一、问题：算力需求快速上升，产业侧更关注“稳定、可持续、可交付” 伴随大模型应用从试点走向规模化，训练与推理对算力提出持续增长需求。
对多数行业用户而言，决定项目成败的不仅是峰值性能，更在于算力供给是否稳定、集群调度是否高效、成本与能耗是否可控、工程化工具是否完善，以及是否具备安全合规与行业交付能力。
由此，图形处理器云逐渐成为支撑大模型落地的重要基础设施之一。
二、原因：市场从“拼硬件”转向“拼体系”，自研闭环能力成为门槛 沙利文在《2025年中国图形处理器云市场研究报告》中指出，自研图形处理器云强调厂商基于自研人工智能加速芯片，自主构建并管理万卡级智算集群，并通过公有云、专有云或混合云对外提供端到端算力服务。
该市场更突出“芯片—集群—云服务”三位一体的闭环能力，仅涵盖能够同时实现硬件自研、大规模集群运维调度与商业化云服务交付的厂商。
报告显示，在我国自研图形处理器云市场中，百度智能云以40.4%的市场份额位居第一，并在产品能力、算力规模及重点行业落地方面形成领先优势。
业内人士认为，这一结果与持续投入、自研芯片路线、规模化集群建设以及平台工具链完善度密切相关。
三、影响：国产算力底座加速成熟，行业应用从“点状探索”走向“规模运营” 研究认为，国内图形处理器云市场已由“能用”迈入“好用、可持续”的新阶段：一方面，供给侧更加重视软硬件协同与规模化运营，推动单位算力成本下降、资源利用率提升；另一方面，需求侧对模型训练、推理部署、数据治理与工程效率的要求同步提高，促使云服务商加快平台化、产品化和行业化交付。
在市场竞争维度上，除自研图形处理器云外，权威机构关于公有云服务的统计也折射出行业格局变化。
IDC于2025年8月发布的《中国人工智能公有云服务市场份额，2024》报告显示，百度智能云以24.6%的市场份额位居第一。
多份报告共同指向一个趋势：随着大模型进入产业深水区，综合能力强、可持续投入的头部厂商更易形成规模效应。
四、对策：以自研芯片、超大规模集群与平台工具链，提升“交付确定性” 从企业侧披露看，百度智能云围绕企业大模型落地需求，构建覆盖算力、模型、数据与工程能力的端到端全栈体系。
在算力底座方面，以昆仑芯为核心的加速芯片已在招商银行、国家电网等多家机构实现规模化部署。
2025年，该公司点亮国内首个全自研三万卡昆仑芯集群，可同时支撑多个千亿参数大模型训练。
在产品迭代方面，企业在百度世界2025大会上发布新一代昆仑芯与超节点产品，并提出未来五年保持“一年一代”的迭代节奏：面向大规模推理的昆仑芯M100计划于2026年上市，面向超大规模多模态模型训练与推理的昆仑芯M300预计于2027年推出；同步发布天池256、天池512两款超节点，其中天池256互联带宽与整体性能均有提升，天池512定位于支撑万亿参数模型训练，均计划于明年上市。
在平台与服务层面，百度智能云打造百舸计算平台，贯通资源准备、模型开发、训练与部署等环节，并以千帆平台提供模型调用、应用构建与数据智能的一站式服务，推动智能体等能力升级，同时推出数字员工、智能客服等通用产品，叠加行业知识体系加速落地。
企业称，目前其服务已覆盖金融、能源、汽车、游戏等多个重点行业，并在部分机构实现效率提升与业务转化改善。
五、前景：从“算力竞争”走向“体系竞争”，长期看重在生态与标准化交付 业内判断，下一阶段图形处理器云竞争将更强调三方面：其一，算力供给的规模与弹性，决定大模型训练与推理的上限；其二，平台化工具链与运维体系，决定交付效率与成本曲线；其三，行业场景的标准化产品与可复制方法论，决定商业化扩张速度。
随着更多行业把大模型作为“核心生产工具”纳入流程，能够提供稳定算力、完善工程体系与行业深度服务的厂商，有望在新一轮产业升级中占据先机。
从追赶者到领跑者的转变，折射出中国科技企业在全球AI竞赛中的战略定力。
百度智能云的实践表明，唯有将芯片研发、集群运营与场景落地深度融合，才能构建真正可持续的算力生态。
随着国产技术栈在金融、制造等核心领域的渗透加深，中国正以全栈创新重塑全球AI产业格局，这一进程或将重新定义下一代智能基础设施的竞争规则。