新一輪ai雲高強度競爭來了。
文｜周享玥 趙艷秋
編｜牛慧
數智前線獲悉，百度智能雲近日召開戰略會，將2026年ai相關業務收入增速目標從100%上調至200%，並明確提出在ai雲市場「全力搶第一」。這一調整向市場釋放出清晰信號：ai雲競爭日趨白熱化，各家雲大廠圍繞ai晶元、大規模算力集群、價格戰、大模型迭代及用戶心智爭奪，展開一輪又一輪高強度競爭。
ai雲已站在新一輪擴張周期起點。相關機構預測，2025年全球ai雲市場規模達到894億美元，到2030年有望突破4000億美元，未來五年複合增長率超過30%。這一趨勢已在頭部廠商的經營數據中得到驗證。根據百度2025年q3財報，ai雲當季收入同比增長33%，其中ai高性能計算基礎設施訂閱收入同比增長高達128%。
更重要的變化是，驅動這一輪增長的核心動力，正從大模型競賽，轉向智能體為代表的大規模落地，而能力、成本與速度成為產業化三大硬核指標。過去訓練階段依靠堆gpu、拼算力規模的模式，已難以支撐ai大模型落地的持續擴張。
在這樣的背景下，ai雲競爭開始走向軟硬一體的系統能力之爭——從底層晶元與算力架構，到推理系統與工程平台，再到大模型、智能體及工具的組織與調度能力，展開全面比拼。
01
ai落地，規模化複製正在開始
「2025年，ai落地已在多個場景實現跑通驗證，即將開啟規模化複製，行業正處在爆發前夜的黎明時刻。」今年年初，多位行業人士在與數智前線交流時表達了這一共識。
業界普遍認為，ai落地已告別早期試點嘗鮮，邁入價值創造關鍵階段。c端滲透與b端商業化都已進入規模起量加速期，2026年有望成為ai產業形成規模收益的第一年。
在消費端，ai應用調用量快速攀升，ai助手app市場已迅速起量，c端流量入口爭奪白熱化，騰訊、百度、位元組已打響2026年春節ai營銷戰。aigc工具下沉為日常功能，手機廠商智能助手則在二三線市場滲透率突出，一些手機助手月活近兩億。
相比之下，企業端的變化更為深刻。儘管市場感知度不及c端，但b端客戶付費意願更強，其潛力長期被低估。
比如aigc正在爆髮式增長。2025年谷歌veo 2發布後，文生視頻逐步具備商業化能力，ai漫劇增速驚人，業內稱其 「一年走完了短劇三年的路」。非凡產研數據顯示，2025年上半年，國內已上線超3000部ai漫劇，月複合增長率達約80%。
在汽車、金融、政務、能源、教育、醫藥、農業等眾多領域，ai也已深度參與核心業務流程。如在金融領域，銀河證券聯手百度智能雲打造的場外交易agent，使客戶詢價到下單轉化率提升3倍；農業領域，面向豬的養殖開發獸醫大模型；汽車領域，除了新能源車，燃油車和重型卡車都在做智駕。
在關鍵的工業領域，業界告訴數智前線，ai落地雖還有大量場景未攻破，但企業對ai的價值確信度顯著提升，在部分已能見到效果的場景，即便ai軟體當前效果僅為傳統方案的80%、成本更高且存在一定風險，不少企業仍願意布局，堅信長期效能會翻倍增長。
持續的場景探索和驗證下，2025年，一些高價值場景已開始跑通，比如預測性維護等智能體產品已從頭部客戶向肩部、腰部客戶複製。
數智前線獲悉，已有服務商在船舶領域的設備檢修智能體落地，並打磨成軟硬一體標準產品，支持快速複製。也有智能體服務商打磨出工業節能智能體產品，推動客戶內部及跨行業複製，2026年上半年業務量已經排滿。
在這一窗口期，需求端企業與供給端的雲廠商、ai服務商都在全力推動ai從試點驗證走向規模化價值釋放。接近百度智能雲的人士透露，百度智能雲一直處於「打仗」狀態。第三方數據顯示，2025年國內主流雲廠商大模型相關中標項目共341個，中標金額約27億元。其中百度智能雲以109個項目、9 億元中標金額，連續兩年拿下項目數與金額「雙第一」，火山引擎、阿里雲分列二三位。
這一業務結果，與百度智能雲先發落地大模型、與行業場景共創緊密相關。如在金融行業，其在2025年中標38個項目，位居首位。電力場景中，聯合國家電網打造的光明電力大模型，已覆蓋百餘個應用場景，減少40%巡檢中人工登塔，並助力南方電網建成新算力集群，配電網監視agent可在1分鐘內完成告警分析並通知站點。
