0
如果你連續(xù)幾年參加云相關的峰會，今年就會有一個明顯的感受：話題變了。
過去我們聊云，我們在聊什么？
一來是聊云，我們聊的是怎么把服務器搬上去。
再后來，我們聊的是怎么在云上跑AI，買GPU、調模型、搭推理服務?？赡艽蠹疫€會有印象，去年這個時候，大家的焦點還是哪家云的GPU夠便宜、模型推理延遲多少、算力供應夠不夠。
但今年，行業(yè)的問題完全變了。今年云計算行業(yè)一個非常大的變化是，大家都開始聊，怎么讓Agent自主使用云。
5月20日，杭州，雷峰網(公眾號：雷峰網)參與了阿里云峰會，現場觀察到阿里云把這個問題擺到了臺面上，而且給出了一個系統(tǒng)性的回答。
從發(fā)布搭載自研芯片真武M890的超節(jié)點服務器、推出國產第一的旗艦模型Qwen3.7-Max、升級百煉推理平臺，到推出100多個云產品Skill、建設Agent原生基礎設施、重寫云的入口，阿里云正在徹徹底底地為Agent重建從芯片到入口的整套基礎設施。
值得注意的是，就在上周，阿里財報剛剛交出AI收入連續(xù)11個季度三位數增長、百煉平臺ARR突破80億元的成績單，消息發(fā)布當天阿里股價飆漲8%。
據某云計算行業(yè)人士透露："阿里云在大模型的MaaS市場是規(guī)模第一。"他表示，真正的市場按國際通用標準應看大語言模型（LLM），"在這個市場，阿里云一直都是第一，而且還在加速增長。"
從財報到峰會落地全棧Agent化方案，中間沒有猶豫期。吳泳銘在財報電話會上將Agent時代定義為"一場計算范式的革命"，而這次峰會就是對這場革命的系統(tǒng)性回應。
阿里云為何要革新云？這還是要回到一個正在發(fā)生的根本性變化，云的服務對象，正在發(fā)生巨變。
過去十幾年，云產品的使用方式其實很固定：開發(fā)者登錄控制臺，買服務器、配網絡、配數據庫、部署應用。這背后，有一個云計算行業(yè)最底層的產品邏輯，云平臺默認"操作者"是人，所有產品設計都是圍繞人怎么操作展開的。
但 Agent 時代，這個邏輯開始松動。
就拿雷峰網所在的內容創(chuàng)作領域來說，現在我們已經在用Agent干很多事：掃描幾十個信源、提煉觀點、生成選題、甚至起草初稿。但你可能沒注意到的是，這背后每完成一個任務，Agent都在自動調用云資源、調模型做推理、調存儲讀歷史文章、調搜索接口抓實時信息、調向量數據庫做語義匹配。
一篇稿子從選題到成文，Agent可能已經發(fā)起了上百次調用。整個過程，人只說了一句話。所以說，真正頻繁調用云資源的，變成了Agent。
而且這個變化的幅度，遠比看起來大。以前云服務的是幾百萬登錄控制臺的人，以后要服務的是數以億計、永不下線的Agent。阿里云公共云事業(yè)部總裁劉偉光在峰會上說，AI勞動者和人類勞動者相比，規(guī)模上不僅多了N個數量級，而且可以24×7不間斷運轉。這是量級躍遷。
而這種量級躍遷，對于云操作系統(tǒng)的影響是結構性的。
這意味著云系統(tǒng)必須從原來為人設計的"人機交互系統(tǒng)"，變成面向機器的"機器執(zhí)行系統(tǒng)"。而當服務對象從人變成 Agent，三個問題必須回答：
第一，怎么讓 Agent 真正看懂云？過去的交互界面是給人設計的，Agent 看不懂這些，它需要可以直接調用的標準接口和封裝好的專家知識。云產品必須配備一本"機器能讀懂的說明書"。
第二，怎么管理海量 Agent 的執(zhí)行行為？上百萬 Agent 同時執(zhí)行不同任務，怎么調度、怎么隔離、怎么控制成本？這些在傳統(tǒng)云的穩(wěn)態(tài)負載時代不是問題，在 Agent 的炸裂式負載面前，每一環(huán)都需要重新設計。
