Agent落地元年：谁在成为最坚实的土壤？_风闻

从模型调用到多智能体协作，从百度AI搜索到SFT强化精调，从数据智能体系的完善到智能体企业级的可观测、可监测、可控制，以及最核心底层的企业专属数据安全等等。

在百度智能云千帆4.0之中，看到的是一个迄今为止最全面的Agent落地体系加持，在这个体系的加持下，Agent可以真正从探索动作转化为生产力动作，AI从投入也更可以以最快的速度转为“利润”和“创收”。

作者|皮爷

出品|产业家

“不是我们不认可Agent，而是之前投入的Agent都很难发挥价值。”一位国内头部食品企业CIO告诉产业家。一个数据是，这家国内头部食品企业已经在内部环节部署了超过5款Agent，但效果甚微。

这种情况不在少数。

过去的一年时间里，Agent是AI热潮里绝对的主角和共识，即企业可以基于其把一个个榜单之上的AI大模型技术转化为更近距离的业务生产力，比如营销，比如客服，比如风控等等。

但如果向更细颗粒度延展，则会发现这种共识并不够“坚定”。在上述食品企业的案例之外，在目前业内公认的智能体评优平台WebArena的测试中，即便表现最优的智能体，其成功率也仅仅不到 57.1%，如果加入企业相关的特殊场景要求，其回答成功率还将进一步下滑。

实际上，在这些Agent的相关问题和“摇摆”共识背后，也恰对应着当前另一个概念的破圈——Agent Infra。简单来说，Agent Infra所代表的是一个保证Agent落地的全链条体系，从数据到智能体构建、评估、落地以及后期的运维。

它之所以破圈的原因在于，如今在越来越多的产业赛道，Agent Infra的完善程度也更在被认为是Agent能否成功在企业中成功落地、转化为真实生产力的又一衡量尺度，不仅在中国市场，也更在全球AI落地市场。

那么，什么才是一个真正保障的Agent Infra体系？又或者说，在中国这个足够复杂的产业体系里，一个能保障企业AI落地的Agent Infra体系应该具备哪些要素？企业应该如何搭建最好的Agent土壤？

在这次云智大会上，百度智能云以升级后的千帆4.0为基点，正在给出一个答案。

一、AI落地元年：Agent走到哪了？

过去的一年时间里，Agent落地呈现出明显的“冰火两重天”。

一组来自根据 IDC发布的《中国 AI Agent 应用市场概览（2025Q1）》报告显示，2024 年中国 AI Agent 软件市场规模突破 50 亿元人民币，未来四年Agent市场将以超过60%的年复合增长率迅猛扩张，预计 2025年市场规模将达80亿元，2026 年突破130亿元。

这个数据背后对应的是中国企业对于Agent部署的极大热潮，即伴随着“FOMO”情绪的传递，在大型企业之外，越来越多的中小企业或者传统产业的企业开始正式从之前的观望踏入AI战场，而Agent往往是它们的AI第一战。

但客观来看，这个“AI第一战”结果并不算理想。

最近，麻省理工学院(MIT)NANDA项目发布了一份名为《生成式A鸿沟:2025商业AI现状》的重磅报告，报告针对全球多个企业进行了AI落地相关的调研，其中的几组数据是在所有参与问卷的企业中，有95%的组织未能获得任何可衡量的回报，仅有5%的少数派，通过整合AI试点项目，成功创造了数百万美元的价值，大部分对于AI或者Agent布局中对公司的损益表(P&L)毫无贡献。

在中国市场，如果检索Agent部署，不论在百度还是知乎，则也都会会涌现出一些高度一致的答案，比如如何让Agent更懂企业自身场景，如何保障数据安全，如何梳理自身的数据体系等等。

数据和检索结果背后，对应的恰是Agent热潮水面之下的真正温度：难部署、难使用、难运维和难带来真正的有效生产力加持。

就当下而言，Agent在企业内部的部署一般会经历类似的环节：企业先明确需求，通过市面上的相关Agent平台搭建自身的Agent，同时将自身准备好的私有数据通过RAG的方式对Agent进行定向微调，在demo达到一定的效果后，最终在企业内部上线。

如果从全局视角来看，漏水点几乎发生在Agent部署的每个环节。

比如智能体构建，从最初的技术工程来看，目前市面上不少模型需要经过一定的技术参数配置才能完成到智能体的能力表达，包括不同大模型的不同尺寸，都需要专门函数调校才能适配，对大部分企业而言，其不具备对应的工程能力。

其次，在如今广泛应用的工作流和多智能体编排方向，对大部分中小企业甚至大型企业而言，其不具备自行编排工作流和基于A2A协议搭建多智能体协作体系的能力，由此对应的是无法构建基于工作流或某些复杂流程的Agent体系，比如工业质检，比如能源分配等等。