百度也開始了更複雜場景的探索，在2025年11月發布可商用自演進超級智能體「百度伐謀」，可基於自進化演算法在真實產業場景中尋找「全局最優解」，已吸引數千家企業試用。如在汽車研發端助力阿爾特將單次風阻驗證時間從10小時縮至1分鐘；在金融領域協助中信百信銀行升級智能風控，實現特徵挖掘效率提升100%，風控模型風險區分度提升2.41%，風控能力顯著增強。
在此基礎上，百度智能雲進一步上調2026年增長目標，顯示其將以更大的投入力度推動ai應用規模化落地。
02
ai雲的競爭，終局是軟硬一體
隨著產業整體邁向智能體規模應用階段，早期拼卡、拼算力規模的模式已經遠遠不夠，智能體產業化提出了核心三要素——能力、成本與速度。
首先是成本問題。idc在2025年12月預測，2026年40%的工作崗位將與ai智能體協同工作，2027年全球2000強企業智能體使用量將增長10倍、調用負載提升1000倍。但從2026年1月市場報價來看，以公有雲服務為例，海外主流模型百萬token輸入在1~5美元、輸出為8~15美元；國內輸入0.8-4元、輸出2-8元，這一成本結構難以支撐ai的大規模商業化。
更進一步而言，中國ai的核心競爭力在人工智慧+應用落地，ai最終要成為「水電煤」一樣的基礎性資源，只有推動現有成本實現數量級下降，才能支撐智能體大規模部署，完成「人工智慧+」轉型升級。
其次是速度問題。智能體時代，尤其進入企業級市場，延遲成為硬性指標，金融欺詐、量化交易、直播電商等場景，要求ai生成速度最低都在10毫秒以下。更重要的是，未來大量交互出現在「機器與機器」之間，對生成與響應速度的要求遠高於人機交互。清華大學與中國軟體評測中心（cstc）的研究明確指出，延遲是直接決定用戶留存和差異化競爭的首要技術門檻。
而能力則不僅體現在模型的「聰明」度上，智能體要在真實產業中運行，僅有模型還遠遠不夠，還需要一整套從數據、模型、工具到調度和運維的工程體系，才能把模型用好。
正是在這三重壓力下，ai雲競爭的邏輯發生了轉向，從堆算力走向軟硬一體，對單位算力產出效率進行重構。回顧多個高度競爭的技術市場，最終無一例外都上升到晶元級的軟硬協同中。以手機ai相機為例，做到最後全要落到晶元上，用ai晶元對影像的每一幀進行處理，才能實現速度最快、功耗最低。
而ai雲與原先以cpu為主的雲計算相比，它的軟體棧更為複雜。cpu集中在虛擬化上，但對於一個ai系統，軟硬一體涉及底層晶元、算力管理平台，上層模型、工具等。要實現更好的效果、更低延遲和更低成本，算力基礎設施在系統架構、互聯協議、軟體框架等關鍵點上都要進行協同創新。
放眼全球，目前真正跑通這一模式的ai雲廠商並不多。谷歌是最典型的案例。早在2015年，谷歌啟動tpu晶元自研項目，從晶元、框架（tensorflow等）、模型到應用形成全鏈路能力，與openai依賴外部算力模式形成差異。如今，gemini系列模型完全基於tpu體系訓練與推理，月活達6.5億，疊加搜索、安卓等超大規模應用場景，已對openai完成多層面趕超。2025年第三季度，谷歌雲營收同比增長34%，市場對其ai雲體系的認可度持續提升。
在國內，百度智能雲的路徑與之高度相似。百度在2011年組建崑崙芯團隊，從晶元、ai雲、模型、應用形成系統能力。2025年，崑崙芯p800 3.2萬卡集群投入使用，百度已將絕大多數推理任務遷移至自研晶元體系之上；訓練完成一個多模態模型，目前訓練集群規模也已擴展至萬卡以上，並發布「五年五代」戰略。
在ai infra之上，百度智能雲的agent infra，通過千帆平台，提供文心大模型及多模型體系，還覆蓋數據服務、工具調用、模型定製與企業級agent構建，幫助客戶將智能體嵌入核心業務流程。
這一演進路徑，並非一日之功。無論是谷歌還是百度，其軟硬一體能力都建立在十餘年持續投入之上。正因如此，它們才能在智能體浪潮到來時，更迅速地承接產業需求的結構性變化。
數智前線獲悉，2026年春季業界正在迎來新一輪大模型迭代高峰，行業人士期待多模態、coding模型、世界模型能出現關鍵突破，並再次拉動新一輪應用層爆發。在這一關鍵窗口期，百度智能雲選擇上調業務增長目標，釋放出清晰的進攻信號。多重變數疊加之下，2026年，或許將成為這一輪ai雲競爭真正分出層次的關鍵一年。
-
-
-
-
-
-
-
-
-
-