0
云廠商突圍，今天已迫在眉睫。
在市場(chǎng)廝殺多年，云市場(chǎng)早已被“鉗”得窒息——難以遏止的惡性價(jià)格戰(zhàn)、難以標(biāo)品化的項(xiàng)目、難以規(guī)?；母咄度肷虡I(yè)模式，就像一個(gè)泥潭，讓廠商們深陷其中。
而被市場(chǎng)“炒了又熱，熱了又炒”的大模型，會(huì)是云廠商沖破泥潭的突破口嗎？許多人如此相信，但如何突圍，答案還并不明朗。
12 月 18、19 日，字節(jié)火山引擎召開(kāi)了 2025 年的冬季 Force 大會(huì)，以豆包大模型 1.8、視頻生成模型 Seedance 1.5 pro 等新進(jìn)展，決心在行業(yè)的堅(jiān)壁上砸開(kāi)一條“渠”，把 AI 的“活水”引進(jìn)行業(yè)。
可以說(shuō)，Agent 是今天 AI 實(shí)現(xiàn)突破的“超級(jí)共識(shí)”，但怎么發(fā)展 Agent，卻仍然是廠商們眾說(shuō)紛紜的“多元敘事”。
Agent Infra 平臺(tái)——“AgentKit”，則是火山為了這場(chǎng)“大考”給出的答案。
今天，Agent 開(kāi)發(fā)者平臺(tái)不少，火山做 AgentKit 背后的邏輯是什么？這一切，或許早就可以從火山引擎的發(fā)展史中，找到暗藏的草蛇灰線。
2025 年，哪家云廠商 MaaS 走得最靠前？答案非火山引擎莫屬。
IDC 十月的報(bào)告《中國(guó)大模型公有云服務(wù)市場(chǎng)分析2025H1》顯示，今年上半年，中國(guó)公有云上大模型調(diào)用量達(dá) 536.7 萬(wàn)億 Tokens。其中，火山引擎的調(diào)用量全國(guó)第一，市場(chǎng)份額 49.2%，獨(dú)占半壁江山。
而五年前，早期的火山引擎被夾在一眾傳統(tǒng)云大廠中間，在市場(chǎng)上舉步艱難。
火山引擎，一直等待著一個(gè)機(jī)會(huì)。2023 年，大模型帶來(lái)了新市場(chǎng)和新機(jī)會(huì)。看到超車(chē)窗口，其他競(jìng)爭(zhēng)者一擁而上，在百模大戰(zhàn)中做了“分母”；而火山則不同，作為中國(guó)第一家制定了 MaaS 戰(zhàn)略的云廠，憑借著扎實(shí)的技術(shù)基礎(chǔ)和穩(wěn)定的執(zhí)行，在智駕領(lǐng)域彎道超車(chē)，吃下了不少主流廠商的 AI Infra 需求。
幾年前，仍在 IaaS、PaaS、SaaS 架構(gòu)下掙扎的云廠商中間，就已經(jīng)有不少人開(kāi)始發(fā)現(xiàn)，原有的市場(chǎng)模式正在失效。而新的 MaaS 架構(gòu)以模型為核心進(jìn)行設(shè)計(jì)，讓云向著 AI 原生的方向又走出了一步。
從“傳統(tǒng)云”到“AI 云”的范式轉(zhuǎn)移，火山引擎走得更靠前，也就在 MaaS 的賽道上獲利更早——用人話說(shuō)，就是把過(guò)去傳統(tǒng)云廠“賣(mài)算力”的資源生意，變成了今天依托優(yōu)質(zhì)模型“賣(mài) Tokens”的服務(wù)生意。
為什么賣(mài) Tokens 比賣(mài)算力更先進(jìn)？火山引擎想明白得更早：調(diào)用量不僅僅是銷售數(shù)據(jù)，更是大模型自身進(jìn)化的重要催化劑。
大模型的調(diào)用越多，用戶使用和反饋就越多，大模型就能更快地進(jìn)行迭代和進(jìn)化，進(jìn)而收獲更多的調(diào)用——這就是大模型的“數(shù)據(jù)飛輪”。
