一年一度的WAIC像一面镜子映照着中国AI产业的新动向。ChatGPT刚出现时外界问的是中国有没有能力做出自己的大模型国产大模型密集发布后问题变成了中国模型何时能追上国外玩家开源大模型全面崛起问题进一步落到底层能否跑在自主可控的基础设施上到了2026年问题再一次发生变化。不再只是问模型“会不会说”开始追问AI能不能接手一项完整的工作能不能连续执行几十个步骤能不能调用企业内部的数据、软件和工具能不能在复杂的生产环境中稳定运行最终交付一个可以直接使用的结果每年的WAIC上中国AI企业都用行动给出了答案完成了整体落后、局部追平到独树一帜的跃变。规格更高的WAIC 2026自然也不例外。作为国内最早布局AI的企业之一百度这次全景呈现了“芯云模体”全栈布局尤其是百度智能云从底层技术创新到产业场景、智能体应用的规模化进展阿里巴巴展出了面向千行百业和前沿科研的多个AI智能体平台华为首次公开展示了Atlas 950 SuperPoD超节点真机支持1024张NPU卡高速互联像一台计算机一样工作……汇聚各国政要的WAIC已经不只是一场技术成果展也是中国AI面向智能体时代的阶段性答卷每一家科技企业展现的都是自己最独特的一面或者说是他们对行业竞争力的判断。01 从模型竞赛走向任务竞赛AI的底层需求变了过去三年大模型产业形成了一条相对清晰的价值链芯片厂商提供算力、云厂商提供计算资源、模型厂商训练大模型、企业和开发者通过API调用模型、普通用户则在聊天框里提出问题并获得答案。大模型占据了整条价值链的C位形成了以模型为中心的叙事逻辑。模型的参数规模有多大、训练使用了多少张卡、模型在权威榜单上的排名以及每百万Token的价格是多少成了衡量企业竞争力的主要标准。进入2026年后Agent逐渐取代Chatbot成为AI应用的主流形态以模型为中心的价值链加速解构。在Chatbot的产品形态下用户输入一个指令模型返回一段文字、一张图片或者一段代码。如果答案不够准确用户需要继续补充条件进行下一轮对话。就像是一个越来越聪明的搜索框可以提高信息获取和内容生产的效率却永远走不出”提问—回答—再提问”的循环。文章配图-1百度集团执行副总裁、百度智能云事业群总裁沈抖在最近一次访谈中判断接下来大众、产业对智能体的认知深度会大幅提升。现在很多人还把 AI 等同于对话聊天机器人下半年到明年大家会真正理解智能体可以深度嵌入生产、办公全流程会有更多企业、个人主动拥抱智能体人机协同成为日常工作模式超级个体时代正式到来组织形态从传统金字塔转向人和智能体混合编队组织知识可以通过 Skill 持续沉淀。他认为通用智能体、行业垂类智能体规模化落地速度会大幅提升2026年下半年就能明显看到批量落地案例涌现。未来 90% 的工作都会有智能深度参与、协助完成不是完全替代人人聚焦决策、创意、监督智能体承接长链路推理、多工具编排、大批量文件处理、数据治理这类重复性工作。智能体会成为企业标配不管是大企业还是中小机构都会批量搭建适配自身业务的 AgentDAA日活智能体数会成为全行业通用衡量标尺。其中DAA是百度创始人李彦宏在5月份提出的概念他认为Token只是衡量消耗的指标但在智能体时代落地和效率才是关键因素。这个判断在百度内部已形成多年。在百度的定义里只有能够落地履职、产出实际效果的智能体才算有效统计对象仅处于在线状态无法完成业务任务、得不到客户认可的智能体不具备实际价值不计入有效 DAA。事实上几乎所有大厂也都看到了这点2026年以来层出不穷的Agent产品就是证明。这种变化随之带来另一个问题模型仍然重要却不再是影响最终结果的唯一因素从模型为中心到任务为中心绝不只是在Chatbot上增加一个执行按钮全面改写了对AI基础设施的需求。比如在计算层面怎样调配不同计算资源怎样减少芯片和网络等待怎样保证长链路推理稳定运行都会直接影响任务效率在运行层面需要管理长上下文和持久记忆需要调用不同工具、分配子任务、记录执行过程在成本层面倘若执行任务所产生的成本超过了任务本身的价值注定无法实现大规模商业化。国内的AI厂商是怎么破题的呢02 “芯云模体”不是能力清单而是互相协同的闭环过去两个多月里许多大厂开始重提“全栈AI”。海外OpenAI宣布造芯片。国内阿里云开始对芯片、云平台、模型和MaaS推理平台同时动刀腾讯云提出要打造从芯片到智能体的全栈闭环能力火山引擎在FORCE大会上亮出了全栈AI云原生战略……原因正是人们对AI的需求变了。倘若每家企业都只深耕产业链单一环节或是纯售卖算力、或是对外输出大模型API 、或是研发对话类AI应用产业链条中将存在大量技术断层不仅会拉高整体落地成本还可能限制智能体的实际业务处理能力。百度的似乎早已看到了这个问题他们的“全栈”布局很早而且始终瞄准互相协同的方向。百度在WAIC 2026上的所有展示发布都在回答一个关键问题——怎么让Agent真正跑起来。首先要跑得动。Agent完成一项任务往往不是生成一个答案就结束需要持续理解目标、拆解步骤、调用工具、处理反馈并在多轮执行中不断推进。