7天两场演讲，中国两大AI云撞了同一个爱迪生

一周之内，爱迪生成了AI圈的讲中团宠。

9月16日，国两个爱在人民日报社举行的大A迪生智能经济论坛上，百度沈抖用电力时代的撞同类比，来定位AI产业当前所处的天两阶段。

六天后的场演阿里云栖大会，吴泳铭讲的讲中同样是电，Token是国两个爱新电，云是大A迪生电网。中国AI云两场最重要的撞同年度演讲，像是天两商量好了似的，隔空讲起了同一个故事。场演

巧合背后是讲中共识。

过去一年多，大模型行业的注意力还集中在榜单上，谁又发了个新模型、谁的跑分又高了几个点。但到了这个九月，两场大会的主题不约而同，从“模型有多聪明”转向“智能怎么变成生产力”。

这背后是一个共同的判断，模型不再是主要瓶颈，AI产业化的下一程，拼的是谁先把电送进千行百业。对产业大势的判断，中国两大AI云已经站在同一条起跑线上。

但同一条起跑线上，两家要跑的方向并不一样。

电力时代的类比有一个潜台词，想当发电商，先得有整套电网。落到AI产业上，这叫全栈布局。

这不是2026年才流行的新词。早在2015年，百度最高奖获奖团队“仙童”，做的就是芯片。到2018年，百度已经形成了“从芯片到深度学习框架、平台、生态”的AI全栈技术布局，那时大模型浪潮还没有影子。

2020年，百度智能云率先提出“云智一体”，把云和AI融成一个基础设施体系，形成“芯片—框架—大模型—行业应用”的智能化闭环，为AI全栈技术布局筑牢了地基。

2023年，李彦宏把AI时代的IT技术栈定义为“芯片—框架—模型—应用”四层；同年10月，覆盖算力、模型、应用全栈服务的百度智能云超级工厂亮相。

2024年，这套能力升级为“人工智能+”全栈企业级服务体系，开始向产业渗透。算力平台和模型平台组成内核，由内向外支撑行业能力建设和场景应用创新。

2026年，产业重心从模型转向智能体，李彦宏提出“芯云模体”全栈AI，百度智能云以“新全栈AI云”，接住大规模智能体的爆发。

阿里同样在铺全栈，而且铺得很快。阿里的打法是把芯片、云、模型三块基石放到同等重要的位置，一起往前推，等一个新物种长出来。

关于未来，沈抖在论坛上给出了自己的判断，芯片、云、模型、智能体四层相互放大，就是AI作为底层基础设施的增长飞轮。阿里的芯片、云、模型三大基石互相咬合，转起来同样是这台机器。

同一个飞轮，启动点不同，飞轮就是两种转法。

电力时代也有过同样的分岔。有人先建电站，等用电的人上门；也有人先找到非用电不可的工厂，再照着工厂的需求配电站。一百多年过去，两种打法最后都活了下来，但活下来的姿势完全不同。

百度把飞轮的起点放在真实业务价值上。产业智能体先进入企业一线干真活，解决实际问题、创造效率与增长。干真活产生真实业务数据，数据推动模型迭代，模型迭代带动更大规模的云与芯片投入。规模扩大后，成本进一步下降，让更多企业、更多场景用得起、用得好，进而释放新的需求，推动飞轮持续加速。

这条“芯—云—模—体”的链路环环相扣，但整台机器的点火位置只有一个，就是产业智能体真落地、兑现价值这一环。飞轮的第一圈转不转得动，看的不是PPT上的参数，是企业愿不愿意把它用进核心流程，能否切实解决问题、改善经营结果。

沈抖的说法是，产业智能体在驱动AI成为真正的经济力量。这句话的分量在于，AI第一次不是被当成技术来讲，而是被当成经济变量来讲。

阿里的飞轮靠供给。算力上去，模型（Qwen RSI）跟着变强，能力变强等着代表性产品出现，产品出现等着需求爆发。

启动点放在供给端，是基于一个判断：未来一定会出现“代表性产品”，进而引爆大规模需求。而2032年前建成20GW数据中心，就是这个判断押下的赌注。这套打法和阿里的价值观一脉相承，因为相信，所以看见，电站先建好，等用电的人上门。

