核心内容摘要
Janus-Pro-7B多模态模型：5个实用场景案例分享
新一轮AI云高强度竞争来了。
文周享玥 赵艳秋编牛慧数智前线获悉百度智能云近日召开战略会将2026年AI相关业务收入增速目标从100%上调至200%并明确提出在AI云市场“全力抢第一”。
这一调整向市场释放出清晰信号AI云竞争日趋白热化各家云大厂围绕AI芯片、大规模算力集群、价格战、大模型迭代及用户心智争夺展开一轮又一轮高强度竞争。
AI云已站在新一轮扩张周期起点。
相关机构预测2025年全球AI云市场规模达到894亿美元到2030年有望突破4000亿美元未来五年复合增长率超过30%。
这一趋势已在头部厂商的经营数据中得到验证。
根据百度2025年Q3财报AI云当季收入同比增长33%其中AI高性能计算基础设施订阅收入同比增长高达128%。
更重要的变化是驱动这一轮增长的核心动力正从大模型竞赛转向智能体为代表的大规模落地而能力、成本与速度成为产业化三大硬核指标。
过去训练阶段依靠堆GPU、拼算力规模的模式已难以支撑AI大模型落地的持续扩张。
在这样的背景下AI云竞争开始走向软硬一体的系统能力之争——从底层芯片与算力架构到推理系统与工程平台再到大模型、智能体及工具的组织与调度能力展开全面比拼。
01AI落地规模化复制正在开始“2025年AI落地已在多个场景实现跑通验证即将开启规模化复制行业正处在爆发前夜的黎明时刻。
”今年年初多位行业人士在与数智前线交流时表达了这一共识。
业界普遍认为AI落地已告别早期试点尝鲜迈入价值创造关键阶段。
C端渗透与B端商业化都已进入规模起量加速期2026年有望成为AI产业形成规模收益的第一年。
在消费端AI应用调用量快速攀升AI助手APP市场已迅速起量C端流量入口争夺白热化腾讯、百度、字节已打响2026年春节AI营销战。
AIGC工具下沉为日常功能手机厂商智能助手则在二三线市场渗透率突出一些手机助手月活近两亿。
相比之下企业端的变化更为深刻。
尽管市场感知度不及C端但B端客户付费意愿更强其潜力长期被低估。
比如AIGC正在爆发式增长。
2025年谷歌VEO 2发布后文生视频逐步具备商业化能力AI漫剧增速惊人业内称其 “一年走完了短剧三年的路”。
非凡产研数据显示2025年上半年国内已上线超3000部AI漫剧月复合增长率达约80%。
在汽车、金融、政务、能源、教育、医药、农业等众多领域AI也已深度参与核心业务流程。
如在金融领域银河证券联手百度智能云打造的场外交易Agent使客户询价到下单转化率提升3倍农业领域面向猪的养殖开发兽医大模型汽车领域除了新能源车燃油车和重型卡车都在做智驾。
在关键的工业领域业界告诉数智前线AI落地虽还有大量场景未攻破但企业对AI的价值确信度显著提升在部分已能见到效果的场景即便AI软件当前效果仅为传统方案的80%、成本更高且存在一定风险不少企业仍愿意布局坚信长期效能会翻倍增长。
持续的场景探索和验证下2025年一些高价值场景已开始跑通比如预测性维护等智能体产品已从头部客户向肩部、腰部客户复制。
数智前线获悉已有服务商在船舶领域的设备检修智能体落地并打磨成软硬一体标准产品支持快速复制。
也有智能体服务商打磨出工业节能智能体产品推动客户内部及跨行业复制2026年上半年业务量已经排满。
在这一窗口期需求端企业与供给端的云厂商、AI服务商都在全力推动AI从试点验证走向规模化价值释放。
接近百度智能云的人士透露百度智能云一直处于“打仗”状态。
第三方数据显示2025年国内主流云厂商大模型相关中标项目共341个中标金额约27亿元。
其中百度智能云以109个项目、9 亿元中标金额连续两年拿下项目数与金额“双第一”火山引擎、阿里云分列二三位。
这一业务结果与百度智能云先发落地大模型、与行业场景共创紧密相关。
如在金融行业其在2025年中标38个项目位居首位。
电力场景中联合国家电网打造的光明电力大模型已覆盖百余个应用场景减少40%巡检中人工登塔并助力南方电网建成新算力集群配电网监视Agent可在1分钟内完成告警分析并通知站点。
百度也开始了更复杂场景的探索在2025年11月发布可商用自演进超级智能体“百度伐谋”可基于自进化算法在真实产业场景中寻找“全局最优解”已吸引数千家企业试用。
如在汽车研发端助力阿尔特将单次风阻验证时间从10小时缩至1分钟在金融领域协助中信百信银行升级智能风控实现特征挖掘效率提升100%风控模型风险区分度提升
41%风控能力显著增强。
在此基础上百度智能云进一步上调2026年增长目标显示其将以更大的投入力度推动AI应用规模化落地。
02AI云的竞争终局是软硬一体随着产业整体迈向智能体规模应用阶段早期拼卡、拼算力规模的模式已经远远不够智能体产业化提出了核心三要素——能力、成本与速度。
首先是成本问题。
IDC在2025年12月预测2026年40%的工作岗位将与AI智能体协同工作2027年全球2000强企业智能体使用量将增长10倍、调用负载提升1000倍。
但从2026年1月市场报价来看以公有云服务为例海外主流模型百万token输入在1~5美元、输出为8~15美元国内输入
0.
