西风 发自 凹非寺量子位 | 公众号 QbitAI配资平台官网网址
“Agent元年”进程过半，Agent虽已从处理简单任务转向复杂交付，却仍卡在“信息断层”的关键瓶颈——
受限于训练数据截止日期，难以及时获取实时动态信息，企业级场景落地始终差临门一脚。
不过就在刚刚，新解法有了。
百度智能云千帆平台抛出了一张“王牌”，将百度核心战略资产百度AI搜索能力，正式通过百度智能云千帆以组件及MCP Server的形式进行开放
如此一来，Agent能直接调用搜索能力，补上实时信息短板：
能依托搜索实时更新数据、覆盖多元信息来源，更能通过对海量搜索结果的整合、推理与交叉验证，让输出信息更具权威性，减少模型幻觉。
与之同步登场的，还有智能云千帆4.0，其以“迄今功能最完备的企业级AI平台”为定位，在核心能力上实现多维升级，不仅全新推出数据服务，还对Agent服务、模型服务等进行了强化
现阶段，平台已聚合150+精选模型服务，企业可即时接入业界前沿SOTA模型，百度近期刚发布的蒸汽机2.0，以及千帆自研的10+行业专精模型亦在其中。
这只是众多全新发布中的冰山一角。
在百度智能云团队看来，构建企业级Agent有四个关键要素：
能够处理复杂任务的智能体编排框架，相当于智能体有了“手”和“脚”的能力；配套的能力组件，为Agent提供“称手工具”；持续迭代的模型体系，尤其需具备行业场景定制能力；安全、高可用、可观测的企业级运行保障。
下面进一步深入，具体看看千帆4.0在这些重点方向上，究竟带来了哪些实质性新发布和升级。
MCP服务升级，Agent装上搜索引擎
首先来看最为重磅的百度AI搜索MCP Server，直接为Agent提供了“称手的工具”。
如前所述，由于大模型训练数据存在截止期限，无法获取最新知识，而百度AI搜索正好可以补全这一短板。
并且，与人类用的搜索追求“前三链接精准”不同，大模型具备强大的信息消化能力，这也就意味着，它可以同时处理大量搜索结果，并进行整合、推理与交叉验证，由此Agent+AI搜索更强调结果的全面性、权威性和时效性
据介绍，“Agent+AI搜索”既可补充实时信息与长尾知识，又能通过结果交叉验证减少模型幻觉，甚至还可辅助生成训练语料，适用于企业内部搜索、对话机器人、深度研究等场景。
依托百度20多年搜索技术积累与多元内容生态，加上每日服务上亿用户的高并发架构，企业可获得快速、稳定的搜索增强体验。
如果说百度AI搜索MCP Server连接的是外部公域信息的工具，那么千帆4.0全新推出的多模态RAG，则是挖掘企业私域知识的一把好手。
多模态RAG依托多维度解析策略，能深度解析文档、图表等企业内部复杂数据，并为说明书、发票等常见文档提供场景化解析模板，大幅提升解析效率。
同时，结合百度自研的高性能向量引擎，它能把解析后的文本、多模态数据做统一向量索引，提升检索效率。不仅能支撑百亿级向量规模与十万级分片数量，向量检索QPS性能更是开源方案的1-10倍。
千帆4.0还独家引入图谱增强RAG，通过知识图谱强化实体关系查询，应用于风控、营销等场景可扩大召回范围、提升检索精度。
两个工具相结合，让Agent既“知外界”又“懂内部”，实现信息获取能力的跨越式突破。
有了趁手工具，接下来高效“用法”是关键。
千帆4.0构建了一套灵活可靠的智能体编排框架，采用多智能体协作方案，先有一个“规划者”智能体拆解任务，然后分给不同“执行者”智能体执行，借协作逻辑让不同智能体各司其职，将工具高效、可靠地组织起来，最大化工具价值。
另外，千帆4.0还强化了官方预制智能体，“规划者”新增深度思考能力，“执行者”支持并行调度；网页搜索、代码编写等专业智能体，在时效、精准、安全上全面升级。
平台支持A2A协议，能够与市面上其他支持该协议的Agent平台、独立Agent企业等进行相互调用，构建起开放的协作生态。对于那些采用非标准接入方式的企业Agent，平台也能通过协议适配的方式完成接入。
多智能体协作的扩展性也很高，基于“规划分工”机制可在已有的功能里动态引入新Agent，“规划者”能自动识别并决策调用时机。
工具与用法之外，背后是更大的开放性MCP生态。
百度智能云千帆团队透露，之后还将陆续开放更多百度独家技术能力作为MCP Server。
同时，千帆4.0已接入支付宝支付、同程旅行等第三方优质服务，让Agent能调用更多场景化能力。
开发者还可在千帆平台自建MCP Server，一经发布即可被百度搜索索引与分发，形成生态正循环。这意味着每位开发者都可以成为生态的共建者。
百度智能云千帆4.0，何以称“最完备”？
仅靠上面这些并不足以称“完备”，百度智能云千帆4.0把Agent落地需要的四件事打包标准化了：模型、工具链、数据、运行保障
在模型方面，千帆4.0重点做了三方面工作。
