此刻的Agent，未來的ASI：阿里云的全棧路徑

工業(yè)革命把蒸汽機接入生產(chǎn)線，放大了人類的體力；信息革命讓計算機走進工廠和辦公室，放大了人類處理信息的能力。阿里巴巴集團CEO吳泳銘在2025年云棲大會上判斷，AI將是新一次躍遷的起點，它會放大人類的智力，并最終走向能夠自我進化的超級人工智能（ASI）。

“通用人工智能（AGI：Artificial General Intelligence）并非AI發(fā)展的終點，而是全新的起點。AI不會止步于AGI，它將邁向超越人類、能夠自我迭代進化的超級人工智能（ASI：Artificial Superintelligence）?！眳怯俱懺谥黝}演講中說道。

這個判斷并不遙遠，在一些企業(yè)的日常運營里，越來越多Agent替代人工比對、人工處理的環(huán)節(jié)，讓重復勞動被自動化，讓復雜流程變得更快、更精準。Agent是能讓大模型真正落地產(chǎn)業(yè)，釋放實際價值的方式之一。

今年5月，普華永道調(diào)研了全球300名高管，結果顯示，79%的受訪公司已經(jīng)在某些業(yè)務中應用AI Agent；其中66%表示生產(chǎn)力提升，57%看到了成本下降，55%感受到?jīng)Q策效率加快，54%提升了客戶體驗。

也因此，在今年幾乎所有科技巨頭的發(fā)布會里，Agent都是高頻詞。從OpenAI推出能在ChatGPT內(nèi)直接執(zhí)行任務的Agent Mode，到微軟用Copilot打造“Agentic Web”，再到谷歌最新發(fā)布的Jules Agent，還有字節(jié)跳動的Coze、百度的全平臺智能Agent，幾乎沒有一家互聯(lián)網(wǎng)大公司缺席。

阿里云百煉Agent開發(fā)平臺的定位也與阿里對ASI的判斷有關，它并不是一個面向C端、蹭熱度、炒概念的體驗型應用，而是能讓企業(yè)便捷、有效搭建企業(yè)AI Agent的土壤，將企業(yè)做智能體所需的全部環(huán)節(jié)——從模型調(diào)用、框架搭建，到資源調(diào)度、合規(guī)運維——都系統(tǒng)化打包在了一起。

更背后的支撐，是一條完整的產(chǎn)業(yè)鏈路：從通義系列基礎模型，到百煉企業(yè)級開發(fā)平臺，再到算力、存儲、數(shù)據(jù)庫等底層基礎設施。它不僅讓企業(yè)今天的Agent能夠真正跑起來，也在為未來邁向超級人工智能奠定基礎。

未來的宏大目標與當下的具體應用，貫穿在一起，這也是阿里云一直以來的風格——既能解決今天的痛點，也能押注下一輪智能化躍遷。

01 有好基礎，才能讓Agent真正長出來

在剛剛閉幕的云棲大會上，吳泳銘宣布，阿里云正式升級為“全棧人工智能服務商”，發(fā)起一場面向未來計算范式的總攻。他提出，大模型是新的操作系統(tǒng)，超級AI云是新的計算機，未來世界，將由不多的幾個“超級AI平臺”共同支撐。

圍繞這一判斷，阿里云的戰(zhàn)略始終未變：過去、現(xiàn)在、未來都在建設基礎設施、打磨底座模型上不遺余力，未來也會繼續(xù)在這兩個方向加大投入。這不僅是阿里云邁入下一階段的底氣，也是企業(yè)客戶獲得長期價值的根本保障。

穩(wěn)固的基礎設施和強大的基座模型，可以讓Agent真正落到業(yè)務場景。

很多人談Agent，容易把目光放在前端的交互體驗上。但企業(yè)真正的判斷標準往往更現(xiàn)實：這個平臺是不是足夠穩(wěn)？能不能支撐大規(guī)模調(diào)用？能不能和已有系統(tǒng)順暢銜接？只有當?shù)讓拥膇nfra和基礎模型夠強，Agent平臺才算真正好用。