第三，怎么保證 Agent 行為的安全？這個問題在云時代幾乎不存在。但Agent火了之后，李飛飛說，"很多人問的第一個問題就是，你把任務都交給 Agent 以后，它的安全怎么保障？"傳統(tǒng)云安全防的是壞人，Agent 時代要防的是好心辦壞事的 AI。這是一個過去從未出現過的新命題。
三個問題，指向同一個結論：不是在云上加一層 AI 能力就夠了，而是要用 Agent 的邏輯，從頭重寫云。
怎么重寫？這是阿里云本次峰會上的一大核心內容。
和外界想象的不同，阿里云這次不是只動了云平臺這一層，而是從芯片、云平臺、模型到MaaS推理平臺同時動刀，是一次四層全棧改造。其中云平臺層可以概括為兩層改造。
第一層，把現有的60多個云產品，改造成Agent能直接調用的標準化技能。李飛飛在峰會上扔了一個時間節(jié)點：今年內，阿里云所有云產品都會完成控制面改造，以Agent為優(yōu)先用戶。
具體來看，各條產品線已經在動了。
存儲線推出了OSS Agent，幫用戶自動管理和優(yōu)化冷存儲空間。數據庫線，瑤池數據庫長出了自己的Agent，能做自動化運維和數據分析。
數據開發(fā)線，DataWorks Agent，提供了一個統(tǒng)一的面向智能體的數據開發(fā)平臺。安全和運維線也在全面Agent化。用李飛飛的話說，"讓每個產品都有自己的Agent。"
第二層，為Agent建一套全新的運行環(huán)境，從沙箱運行時、記憶系統(tǒng)、多Agent編排到安全治理，全部從零設計。
目前，阿里云為Agent新建的基礎設施拆成了六個方向，其中有三個可以重點展開講講。
第一，運行時。Agent不是一直跑著的。它的典型特征是：接到任務，瞬間啟動，瘋狂調用資源，干完活就消失。這就要求運行環(huán)境必須具備兩個能力：極速彈性，以及強隔離。
李飛飛給出的數字是：阿里云的Agent沙箱支持百毫秒級冷啟動，"一分鐘可以開啟1萬到2萬多個沙箱"。同時支持淺休眠和深度休眠，Agent干完活就休眠，有新任務秒級喚醒，不用一直占著資源。
第二，記憶。這一點對Agent來說比對人更根本。人開會可以翻聊天記錄，Agent執(zhí)行跨天任務怎么辦？李飛飛把Agent的記憶分了三層：短期記憶，Agent干活干到一半，不能抬頭就忘；長期記憶，跨任務的上下文，今天干一半，休眠，明天醒來接著干，中間的上下文不能丟；知識記憶，外掛的企業(yè)知識庫，通過RAG、向量數據庫、多模態(tài)數據引擎，讓Agent能檢索企業(yè)沉淀多年的知識。
對應到產品上，阿里云的數據庫產品、存儲產品、大數據產品等，全線推出了支持長短記憶和知識庫結合的功能，分層存儲，按需喚醒。
第三，安全。阿里云在峰會上給出的方案是一整套面向Agent的安全體系：Agent安全中心、AI安全護欄、Agent防火墻等產品。除了這三個方向，還有編排、治理、數據平面，每一個方向都在從零開始建。
云平臺層的改造之外，這次峰會上同樣重磅的，是芯片、模型和推理平臺三層的同步升級。
Agent時代的海量并發(fā)推理，對底層算力提出了完全不同的要求。平頭哥在峰會上發(fā)布了128卡超節(jié)點服務器，搭載新一代訓推一體芯片真武M890與自研互聯芯片ICN Switch 1.0。
目前，平頭哥AI芯片"真武"累計出貨已達56萬片，60%以上服務外部客戶，服務包括中國電信、中國一汽、浦發(fā)銀行在內的400多家客戶。
全球范圍內，擁有自研AI芯片并大規(guī)模商用的云廠商只有四家：谷歌、亞馬遜、微軟、阿里云。在國內市場，阿里云是唯一同時具備GPU、CPU、存儲、網絡芯片全棧自研能力的公有云廠商，這是獨一無二的結構性壁壘。
Agent要完成復雜任務，模型能力是底座。在三方機構Arena全球大模型盲測總榜中，Qwen3.7-Max與GPT、Claude、Gemini最強模型接近，位列國產模型第一。同時該模型編程能力位居前列，面向Agent全新設計，可勝任35小時長程復雜任務。