一是，快速集成高质量SOTA级模型。
平台现已集成150多个顶尖模型，包括OpenAI的开源模型、DeepSeek-V3.1等外部模型，也有百度自研蒸汽机2.0视频生成大模型，千帆慧金金融行业模型、千帆视觉理解模型等一批千帆自研的行业专精模型。
企业在构建Agent时可灵活无感切换底层模型，有效规避了自行部署、调试多个模型时，可能面临的成本难题。
针对MoE架构模型小规模部署性能表现比较一般的问题（大部分“专家”处于闲置状态，资源利用率低），千帆4.0专门搭建推理架构，通过充分分布式部署盘活闲置“专家”资源，显著提升调用效率。
二是，为模型补齐Agent必备能力，并控制“思考成本”。
Agent核心要能调用工具，但很多开源模型的权重文件里根本没有这个能力，普通开发者自己补很麻烦。
千帆直接帮企业和开发者做好了，对领先开源模型都提供了Function calling能力增强。比如DeepSeek-V3.1等没有该能力的模型，团队就通过底层构建，增强模型多工具调用等能力。
模型的“思考过程”也可控，千帆4.0新增了思维链精细化控制。
简单问题不需要多思考，费时间还耗token，千帆加了“Thinking strategy”（思考策略）和“Thinking budget”（思考预算）功能，简单任务用“短思考”，复杂任务用“深度思考”，平衡效果和效率。
三是，提供场景化调优全流程工具与快速评估机制。
与此同时，千帆此次还推出了很多款行业专精场景模型，基于模型训练过程中的经验积累，提出“专精模型深度定制pipeline”，先评估旗舰模型是否达标，达标则通过蒸馏压缩模型，不达标则通过SFT+强化学习训练场景模型，最终合并多个场景模型，做出效果好、速度快还便宜的专精模型。
这套流程已经在平台上线，千帆4.0还预制了超10个行业专精模型，用户可直接拿来用，也可以根据自己的业务数据做调整。
模型调优工具上，千帆4.0全新发布RFT（强化精调）工具链，能少用数据就做出好效果：新手有预制的参数、奖励规则、镜像环境，能够快速体验RFT效果；专家能自定义参数、规则，还能白盒建模。
而且强化学习需要边训练边推理边优化，千帆提供了训推一体的引擎，并引入了负载均衡器，比没加的情况训练效率提升43%。
最后是模型评估，千帆4.0新增Benchmark评估，内置十多个权威评估集合与预制方法，模型训练后可快速测试通用能力，还支持上传自有数据验证业务适配效果；同时提供性能评估，可测算模型资源需求与响应时间，为后续部署提供参考。
除了模型服务之外，千帆4.0正式发布了数据智能服务平台，解决企业数据治理痛点。
该平台覆盖从多模态数据采集、转换、处理、检索、服务等数据治理的全生命周期，通过一站式多模态数据管理与处理能力，构建AI时代的数据智能基础设施，加速模型迭代，护航智能应用落地。
实现效果上，据介绍，文心大模型的训练得到了大幅提效，端到端数据吞吐效率提升6倍，整体计算成本降低30%；百度文库的检索存储成本降低80%，一站式数据开发提效30%
值得一提的是，针对企业引入Agent时关注的平台稳定运行、故障规避、弹性扩容及数据模型安全、运维可追溯等需求，百度智能云千帆还从全维度安全合规、高可用架构、可观测运维体系三方面构建了全套保障能力
搭建起Agent基础设施
总结来看百度智能云千帆的战略路径。不是做一个又一个“演示级Agent”，而是搭智能平台、强基础设施、放核心能力。
从今年4月百度智能云正式发布千帆企业级MCP服务，到如今把“百度AI搜索”作为王牌Server开放，再到第三方能力与开发者自建能力的引入与分发，平台正在把“能力聚合”升级为“能力网络”。
截至目前，千帆平台已孕育出超130万个智能体服务制造、能源、金融、汽车、教育等领域的超46万家企业。这些数字背后，是越来越多可复用的场景范式、可沉淀的数据资产、可观察的工程体系。
一周前，IDC发布的《中国大模型平台市场份额，2024：市场正在成形》报告显示，2024年中国大模型平台市场规模攀升至16.9亿元。在竞争激烈的市场格局中，百度智能云以14.9%的市场份额再度登顶，连续两年稳居行业领跑者。
更重要的是，百度智能云千帆把“Agent的基础设施”这件事做成了平台叙事：模型可自由切换、工具以MCP标准化、数据以多模态RAG/图谱统一表达、运行以可观测与高可用托底，每接入一个MCP Server，接入的就是其背后的数字生态
对企业而言，这意味着不必再执念于“先天完美的行业大模型”，而是以千帆为底座，先连起来、先跑起来、再迭代起来——把真实业务的反馈变成持续进化的燃料。
对生态而言，这是一场从“模型之争”迈向“平台与基础设施之争”的升级。
叁鑫策略提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
