百度智能云AI收入增速目标大幅提升至200%！

百度智能云近期展现出前所未有的进攻态势。

根据 21 世纪经济报道独家消息，在最近的一次内部战略会议上，百度智能云的高层确定了新的目标，计划到 2026 年将 AI 相关收入的增长目标从 100% 提升至 200%，全体员工共同努力实现高速增长，力争在 AI 云市场中占据领先地位。

这一决策并非毫无根据。根据 IDC 的最新研究，预计到 2030 年，全球 AI 云市场的规模将超过 4000 亿美元。

市场前景广阔，各大玩家纷纷采取不同策略。

与其他竞争对手相比，百度智能云已构建起一条从底层 AI 芯片，到中间云基础设施与平台，再到上层模型与智能应用的完整产业链。

未来的竞争将不再局限于传统云市场，而是转向 AI 云市场，具备软硬件一体化全栈能力的云服务商，才有可能在 AI 云的竞争中占据主导地位。百度在这一领域的快速增长，抓住了市场扩张的关键。

实际上，这条“云智一体”的发展道路，百度已经走过十年。2026 年的高增长目标，实际上是对其长期坚持的战略进行的一次严峻考验，旨在将过去十年的努力展现于世。

十年，从“未曾适应”到“最佳选择”

时间回溯到 2015 年。

当时，国内云计算市场正从“是否上云”转向“如何上云”，互联网巨头们纷纷展开竞争。

与其他厂商不同，百度从成立之初便明确了“云计算 + 大数据 + 人工智能”三位一体的发展战略。在那个时期，强调“云的智能属性”的理念显得过于前卫，甚至有些不合时宜。毕竟，在移动互联网迅速发展的时代，企业更关注如何应对双十一的流量高峰，而非如何利用 AI 优化业务流程。

例如，代号为“昆仑”的芯片项目，最初只是为了应对百度内部庞大的搜索与推荐业务的算力需求。在 AI 芯片尚未普及的背景下，百度做出了大胆的投资。

这一战略布局为百度未来在 AI 云市场的独特地位埋下了伏笔。

如今，单靠 CPU 算力已无法满足智能时代的需求，GPU 已成为基础设施的核心。曾经被视为“不合时宜”的百度，凭借“昆仑芯”这一优势，智能云已构建起全方位的基础设施，模型层与应用层全面展开，成为市场上高人一筹的参与者。

2025 年 2 月，百度智能云成功点亮了昆仑芯 P800 万卡集群。仅过了两个月，另一个自研的 3 万卡集群便再次被激活。

三万卡集群能够同时支持多个千亿参数的大模型训练，或为众多客户提供百亿参数模型的精细调试。这标志着百度智能云进入了规模化和工程化的阶段。

这样的成就不仅仅是数字的堆积。在国际供应链充满不确定性，顶级 GPU 供不应求的背景下，拥有自研的万卡集群，意味着云服务商在关键时刻拥有不被制约的独立性。这也是百度与纯软件或集成商云厂商最大的区别。

一位长期关注云计算的行业分析师指出：“在 AI 云市场的未来，谁能够提供稳定、自主且大规模的算力，谁就能掌握主动权。百度的逻辑十分明确，有了‘芯’，云服务就有了根基。”

昆仑芯的迭代仍在继续。在 2025 年的百度世界大会上，新一代昆仑芯 M100（针对高性价比推理）和 M300（针对极致性能训练）芯片已正式发布，配套的“天池”超节点也将算力密度和互联带宽推向新高，展现了百度在基础技术上持续投入的决心。

“芯云模体”全栈，系统级的协同演变

拥有芯片只是一个起点，如何充分利用芯片才是构建竞争壁垒的关键。

这需要软硬件的深度整合。百度是国内少数能够与谷歌比肩，拥有“芯、云、模、体”全栈能力的公司。

通过“昆仑芯 + 百舸 AI 计算平台”的结合，企业能够真正发挥芯片的潜能。

百度智能云的“百舸 AI 计算平台”具备编译优化、调度策略、训推加速等软件能力，充分释放了芯片的性能。一个显著的成果是，在百舸平台的支持下，昆仑芯万卡集群的有效训练时长可达到 98%。

一位不愿透露姓名的分析师表示：“在 AI 算力需求爆发的早期，大家都在拼是否拥有算力。而当下半场到来时，企业开始大规模、长时间使用算力，拼的核心变成了使用效率和总体拥有成本（TCO）。”他说：“软硬一体的优化才能提高单卡效能，增强集群的稳定性，从而在成本与服务体验上建立显著优势。”

