Agent落地元年：誰在成為最堅實的土壤？_風聞

從模型調用到多智能體協作，從百度AI搜索到SFT強化精調，從數據智能體系的完善到智能體企業級的可觀測、可監測、可控制，以及最核心底層的企業專屬數據安全等等。

在百度智能雲千帆4.0之中，看到的是一個迄今為止最全面的Agent落地體系加持，在這個體系的加持下，Agent可以真正從探索動作轉化為生產力動作，AI從投入也更可以以最快的速度轉為“利潤”和“創收”。

作者|皮爺

出品|產業家

“不是我們不認可Agent，而是之前投入的Agent都很難發揮價值。”一位國內頭部食品企業CIO告訴產業家。一個數據是，這家國內頭部食品企業已經在內部環節部署了超過5款Agent，但效果甚微。

這種情況不在少數。

過去的一年時間裏，Agent是AI熱潮裏絕對的主角和共識，即企業可以基於其把一個個榜單之上的AI大模型技術轉化為更近距離的業務生產力，比如營銷，比如客服，比如風控等等。

但如果向更細顆粒度延展，則會發現這種共識並不夠“堅定”。在上述食品企業的案例之外，在目前業內公認的智能體評優平台WebArena的測試中，即便表現最優的智能體，其成功率也僅僅不到 57.1%，如果加入企業相關的特殊場景要求，其回答成功率還將進一步下滑。

實際上，在這些Agent的相關問題和“搖擺”共識背後，也恰對應着當前另一個概念的破圈——Agent Infra。簡單來説，Agent Infra所代表的是一個保證Agent落地的全鏈條體系，從數據到智能體構建、評估、落地以及後期的運維。

它之所以破圈的原因在於，如今在越來越多的產業賽道，Agent Infra的完善程度也更在被認為是Agent能否成功在企業中成功落地、轉化為真實生產力的又一衡量尺度，不僅在中國市場，也更在全球AI落地市場。

那麼，什麼才是一個真正保障的Agent Infra體系？又或者説，在中國這個足夠複雜的產業體系裏，一個能保障企業AI落地的Agent Infra體系應該具備哪些要素？企業應該如何搭建最好的Agent土壤？

在這次雲智大會上，百度智能雲以升級後的千帆4.0為基點，正在給出一個答案。

一、AI落地元年：Agent走到哪了？

過去的一年時間裏，Agent落地呈現出明顯的“冰火兩重天”。

一組來自根據 IDC發佈的《中國 AI Agent 應用市場概覽（2025Q1）》報告顯示，2024 年中國 AI Agent 軟件市場規模突破 50 億元人民幣，未來四年Agent市場將以超過60%的年複合增長率迅猛擴張，預計 2025年市場規模將達80億元，2026 年突破130億元。

這個數據背後對應的是中國企業對於Agent部署的極大熱潮，即伴隨着“FOMO”情緒的傳遞，在大型企業之外，越來越多的中小企業或者傳統產業的企業開始正式從之前的觀望踏入AI戰場，而Agent往往是它們的AI第一戰。

但客觀來看，這個“AI第一戰”結果並不算理想。

最近，麻省理工學院(MIT)NANDA項目發佈了一份名為《生成式A鴻溝:2025商業AI現狀》的重磅報告，報告針對全球多個企業進行了AI落地相關的調研，其中的幾組數據是在所有參與問卷的企業中，有95%的組織未能獲得任何可衡量的回報，僅有5%的少數派，通過整合AI試點項目，成功創造了數百萬美元的價值，大部分對於AI或者Agent佈局中對公司的損益表(P&L)毫無貢獻。

在中國市場，如果檢索Agent部署，不論在百度還是知乎，則也都會會湧現出一些高度一致的答案，比如如何讓Agent更懂企業自身場景，如何保障數據安全，如何梳理自身的數據體系等等。

數據和檢索結果背後，對應的恰是Agent熱潮水面之下的真正温度：難部署、難使用、難運維和難帶來真正的有效生產力加持。

就當下而言，Agent在企業內部的部署一般會經歷類似的環節：企業先明確需求，通過市面上的相關Agent平台搭建自身的Agent，同時將自身準備好的私有數據通過RAG的方式對Agent進行定向微調，在demo達到一定的效果後，最終在企業內部上線。

如果從全局視角來看，漏水點幾乎發生在Agent部署的每個環節。

比如智能體構建，從最初的技術工程來看，目前市面上不少模型需要經過一定的技術參數配置才能完成到智能體的能力表達，包括不同大模型的不同尺寸，都需要專門函數調校才能適配，對大部分企業而言，其不具備對應的工程能力。

其次，在如今廣泛應用的工作流和多智能體編排方向，對大部分中小企業甚至大型企業而言，其不具備自行編排工作流和基於A2A協議搭建多智能體協作體系的能力，由此對應的是無法構建基於工作流或某些複雜流程的Agent體系，比如工業質檢，比如能源分配等等。

