過去一年，如果把全球云廠商的技術(shù)路線攤開來看，會出現(xiàn)一個很有意思的畫面。行業(yè)內(nèi)的兩家老大哥AWS 和 Google，幾乎在同一時間朝著兩個方向用力。

一個方向是向下。

芯片、網(wǎng)絡(luò)、系統(tǒng)軟件、調(diào)度、基礎(chǔ)設(shè)施，被一層一層重新打磨。云廠商已經(jīng)不滿足于把算力賣出去，而是越來越執(zhí)著于把底層的控制權(quán)握在自己手里。目的其實很樸素，讓推理負(fù)載變得穩(wěn)定、可控，像一套工業(yè)設(shè)備一樣，能長時間運轉(zhuǎn)、不掉鏈子、不出幺蛾子。

另一個方向是向上。

模型服務(wù)、Agent 能力、開發(fā)平臺不斷被收攏、封裝。曾經(jīng)零零散散的 API 和工具，被重新組織成一條完整的應(yīng)用生產(chǎn)線。云不再只是原料供應(yīng)商，而是直接下場，參與 AI 應(yīng)用從設(shè)計到落地的整個過程。

這兩個方向看起來一上一下，實則指向同一個判斷：云已經(jīng)不再把 AI 當(dāng)成一種普通負(fù)載，而是把它當(dāng)成正在重塑云自身形態(tài)的主業(yè)務(wù)。當(dāng)推理成為核心負(fù)載，云要解決的問題也隨之升級。不只是夠不夠快，而是能不能長期跑、跑得穩(wěn)、跑得清楚，出了問題還能追溯、能治理。

ChatGPT 的出現(xiàn)，把這件事猛地往前推了一大步。企業(yè)很快發(fā)現(xiàn)了一個現(xiàn)實，模型再強，如果做不成應(yīng)用、進不了流程、管不住風(fēng)險，價值就會迅速打折。

于是，關(guān)注點開始悄然轉(zhuǎn)移。比起誰的模型更聰明，企業(yè)更關(guān)心的是誰能把 AI 變成一個可交付、可運營、可治理的系統(tǒng)。也正是在這樣的背景下，越來越多人把 2025 年稱為 Agent 落地元年。并不是因為 Agent 一夜之間變得多么聰明，而是承載 Agent 的平臺、工具和基礎(chǔ)設(shè)施，終于開始像一套成熟的生產(chǎn)系統(tǒng)。

當(dāng)競爭從模型升級為平臺，一個更現(xiàn)實的問題隨之浮出水面：平臺的強弱，究竟該由誰來定義？模型可以上榜單、比分?jǐn)?shù)，但平臺能力涉及的是系統(tǒng)工程、治理機制，以及長期運行的確定性，顯然不是廠商自己喊幾句口號就能說清的。

很多人第一次看到 Forrester Wave 時，都會下意識把它當(dāng)成一張廠商排行榜。但如果把視角拉回到企業(yè)現(xiàn)場，會發(fā)現(xiàn) Forrester 真正想解決的，其實不是誰更靠前，而是一個更現(xiàn)實的問題：當(dāng) AI 開始進入生產(chǎn)系統(tǒng)，企業(yè)到底該怎么選平臺。

在 AI 還停留在試驗階段時，企業(yè)的采購方式是可以拼裝的。模型單獨買，算力單獨租，向量庫、工具鏈、集成服務(wù)各找各的供應(yīng)商，只要 demo 能跑起來，流程勉強通順，就算階段性成功。但一旦 AI 被放進核心業(yè)務(wù)鏈路，問題會在極短時間內(nèi)集中暴露：出了故障很難說清責(zé)任歸屬，數(shù)據(jù)權(quán)限在系統(tǒng)之間反復(fù)穿透，治理規(guī)則各自為政，穩(wěn)定性和成本曲線也開始失控。

正是從這一刻起，企業(yè)的采購邏輯發(fā)生了根本變化。相比買能力，他們更想買體系。把數(shù)據(jù)、模型、推理、Agent 和治理能力統(tǒng)一收攏到一套平臺里，不是為了省事，而是為了確定性——誰負(fù)責(zé)、怎么管、出了問題能不能追溯和回滾，這些都必須在平臺層面成為默認(rèn)能力，而不是依賴項目經(jīng)驗和人工兜底。

Forrester 的問題意識，正是從這里出發(fā)的。它評的不是某一個技術(shù)點有多先進，而是平臺在真實企業(yè)環(huán)境里的可用性。換句話說，平臺能不能陪企業(yè)把 AI 從能用一路跑到長期可運營。在 Forrester 的評估框架里，數(shù)據(jù)能力是否扎實、ModelOps 是否覆蓋全生命周期、Agent 能否在治理與安全邊界內(nèi)進入業(yè)務(wù)流程，才是決定分?jǐn)?shù)的關(guān)鍵。

如果把 AI 平臺比作一輛要上高速、還要跑長途的車，F(xiàn)orrester 的關(guān)注點其實很樸素：油路穩(wěn)不穩(wěn)（數(shù)據(jù)底座）、保養(yǎng)體系全不全（ModelOps 全生命周期）、自動駕駛能不能安全上路（Agent 進入業(yè)務(wù)流程）、以及剎車和行車記錄儀是不是出廠自帶（治理、審計、可追溯與回滾）。它評的不是某個零件有多炫，而是整車能不能長期、穩(wěn)定、可運營地跑起來。

