阿里云全栈AI服务商：驱动Agent落地与超级智能演进

许多人讨论Agent时，容易聚焦于前端的交互体验。但企业的实际判断标准往往更务实：平台是否足够稳定？能否支持大规模调用？能否与现有系统顺畅集成？只有当底层基础设施和基础模型足够强大，Agent平台才算真正实用。

基础模型的强弱几乎决定了其竞争梯队。阿里自研的通义千问系列，在中文理解、工具调用和多模态任务上的能力，已使其成为国内乃至全球极具竞争力的开源体系之一。在国内外多个权威评测中，Qwen模型在中文综合能力、数学与推理任务、代码生成等维度取得全球前列成绩。例如在MMLU、CMMLU、AGIEval等基准测试上，Qwen的最新版本多次超越GPT-4-turbo、Claude 3 Sonnet等国际强劲对手。

在本次云栖大会上，阿里云一次性更新了6个模型，推出了新品牌：万亿参数、编码与工具调用能力登顶国际榜单的Qwen3-MAX，其在推理、代码和视觉上对标国际一线水平；同时Qwen-Plus、Qwen-Flash等衍生版本覆盖了从轻量推理到重度生成的全场景需求；新一代原生全模态大模型Qwen3-Omni；能够理解并响应世界的Qwen3-VL；能“改字不崩脸、换装不走样”的图像模型Qwen-Image；TerminalBench分数大幅提升的Qwen3-Coder；音画同步视频生成的Wan2.5-Preview；以及企业级语音基座大模型通义百聆。

模型更新展示了智能的“上限”，而要让这些能力真正落地，离不开算力、存储和调度系统的支持。

大规模弹性，是行业对AI平台的首要求。Agent在真实业务中，流量波动常常不可预测：可能今天仅几百次调用，明天就扩展到几十万。缺乏弹性，企业可能因算力不足停摆，或被迫长期囤积资源，增加巨额成本。阿里云的解决方案是ACS GPU的serverless弹性架构，企业能在秒级拉起百亿参数模型实例，并结合容器服务ACK实现跨集群、跨地域调度，再配合vLLM、KServe等推理引擎，大幅降低冷启动延迟，让算力像“水电”一样随用随取。

高可用性与稳定性，是企业敢将Agent用于核心流程的前提。一次风控错误或停机可能造成巨额损失。阿里云依托对象存储OSS，在千亿级数据量下保持低成本和高并发存储与检索能力；在计算层，通过自动隔离故障节点与分钟级自愈能力，保障计算任务持续稳定运行；在数据库层，云原生数据库PolarDB等产品为金融级场景提供实时可靠支撑。这些底层保障让万亿参数的MoE模型也能长期稳定地在阿里云环境中运行。

长短期记忆与检索，是智能体能否进化的关键。业界普遍认识到，如果Agent只能“一问一答”，无法记住历史对话和文档，就难以形成真正生产力。阿里云在体系中集成Tablestore和Lindorm：前者承载短期会话与长期知识库，后者支撑多模数据的统一管理与检索，帮助企业沉淀SOP、合同、业务知识，让Agent在连续任务中调用过往经验，逐步形成“组织记忆”。

推理优化与加速，则决定Agent能否“算得清账”。企业普遍关心推理时间和成本。阿里云人工智能平台PAI在MoE、DiT、强化学习等架构上推出专门引擎：paiMoE提升Qwen3训练加速比3倍；paiFuser在视频生成任务中缩短近三成样本处理时间；PAI-RL实现多轮强化学习优化；推理服务PAI-EAS显著降低冷启动和扩容延迟，吞吐率提升超70%。这意味着Agent不仅能更快上线，还能以更低成本支持大规模用户交互。

整体来看，阿里云基础设施的四大特点是：大规模弹性、高可用与稳定性、长短期记忆与检索，以及推理优化与加速。这些关键词在过去一年阿里云飞天发布时刻栏目中反复提及，覆盖了企业最关心的“能否扩展”“敢否依赖”“会否遗忘”“算否清账”问题。

02

让AI Agent从企业业务土壤中生长

在这次云栖大会上，吴泳铭阐释了通往ASI的三阶段演进路线：第一阶段，“智能涌现”，AI通过学习海量人类知识获得泛化智能；第二阶段，“自主行动”，AI掌握工具使用和编程能力以“辅助人”，这是行业当前阶段；第三阶段，“自我迭代”，AI通过连接物理世界并实现自学习，最终“超越人”。

吴泳铭还提到，我们正处第二阶段，“当前Agent仍较早期，主要解决标准化和短周期任务……未来，可能有超过全球人口数量的Agent和机器人与人类协作，对真实世界产生巨大影响。此过程中，AI将连接绝大部分真实场景和数据，为未来进化创造条件。”

从“智能涌现”到“自主行动”，再到未来的“自我迭代”，大模型任务边界持续扩展。阿里云的基础设施升级，正是为了让企业在面对日益复杂的推理和规划任务时，拥有稳定、可控、性价比可接受的运行环境。

