邊是AI Infra，在模型訓推、集群和數據中心建設上繼續加碼，把算力性價比往上提。簡單說，云層不是被動承載算力需求，而是在主動適配Agent時代的運行特征。

模這層是文心大模型。文心5.1的搜索能力做到了國內第一，預訓練成本只有行業平均水平的6%。有自己的模型，好處是能在模型層面直接做優化，不用等著別人更新，也不用被別人的調價牽著鼻子走。這次百度搭子的Token消耗能壓低75%，靠的不是一個聰明模型就能搞定的，是自研模型、Harness引擎和工程優化三層疊加的結果。

體這層是智能體，百度搭子本身，加上百度一鏡、秒噠（上線8個月已經有50萬個應用）、伐謀2.0等，在不同場景里各自驗證著交付能力。體是全棧里唯一直接面對用戶的一層，前面三層攢的力氣，最后都得靠它交付出去。

百度的四層全棧同樣構成了Looping，一個螺旋上升的正向循環：自己的芯片跑自己的模型，自己的模型架在自己的云上推理，自己的智能體框架調用全棧能力，全棧能力又反過來喂養智能體的執行效果。

芯片提速能壓低推理成本，模型迭代能拓寬應用場景，云平臺擴容能撐住更大規模，智能體進化又能驗證并倒逼下一輪優化。哪一層進步了，其他層的產出都會被放大；哪一層有短板，也會被其他層補上。這構成了互相咬合、循環推進的Looping。

百度搭子此輪發布的智能路由是云加模型協同調度，Token消耗優化75%是芯片加模型加工程協同降本，Skill生態是智能體層調用全棧能力。每一項都不是單層產物，而是Looping的兌現。因此，百度真正做的不是“有全棧”，是“讓全棧轉起來”。

3、系統越完整半徑就越大

當各家的模型能力越來越接近的時候，什么決定一個Agent能干多復雜的活？答案是它背后那套系統撐不撐得住。

只有模型的Agent，能應付問答和單步生成，真讓它幫你訂張機票就露餡了，它摸不到日歷，打不開瀏覽器，也調不了支付接口。

模型加工具的Agent能跨系統執行任務了，但工具一多，調度容易亂，復雜任務拆不干凈，接不住，交付不完整。模型、工具、云平臺、專用芯片都齊備的Agent，才能做到大規模、高頻次、成本可控的生產級任務交付，才能真正從“玩一玩”到“派上用場”。系統越完整，Agent能接住的任務就越復雜，AI的生產力才真正被釋放出來。

數據可以佐證。百度搭子登頂PinchBench，93.3%的得分超過Anthropic的89.0%和OpenAI的91.6%。同一模型在百度搭子框架中展現更強執行力，這背后是系統能力在起作用，系統把模型的能力放大了。

DeepResearch Bench同樣第一，得到58.03分，靠的是Deep Search與Deep Research雙引擎協同，前者跨平臺語義檢索，后者疊加多輪推理與因果分析。單點做不到，得系統做。

AI產品榜上，百度搭子月增速114.72%登頂龍蝦增速榜，116萬月訪問量排總榜第三。用戶漲得快，靠的是系統能力讓普通用戶也能“零代碼搭出智能體”，這才是增長背后真正的驅動力。

用戶案例更能說明問題。70歲長白山攝影師老萬零代碼搭出視頻素材篩選智能體，靠的是一套系統在支撐：框架能拆解任務、工具能操作文件、Skill能調用搜索、記憶能跨會話延續。

貴州鄉村教師夫婦幾十分鐘搭出內容創作系統，90后縫紉教父杭哥一步把學員想法變成效果圖加教學內容。

這些案例有一個共同點：用戶不是技術人員，他們不會寫代碼，甚至不懂什么是框架和調度，他們只是有一個需求，用自然語言的方式“說句話就能搭出來”。

每一個“零代碼搭出智能體”的背后，都是全棧在轉。沒有框架拆解、工具調度、記憶延續這些底層能力，用戶看到的就不是“說句話就把事辦了”，而是“還得自己配參數、寫代碼、畫流程圖”，那就不是零代碼了。

企業客戶更看重全棧深度。百度搭子企業版打通如流、BAP、ERP、工單，發布企業級Skill接入標準，這需要云平臺的企業級基礎設施、安全護欄、審計合規和SLA保障。

沒有百度智能云連續六年AI公有云第一的底子，對企業的承諾就缺支撐。個人用戶對偶發故障可以接受，但企業不行，一個SLA不達標可能就是合同違約。

Agent要進企業，不是多幾個功能就行，是背后那套系統要扛得住企業級的要求。反過來也成立——一旦Agent通過了企業級的考驗，意味著系統的穩定性、安全性和合規性已經到了一個新高度，這個能力又反過來加固全棧的底座。

4、結語

AI行業有個規律：每次競爭焦點上移，都會洗掉一批玩家。從卷算法到卷數據，從卷模型到卷系統，每一輪拐點都是一次重新發牌。這一輪，手牌是全棧。

百度搭子AI Day這波發布的真正信號不在于功能清單有多長，而在于它證明了一件事：當全棧轉起來，能力的釋放不是線性的，是指數級的。芯片降本讓模型跑得起，模型優化讓智能體干得動，智能體反饋讓下一輪迭代更精準——這個飛輪一旦啟動，每一輪的產出都比上一輪大。

Agent時代的競爭，不再是“誰的單項更強”，而是“誰的系統能持續自我加速”的問題。單項再強，終究是孤點；系統在轉，才是活棋。

百度搭子此輪集中發布，不是一次產品更新，是Looping跑成閉環后的集中兌現。全棧時代，競爭的終局不是誰跑得最快，而是誰能越跑越快。