基礎模型的強弱幾乎決定了它能站上的梯隊。阿里自研的通義千問系列，在中文理解、工具調(diào)用、多模態(tài)任務上的能力，已經(jīng)讓它成為國內(nèi)乃至全球極具競爭力的開源體系之一。在國內(nèi)外多個權威評測中，Qwen模型已經(jīng)在中文綜合能力、數(shù)學與推理任務、代碼生成等維度取得全球前列的成績。例如在MMLU、CMMLU、AGIEval等基準測試上，Qwen的最新版本多次超過GPT-4-turbo、Claude 3 Sonnet等國際強勁對手。

在本次云棲大會上，阿里云一口氣更新了6個模型，發(fā)布了一個新的品牌：萬億參數(shù)、Coding與工具調(diào)用能力登頂國際榜單的Qwen3-MAX，其在推理、代碼和視覺上都對標國際一線水準，同時Qwen-Plus、Qwen-Flash等衍生版本覆蓋了從輕量推理到重度生成的全場景需求；新一代原生全模態(tài)大模型Qwen3-Omni；看懂、理解并響應世界的Qwen3-VL；能“改字不崩臉、換裝不走樣”的圖像模型Qwen-Image；TerminalBench分數(shù)大幅提升的Qwen3-Coder；音畫同步視頻生成的Wan2.5-Preview；以及企業(yè)級語音基座大模型通義百聆。

模型的更新展示了智能的“上限”，而要讓這些能力真正落地，離不開算力、存儲和調(diào)度系統(tǒng)的托底。

大規(guī)模彈性，是行業(yè)里對AI平臺的第一要求。Agent在真實業(yè)務里，流量波動常常是不可預測的：可能今天還是幾百個調(diào)用，明天就有可能擴展到幾十萬。沒有彈性，企業(yè)要么因為算力不足停擺，要么被迫長期囤積資源，增加巨額成本。阿里云給出的解法是ACS GPU 的 serverless彈性架構，企業(yè)能在秒級拉起百億參數(shù)模型實例，并結合容器服務ACK實現(xiàn)跨集群、跨地域的調(diào)度，再配合vLLM、KServe等推理引擎，大幅降低冷啟動時延，讓算力真正像“水電”一樣隨用隨取。

高可用與穩(wěn)定性，是企業(yè)敢不敢把Agent放進核心流程的前提。一個風控出錯，或者一次停機，可能會造成巨額損失。阿里云依托對象存儲OSS，在千億級數(shù)據(jù)量下依然保持低成本和高并發(fā)的存儲與檢索能力；在計算層面，通過自動隔離故障節(jié)點與分鐘級自愈能力，保障計算任務持續(xù)穩(wěn)定運行；在數(shù)據(jù)庫層面，云原生數(shù)據(jù)庫PolarDB等產(chǎn)品為金融級場景提供實時可靠的支撐。這些底層保障，讓萬億參數(shù)的MoE模型也能長期、穩(wěn)定地在阿里云環(huán)境中運行。

長短期記憶與檢索，則是智能體能否進化的關鍵。業(yè)界普遍認識到，如果Agent只能“一問一答”，而不能記住過去的對話和文檔，它就無法形成真正的生產(chǎn)力。阿里云在體系里加入了Tablestore和Lindorm：前者承載短期會話與長期知識庫，后者支撐多模數(shù)據(jù)的統(tǒng)一管理與檢索，幫助企業(yè)把SOP、合同、業(yè)務知識沉淀下來，讓Agent能在連續(xù)任務中調(diào)用過往經(jīng)驗，逐步形成真實的“組織記憶”。

推理優(yōu)化與加速，則是決定Agent能否“算得清賬”的核心。企業(yè)普遍關心的問題是：推理要多久？成本能不能承受？阿里云 人工智能平臺PAI 在 MoE、DiT、強化學習等架構上推出專門引擎：paiMoE 提升 Qwen3 訓練加速比 3 倍；paiFuser 在視頻生成任務中縮短了近三成的樣本處理時間；PAI-RL 實現(xiàn)了多輪強化學習優(yōu)化；而推理服務 PAI-EAS 顯著降低冷啟動和擴容時延，吞吐率提升超過 70%。這意味著 Agent 不僅能更快上線，還能以更低成本支撐大規(guī)模用戶交互。