理清了這一點(diǎn)，火山才敢于大幅降低價(jià)格，把模型開(kāi)放給開(kāi)發(fā)者調(diào)用，讓豆包從以“分”計(jì)價(jià)變成以“厘”計(jì)價(jià)，降幅達(dá)到 99.3%。
不少云廠咬緊了牙根，火山卻顯得舉重若輕，原因正是買(mǎi)算力、租 GPU 和 CPU，能不能賺到錢(qián)，終歸是一城一池的得失；而火山在每一次 AI 的熱潮中都登上一級(jí)臺(tái)階，促使業(yè)務(wù)進(jìn)一步擴(kuò)張。
今年年初，DeepSeek 在國(guó)內(nèi)攪動(dòng)乾坤，火山就承接了絕大部分Tokens 調(diào)用，抓住了新的 MaaS 成長(zhǎng)機(jī)會(huì)。
如果說(shuō)，AI 云的架構(gòu)可以被分成三層：以模型為核心的 MaaS，協(xié)助 Agent 開(kāi)發(fā)的中間件，與幫助 Agent 在實(shí)際場(chǎng)景中大展拳腳的 Agent 運(yùn)營(yíng)。
圖源：火山引擎 2025 冬季 Force大會(huì)
用人話來(lái)說(shuō)：通過(guò) MaaS 架構(gòu)把模型能力開(kāi)放給外部，通過(guò)調(diào)取 Tokens 的方式，實(shí)現(xiàn)商業(yè)營(yíng)收，并同時(shí)以數(shù)據(jù)反饋帶動(dòng)模型的成長(zhǎng)，今天的豆包大模型 1.8、Seedance 1.5 都屬于這一層；
然而模型的能力是未經(jīng)過(guò)包裝和場(chǎng)景適配的，企業(yè)要通過(guò) Agent 來(lái)實(shí)際解決問(wèn)題，而又缺乏相關(guān)的開(kāi)發(fā)經(jīng)驗(yàn)和工具，這就需要 Agent 開(kāi)發(fā)工具為企業(yè)完成賦能，AgentKit 就是火山為 Agent 開(kāi)發(fā)設(shè)計(jì)的一柄利器；
最后，當(dāng) Agent 被制作出來(lái)，實(shí)際應(yīng)用當(dāng)中，企業(yè)中無(wú)數(shù)的 Agent 又需要被完善納管，Agent 運(yùn)營(yíng)的重要性也就逐漸凸顯出來(lái)，火山今年推出的 HiAgent 則負(fù)責(zé)這一層的工作。
到今天，火山引擎似乎已經(jīng)找到了正確的方向。建立好 MaaS 模式，火山的下一步，便開(kāi)始向 Agent 開(kāi)發(fā)平臺(tái)“AgentKit”進(jìn)軍。
如果問(wèn)，從 2023 年 ChatGPT 橫空出世，到 2025 年冬季競(jìng)爭(zhēng)格局初定，市場(chǎng)上最大的認(rèn)知升級(jí)是什么？
不少人或許會(huì)有一個(gè)答案：創(chuàng)業(yè)者入局自研大模型，掙錢(qián)相當(dāng)困難；而 Agent 做起來(lái)更輕量，距離用戶更近，才是真正能夠賺到錢(qián)的好門(mén)路。
簡(jiǎn)單來(lái)講，Agent 就是 PC 時(shí)代的門(mén)戶網(wǎng)站，移動(dòng)互聯(lián)網(wǎng)時(shí)代的 App，是今天組成了 AI 生態(tài)的“空氣和水”，或許將是下一代最炙手可熱的商業(yè)標(biāo)的之一。