仅仅拥有强大的“心脏”（芯片）和“循环系统”（云基础设施）是不够的。百度的全栈构想，旨在构建一个从底层到顶层、相互反馈、协同演进的有机体。

在芯片与云服务之上，是模型层。文心大模型 5.0 采用原生全模态统一建模，参数规模达到 2.4 万亿，为复杂的上层应用提供智能核心。

连接智能与业务的枢纽，是千帆大模型平台。百度千帆 Agent Infra 提供模型、工具、Agent 开发、数据及 Agent 运行环境等五个层面的能力，帮助企业和开发者低门槛打造实用的 Agent。

技术的价值，最终要在实际应用中体现。智能体（Agent）被认为是最佳形式。百度布局了两个“利器”：其一是“秒哒”，旨在降低应用生成的门槛，让普通业务人员也能通过自然语言描述，迅速创建可用程序，截至 2025 年底，已累计生成超过 40 万个应用。其二是“伐谋”，一个演化智能体，基于自进化算法在真实场景中寻找“全局最优解”，可抽象复杂问题、构建模型，并根据条件变化自动迭代，广泛应用于零售、能源、制造、物流，甚至新药研发等领域。

伐谋的能力已在多个尖端领域得到验证。在与汽车设计公司阿尔特的合作中，伐谋优化了汽车风阻预测的 AI 模型，将单次气动分析的时间从传统的 10 小时缩短至分钟级，助力车型研发周期平均缩短 25%。在与北京工业大学的科研合作中，伐谋用于优化中国空间站“微型电子鼻”的核心部件设计，通过 60 多轮自动演化，找到了超越传统经验的最优结构。

“无论是芯片还是模型，最终都必须在应用中创造价值。”这一理念贯穿百度的实践。基于其全栈能力诞生的智能体已广泛应用于金融风控、电网调度、港口物流、新药研发等领域，技术潜力因此转化为实际的产业效率。

落实落地，AI 云市场的胜负关键

市场是最真实的评判者。衡量 AI 云厂商产业落地能力的一个重要指标是招投标市场。

根据智能超参数的统计，2025 年全年，中国主流云厂商在大模型相关项目上的中标总数达 341 个，中标总金额约 27 亿元。在这场激烈的竞争中，百度智能云获得了 109 个项目，中标金额约 9 亿元，连续两年在中标项目数和金额上双双排名第一。

一位在国内领先 AI 公司从事 B 端业务的专业人士曾向 21 世纪经济报道表示，他所在的公司在 B 端市场表现不俗，但每次都不愿面对百度。

为什么是百度？

深入分析这些中标项目，不难发现一个明显的趋势：大模型正在从“尝试阶段”转向“复购阶段”和“深水区”。客户不再满足于表面的互动，而是期待 AI 深入核心业务流程中，真正提高业务效率。

百度的 B 端客户名单中，服务了 65% 的央企、所有系统重要性银行、800 多家金融机构、前十手机制造商，以及中国市场销量前 15 的汽车品牌……

在南方电网深圳供电局，基于百度千帆 Agent Infra 开发了配电网监视 Agent 和操作票审核 Agent，提升了电网系统的效率与可靠性，同时减轻了调度员的人工巡检压力，使其能够专注于更复杂的场景处理和应急响应。

在银河证券，与百度智能云合作开发的“场外交易 Agent”，能够准确理解客户的询价需求，理解“行业术语”，帮助交易员快速生成报价方案，促成交易。Agent 上线后，客户从询价到下单的转化率提升了三倍，业务规模也随之翻倍。

企业需要的不是单一的模型 API，而是一整套解决方案。百度的优势在于，它能够提供从芯片到模型再到应用的全方位服务。尽管这种“重资产”模式起步较慢，但在解决复杂问题时，其壁垒也相对较高。

与那些偏重于 MaaS（模型即服务）的轻量化策略相比，百度智能云更强调基础设施与 AI 应用的深度结合。

“AI 云竞争的下半场，本质上是一场‘系统之战’。”一位不愿透露姓名的资深云计算观察者表示，“单纯提供模型调用（MaaS）的方式，最终将遭遇性能瓶颈；仅做硬件集成则难以在用户体验与开发效率上实现深度优化。从底层硬件开始的垂直整合，同时具备完整的工具链与开发生态的能力至关重要。”

从这个角度看，百度智能云的全栈路径，恰好符合产业智能化深度发展的需求趋势。其近年来在招投标市场和高端客户群体中的表现，可以视作这种匹配度的初步验证。

2026 年，百度智能云“争夺第一”的目标，也是对其十年技术路径的一次全面检验。

更多内容请 下载 21 财经 APP