整體來看，阿里云基礎設施的四個特點是：大規(guī)模彈性、高可用與穩(wěn)定性、長短期記憶與檢索，以及推理優(yōu)化與加速。這些關鍵詞也在過去一年的阿里云飛天發(fā)布時刻欄目中被反復提及，它們覆蓋了企業(yè)最關心的“能不能擴展”“敢不敢依賴”“會不會遺忘”“算不算得清”的問題。

02 讓AI Agent從企業(yè)業(yè)務土壤中長出來

在這次云棲大會上，吳泳銘解釋了通往 ASI 的三階段演進路線：第一階段，“智能涌現(xiàn)”，AI 通過學習海量人類知識具備泛化智能；第二階段，“自主行動”，AI 掌握工具使用和編程能力以 “輔助人”，這是行業(yè)當前所處的階段；第三階段，“自我迭代”，AI 通過連接物理世界并實現(xiàn)自學習，最終實現(xiàn) “超越人”。

吳泳銘還提到，我們當下所處的，就是第二階段，“現(xiàn)在的 Agent 還比較早期，解決的主要是標準化和短周期的任務……未來，也許會有超過全球人口數(shù)量的 Agent 和機器人與人類一起工作，對真實世界產(chǎn)生巨大影響。在這個過程中，AI 就能連接真實世界的絕大部分場景和數(shù)據(jù)，為未來的進化創(chuàng)造條件?！?/p>

從“智能涌現(xiàn)”到“自主行動”，再到未來的 “自我迭代”，大模型的任務邊界正在不斷擴大。阿里云的基礎設施升級，正是為了讓企業(yè)在面對越來越復雜的推理和規(guī)劃任務時，能夠有穩(wěn)定、可控、性價比可接受的運行環(huán)境。

國內(nèi)許多廠商已然開始了自己的嘗試，但相較于“依附式”的延伸，Agent真正要嵌入復雜的企業(yè)流程時，往往會遭遇門檻高、集成難、成本難控的問題。阿里云百煉選擇了另一條路徑：從底層搭建出完整的體系，把模型、開發(fā)框架和企業(yè)運維需求連成一體。

為了解決這些問題，阿里云提出了“1+2+7”企業(yè)級 Agent 體系：一套模型服務、兩種開發(fā)模式、七大關鍵能力。

在阿里云百煉的“1+2+7”體系里，“2”代表兩種開發(fā)模式。低代碼的 ADP，讓企業(yè)能像拼裝樂高一樣快速驗證原型，把想法迅速落到具體場景；高代碼的 ADK，則開放底層接口，支持復雜業(yè)務的深度定制和大規(guī)模部署。

但在行業(yè)內(nèi)，這樣雙軌并行的設計并不多見。很多廠商要么只強調(diào)“低代碼”，側重易用性，但企業(yè)很快會遇到難以擴展的天花板；要么只提供“高代碼”，門檻太高，需要企業(yè)投入大量開發(fā)資源，周期和成本都難以接受。

而百煉允許企業(yè)“分階段上車”：早期可以用 ADP 快速試錯，找到有效的應用場景；一旦驗證有效，就能無縫切換到 ADK，支撐深度定制和規(guī)?；\行。

這樣既降低了前期的探索成本，又避免了“重構”或“二次開發(fā)”的重復投入，保證了業(yè)務連續(xù)性。對那些本身缺乏強大研發(fā)團隊的傳統(tǒng)企業(yè)而言，這種雙軌架構尤其友好——他們既能像互聯(lián)網(wǎng)公司一樣快速試驗，又能在規(guī)?；A段享受到成熟平臺的穩(wěn)定性和擴展性。

為了讓這些 Agent 真正“跑起來”，百煉進一步補齊了記憶管理、工具連接、安全沙箱、日志追蹤與評測、動態(tài)推理、支付與交易入口、文件與數(shù)據(jù)管理七大關鍵能力，這些看似只是單純的技術點，其實正對企業(yè)落地時的“卡點”：從測試到運維，從集成到閉環(huán)，企業(yè)不用再東拼西湊了。

“阿里云提供一站式模型服務平臺百煉，支持模型定制化以及 Agent 快速開發(fā)，同時提供 AgentBay 這樣的 Agent 運行環(huán)境、靈碼 /Qoder 等一系列開發(fā)者套件，讓開發(fā)者可以方便地使用模型能力和創(chuàng)建使用 Agent?！眳怯俱懺谠茥髸辖榻B。