2025 年，Agent 大潮迅猛，很多“一人公司”不僅拿到了融資，甚至已經(jīng)在親子、心理、辦公等領(lǐng)域賺到了錢(qián)；而不少大廠出來(lái)的創(chuàng)業(yè)者，從釘釘?shù)那?CEO 葉軍，到抖音的早期干將卷卷，再到百度的“小度之父”景鯤等等，無(wú)數(shù)人才帶著熱錢(qián)，一起涌入 AI Agent 賽道。
作為云賽道難能可貴的活水，這些創(chuàng)業(yè)者自然是云廠商夢(mèng)寐以求的“香餑餑”，而要服務(wù)好他們，僅憑傳統(tǒng)云服務(wù)“賣(mài)卡賣(mài)算力”的服務(wù)還遠(yuǎn)遠(yuǎn)不夠。
今天，云廠商的服務(wù)模式正受到巨大的挑戰(zhàn)。過(guò)去，人們常把提供基礎(chǔ)服務(wù)的廠商——尤其云廠商——的商業(yè)模式，類比成給淘金工人“賣(mài)水賣(mài)鏟子”。但今天，“水”和“鏟子”早已不是稀缺資源，要把服務(wù)賣(mài)到 Agent 創(chuàng)業(yè)者心坎里，就必須提供更貼心務(wù)實(shí)的服務(wù)，提供更高效好用的工具。
“新的時(shí)代我們需要新的技術(shù)架構(gòu)，我們希望 Agent 能夠自行通過(guò)模型，完成思考和規(guī)劃，”2025 冬季 Force 大會(huì)上，火山引擎總裁譚待講道，“這就需要 Agent 能夠自動(dòng)的調(diào)用工具，自動(dòng)去使用各種云資源和數(shù)據(jù)庫(kù)，因此我們需要一個(gè)全新的面向 Agent 來(lái)設(shè)計(jì)的新架構(gòu)——這個(gè)技術(shù)架構(gòu)就是火山引擎一直在提倡的 AI 云原生架構(gòu)。”
通過(guò) MaaS 架構(gòu)，把“賣(mài)算力”變成“賣(mài) Tokens”只是第一步?；鹕礁M(jìn)的第二步，是通過(guò) Agent 開(kāi)發(fā)平臺(tái)，把 Tokens 組裝成 Agent，并提供包含中間件、SDK 和工具在內(nèi)的一系列支持，來(lái)讓 Agent 能安全高效的運(yùn)作，并且可以與同體系內(nèi)成百上千個(gè)其他 Agent 協(xié)作，適配現(xiàn)有的工作流和系統(tǒng)。
一句話說(shuō)：誰(shuí)能把 Agent 的 Infra 做得更好，誰(shuí)就能留住 Agent 開(kāi)發(fā)者，并且在他們成長(zhǎng)起來(lái)之后，長(zhǎng)期可持續(xù)地把云服務(wù)提供出去。
而在市場(chǎng)上，卻仍然缺乏專為 Agent 規(guī)?；\(yùn)行而設(shè)計(jì)的基礎(chǔ)設(shè)施。瞄準(zhǔn)這塊重要的市場(chǎng)真空，火山引擎將自家的 AgentKit 全面升級(jí)，作為企業(yè) Agent 開(kāi)發(fā)平臺(tái)正式對(duì)外推出，讓企業(yè)能夠更高效便捷地把 Agent 落地到生產(chǎn)環(huán)節(jié)。
這是火山的重大機(jī)遇。豆包基礎(chǔ)模型能力夠強(qiáng)，自身客戶經(jīng)驗(yàn)更足，更了解開(kāi)發(fā)者和創(chuàng)業(yè)者的實(shí)際需求，能把工具做到人心里去，火山手里的牌已經(jīng)相當(dāng)齊整。
在 Agent 的大潮下，花心思做好 AgentKit，比起跟風(fēng)追漲，更像是火山引擎的順勢(shì)而為。
先說(shuō)結(jié)論：
