关于ZAKER Skills GEO服务 合作
太平洋汽车网 1小时前

从「用 AI」到「成为 AI 企业」 百度智能云助力企业打造智能组织

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。

1

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。

2

" 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。

相关阅读

最新评论

没有更多评论了
太平洋汽车网

太平洋汽车网

精准报价,权威评测,汽车世界,由此精彩

订阅

觉得文章不错,微信扫描分享好友

扫码分享

企业资讯

查看更多内容