Agent扎根研发生产，百度智能云“新全栈AI云”助力产业提质增效
11月12日，百度世界2026大会在北京举行。百度创始人李彦宏表示，AI的下一幕是智能组织，企业需围绕AI重新设计组织与流程。当天下午，百度智能云发起"Agent扎根研发生产：如何从「用AI」到「成为AI企业」"专场分论坛，围绕企业如何让AI进入质量、产能、交付等生产核心环节展开讨论。
来自百度智能云、百度地图、车百会研究院、广州水投花都自来水公司及无为而智科技的多为代表现场参与讨论，分别从各自行业视角给出判断，当前，AI落地不只需要更强技术，更需要"智能组织"——通过重构流程、驱动创新、释放价值，让AI从无限可能走向规模化交付。基于“芯云模体”全栈能力，百度智能云正通过多种方式，支撑各行业“AI+研产”相结合，助力企业打造智能组织，让AI真正助力产业提质增效。
AI如何扎根产业 深入数据、业务、组织是关键
汽车是近年来与AI结合相对紧密的行业，车百会研究院主任张永伟认为AI变革下汽车产业的应对路径拆成三层：企业模型上，汽车与具身机器人、低空飞行器、智能硬件共用底层技术栈，一次投入多终端复用；技术进化上，AI座舱、L3/L4自动驾驶与AI预判底盘依次推进；组织上，从“使用AI工具”到“制造AI产品”再到“成为AI企业”。他同时提醒，80.3%的企业AI项目未交付承诺价值（RAND 2025），仅28%的AI用例达到ROI预期（Gartner 2026），价值兑现要靠车企自建应用能力，按“场景梳理—需求转化—能力对接—价值闭环”推进。
百度智能云汽车业务部总经理孙婧认为，企业交给AI的任务已转向真实业务，越贴近业务，越要把数据、应用与部门协作接在一起。现实中的错位是，数据仍分散在不同系统、未围绕同一业务对象关联；刚验证出部分能力，就期待覆盖整条业务链。她以海外物流智能协同案例拆解出三堵墙：数据能否被应用及时调用，是"数据墙"；经验能否表达并推演，是"业务墙"；方案由谁确认、谁执行，是"组织墙"。在她看来，破题要先把一个场景用扎实——限定首轮任务、反复验证、跟着反馈调整，再让各部门围绕同一份交付计划行动。落到服务上，百度智能云以AI Infra与Agent Infra接进企业业务，由FDE联合客户团队与生态伙伴持续陪跑，把能力沉淀为客户自己的组织能力。
值得关注的是，今天AI与真实场景融合的效率与方式也在迭代，百度智能云汽车产品部总经理王雷表示，当前AI正从数字世界走向对真实物理世界的理解与预测，物理AI的数据瓶颈已从规模转向有效数据的获取与生产效率。百度将地图空间数据资产、智驾场景Know-how与生成式技术整合为"物理AI生成式数据工厂"：场景挖掘已积累300多个场景标签，综合检索准确率92%；合成数据可用率83%，模型平均性能提升10%，累计生产100万Clips。
百度地图产品架构师廖龑指出，汽车智能化正从"会对话"走向"能办事"，竞争焦点由模型大小转向能否解决问题。论坛上，百度地图正式推出"百舱"计划，从架构、能力、量产工程三个层面向车企开放核心能力：开放中枢参考架构与标准接口，提供端到端语音、出行智能体、Agent Runtime等标准化组件，并将成熟开发工具与量产经验产品化，目标帮助车企将开发周期缩短50%以上，核心能力复用率达到80%以上。百度地图打造百舱计划的核心是开放能力，不定义产品；提供成熟底座，把定义权和创新空间留给车企，让每家打造自己的智能体。
开放之外，量产验证是能力可信度最好的证明。百度地图AI座舱智能体方案在深蓝L06 2027款首发量产上市，验证了从技术到上车的完整能力，"百舱"计划开放的正是这套方案背后的架构、工具与交付经验。
同时，百度地图将能力延伸至海外。面向中国汽车出海，提出全球一体化、自进化AI座舱智能体框架，支持多语种交互、模型按需切换、本地化部署与权限管理，并可灵活接入当地地图及第三方生态。目前，搭载百度地图语音的汽车超过1600万台，覆盖车主用户累计超5亿，地图数据覆盖超3亿个POI和1300万公里道路。
"效果与可信"是AI走进真实场景的前提