更值得關注的是迭代速度——近3個月千問旗艦模型已連續(xù)迭代3.5、3.6、3.7三個版本，這種迭代節(jié)奏在全球旗艦模型中也屬最快之列。
Agent的爆發(fā)式調用對推理平臺的穩(wěn)定性和彈性提出了極端要求。阿里云在百煉平臺上構建了大規(guī)模GPU資源集群，并通過一套完整的技術棧來應對Agent場景的特殊挑戰(zhàn)。
平臺生態(tài)同樣在加速打開——九家模型廠商入駐百煉，開放接入GLM-5.1、MiniMax M2.7、Kimi K2.6等頂尖模型，開放度對標AWS Bedrock。百煉平臺半年內Token消耗增長超10倍，這本身就是Agent時代到來的最直觀注腳。
前兩部分講了兩個判斷，第一，調云的主體從人變成了Agent；第二，阿里云用Agent邏輯重寫"芯-云-模型-推理"全棧技術體系。但這里還剩下一個問題：當用戶從人變成Agent，云的第一個接觸點——入口，應該是什么樣？
阿里云在本次峰會最后給出的答案，是"千問云"。
乍一看，這是一個新產品發(fā)布。放在峰會的壓軸位置，也很容易被理解成阿里云又發(fā)了一個AI產品。但如果把前兩部分的邏輯串起來，你會發(fā)現千問云不是又一個產品，而是整套邏輯的終點。
還是先退一步看，過去十幾年，云計算的入口一直是一個東西：控制臺。
開發(fā)者登錄進去，左邊是產品目錄，計算、存儲、網絡、數據庫、安全，幾十個大類、上百個產品，像超市貨架一樣排開。你看中哪個，點進去，看參數、選規(guī)格、填配置、下單。但回到第一部分的結論——如果未來頻繁調用云的是Agent而不是人，那這套"超市貨架"邏輯就從根本上不成立了。
Agent不需要逛貨架。它不需要看產品介紹。它甚至不需要知道ECS和OSS的區(qū)別，它只需要知道自己要完成什么任務，然后找到能完成這個任務的能力。
這意味著，云的入口必須從產品目錄變成一個任務引擎，不是我能賣你什么，而是你想干什么，我來調度。
這就是千問云在做的事。千問云目前對外呈現的，可以拆成三層來理解。
第一層，模型聚合。入口的第一件事，是讓用戶先接觸到"能力"而不是"產品"。過去你打開阿里云官網，最先看到的是產品列表。千問云打開后的第一屏，是模型。據阿里云峰會上公布的數據，千問云集成了150多個模型系列、480多款模型，從千問自身到三方模型全覆蓋。
第二層，阿里云把多款云產品改造成了Agent可調用的標準化Skill。千問云就是這些Skill的門面，12條產品線、60多個產品的核心能力，封裝成100多個Agent能直接讀懂的技能包。
這形成了一個"雙面入口"：對人來說，你想做什么就找對應的Skill，是一個能力超市；對Agent來說，它通過MCP協(xié)議直接調用同一套Skill，不需要理解云產品的內部邏輯。同一個入口，兩種用戶，一套能力。
第三層，CLI工具。如果說Skill是讓Agent看得懂云，CLI就是讓Agent用得快。人用云，要登錄、選產品、配參數、等部署，每一步都得自己盯。Agent用云，應該是告訴它做什么，它就做完了，中間不需要人插手，也不需要圖形界面。千問云提供的CLI工具，讓Agent可以自己完成一系列全流程，人連屏幕都不用看。
從模型、Skill到CLI，千問云本質上都在做同一件事，開始重新定義"進云"這件事。
如果說上一代云計算的核心是把服務器搬上云，那么這一代云計算的變化，可能是調用云的人正在消失，Agent，正在成為新的入口。而阿里云所做的，就是提前為Agent時代，把整套云計算邏輯重新搭了一遍。
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