对AI Infra而言只有将芯片、框架、模型与应用在指令集级别原生对齐才能把Token效率做到极致只有把训练、推理、芯片、调度和工程工具链协同起来才能让每一次Token消耗都更高效。文章配图-1可以佐证的是百度基于昆仑芯P800集群完成了对文心5.1重要版本的训练以同规模模型约6%的预训练成本就达到了领先水平基于昆仑芯的天池256卡超节点吞吐性能较上一代提升25%推理效率提升了50%。然后是跑得好。一个真正可用的Agent必须具备目标理解、上下文管理、工具调用、记忆沉淀、子任务调度、评估反馈和运行控制能力。百度智能云进行了两个方面的对症下药一是将MaaS模型服务升级为Token Factory提升模型调用和推理效率二是升级Harness Engineering让模型、工具、记忆、Skills、MCP和Runtime协同起来。特别是Harness Engineering集长上下文管理、持久记忆、工具调用、子智能体调度、评估反馈及Runtime等核心能力于一体在使用浏览器、Office等典型办公场景中相比同类产品最高可降低23%的Token消耗。最终要跑出结果。Agent的价值不在于回答问题需要在真实业务中承接长程任务、应用生产、复杂推演、数据决策等需求并交付结果。百度没有选择做一个万能超级App而是用智能体“全家桶“覆盖了客户需求的全场景。深入办公场景干活的百度搭子负责承接开放式需求秒哒、伐谋、一镜、一见、Hogee代表的垂类智能体解决具体场景中的专业任务以及企业和合作伙伴基于百度智能云底座开发的产业智能体。三者并非相互替代而是由通用智能体提供统一入口垂类和产业智能体沉淀专业能力完成了从个人到企业、从通用到专业的完整覆盖。全栈难以被复制的不是芯片、云和模型的产品清单智能体在真实业务中产生的任务数据、失败记录和用户反馈可以反向推动模型与驾驭工程优化模型能力提升后又能解锁更多智能体场景进而模型、智能体与产业数据间形成持续迭代的闭环。03 从技术路线到增长曲线AI云进入价值兑现期一条技术路线是否成立不能只看实验室里的参数、发布会上的概念还要看能不能转化为真实的商业结果。百度智能云的答案里有两组实实在在的数据。第一组是百度Q1财报百度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%。同行还在用消耗量证明“自己很忙”时百度智能云已经用收入回答了“AI能不能赚钱”。第二组是AI云行业机构智能超参数近期发布的《2026年上半年AI云厂商公开中标统计》报告百度智能云以13.85亿元的中标金额位居行业第一占五家云厂商整体中标金额近六成以上。文章配图-1两组数据指向了同一个结论当AI从模型演示走向任务交付云厂商的竞争逻辑也在发生变化。第一需求侧开始为实际价值买单。AI应用越深入业务企业对基础设施的要求就越高。比拼的不再是单纯模型基础能力客户不再为概念买单开始实实在在为效果、提效效率付费用好每一份算力、每一个Token正成为行业共识。百度智能云此前全面升级的新全栈AI云正是从两个最底层的方向朝这个目标靠拢。AI Infra聚焦于提供性能最强、最具性价比的AI算力服务而Agent Infra则目标将单位Token的智能水平做到最好基于这套底层体系诞生的智能体产品又会反哺更强大的数据和选连构筑起同行难以复刻的双层产业迭代飞轮。文章配图-1第二全栈协同开始成为新的竞争壁垒。智能体进入生产环境后竞争不再只发生在单一环节。是否拥有稳定、自主的芯片供应集群能否高效扩展模型服务能否减少Token浪费驾驭工程能否提升任务成功率……都会影响市场竞争力。因为智能体不是一次模型调用是一条由芯片、网络、模型、缓存、工具和运行系统共同参与的长链路。任何一层效率不足都会在任务执行中被持续放大采购和集成拼能力的方式无法真正做到跨层协同。在沈抖看来当前头部科技企业纷纷入局自研芯片也印证端到端全栈布局已是行业必然趋势。未来三年将是一个黄金窗口期能否打通软硬件协同闭环、激活产业迭代飞轮会直接决定企业未来行业地位。第三商业化开始步入持续性兑现。对云厂商来说生产环境带来的不只是持续收入还有持续产生的真实业务反馈。智能体在执行过程中暴露的工具调用错误、流程漏洞、参数问题和用户修正都可能沉淀为模型、驾驭工程和Skill继续优化的数据资产。而且云厂商与客户的关系正在从“交付一个项目”转向“长期支撑一套业务系统运行”。智能体覆盖的场景越多、承担的任务越复杂对云端基础设施的依赖就越深收入也越有可能从阶段性项目转化为长期、稳定的使用型收入。如果说过去的全栈投入还属于技术路线选择当行业从”卷价格”转向”卷效率已经进化成为智能体时代的增长曲线。04 写在最后2026 WAIC交出的不仅是一份技术成绩单也是一份产业化答卷。中国AI正在从追赶模型能力走向重构智能体基础设施从比拼参数、价格和调用量走向比拼任务完成率、单位Token价值和产业落地规模从一次性的技术交付走向持续运行、持续反馈、持续进化的生产系统。会说是上一代AI的能力能做才是下一代AI的起点。