夜雨聆风
在2026年百度Create大会上，百度智能云正式发布了全新升级的企业数据智能平台“百度胜算”。这一基于业务本体的平台，正在试图回答一个困扰行业已久的难题：为什么大模型Agent在闲聊、写作、编程中表现惊艳，却始终无法真正进入企业的核心生产业务？
答案并不复杂。当前的AI Agent，像一位聪明的大学毕业生，虽然智商超群，却对企业内部的业务逻辑、决策规则、安全边界一无所知。 它只能做边缘问答，不敢决策。
而百度胜算的出现，正在改变这一局面。通过独创的“上下文工程 + 系统工程”，在已落地的核心场景中，百度胜算将核心生产场景的决策准确率从行业平均的约80%拉升至99%，让AI真正从“玩具”走向“核心生产力”。
行业现状：80%的准确率，谁敢用？
2025年5月和6月，Gartner对来自北美、欧洲和亚太地区、拥有至少250名全职员工的组织的360名IT应用领导者进行了一项全行业范围的调查，75%的受访者表示，他们正在试点、部署或已经在其组织中部署了某种形式的AI Agent，然而，对治理、成熟度等的担忧，阻碍着真正自主化AI Agent的部署。
过去一年，AI Coding、智能问答、文档处理等领域确实取得了令人瞩目的进展。但当我们把目光投向企业的严肃业务场景”如供应链补货、门店根因分析、库存调拨、订单执行等，绝大部分Agent都难以落地。
问题出在哪里？
首先是准确率不足。即便是大模型在通用任务上表现出色，但在企业特定业务中，决策准确率往往只有80%~90%。这意味着每10次决策中就有1至2次错误，在核心生产中，这是不可接受的。
其次是缺乏业务理解。Agent能看到数据，却不懂业务对象之间的关系，如订单、库存、供应商，更不懂专家脑子里的决策逻辑，如“缺货时该向谁下单、补多少”。
最后是安全可控性差。企业无法放心地让Agent直接执行写操作下单、退货、调拨等,因为缺乏完善的权限控制、审计、回滚和仿真机制。
于是，一个尴尬的局面形成，Agent被“边缘化”，只做只读问答，核心决策依然靠人。
百度胜算用真实案例证明AI“敢投产”
在Create大会上，百度智能云数据平台部总经理刘斌表示，百度胜算不是一个概念产品，而是已经在多个行业真实落地并产出显著业务价值的解决方案。
百度智能云数据平台部总经理刘斌
据刘斌介绍，百度胜算已经在制造、零售、能源、医疗等核心场景中，实现了99%的准确率，并交出了缺料遗漏为零、决策效率大幅提升的真实答卷。
例如，某大型制造企业客户反馈，他们管理着海量SKU，库存、需求、在途、替代料等数据散落在各处，过去依赖极少数专家做周期性补货决策，周期很长。
引入百度胜算后，系统将专家决策逻辑沉淀为“业务逻辑一张图”，Agent可以实时判断缺货风险并自动生成补货建议。成功实现缺料遗漏数降至0，决策效率提升至“分钟级”。
同样的，某连锁零售品牌客户反馈，门店数量庞大，业态复杂，过去采用统一的经营分析标准，无法反映真实差异。收入下降时，也难以定位根因是客流、促销，还是高绩效员工离职。
百度胜算通过人机协同探索，为不同门店制定差异化评价标准，并实现快速根因分析，使得企业经营分析提效至“分钟级”，根因分析准确率超过95%。
同样的破局还出现在某新能源企业。这家企业反馈每天收到大量多模态单据，人工处理周期长，导致原材料呆滞与缺料风险高。
百度胜算结合多模态数据处理能力，将非结构化数据识别准确率提升至95%以上，数据处理周期压缩为“小时级”，供需风险识别准确率达100%。
这三个真实客户案例共同证明了一个事实：百度胜算不仅“敢投产”，而且“能投产”。
百度胜算是如何做到的？
那么，百度胜算究竟做对了什么？
答案隐藏在“水面之下”，是一套被刘斌称为“系统工程”的完整能力体系，以及支撑其运行的“上下文工程”。
首先，是做好上下文工程，让Agent真正“懂业务”。
传统做法是将文档、表格等杂乱信息扔进向量库，靠Prompt驱动大模型问答，结果往往是“幻觉频出、准确性差”。
刘斌介绍，百度胜算的做法是围绕业务本体，构建三层结构化知识体系：
在数据语义层，实现业务一张图，例如将订单、仓库、商品、供应商等核心对象及其关系建模，让Agent理解“谁和谁有关”；
业务语义层，实现业务逻辑一张图，将专家脑子里的决策规则，如缺货时如何补货、向谁下单等实现信息化、可执行化；
闭环执行层，实现业务执行一张图，即赋予Agent与外部系统交互的能力，支持下单、退货等写操作，而非只读。
这样一来，Agent不再是“聪明的外来人”，而是经过系统培训的“业务专家”。
同时，要做好系统工程，让Agent“敢操作、可信任”。
光懂业务还不够。要让Agent真正进入核心生产，必须有一套安全、可控、可审计、可回溯的系统工程支撑。
刘斌介绍，百度胜算的“系统工程”，涵盖了从底层到上层的完整能力：
资源抽象层，借鉴操作系统的原理，屏蔽CPU/GPU、分布式计算的复杂度，封装为API/SDK，让Agent无需关心底层；
文件系统层，对所有上下文，包括本体、规则、数据等都以文件方式存储，这样人和Agent均可读、可理解；
安全治理层，通过权限控制、沙箱隔离、全链路审计、向前仿真、向后溯源，确保每一步决策都有据可查;
版本管理层，Agent探索出错不会影响生产主干，验证通过后再合并，提供容错空间；
协作层，支持团队内部及企业间的安全数据交换与项目协同。
刘斌强调，经过多行业核心场景落地经验，这套系统工程，正是百度胜算将准确率从80%提升到99%的“底气所在”。它让Agent不再是“黑盒”，而是一个可观测、可干预、可回滚的可靠生产力工具。
从“玩具”到“核心生产力”，变革已来
百度胜算不仅仅是一次产品升级，更是百度智能云重构AI基础设施、打造“芯、云、模、体”新全栈AI云的关键一步。
更重要的是，百度胜算并非只靠平台本身。百度还组建了一支经过实战的FDE（现场交付工程师）团队，既懂技术又懂业务，能够深入客户现场，帮助客户梳理业务逻辑、构建本体、落地Agent。
“扶上马，送一程”，这是百度胜算的落地哲学。
AI Agent的未来，不在于它能写出多优美的文章，而在于它能否真正进入企业的核心业务，做出安全、准确、可信任的决策。
百度胜算，正以“上下文工程+系统工程”的双轮驱动，告别幻觉，让AI“敢投产”。