而阿里云百煉的價值，目前也已經(jīng)在一些企業(yè)里顯現(xiàn)。

在金融領域，網(wǎng)商銀行用阿里云百煉接管風控流程，26 種憑證和 400 多類細粒度物體可被自動識別，準確率超過 95%，任務處理時間從 3 小時縮短到 5 分鐘，流轉效率提升 50%~300%。招聘平臺魚泡網(wǎng)則通過 10 多個數(shù)據(jù)處理 Agent，把上百萬條職位和簡歷信息自動清洗，人崗匹配效率提高 80%；而智能學習機“聽力熊”在百煉上衍生出 50 多種交互技能，覆蓋百萬青少年用戶，日均交互量居同類產(chǎn)品首位。

截至目前，已有超 20 萬開發(fā)者在阿里云百煉平臺上構建了超過 80 萬個 Agent，模型調(diào)用量同比增長超 15 倍。Agent 的價值在具體業(yè)務里被不斷驗證。

這些成果背后，是阿里云的選擇——用一條更扎實的方式，去打造企業(yè)開發(fā) AI Agent 的土壤，讓不同的企業(yè)、開發(fā)者和場景都能在其上長出可見的價值。

今天的落地成效，需要放到過往的長期積累里去理解：根據(jù)調(diào)研機構Omdia報告，阿里云已經(jīng)連續(xù)多年在國內(nèi)云計算+AI 市場份額排名第一，2025年上半年，其商業(yè)體量超過第二到第四名的總和。這意味著它不只是在技術層面有領先優(yōu)勢，更在規(guī)模和客戶信任度上建立了行業(yè)門檻。十萬級企業(yè)客戶在阿里云上運行業(yè)務，讓它成為國內(nèi)最被驗證的 AI+ 云平臺。

而阿里云百煉今天呈現(xiàn)出來的能力，其實也是阿里云過去幾年在 AI 與云計算結合上的長線布局，如今開始顯形。

03 全球領先的全棧人工智能服務商

如果說大模型解決了“智能從何而來”的問題，那么 Agent 則代表著 AI 真正進入商業(yè)世界的下一個階段。它不再停留在生成文本、圖片、視頻的層面，而是具備了感知、理解、執(zhí)行與反饋的能力，能夠在真實場景里承擔任務，創(chuàng)造價值。對企業(yè)而言，Agent 已經(jīng)變成了能直接嵌入流程、推動增長的生產(chǎn)力工具。

正如吳泳銘所說：“一切才剛剛開始。AI 將重構整個基礎設施、軟件和應用體系，成為真實世界的核心驅動力，掀起新一輪智能化革命?！?/p>

在這條路徑上，阿里云的布局清晰而完整：模型提供智能，百煉降低開發(fā)門檻，基礎設施保障大規(guī)模落地。通義千問系列模型在多個權威評測中躋身全球第一梯隊，為 Agent 提供了底層的推理和決策能力；百煉平臺把復雜的開發(fā)過程拆解為可復用的模塊，企業(yè)既可以通過低代碼快速搭建，也能用高代碼深度定制；基礎設施則解決了規(guī)模化運行的難題，從算力、存儲到推理加速，覆蓋了 Agent 從訓練到部署的全鏈路需求。

“模型—平臺—基礎設施”的組合，構成了一套完整的閉環(huán)，讓 AI 不僅能“做出來”，更能“跑得起來”。對于企業(yè)來說，它意味著更低的試錯成本和更快的落地周期；對于整個行業(yè)來說，它意味著 AI 真正進入了可以批量創(chuàng)造財富的階段。

由此，阿里云的“全球領先的全棧人工智能服務商”的角色也更加明確。

更重要的是，這不僅是阿里云的戰(zhàn)略選擇，也關乎中國在全球 AI 競爭中的位置。Agent 被認為是繼大模型之后的新一輪產(chǎn)業(yè)高地，誰能率先把它真正落地，誰就能在未來的產(chǎn)業(yè)版圖中掌握更多主動權。阿里云通過全棧能力的體系化建設，讓中國的企業(yè)不必完全依賴海外方案，就能在本土完成從研發(fā)到應用的閉環(huán)。

這種能力，既是企業(yè)確定性的基石，也是國家在全球科技競爭中不可或缺的底氣。