共计 1329 个字符，预计需要花费 4 分钟才能阅读完成。
智能体正从演示走进日常事务。 用户一句“帮我沟通赔偿”,Agent 便去查订单、核对航班、联系客服。此时云厂商交付的不再是一次模型调用, 而是一段能跑到结束的运行环境。阿里云给出的答案是 Agentic Cloud。
📌 一、任务变长, 云的交付边界随之改变
聊天机器人返回文本即可结束请求; 替用户办事的智能体要等待外部系统响应 , 中途生成文件, 再依据反馈调整下一步。用户关掉界面, 任务未必停止。任务以亿为单位运行时, 云要保证的是整段过程的连续与可靠。Gartner 预测,AI 智能体软件支出将从 2025 年的 864 亿美元增至 2026 年的 2065 亿美元,2027 年达到 3763 亿美元。运行环境、状态管理、工具调用由此成为云必须回答的问题。
🔍 二、四家云厂商几乎同时换道
Omdia 报告把 AWS、阿里云、Google Cloud 和微软 Azure 列为 Agentic AI 云领导者。Google Cloud 宣布从 Cloud Native 转向 Agent Native,AWS 推出 Bedrock AgentCore,Azure 的 Foundry Agent Service 商用, 阿里云则明确提出 Agentic Cloud。阿里云今年 5 月提出转型, 四个月后的云栖大会上, 阿里巴巴 CEO 吴泳铭将其概括为“芯片负责生产 Token, 云负责把 Token 送到每一个需要它的地方”。CTO 李飞飞把体系拆成“生产智能”和“创造价值”两端, 中间正是 Agentic Cloud 要交付的内容。
💡 三、四项能力拼的是协同
- 全域认知引擎:OpenLake 提供多模态数据湖仓,ApsaraLakebase 以湖库一体架构支持数据版本管理,Agent Context 把散落资料整理成任务可用的上下文。
- 自主运行与持续进化:AgentCore 把沙箱、存储、监控托管化, 支持长任务、失败重试、断点恢复与异步执行。
- 可信协作与治理:Agent Identity 明确智能体代表谁执行、能触碰哪些系统, 并配合安全机制与可观测能力追溯调用过程。
- 智能实时决策: 灵骏支撑训练与推理,CPFS 处理大规模训练的数据读写, 让响应速度和成本跟上业务节奏。
这些能力分属不同层面。 沙箱和存储提供执行条件 ,Harness 组织任务与反馈, 企业数据形成上下文, 治理决定放手边界。任何一环跟不上, 任务都可能停在半路。
📊 四、真实业务检验工程能力
MiniMax 与阿里云的合作覆盖训练到推理。 强化学习需要模型进入环境改代码、编译、跑测试 , 对沙箱弹性要求远超传统云。阿里云 Agent Sandbox 可每分钟十万级并发拉起, 支撑百万级并发运行, 启动约一到两秒。MiniMax 方面提到,AgenticFS 让每个用户拥有独立性能配额, 可直接挂载沙箱, 减少此前对象存储带来的等待。
小鹏集团则与阿里云共建企业数据底座, 把分散业务知识组织成智能体可用的上下文 。模型分数只是起点, 数据组织、任务执行、故障定位与修复都要靠工程补齐。
🚀 总结
围绕“Agentic Cloud, 阿里云如何接住模型之后的生意”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
