Agent规模化落地，阿里云全面转向Agentic Cloud

随着以「千问Go！」为代表的各类个人智能体引发广泛关注，AI智能体（Agent）正迅速从概念展示走向日常事务处理。Gartner预测，企业软件中AI智能体的支出将迎来爆发式增长，到2028年，33%的企业应用将内嵌智能体，至少15%的日常工作决策将由其自主完成。

但这给底层的云计算平台提出了全新挑战。上一代云计算以云原生（Cloud Native）为基石，应用通常在“一问一答”中返回结果并结束生命周期。然而，Agent执行任务时往往需要跨系统联动、中间文件生成、长任务等待与异常恢复。用户关闭前端界面，任务仍在继续后台执行。当亿级任务并发时，云服务厂商交付的不再仅仅是算力与模型接口，而必须是一整套能让Agent持续运转的基础设施。

全球头部云厂商已展开换道布局。Google Cloud转向Agent Native，AWS推出Bedrock AgentCore，微软推出Azure Foundry Agent Service，而阿里云则明确提出全面转向「Agentic Cloud」（智能体云）。

阿里巴巴CEO吴泳铭指出，“芯片负责生产Token，云负责把Token送到每一个需要它的地方”，未来的AI云需要让模型和Agent在统一网络中持续运行并产生协同效应。

智能体落地背后的四大支撑支柱

企业级Agent无法单纯依赖提高模型评分来解决实际问题。一个任务失败，可能是由于缺乏业务上下文、工具调度异常，或是运行沙箱崩溃。针对工程痛点，阿里云将支撑体系归纳为四大支柱：

1. 全域认知引擎：解决决策依据问题。通过OpenLake数据湖仓与ApsaraLakebase，解除数据与计算引擎绑定，结合上下文工程（Context Engineering），将分散在企业不同系统的异构数据整理为Agent立即可用的高准确度上下文。
2. 自主运行与持续进化：提供企业级运行托管平台AgentCore与Harness执行框架。支持长任务处理、失败自动重试、断点恢复和异步调度，并通过安全沙箱进行环境隔离，确保任务即使发生中断也能精准复原。
3. 可信协作与治理：推出Agent Identity（身份服务），规范Agent在企业系统中的执行边界、敏感权限核验与多Agent协作溯源，确保操作透明可审计。
4. 智能实时决策：基于灵骏智算集群和CPFS高性能存储，为模型训练与长上下文推理提供低延迟、高并发的底座支撑，降低端到端响应成本。

工程实践是真实试金石

架构设计的效果必须在业务一线接受检验。近期多家头部企业公布了基于阿里云落地Agent的工程实践：

• MiniMax（稀宇科技）：在模型强化学习训练中，模型需要进入沙箱自动修改代码并验证反馈。阿里云Agent Sandbox支持分钟级十万级并发拉起、热加载压缩至100毫秒内；配合专为智能体优化的AgenticFS高性能文件存储，解决了传统对象存储读取等待过长的问题。
• 小鹏汽车：借助ApsaraLakebase构建企业统一数据底座，将零散知识与流程规范转化为精准的Agent记忆与上下文。在设计与研发场景下，缺陷从发现到修复的耗时由两天缩短至十分钟，设计生成合规率达到83.3%。
• 海尔盈康一生：企业助手服务超万名员工，团队依托阿里云AI网关和AgentLoop构建了“观测-评估-优化”闭环，动态匹配任务难度与模型规格，不仅将任务成功率提升10%，更将模型调用成本拉低了30%以上。

面对从“调用模型”向“代理业务”的范式演进，云厂商的竞争维度已不再停留于单点算力价格。通过系统级工程把模型、上下文与执行框架有机咬合，Agentic Cloud正在成为支撑下一代软件生态的关键依托。