再比如数据体系，根据不完全数据统计，在中国市场有超过70%的企业存在数据孤岛问题，超过40%的企业数据治理体系薄弱，这种数据侧的缺失一定程度上带来的是无法对智能体进行基于企业自身的微调训练，很难让智能体适配企业自身的业务。

以及最重要的Agent运维监测，即在Agent完成相关部署后，一系列的后续运维和监测进化工作也更是足够重要的IT动作，即企业需要不断对智能体的自我进化和学习进行监测，以让其可以向更契合业务的方向发展，同时基于完备的系统对其进行方向指引，但就目前而言，很少有企业可以独立完成后期的Agent运维和进化监测。

不仅这些。还有行业专属模型的后训练、MCP组件的接入、企业最关心的数据安全、多模态RAG能力等等，如果想要保证Agent能够在企业内部成功落地并且发挥出生产力价值，这些能力都是必不可少的，但这些“必需”的模块对企业自身而言都很难做到。

即使从AI服务商的视角来看，这也并不是一件容易的事。

即不论是数据体系的搭建，还是多智能体协作、编排，以及Agent企业级相关服务，这些在如今的Agent产业落地中都是足够新颖且具备产业AI know-how的分子能力，换言之，只有经历过完整的Agent价值链条呈现，才能沉淀出对应的能力。

在中国的产业土壤上，是否有真正的解法，或者说是否有真正的产业AI的底层基建者？

二、百度智能云，

交出一张Agent Infra的体系交卷

这也正是百度智能云尝试基于千帆给出的答案。

更准确来说是，千帆正在把百度智能云过去几年时间里在Agent落地的全部经验以产品模块和产品服务的形态全面推向市场，而这种全链条、串点成线的Agent Infra基建也恰构成了千帆这次的4.0版本升级。

首先来看智能体搭建环节，在模型侧，和上述构建工程技术难点相对应的是，百度智能云千帆封装了多个开源大模型和自研的行业专精模型，最新的行业大模型往往也更会第一时间上线，企业可以直接调用。

同时，包括最近频频破圈的语音大模型百度蒸汽机，企业也更可以根据自身的场景需求，以为前端智能体提供更适配的能力加持。

在智能体侧，在这次大会上，千帆4.0也给出了足够前沿的sota式的Agent Infra答案，比如业内被首次发布的、专门面向企业内部多模态数据的多模态RAG能力，“如果没有多模态的RAG能力，整体效果可能能到20-30分，但加上后智能体可以达到80分-90分。”百度智能云AI与大模型平台总经理忻舟表示。

以及上述提到的A2A能力，即在预置的工作流加持外，智能体和智能体之间的协作机制被百度智能云正式封装进千帆，企业可以基于千帆4.0无感知地调用不同智能体进行工作。值得一提的是，这是国内首个宣布支持A2A协议的互联网厂商。

还不仅如此。同样令外界惊艳的还有在MCP侧的更新发布，即在封装支持企业调用足够多且足够新鲜的MCP组件之外，千帆4.0更是重磅上线了百度AI搜索MCP，企业可以把百度AI搜索MCP内嵌到自身的智能体产品中，进一步强化其实时反应能力以及进行最新的训练预料更新。

“这是之前呼声最高的产品，第一天上线流量就十几万，第二天调用量就到百万了，第三天我们的几个大客户就接入了，流量达到千万级别。”忻舟告诉产业家。

而在数据侧，千帆的升级则是更为彻底。在这个大型企业往往消耗工程师50%-80%时间、中小企业分身乏术的基建环节，千帆4.0则是正式把数据智能平台放到最前端，即企业基于千帆4.0的数据智能平台，可以完成一系列包括多模态数据管理、数据开发、数据治理以及甚至底层元数据构建等等工程，真正构建自身的AI ready土壤。

如果说部署侧和数据侧对应的是智能体前中期的落地，那么在智能体的后期运维上，百度智能云也更是实现了首次交卷——企业级服务平台正式发布。

从定义来看，它被称为“把Agent从原型设计推进生产环境的AI云全栈能力”，即基于这些服务，企业可以完成全部的智能体上线和管理流程，比如Agent能力指标的验证、观测指标的构建、基于智能体的日志生成等等一系列足够实际化的能力。

从某种程度来看，更新后的百度智能云千帆4.0更等同于一个可以帮助企业从搭建到上线再到后期的使用监测沉淀的全能助手，基于这些最新的Agent Infra组件背后，企业可以真实完成从想法、需求到AI模块的生产力落地。

实际上，在智能体之外，千帆4.0的模型侧更新还不仅于此。比如针对更加大型、更为产业化的企业，千帆如今也更提供强大的模型后训练能力，即基于企业自身所在的领域帮助其完成后训练相关环节，构建行业专属模型，在行业专属模型的基础上进一步完成前端智能体的搭建。