国内许多厂商已开始尝试，但相较于“依附式”延伸，Agent嵌入复杂企业流程时常面临门槛高、集成难、成本难控问题。阿里云百炼选择另一路径：从底层构建完整体系，连接模型、开发框架和企业运维需求。

为解决这些问题，阿里云提出“1+2+7”企业级Agent体系：一套模型服务、两种开发模式、七大关键能力。

在阿里云百炼的“1+2+7”体系中，“2”代表两种开发模式。低代码的ADP，让企业像拼装乐高快速验证原型，将想法迅速落地；高代码的ADK，则开放底层接口，支持复杂业务的深度定制和大规模部署。

但行业内，这种双轨并行设计并不多见。许多厂商要么只强调“低代码”，侧重易用性，但企业很快遇到扩展天花板；要么只提供“高代码”，门槛太高，需企业投入大量开发资源，周期和成本难以承受。

百炼允许企业“分阶段上车”：早期可用ADP快速试错，找到有效应用场景；一旦验证有效，就能无缝切换到ADK，支撑深度定制和规模化运行。

这样既降低前期探索成本，又避免“重构”或“二次开发”的重复投入，保证业务连续性。对那些缺乏强大研发团队的传统企业，这种双轨架构尤其友好——他们既能像互联网公司快速试验，又能在规模化阶段享受成熟平台的稳定性和扩展性。

为了让Agent真正“跑起来”，百炼进一步补齐记忆管理、工具连接、安全沙箱、日志追踪与评测、动态推理、支付与交易入口、文件与数据管理七大关键能力，这些技术点正应对企业落地时的“卡点”：从测试到运维，从集成到闭环，企业无需东拼西凑。

“阿里云提供一站式模型服务平台百炼，支持模型定制化以及Agent快速开发，同时提供AgentBay运行环境、灵码/Qoder等开发者套件，让开发者方便使用模型能力和创建Agent。”吴泳铭在云栖大会上介绍。

阿里云百炼的价值已在一些企业显现。

在金融领域，网商银行用百炼接管风控流程，自动识别26种凭证和400多类细粒度物体，准确率超95%，任务处理时间从3小时缩短到5分钟，流转效率提升50%~300%。招聘平台鱼泡网通过10多个数据处理Agent，自动清洗上百万条职位和简历信息，人岗匹配效率提高80%；智能学习机“听力熊”在百炼上衍生50多种交互技能，覆盖百万青少年用户，日均交互量居同类首位。

截至目前，已有超20万开发者在阿里云百炼平台构建超80万个Agent，模型调用量同比增长超15倍。Agent价值在具体业务中不断验证。

这些成果背后，是阿里云的选择——以更扎实方式打造企业开发AI Agent的土壤，让不同企业、开发者和场景都能生长出可见价值。

当前落地成效需结合长期积累理解：据调研机构Omdia报告，阿里云连续多年居国内云计算+AI市场份额第一，2025年上半年商业体量超第二到第四名总和。这不仅体现技术领先优势，更在规模和客户信任度上建立行业门槛。十万级企业客户在阿里云运行业务，使其成为国内最经验证的AI+云平台。

阿里云百炼展现的能力，正是阿里云过去几年AI与云计算结合的长线布局，如今开始显形。

03

全球领先的全栈人工智能服务商

如果说大模型解决“智能从何而来”，那么Agent代表AI真正进入商业世界下一阶段。它不再停留于生成文本、图片、视频，而是具备感知、理解、执行与反馈能力，能在真实场景承担任务、创造价值。对企业而言，Agent已成为能直接嵌入流程、推动增长的生产力工具。

正如吴泳铭所说：“一切才刚刚开始。AI将重构整个基础设施、软件和应用体系，成为真实世界核心驱动力，掀起新一轮智能化革命。”

在这条路径上，阿里云布局清晰完整：模型提供智能，百炼降低开发门槛，基础设施保障大规模落地。通义千问系列模型在多项权威评测中跻身全球第一梯队，为Agent提供底层推理和决策能力；百炼平台将复杂开发过程拆解为可复用模块，企业既可通过低代码快速搭建，也能用高代码深度定制；基础设施解决规模化运行难题，从算力、存储到推理加速，覆盖Agent从训练到部署全链路需求。

“模型—平台—基础设施”组合构成完整闭环，让AI不仅能“做出来”，更能“跑起来”。对企业，这意味着更低试错成本和更快落地周期；对行业，意味着AI真正进入可批量创造财富阶段。

由此，阿里云“全球领先的全栈人工智能服务商”角色更加明确。

更重要的是，这不仅是阿里云的战略选择，也关乎中国在全球AI竞争中的位置。Agent被视为继大模型之后新一轮产业高地，谁能率先落地，谁就在未来产业版图中掌握更多主动权。阿里云通过全栈能力体系化建设，让中国企业不必完全依赖海外方案，就能在本土完成从研发到应用的闭环。

这种能力，既是企业确定性的基石，也是国家在全球科技竞争中不可或缺的底气。