作為面向企業(yè)級(jí) Agent 開(kāi)發(fā)設(shè)計(jì)的開(kāi)發(fā)平臺(tái)，AgentKit 可以覆蓋 Agent 應(yīng)用落地的全生命周期，并且實(shí)際解決企業(yè) Agent 落地過(guò)程中真正的挑戰(zhàn)。
簡(jiǎn)單來(lái)說(shuō)，和市面上不少其他平臺(tái)相比，AgentKit 不是“管殺不管埋”的玩具，而是要讓企業(yè)能更簡(jiǎn)單地做出 Agent，并且做了就能用上，能安全，能提效，能賺錢(qián)。
2025 冬季 Force 大會(huì)上，火山引擎總裁譚待直言：“根據(jù)我們的調(diào)研、其實(shí)真正能開(kāi)發(fā)好好的Agent的企業(yè)并不是非常多，而在這里面能夠把Agent運(yùn)營(yíng)的好、能讓智能體被大規(guī)模使用的企業(yè)就更少了?！?/p>
對(duì)有一定 AI 能力的企業(yè)來(lái)說(shuō)，做一個(gè) Demo 級(jí)的 Agent 不難；但要讓 Agent 實(shí)際落地并且生產(chǎn)可用，中間或許要經(jīng)歷數(shù)個(gè)月的工程化改造，并且舊有的平臺(tái)鮮少有標(biāo)準(zhǔn)化的開(kāi)發(fā)框架和部署流程，就讓這個(gè)過(guò)程更加的困難。
即使完成了 Demo 的創(chuàng)建，缺乏合適的鑒權(quán)、觀測(cè)和評(píng)估體系，Agent 也很難對(duì)抗與之而來(lái)的風(fēng)險(xiǎn)，距離部署到生產(chǎn)環(huán)境實(shí)際可用，就又多了一大段距離。
而 AgentKit 的目標(biāo)，就是讓這些 Agent 都能順利從“花瓶”蛻變成“道具”，實(shí)際為企業(yè)降本增效。
Agent Infra 的路徑，火山引擎在海外也有“同路人”。AWS 自建了 AgentCore 平臺(tái)，微軟也在十月做了新的 AI Agent SDK，除此之外 OpenAI、谷歌都有相應(yīng)的布局。
而包括上面提到的 AWS、微軟等公司在內(nèi)，不少云廠做 Agent Infra，提供的是一個(gè)個(gè)封裝成 SDK 的能力，本質(zhì)上還是“賣(mài)水賣(mài)鏟子”；
AgentKit 背靠著更強(qiáng)的 AI 云原生能力，做的是一個(gè)完整的、開(kāi)箱即用的云原生 Agent Infra——這也讓火山引擎在國(guó)內(nèi)云廠的競(jìng)爭(zhēng)中脫穎而出。
為什么火山能把 AgentKit 做出來(lái)？除了云原生的技術(shù)硬實(shí)力，火山對(duì)企業(yè)用戶的洞察夠深，足夠了解用戶的痛點(diǎn)，才能針對(duì)性地做出調(diào)整。而用戶要做好、用好 Agent，則不得不面臨著三座“大山”。
首先，安全問(wèn)題，是 Agent 實(shí)際開(kāi)發(fā)和使用中難以逾越的第一座大山。
對(duì)于 Agent 來(lái)說(shuō)，它必須是一個(gè)能夠主動(dòng)執(zhí)行任務(wù)的智能體，代表用戶去調(diào)用服務(wù)、訪問(wèn)資源——那么，Agent 身份管理的問(wèn)題也接踵而來(lái)。
一般來(lái)說(shuō)，用戶使用 Agent，就必須為 Agent 設(shè)定權(quán)限。權(quán)限低了，Agent 沒(méi)法干活；權(quán)限高了，Agent 又可能越界；加之，Agent 還必須考慮到黑客攻擊的風(fēng)險(xiǎn)，如果原本不屬于用戶意圖的請(qǐng)求被混入 Agent 的執(zhí)行過(guò)程，手握“大權(quán)”的 Agent 就可能成為讓“千里之堤”潰塌的“蟻穴”。