当AI真正走进产业，其所面临的场景千差万别，所需要的能力和交付标准，也各自不同。百度智能云交通与政务行业总经理韩国华认为，行业缺的不是更多系统，而是一层能把事情办完的执行能力。政务容错空间极小、交通安全底线高、水务依赖老师傅经验，归结为四句话：出错要追责、结论要有依据、数据不能出域、关键动作由人拍板。系统建设十余年，从"发现"到"办完"仍依赖人工切换；定制系统太重、通用AI工具太浅、单点智能体太散，三条路径均难以走通。他给出"重场景、轻交付"的思路：重闭环、规则与经验，轻系统、周期与复制。
以一起"异常停车"告警为例，百度搭子基于Harness将任务拆解为复核、研判、预案、派单、报告，策略层加载处置Skill，护栏规定高影响动作必须人工确认。传统人工处置需58分钟以上，DuMate加人工可将处置时长压缩至约22分钟；通用、专业、定制三类智能体分别承担约20%、30%、50%的任务，人负责授权、拍板与验收。目前京雄高速平均响应时间已从48分钟降至33分钟，核心事件检测准召率超过97%；企业开办核名数字员工将单件处理时间从15至20分钟压缩到2分钟以内。
百度智能云数据智能部总经理刘斌认为，当前衡量AI业务价值的核心标准，已经转变为Agent承担了多少核心业务。"下一阶段的AI竞争，不是拥有多少模型，而是AI能承担多少核心业务。"他指出，当前门槛集中在效果与可信：行业Agent往往不理解车型、VIN、BOM、工艺与产线之间的关系，难以支撑质量与生产决策。对此，百度智能云将业务知识、逻辑与执行组织为企业本体，以"上下文工程＋系统工程"构建了胜算完整的体系化平台。目前百度胜算平台已成功支撑超过20家KA客户开展规模化建设与推广，落地多个核心业务场景；使严肃业务准确率从约80%提升至99%以上，同时改善开发门槛与效率。他认为Agent进入企业核心业务，涉及生产力、业务和组织的三重变革，因此往往需要自顶向下的规划与高层推动；如果仅靠自下而上，效果可能更多停留在个人提效层面。他建议企业"顶层规划、场景切入"，先选择最痛且高ROI的场景的场景打造MVP，再向相邻场景复制。
"自来水生产的难题，不是有没有数据，而是关键时刻，能不能把数据变成可信的工艺动作。"广州水投花都自来水公司总工程师唐炜文表示，花都水厂设计规模100万吨/日、首期48万吨/日，围绕"感知—预测—决策—反馈"构建起一套AI原生的生产运行方式：大模型负责理解与协同，AI工艺模型负责预测与优化，现场系统负责执行与验证，把预测、控制与反馈连成闭环。工艺侧形成"7+1"：七个智慧模型将PAC投加、pH调控、投氯消毒、排泥、反冲洗、污泥处理与水量调度的老师傅经验，沉淀为可复用的工艺策略；一个全流程协同调度大脑贯穿七类模型的输入组织、策略计算、机理审核与执行调度，让模型判断有工艺机理兜底、每步动作都有依据。唐炜文说："核心不是7个模型并列，而是由1个大脑把七类工艺策略协同起来。"
实测显示，水厂24小时全链路AI算法连续运行，七类工艺模型的预测精度全部不低于90%，其中PAC智慧控制模型95%、消毒剂智慧控制模型93%、智能泵调度组合模型95.5%；PAC单耗下降13.32%，消毒剂投加量下降10.64%，水质内置目标达标率100%。这些数字背后是水厂的"智能组织"形态：AI已不是单点工具，而是贯穿制水全流程的执行层；老师傅的隐性经验转为数字模型，沉淀为机理规则；人负责定目标、确权与验收。目前水厂调度大脑正在接入百度搭子DuMate，交互方式从菜单操作转为自然语言对话，一句话即可自动调取数据、启动分析并输出调度建议，人机协作从"操作设备"升级为"与AI对话"。
无为而智科技创始人刘森昊提出，模型能力持续上升，但用户的实际问题未必被解决，卡点在于个性化记忆与自进化。团队以端侧记忆模型、Cortex图记忆系统与端云协同框架应对，通过自研的Personal OS与端侧模型参数自进化引擎确保"学了新的不忘旧的"，并针对复杂任务Token消耗降低63.3%。
"智能组织"至少包含三层含义——流程重构，把AI从单点工具变成贯穿流程的执行层；经验沉淀，把行业沉淀的判断、经验写成模型、规则与可复用资产；人机分工，模型负责理解、预测与执行，人负责定目标、确权与验收。从"用AI"到"成为AI企业"，从算力支撑到智能体协同，百度智能云正以“芯云模体”全栈能力支撑各行业“AI+研产”相结合，助力企业完成智能组织建设，让AI真正帮助产业提质增效。