“之前我们说市场会出现百万模型，最终市场真实出现的是不同的开源大模型，但如今伴随着业对于精度、成本的要求，行业模型的数量在增加，我们发现这样的趋势还是在继续推进。”忻舟表示。

客观来看，基于完整后训练的行业模型一定程度上可以满足企业对于智能体更大精度、更低成本的强可控，但这中间需要的是企业和AI云厂商长期的一致探索和配合，比如对于特定场景的训练，比如对于不同环节不同数据的权重加持，再比如通过训练多个小模型最终合成一个整体模型的工程操作。

值得一提的是，在如今的百度智能云上，一系列模版化的行业模型都已经上线，比如被再次更新的千帆慧金金融行业模型、千帆VL视觉理解模型（Qianfan-VL系列）等行业专属模型，这些模型被封装了过去几年时间里百度智能云探索出的最佳后训练领域模型实践，企业可以根据自身的产业领域需要，进而构建更适配自身产业的智能体。

如果说之前几年百度智能云千帆的定位更多是Agent PaaS平台，其通过提供一系列分子化的组件帮助企业解决各自所需，企业按需调用，那么在这次发布之后，更准确的理解是，千帆更在成为一个完备的、全生命周期的Agent Infra平台。

在这之上，一系列契合中国产业AI土壤的智能体配套能力都被串联封装到平台底层，最大程度地保障Agent能够真正在企业内落地和生根发芽，真实打赢Agent这个AI第一战。

三、产业升级里，

如何解答AI落地真命题？

从某种程度来看，对于AI的认知，市场也更在进化。

如果说3年前，人们对于AI的想象源自百度打响的AI大模型第一枪和百度智能云千帆、百度百舸等一系列组件的落地，那么3年后的如今，这种想象力的载体则成了一个个承担具体任务的Agent，这种AI原生的载体能够帮助企业和产业构建真正的新生AI业务范式。

这样的想象力已经在发生。比如网易和百度智能云合作，基于文心大模型让NPC能理解玩家意图，人物真正有了灵魂；比如智联招聘，在人岗匹配场景，对百亿模型基于百度智能云提供的RFT（强化精调），只用少量数据就可以取得非常高的准确率，效果可以媲美千亿参数的DeeSeek R1。

以及立足全球市场的九号，其基于百度智能云千帆多模态RAG能力，早已经上线了多语种智能客服，客服可以做到准确回复各种车主的使用问题。

不仅这些，同样还有深耕玩具领域的实丰文化、能源侧的国家电网、手机领域的vivo、金融领域的汇正财经，后者打造的智能投顾智能体，如今已经可以替代约70%基础研究工作，投顾效率提升3倍等等。

一个数据是，仅在2025上半年，就有接近50个大型企业项目正式上线百度智能云，金融、能源、政务、制造等重点国民行业更是下场的头阵。

能够看到的是，在百度智能云等企业的加持下，中国产业AI的落地拼图在愈发完整，底层的土壤也更在愈发丰饶。

从模型调用到多智能体协作，从百度AI搜索到SFT强化精调，从数据智能体系的完善到智能体企业级的可观测、可监测、可控制，以及最核心底层的企业专属数据安全等等，在百度智能云千帆4.0之中，看到的是一个迄今为止最全面的Agent落地体系加持，在这个体系的加持下，Agent可以真正从探索动作转化为生产力动作，AI从投入也更可以以最快的速度转为“利润”和“创收”。

“去年我们说，有多少场景，就有多少Agents。现在看来还是有些保守。现在的一个岗位、一个场景，以后就可能是几个、几十个Agents。”百度集团执行副总裁、百度智能云事业群总裁沈抖在这次云智大会上说到。

其实，从另一个角度来看，这种底层Agent Infra的一个个成型的分子也恰推动着百度在AI侧的更新护城河和更真实想象力，而且这种想象力已经初步兑现。

最近公布的百度Q2季度财报就是一个例证，**数据显示，2025年上半年，百度总营收652亿元，归属百度核心的净利润150亿元，**同比增长40%，其中，百度智能云收入同比增长27%，达到了65亿元。2025年上半年，百度智能云收入同比增长34%，高于2024年上半年的低双位数收入增速。

同样还有在刚刚8月18日IDC发布的《中国AI公有云服务市场份额，2024：全面向生成式AI演进》报告，报告显示2024年中国AI公有云服务市场规模达195.9亿元，百度智能云以24.6%的市场份额稳居第一，连续六年、累计十次蝉联中国AI公有云市场冠军。

成就AI落地的价值，本身也在成为AI的价值所在。**“当创造方式被重构，产业链也就会进化，AI就会进入真正的‘超级周期’。”**沈抖表示。

更真实、更可见、更可用的企业级Agent时代，在百度智能云等企业的推动下，在愈发健全的Agent Infra土壤加持下，中国产业AI的进化齿轮正在加速运转。