在日常的工作流使用當(dāng)中，通常是數(shù)十，乃至上百個(gè) Agent 同時(shí)運(yùn)行，并且和工具反復(fù)互相調(diào)用，鏈路長(zhǎng)且復(fù)雜，很多時(shí)候還會(huì)通過(guò)第三方的 API 穿越不同的“信任域”，憑證管理復(fù)雜不說(shuō)，還面臨跨域和跨服務(wù)的信任問(wèn)題。
如果你的私人秘書(shū)，手中掌握你和公司的大量關(guān)鍵事務(wù)，卻沒(méi)法說(shuō)清“自己在何時(shí)做了什么”，任誰(shuí)都會(huì)坐立不安，沒(méi)法放心——這就是 Agent 身份缺失帶來(lái)的巨大安全風(fēng)險(xiǎn)和合規(guī)隱患。
而火山引擎 AgentKit 的 Identity（身份）模塊，就是為了解決這些問(wèn)題而設(shè)計(jì)的。
AgentKit 為企業(yè)的 Agent 們?cè)O(shè)計(jì)了一套清晰、可審計(jì)的身份系統(tǒng)，不僅明確了其行為的邊界，更將它代表誰(shuí)執(zhí)行任務(wù)、調(diào)用工具管理得明明白白。讓 Agent 安全可控，才是一切 AI 實(shí)踐的起點(diǎn)。
除此以外，在 AgentKit 的 Gateway（網(wǎng)關(guān)）模塊上，火山為 Agent 設(shè)置了統(tǒng)一的入口，無(wú)論是人、系統(tǒng)還是 Agent，訪問(wèn)路徑、鑒權(quán)和策略都在這里統(tǒng)一收斂。
就如同一座金庫(kù)，只有一個(gè)入口，就降低了外界威脅入侵的風(fēng)險(xiǎn)。
身份模塊是 Agent 的“身份證”，標(biāo)注它的權(quán)限和職責(zé)；網(wǎng)關(guān)模塊是一個(gè)嚴(yán)格把守的入口；而 Guardrails（圍欄）模塊，則是 AgentKit 為企業(yè)提供的安全護(hù)欄，讓 Agent 把規(guī)則、合規(guī)和邊界內(nèi)建進(jìn)自己的運(yùn)行過(guò)程，為 Agent 安全又添一層保障。
三箭齊發(fā)，AgentKit 讓企業(yè)的 Agent 使用放寬了不少心。
以某汽車(chē)廠商為例，在該廠的車(chē)載終端 Agent 上，每天都會(huì)遭遇海量的提示詞注入攻擊與惡意數(shù)據(jù)投毒。而火山的 AgentKit 為這間車(chē)廠提供了一套全方位的安全、身份和授權(quán)管理體系，從開(kāi)發(fā)到負(fù)載、工具調(diào)用的整體鏈路把控安全問(wèn)題，提供實(shí)施風(fēng)險(xiǎn)掃描和安全加固、圍欄的能力，把企業(yè) Agent 的安全隱患降到了最小。
解決了安全問(wèn)題，讓企業(yè)級(jí) Agent 難以快速落地的另一座大山，是原有數(shù)據(jù)系統(tǒng)的改造難題。
發(fā)展至今，不少企業(yè)其實(shí)已經(jīng)有了一套行之有效的業(yè)務(wù)管理系統(tǒng)。而要用 AI 對(duì)原有的系統(tǒng)進(jìn)行改造，并不總是“喜上加喜”，而是要把原有系統(tǒng)幾乎推倒重來(lái)的“改頭換面”。大量代碼面臨重構(gòu)，數(shù)據(jù)流、交互等模塊都需改造，企業(yè)成本高、風(fēng)險(xiǎn)大，引入 AI 的熱情自然就小了不少。