再比如數據體系，根據不完全數據統計，在中國市場有超過70%的企業存在數據孤島問題，超過40%的企業數據治理體系薄弱，這種數據側的缺失一定程度上帶來的是無法對智能體進行基於企業自身的微調訓練，很難讓智能體適配企業自身的業務。

以及最重要的Agent運維監測，即在Agent完成相關部署後，一系列的後續運維和監測進化工作也更是足夠重要的IT動作，即企業需要不斷對智能體的自我進化和學習進行監測，以讓其可以向更契合業務的方向發展，同時基於完備的系統對其進行方向指引，但就目前而言，很少有企業可以獨立完成後期的Agent運維和進化監測。

不僅這些。還有行業專屬模型的後訓練、MCP組件的接入、企業最關心的數據安全、多模態RAG能力等等，如果想要保證Agent能夠在企業內部成功落地並且發揮出生產力價值，這些能力都是必不可少的，但這些“必需”的模塊對企業自身而言都很難做到。

即使從AI服務商的視角來看，這也並不是一件容易的事。

即不論是數據體系的搭建，還是多智能體協作、編排，以及Agent企業級相關服務，這些在如今的Agent產業落地中都是足夠新穎且具備產業AI know-how的分子能力，換言之，只有經歷過完整的Agent價值鏈條呈現，才能沉澱出對應的能力。

在中國的產業土壤上，是否有真正的解法，或者説是否有真正的產業AI的底層基建者？

二、百度智能雲，

交出一張Agent Infra的體系交卷

這也正是百度智能雲嘗試基於千帆給出的答案。

更準確來説是，千帆正在把百度智能雲過去幾年時間裏在Agent落地的全部經驗以產品模塊和產品服務的形態全面推向市場，而這種全鏈條、串點成線的Agent Infra基建也恰構成了千帆這次的4.0版本升級。

首先來看智能體搭建環節，在模型側，和上述構建工程技術難點相對應的是，百度智能雲千帆封裝了多個開源大模型和自研的行業專精模型，最新的行業大模型往往也更會第一時間上線，企業可以直接調用。

同時，包括最近頻頻破圈的語音大模型百度蒸汽機，企業也更可以根據自身的場景需求，以為前端智能體提供更適配的能力加持。

在智能體側，在這次大會上，千帆4.0也給出了足夠前沿的sota式的Agent Infra答案，比如業內被首次發佈的、專門面向企業內部多模態數據的多模態RAG能力，“如果沒有多模態的RAG能力，整體效果可能能到20-30分，但加上後智能體可以達到80分-90分。”百度智能雲AI與大模型平台總經理忻舟表示。

以及上述提到的A2A能力，即在預置的工作流加持外，智能體和智能體之間的協作機制被百度智能雲正式封裝進千帆，企業可以基於千帆4.0無感知地調用不同智能體進行工作。值得一提的是，這是國內首個宣佈支持A2A協議的互聯網廠商。

還不僅如此。同樣令外界驚豔的還有在MCP側的更新發布，即在封裝支持企業調用足夠多且足夠新鮮的MCP組件之外，千帆4.0更是重磅上線了百度AI搜索MCP，企業可以把百度AI搜索MCP內嵌到自身的智能體產品中，進一步強化其即時反應能力以及進行最新的訓練預料更新。

“這是之前呼聲最高的產品，第一天上線流量就十幾萬，第二天調用量就到百萬了，第三天我們的幾個大客户就接入了，流量達到千萬級別。”忻舟告訴產業家。

而在數據側，千帆的升級則是更為徹底。在這個大型企業往往消耗工程師50%-80%時間、中小企業分身乏術的基建環節，千帆4.0則是正式把數據智能平台放到最前端，即企業基於千帆4.0的數據智能平台，可以完成一系列包括多模態數據管理、數據開發、數據治理以及甚至底層元數據構建等等工程，真正構建自身的AI ready土壤。

如果説部署側和數據側對應的是智能體前中期的落地，那麼在智能體的後期運維上，百度智能雲也更是實現了首次交卷——企業級服務平台正式發佈。

從定義來看，它被稱為“把Agent從原型設計推進生產環境的AI雲全棧能力”，即基於這些服務，企業可以完成全部的智能體上線和管理流程，比如Agent能力指標的驗證、觀測指標的構建、基於智能體的日誌生成等等一系列足夠實際化的能力。

從某種程度來看，更新後的百度智能雲千帆4.0更等同於一個可以幫助企業從搭建到上線再到後期的使用監測沉澱的全能助手，基於這些最新的Agent Infra組件背後，企業可以真實完成從想法、需求到AI模塊的生產力落地。

實際上，在智能體之外，千帆4.0的模型側更新還不僅於此。比如針對更加大型、更為產業化的企業，千帆如今也更提供強大的模型後訓練能力，即基於企業自身所在的領域幫助其完成後訓練相關環節，構建行業專屬模型，在行業專屬模型的基礎上進一步完成前端智能體的搭建。