按這套標(biāo)準(zhǔn)，國內(nèi)格局已經(jīng)分層得很清楚。Leaders 是全棧車廠：阿里云、百度智能云在右上角，說明既能打也敢投；火山引擎、華為云同樣處在領(lǐng)先象限，但路線更鮮明，一個更偏性能和 Agent 落地效率，一個更偏全?；A(chǔ)設(shè)施與可控性。

分?jǐn)?shù)進一步把這種差異量化了。在 Current offering 維度上，百度以 4.46 領(lǐng)先，阿里為 4.30，火山 3.82、華為 3.64 緊隨其后。領(lǐng)先者的優(yōu)勢并不來自某個參數(shù)的單點突破，而是整車工程做得更完整、更均衡。

那為什么百度能在這套評估里更靠前？Forrester 給出的線索其實很具體，可以拆解為三條連續(xù)的能力鏈路。

第一步，把找資料變成平臺原生能力。報告點名百度把 Search 用在 RAG 和 agentic AI 上，這相當(dāng)于給企業(yè)的知識庫配了一套自帶索引的導(dǎo)航系統(tǒng)，不用每次臨時外掛檢索組件、靠運氣拼效果。更重要的是，報告同時強調(diào)百度在數(shù)據(jù)集成、管道、質(zhì)量、安全與隱私上的表現(xiàn)，這些看起來不性感，卻決定了企業(yè)敢不敢把 RAG/Agent 放進主流程。

第二步，把模型當(dāng)成長期資產(chǎn)來養(yǎng)。Forrester 對千帆 ModelBuilder 的評價集中在開發(fā)、訓(xùn)練、微調(diào)、評估、部署的覆蓋度。意思不只是能做模型，而是能把模型上線后持續(xù)管理：版本怎么控、效果怎么評、出了問題怎么回退。平臺把這些動作做成默認(rèn)項，企業(yè)的落地阻力就會小一大截。

第三步，不只搭應(yīng)用，更要能跑得久。報告認(rèn)為千帆 AppBuilder 的應(yīng)用開發(fā)特性較完整，并特別指出百度在 platform operations 上整體更強。翻譯過來就是：從可觀測到治理到回滾，系統(tǒng)更像可持續(xù)運行的生產(chǎn)設(shè)施，而不是上線之后靠人值守。

三步合起來，百度得分靠前的邏輯就很直觀了。知識鏈路更穩(wěn)、模型生命周期更全、應(yīng)用運營更可控。這也恰好踩中 Forrester 的核心標(biāo)準(zhǔn)，比的不是某個炫技功能，而是一套能把 AI 長期跑在生產(chǎn)系統(tǒng)里的默認(rèn)能力。

當(dāng)評估標(biāo)準(zhǔn)從能不能做出效果切換到能不能長期運營，市場就會自動進入下一階段：誰能把 AI 從一次性項目，變成一套可以長期跑、持續(xù)交付、出問題能回滾的系統(tǒng)，誰才有資格留在主桌。

中國市場之所以更容易、更快走向收斂，原因并不在于競爭不充分，而在于場景天然更嚴(yán)苛。金融、能源、政務(wù)、制造等行業(yè)對穩(wěn)定、合規(guī)、連續(xù)運行的要求接近剛性，AI 一旦進入主流程，就不再是隨時可撤的創(chuàng)新嘗試，而是會直接影響業(yè)務(wù)安全與運營效率的生產(chǎn)設(shè)施。

這個變化也被需求側(cè)的數(shù)據(jù)與招采條款進一步放大。2025 年上半年，中國大模型中標(biāo)項目數(shù)達到 1810 個、金額突破 64 億元，規(guī)模不僅超過 2024 全年，也意味著真金白銀正在加速流向核心產(chǎn)業(yè)。與此同時，客戶的要價明顯變硬：從租幾張 GPU 卡，變成要一套可信賴、可持續(xù)交付的 AI 算力系統(tǒng)。類似“7×24 小時安全運營服務(wù)”“99.999% 可用性”這樣的要求，本質(zhì)上是在把 AI 平臺當(dāng)作關(guān)鍵基礎(chǔ)設(shè)施來驗收，而不是把它當(dāng)作一項新功能來試用。

金融行業(yè)的招投標(biāo)也呈現(xiàn)出同樣的趨勢：2025 年 1–9 月相關(guān)中標(biāo)項目數(shù)量與披露金額顯著抬升，說明主戰(zhàn)場正在從“試點”走向“常態(tài)化部署”。

阿里云和百度智能云路徑不完全相同，但在關(guān)鍵命題上給出了相似答案：強化對底層資源與系統(tǒng)的控制，把 AI 當(dāng)作需要長期維護的生產(chǎn)系統(tǒng)，把數(shù)據(jù)、模型、推理、Agent 和治理統(tǒng)一納入平臺調(diào)度。這種全?；皇菫榱粟A一場短跑，而是為了在高要求場景里把長期可用變成默認(rèn)值。