在中国的商业史上，义乌是一个特殊样本。
过去的几十年里，基于“前店后厂”的模式，这里的商品效率几乎被拉到极致。世界杯、奥运会、全球市场热点事件发生的几小时后，在义乌都能找到对应的商业表达。
不过，这种表达在过去的几十年一直有个短板，即人力。尽管义乌商家具备足够极致的商品反射链条，但涉及到人员和流程层面，仍然无法突破固有的时间和精力极限，这种模式也构成了义乌企业们的上限天花板。
但就在最近，这个天花板正在被打开，它的支撑点正是AI。
一个具体的细节是，相较于之前的每人身兼数职，如今商家只需要在门店和工厂部署相应的智能体，就可以在不同环节，如订单管理、营销、销售、质检等，让AI以数字员工的身份完成任务；基于不同的情况，AI智能体还能自动调整方案策略，帮助商家做好经营管理。
如今，这套基于AI的“新前店后厂”模式正在义乌批量落地。
关于AI，过去几年时间里，市场对其认知发生着微妙的变化，从最初的模型、参数到现如今的效果导向，从demo演示到嵌入真实的生产系统，从单环节满足到规模Agent落地的AI地基建设。伴随着AI在场景落地的深入，关于它的量化也更在愈发务实、愈发祛魅。
那么，在2026年的当下，人们对智能体的需求到底到了什么程度？义乌的案例是否会成为当下中国智能体在产业落地的一个缩影？以及，另外关键的一个问题是，在智能体成为产业AI价值共识的如今，能为中国企业构建增长新动能的AI体系到底应该是怎样的？
在这次大会上，百度智能云给出一个被验证的新答案。
一
从门店到厂线，
一个涌现的新智能体“AI商业闭环”
关于义乌的AI新故事，一个更准确的说法是，这个中国特殊的地域商业范式正迎来生产力倍增。
先来看义乌固有的“前店后厂”模式，即门店在前端，由专人负责卖货、采购、线上线下店铺管理，作为商品的前端出口和研发阵地；工厂在后端，专人负责订单下发，商品排产，以及紧盯现场的生产质量。
这套“前店后厂”的最大优点是通过门店和工厂的极致协同，可以把商品从创意到生产再到销售的整个链条效率拉到最高，迅速完成铺货。
但限制同样明显，即人力。对大部分义乌商家而言，不论是在前端的门店还是后端的工厂，往往安排的工作人员只有几个，这几个工作人员在很多时候都处于“连轴转”模式，比如在门店端，尽管人力较少，但分配给他们的任务包括竞品分析、店铺分析、线上线下运营、销售策略等等，以及在工厂，一系列包括工厂质检、安全检查、物流路线输送等等，也都集中在几个人身上。
这种强负荷工作最终带来的结果是在部分任务上的不达标，和无法在营销策略、人群画像等特定环节持续优化。
这也是过去多年义乌模式的“短板”所在。那么，AI到底带来了哪些改变？
首先在门店端，相较于过往员工的身兼数职，如今商家可以基于智能体，在不同的环节搭建不同的数字员工，比如在导购环节，可以基于数字员工实现多语言的商品介绍和下单引导，同时基于产品成交数据AI数字员工还可以自动完成每天的销售复盘，为后续的营销策略制定、销售提供更多数据支撑；
再比如，在订单管理环节，基于数字员工，商家可以实现更科学的订单流程管理，从产品全生命周期基于营销大脑全帮助商家进行营销策略的优化，以及构建更精准的人群画像等等。
而在工厂端，进化则更为直观。过去，生产管理需要针对不同场景分别训练模型，再把识别规则、处置流程，逐个配置到摄像头上，周期长、成本高且不灵活。
现在，基于视觉智能体，企业只需要用自然语言输入企业自己的产线标准，其就可以自动学习工厂的管理要求，统一调度全场摄像头，实现全视野范围的安全隐患、设备异常、人员违规等管理动作。
可以理解为，在义乌的这套新“前店后厂”体系中，“AI店长”和“AI厂长”分别帮助企业实现了“店”和“厂”的生产力加持，通过更精细化的门店经营和生产管理经营，打破企业经营天花板。
值得一提的是，在这次百度Create大会上，这些在义乌落地的“AI店长”和“AI厂长”也都站到了台前：他们就是亮相的企业一站式AI营销应用百度智能云Hogee和百度一见视觉智能体平台。
对前者的一个描述是，百度智能云Hogee是聚焦企业营销场景，其覆盖用户洞察、获客转化、复购留存等营销全链路，能够自动完成营销任务规划、营销内容生成与执行，帮助企业提升营销效率。
而后者百度一见视觉智能体平台则内置上千项专业视觉技能，覆盖质量、合规、物料等全流程管理场景，企业只需要通过自然语言交互，其就可以成为企业专属的“AI厂长”，帮助企业做到基于所有视觉技能的新式管理。
此外，两者都可以基于真实使用场景不断进化，伴随着持续落地，企业的感知是“越用越好用”。
从某种层面也可以说，“AI店长”和“AI厂长”也恰等同于以AI智能体的形态为义乌企业输送了一批懂零售、懂生产、具备极强学习力的优质“员工”，为企业提供迈向更大生产力的新通道。
那么，在义乌奏效的这套模式可以被复制到中国其他产业土壤吗？
二
新全栈背后，
百度智能云的新AI供给模型
在探寻这个问题的答案前，可以先来看目前市面上的AI需求到底是怎样的。