“之前我們説市場會出現百萬模型，最終市場真實出現的是不同的開源大模型，但如今伴隨着業對於精度、成本的要求，行業模型的數量在增加，我們發現這樣的趨勢還是在繼續推進。”忻舟表示。

客觀來看，基於完整後訓練的行業模型一定程度上可以滿足企業對於智能體更大精度、更低成本的強可控，但這中間需要的是企業和AI雲廠商長期的一致探索和配合，比如對於特定場景的訓練，比如對於不同環節不同數據的權重加持，再比如通過訓練多個小模型最終合成一個整體模型的工程操作。

值得一提的是，在如今的百度智能雲上，一系列模版化的行業模型都已經上線，比如被再次更新的千帆慧金金融行業模型、千帆VL視覺理解模型（Qianfan-VL系列）等行業專屬模型，這些模型被封裝了過去幾年時間裏百度智能雲探索出的最佳後訓練領域模型實踐，企業可以根據自身的產業領域需要，進而構建更適配自身產業的智能體。

如果説之前幾年百度智能雲千帆的定位更多是Agent PaaS平台，其通過提供一系列分子化的組件幫助企業解決各自所需，企業按需調用，那麼在這次發佈之後，更準確的理解是，千帆更在成為一個完備的、全生命週期的Agent Infra平台。

在這之上，一系列契合中國產業AI土壤的智能體配套能力都被串聯封裝到平台底層，最大程度地保障Agent能夠真正在企業內落地和生根發芽，真實打贏Agent這個AI第一戰。

三、產業升級裏，

如何解答AI落地真命題？

從某種程度來看，對於AI的認知，市場也更在進化。

如果説3年前，人們對於AI的想象源自百度打響的AI大模型第一槍和百度智能雲千帆、百度百舸等一系列組件的落地，那麼3年後的如今，這種想象力的載體則成了一個個承擔具體任務的Agent，這種AI原生的載體能夠幫助企業和產業構建真正的新生AI業務範式。

這樣的想象力已經在發生。比如網易和百度智能雲合作，基於文心大模型讓NPC能理解玩家意圖，人物真正有了靈魂；比如智聯招聘，在人崗匹配場景，對百億模型基於百度智能雲提供的RFT（強化精調），只用少量數據就可以取得非常高的準確率，效果可以媲美千億參數的DeeSeek R1。

以及立足全球市場的九號，其基於百度智能雲千帆多模態RAG能力，早已經上線了多語種智能客服，客服可以做到準確回覆各種車主的使用問題。

不僅這些，同樣還有深耕玩具領域的實豐文化、能源側的國家電網、手機領域的vivo、金融領域的匯正財經，後者打造的智能投顧智能體，如今已經可以替代約70%基礎研究工作，投顧效率提升3倍等等。

一個數據是，僅在2025上半年，就有接近50個大型企業項目正式上線百度智能雲，金融、能源、政務、製造等重點國民行業更是下場的頭陣。

能夠看到的是，在百度智能雲等企業的加持下，中國產業AI的落地拼圖在愈發完整，底層的土壤也更在愈發豐饒。

從模型調用到多智能體協作，從百度AI搜索到SFT強化精調，從數據智能體系的完善到智能體企業級的可觀測、可監測、可控制，以及最核心底層的企業專屬數據安全等等，在百度智能雲千帆4.0之中，看到的是一個迄今為止最全面的Agent落地體系加持，在這個體系的加持下，Agent可以真正從探索動作轉化為生產力動作，AI從投入也更可以以最快的速度轉為“利潤”和“創收”。

“去年我們説，有多少場景，就有多少Agents。現在看來還是有些保守。現在的一個崗位、一個場景，以後就可能是幾個、幾十個Agents。”百度集團執行副總裁、百度智能雲事業羣總裁沈抖在這次雲智大會上説到。

其實，從另一個角度來看，這種底層Agent Infra的一個個成型的分子也恰推動着百度在AI側的更新護城河和更真實想象力，而且這種想象力已經初步兑現。

最近公佈的百度Q2季度財報就是一個例證，**數據顯示，2025年上半年，百度總營收652億元，歸屬百度核心的淨利潤150億元，**同比增長40%，其中，百度智能雲收入同比增長27%，達到了65億元。2025年上半年，百度智能雲收入同比增長34%，高於2024年上半年的低雙位數收入增速。

同樣還有在剛剛8月18日IDC發佈的《中國AI公有云服務市場份額，2024：全面向生成式AI演進》報告，報告顯示2024年中國AI公有云服務市場規模達195.9億元，百度智能雲以24.6%的市場份額穩居第一，連續六年、累計十次蟬聯中國AI公有云市場冠軍。

成就AI落地的價值，本身也在成為AI的價值所在。**“當創造方式被重構，產業鏈也就會進化，AI就會進入真正的‘超級週期’。”**沈抖表示。

更真實、更可見、更可用的企業級Agent時代，在百度智能雲等企業的推動下，在愈發健全的Agent Infra土壤加持下，中國產業AI的進化齒輪正在加速運轉。