文章核心观点 - AI行业正从大语言模型（LLM）驱动的“Token价格战”阶段，向以智能体（Agent）为核心、追求更高价值交付的“价值战”阶段转型 [2][6] - 公司提出“新全栈AI云”战略，旨在通过构建从底层算力到上层应用的全栈、一体化生态系统，帮助客户高效开发并运行智能体，实现从单纯提供技术到共建生态的转变 [3][30][31] - 公司的目标是跳出当前以“龙虾”（OpenClaw）为代表的、以降低Token成本为核心的竞争模式，通过提供更优的模型能力、工程效率和场景化解决方案，与客户共同成长，成为伙伴而非简单的买卖关系 [6][31][32] 新全栈AI基础设施（AI Infra）的升级 - 异构算力布局：公司与昆仑芯深度合作，昆仑芯P800已完成规模化验证，2025年以来已交付多个万卡集群，并在国产集群上成功完成文心5.1大模型的训练，集群有效训练率达97%，万卡规模线性扩展度超85% [7] - 算力集群与能效：实现了吉瓦级AIDC（AI数据中心），支持风冷或液冷的灵活适配以降低建设与电力成本 [7] - 网络与存储优化： - 网络层面，通过多平面技术实现大规模全二层网络，提升负载均衡与传输效率，并具备链路故障容错能力 [10] - 存储层面，推出全新KV Cache存储系统，通过分层显存、内存、SID来扩展大模型的记忆空间 [10] - 计算平台演进：发布百舸AI计算平台6.0版本，将其升级为“算力工厂”，并推出百舸AI Stack支持私有化部署，让用户无论在公有云或私有云都能使用最新AI能力 [11] - 框架与性能提升： - 开源全模态训练框架Loongforge，使英伟达GPU与昆仑芯可通过同一框架运行，相比典型多模态训练提速45% [13] - 依托全栈AI Infra，具身智能公司在典型VLA（视觉-语言-动作）训练上获得超70%的加速，世界模型推理时延降低近50% [13] 智能体基础设施（Agent Infra）的革新 - 架构设计：为支撑智能体高效运行，公司设计了三层架构：底层的智能体驾驭工程（Harness）、中层的模型服务、上层的基础服务（安全、可观测性等） [20][23][24] - 底层驾驭工程（Harness）： - 自研DuMate Harness架构，在智能体评测基准PinchBench和Deepsearch榜单登顶，能缩短任务时长、减少Token消耗，并在信通院首批认证中获得最高安全评级 [22] - 集成超过3000个精选技能（Skills），包括Office办公软件和浏览器技能，增强企业跨生态任务执行能力 [22] - 中层模型服务优化： - 通过上下文与Cache管理及全局推理资源调度，在长链路任务中减少重复计算，调用SOTA模型的速度比行业平均高出25% [24] - 在投机解码框架中集成多Token预测（MTP）策略，使OTPS（每秒输出Token数）吞吐提升2-3倍，模型验证通过命中率超80% [24] - 上层安全与服务：针对OpenClaw等存在的安全问题，千帆平台强化了会话隔离、数据隔离、防误删等功能以保障用户数据与权限安全 [25] 市场应用与生态案例 - 金融领域：招商银行已上线超800个AI应用，其中超过50%运行在昆仑芯P800上，公司提供了从算力适配到应用落地的全流程协助 [9] - 能源领域：与国家电网合作，基于千帆ModelBuilder和文心大模型4.5打造“光明电力大模型”，用于电网负载分析、智能调度与多模态巡检 [25] - 智能硬件领域：拥有超1000家智能硬件客户，在细分赛道云厂商中排名第一，并帮助荣耀打造个人助手YOYO，集成于用户手机使用习惯中 [25] - 具身智能领域：是具身智能领域最大的AI云供应商，市场份额占35%，超过第二、三名之和，提供从算力到全链路模型开发工具链的支持 [11] - 产业落地：视觉智能体“百度一见”在义乌充当企业的“AI厂长”管理生产；“数字伙计Hogee”在义乌帮助商家进行智能导购、私域运营等营销工作 [27] 行业趋势与公司战略定位 - 行业范式转变：AI Agent的普及导致Tokens消耗成数倍甚至十倍上升，推动云服务需求从基础算力转向支持高活跃、高价值、规模化智能体应用的基础设施 [2][6] - 竞争焦点转移：行业竞争正从“Token价格战”转向“AI价值战”，客户需求从“人无我有”的功能比拼，变为对一站式、无短板全栈能力的要求 [6][19] - 生态战略：“新全栈”的核心是构建生态系统，让客户能在其生态内高效使用算力、微调模型、开发智能体，最终实现降本增效，从而与生态深度绑定 [31] - 业务健康度：公司不过度追求KPI，曾拒绝许多“低质调用”商单，如今随着市场对AI能力认知加深，更高质量、客户更愿付费的调用正在涌现 [31]