在刚刚过去的4月份，瑞银发布了一份名为《中国企业 AI 支出调研》的报告，报告显示，在中国市场，超过90%的企业已经开始尝试使用AI产品，此外接近78%的企业正在尝试在创新场景之外，进行核心业务场景的实战部署。
实际上，如果沿着时间线向前推移，不难看到过去几年时间里市场的AI需求呈现井喷态势，大到央国企、大型民营企业，小到中小微企业，而从赛道领域来看，更是呈现百花齐放的态势。AI几乎成为所有企业的必答题。
但如果看硬币的另一面，则会发现这种旺盛的需求并没有得到满足。即从各种官方报告和调研口径都不难看出，真正部署进企业核心工作流，在真实场景发挥价值的智能体少之又少。对大部分企业而言，这笔AI的成本账并没有摊平。
原因在哪？
一位国内知名零售企业CIO曾告诉产业家，在集团智能体部署初期，效果可谓“出人意料”，包括营销、订单管理等等环节都被AI加速提效，基于自然语言的驱动模式更是显著提升了业务人员的工作效率。
但伴随着时间推移，一些问题逐渐暴露。据他介绍，其中典型的问题是两个，一个是动态进化，一个是成本。前者对应的是智能体很难伴随着企业业务的动态变化、外部模型的升级做到能力的稳步提升，自进化很多时候呈“黑盒状态”，进化后屡屡出现反应速度不够、回答不准确的情况；后者则是成本，即一旦涉及到大量需求，整体的token消耗则是会迅速提升，甚至部分项目的开支超过既有的IT预算。
这不是个例。如果沿着AI需求向供给侧观察，除了市场常关注的企业上下文能力、既有系统的兼容能力、安全可控等等要素，推理速度、稳定进化和成本等要素恰在成为智能体规模落地的更深一层“掣肘”。
但这并不是一件简单的事。或者更准确来说，如果想要完成从功能、进化到成本的完美兼容，企业需要的智能体服务不再是一个单点AI产品，而是一个以智能体为前端窗口，包括芯片、模型在内的全栈AI体系加持。
实际上，这恰是百度一见和百度智能云Hogee能在义乌诸多商家的真实场景里批量落地的原因。
即在它们的最底层，为其提供支持的是百度智能云的Agent infra和AI infra新全栈AI体系，前者通过一系列包括Harness、模型调用、沙箱的模块设定，可以把单位token的智能水平做到最优，让智能体在真实业务中稳定运行、持续进化、可管可控。
一组数据是，在百度智能云上调用SOTA 模型，速度比行业平均水平快25%。
后者AI infra则对应的是基于兼备性能和性价比的AI算力服务，让智能体跑得更快的同时，成本更低、推理效果更好。
可以看出，基于这套“芯片+AI云+模型+智能体”的新全栈AI供给体系，百度智能云Hogee和百度一见不仅能帮助不同的产业企业做到最基本的企业业务理解，更能帮助企业根据自身项目情况、产业场景特性以及企业自身体量，以足够低的成本投入、最优的业务执行速度，以及更灵活的进化模式实现对应业务的升级进化。
可以说，不论是在义乌，还是其它产业领域，这套AI体系都足够具有适配力。
三
AI时代，
我们需要怎样的企业AI基建？
重新回到文章开篇那个命题，即能在中国企业场景内转化为新动能的AI体系到底是怎样的？
一个明显的趋势是，在如今的AI时代，相较于过去多年企业通过“拼积木”方式层层买入软件，最终基于管理软件实现自身业务升级的模式，企业们的需求表达正在发生变化。从要先进工具到要先进结果，从流程管理到营收增长导向，从部署运维到动态进化。
这种从“过程”到目标的需求变化在对新AI供给体系提出更系统要求的同时，也构成着当前衡量AI服务价值的最直观指标，即智能体被使用的频次越高，证明AI服务商为企业创造的增长动能越明确。
这也是在这次大会上百度集团创始人李彦宏提出的新AI度量衡——DAA。即在智能体规模落地的当下，相较于静态的token调用，在企业内部，智能体的活跃数更能代表企业对于AI技术的利用效率和使用深度。
而伴随着DAA数值的增大，企业也将从个人单体的进化正式迈向组织进化，人机协作成为新的业务推进模式，进而成为一个真正的AI原生企业。
这也是百度智能云Hogee和百度一见在这次百度大会上被业界重点关注的原因之一，即这两款智能体产品对应的是一套新的AI服务范式。在它们背后，能看见的不是智能体产品层面的单点AI供给，更是一套芯片、模型、产品深度耦合的AI新全栈系统，基于这类兼备成本和效能的AI系统，智能体可以更深度地参与和嵌入到企业的业务流程中，帮助其稳步推进从单体到组织的升级进化。
而就百度智能云自身的视角来看，也可以理解为，这也恰是这家中国头部AI云厂商的又一次进化。
即相较于市面其他AI服务商如今的分层服务和智能体企业的单点软件服务，百度智能云正在率先通过不同AI模块间的深度耦合，把AI全栈能力糅合为一个更完整的AI体系服务，与企业最真实的研产供销服AI需求接轨，让智能体不仅可以快速、低成本理解企业业务场景，更能持续进化升级，转化为真实可见、可感的增长效果。
AI云的下半场，不是比谁消耗了更多的Token，而是要看谁能把每一个Token用的更好。