元、输出
元这一成本结构难以支撑AI的大规模商业化。
更进一步而言中国AI的核心竞争力在人工智能应用落地AI最终要成为“水电煤”一样的基础性资源只有推动现有成本实现数量级下降才能支撑智能体大规模部署完成“人工智能”转型升级。
其次是速度问题。
智能体时代尤其进入企业级市场延迟成为硬性指标金融欺诈、量化交易、直播电商等场景要求AI生成速度最低都在10毫秒以下。
更重要的是未来大量交互出现在“机器与机器”之间对生成与响应速度的要求远高于人机交互。
清华大学与中国软件评测中心CSTC的研究明确指出延迟是直接决定用户留存和差异化竞争的首要技术门槛。
而能力则不仅体现在模型的“聪明”度上智能体要在真实产业中运行仅有模型还远远不够还需要一整套从数据、模型、工具到调度和运维的工程体系才能把模型用好。
正是在这三重压力下AI云竞争的逻辑发生了转向从堆算力走向软硬一体对单位算力产出效率进行重构。
回顾多个高度竞争的技术市场最终无一例外都上升到芯片级的软硬协同中。
以手机AI相机为例做到最后全要落到芯片上用AI芯片对影像的每一帧进行处理才能实现速度最快、功耗最低。
而AI云与原先以CPU为主的云计算相比它的软件栈更为复杂。
CPU集中在虚拟化上但对于一个AI系统软硬一体涉及底层芯片、算力管理平台上层模型、工具等。
要实现更好的效果、更低延迟和更低成本算力基础设施在系统架构、互联协议、软件框架等关键点上都要进行协同创新。
放眼全球目前真正跑通这一模式的AI云厂商并不多。
谷歌是最典型的案例。
早在2015年谷歌启动TPU芯片自研项目从芯片、框架TensorFlow等、模型到应用形成全链路能力与OpenAI依赖外部算力模式形成差异。
如今Gemini系列模型完全基于TPU体系训练与推理月活达
5亿叠加搜索、安卓等超大规模应用场景已对OpenAI完成多层面赶超。
2025年第三季度谷歌云营收同比增长34%市场对其AI云体系的认可度持续提升。
在国内百度智能云的路径与之高度相似。
百度在2011年组建昆仑芯团队从芯片、AI云、模型、应用形成系统能力。
2025年昆仑芯P800
2万卡集群投入使用百度已将绝大多数推理任务迁移至自研芯片体系之上训练完成一个多模态模型目前训练集群规模也已扩展至万卡以上并发布“五年五代”战略。
在AI Infra之上百度智能云的Agent Infra通过千帆平台提供文心大模型及多模型体系还覆盖数据服务、工具调用、模型定制与企业级Agent构建帮助客户将智能体嵌入核心业务流程。
这一演进路径并非一日之功。
无论是谷歌还是百度其软硬一体能力都建立在十余年持续投入之上。
正因如此它们才能在智能体浪潮到来时更迅速地承接产业需求的结构性变化。
数智前线获悉2026年春季业界正在迎来新一轮大模型迭代高峰行业人士期待多模态、Coding模型、世界模型能出现关键突破并再次拉动新一轮应用层爆发。
在这一关键窗口期百度智能云选择上调业务增长目标释放出清晰的进攻信号。
多重变量叠加之下2026年或许将成为这一轮AI云竞争真正分出层次的关键一年。