两条飞轮各有各的软肋。业务飞轮怕落地不及预期，智能体在企业里干不了真活，后面的每一环都带不动；供给飞轮怕代表性产品迟迟不来，电站建好了，用电的人还没出现。

两台飞轮也在互相影响。百度的智能体跑得越快，对算力的胃口就越大，客观上也在给供给端抬需求。

阿里等来的代表性产品一旦出现，第一批要规模化的企业，照样会先挑能兑现价值的云。飞轮对飞轮，比的不是谁先转，是谁先转出规模。

一个需求拉动供给，一个供给激发需求；一个赌价值会兑现，一个赌未来会到来。两条路线各有各的账。

路线的分岔，最终会落到标价方式上。云厂商标什么，客户就为什么买单，这是两种经济学。

阿里是Token经济学，供给先行，按思考量计费，token消耗多少，账单就多长。这很像电力时代早期的电表，先按度数收钱，用电的规模做起来再说。

吴泳铭在云栖大会上给出的是想象空间，未来机器思考的总量，将达到人类的1000倍以上。思考量涨1000倍，token消耗就涨1000倍，这是供给端最希望看到的需求曲线。客户买到的，是能力的可能性。

百度是生产力经济学，需求拉动，把收入绑在业务价值上。沈抖在智能经济论坛上给了一组全球刻度，过去三年模型能力一直在涨，GDP却没有明显变化；AI资本开支占GDP的比重只有0.4%，而电力体系接近5%。

就这组数字而言，这一轮投入离电力时代还差得远。沈抖预计，到2030年将有30亿个产业智能体持续运行，带来超过100吉瓦级的推理需求，每一分基建投入，背后都有真实场景托底。

为“思考”计费，还是为“结果”计费，中国AI云正在走出两条不同的路线。前者赌的是思考量的指数增长会自己长出需求，后者相信价值要在真实的生产经营中兑现。

而当两条路线在真实的产业实践中交汇，中国AI云共同的答案就会浮出水面。

客户的账本，最能说明两种路线的差别。

选百度的客户，买的是确定性价值。国内头部整车研发企业阿尔特和百度一起做汽车风阻设计优化，把任务交给百度智能云上的自我演化超级智能体伐谋。

它自主演化了120多轮，把单次CFD仿真从几个小时压到秒级。

南方电网用百度的本体构建智能体胜算，在电网的真实业务场景里解决问题；泰康今年4月部署智能体开发平台后，上线了3500多个智能体，日均token消耗200亿，铺在医疗健康、风控合规、销售运营等核心场景。

这些项目的共同点是，验收标准不是模型跑分，而是问题有没有被解决、成本有没有降下来、有没有跑出新增长。

选阿里的客户，买的是可能性。1000倍的机器思考总量，如果使用成本下降到电价那样的水平，带来的经济效益将是难以估量的。只是我们不知道这一天还有多久才来。

供给先行的打法里，客户和云厂商更像合伙人，一起等一个新物种长出来。

两种标价能同时存在，恰恰说明这个市场还没到定格局的时候。而能同时坐在牌桌两端的，眼下也只有两家。

回到电力时代。那个时代的伟大，不在于爱迪生建了电站，也不在于工厂换了电动机，而在于电站和用电的人互相成就，把整个世界推入了电气化。

电站等来了电动机，电动机也让电站变得划算，这是一场持续几十年的双向奔赴。

AI的电力时代也会走到这一步。先落地的智能体，价值正在真实的业务循环里持续兑现，先铺开的算力在等待它的代表性产品，两条路线起点不同，但都在把中国AI产业化的地基往深里打。

真正的胜负手不在今天，而在下一次产业浪潮袭来时，谁的飞轮先转出规模。

殊途同归的是，中国的两大AI云，正在共同定义AI产业化的中国路径。雷峰网(公众号：雷峰网)