如果只是耗費(fèi)人力物力，或許對(duì)企業(yè)來(lái)說(shuō)，或許還不是阻止他們 AI 改造的“死結(jié)”——企業(yè)原先積累在系統(tǒng)中的知識(shí)和數(shù)據(jù)，通常體量大、欠梳理、質(zhì)量差，業(yè)務(wù)知識(shí)更隱性，這也讓 Agent 更加難以理解企業(yè)的 Knowhow，進(jìn)而實(shí)際為生產(chǎn)力提供幫助。
到了 AgentKit 這里，其自帶的 Memory（記憶庫(kù)）模塊，則給企業(yè)帶來(lái)了 Agent 長(zhǎng)期、可管理、可治理的上下文記憶，通過(guò)幫助他們重構(gòu)一套可更易部署、行之有效的數(shù)據(jù)體系。
在醫(yī)療行業(yè)，藥店的許可證件體系復(fù)雜，文件格式也從 PDF 到壓縮文件不一而足，有時(shí)連運(yùn)營(yíng)專員也容易犯錯(cuò)，而 AgentKit 則可以幫助他們更好地處理這些事務(wù)性工作。
管理文件，重要的是準(zhǔn)確——而準(zhǔn)確的基礎(chǔ)，則是一套能處理復(fù)雜知識(shí)體系的知識(shí)圖譜。AgentKit 可以提供更細(xì)致的業(yè)務(wù)知識(shí)梳理和向量數(shù)據(jù)庫(kù)檢索方案，落地一套醫(yī)藥門(mén)店資質(zhì)管理 Agent 知識(shí)庫(kù)，來(lái)幫助企業(yè)快速建店，或打通線上外賣(mài)業(yè)務(wù)，處理好資質(zhì)查詢、審核、經(jīng)營(yíng)許可校驗(yàn)等繁雜且精細(xì)的事務(wù)。
處理好安全和系統(tǒng)改造的問(wèn)題，Agent 想做好，還必須得跨過(guò) AI 的“黑盒困境”和評(píng)估缺失這最后一座“大山”。
AI 推理過(guò)程不可解釋，就像一個(gè)密不透風(fēng)的“黑盒”，常常被稱為 Transformer 架構(gòu)大模型的“原罪”——多 Agent 協(xié)作、去幻覺(jué)、事實(shí)性驗(yàn)證等領(lǐng)域面臨的困難，大多可以歸咎于此。
不僅推理不可解釋，Agent 的評(píng)估也很難量化。今天，不僅市面上面向?qū)I(yè) Agent 的評(píng)估體系仍然缺失，實(shí)驗(yàn)室的評(píng)估環(huán)境與 Agent 實(shí)際落地的場(chǎng)景也有云泥之別，測(cè)試用例構(gòu)造困難，工具調(diào)用的評(píng)估也并不簡(jiǎn)單。
這一切，如果聘請(qǐng)人工評(píng)估、調(diào)整，企業(yè)則面臨著高昂的成本——一套可觀測(cè)、可評(píng)估、支持更優(yōu)質(zhì)開(kāi)發(fā)環(huán)境的 Agent 開(kāi)發(fā)平臺(tái)，便承擔(dān)了企業(yè)用戶太多的期待。
千呼萬(wàn)喚始出來(lái)，AgentKit 則把這些功能，都集成到了自己的平臺(tái)上面。
針對(duì)大模型不可解釋的“原罪”，AgentKit 設(shè)計(jì)了一套 Observation（觀測(cè)）能力模塊，讓 Agent 的每一次決策、每一步調(diào)用，都可被用戶以完整鏈路追溯，把“黑盒”變成透明的“白盒”。
AgentKit 同樣為 Agent 增設(shè)了一套 Evaluation（評(píng)測(cè)）體系，不用感覺(jué)評(píng)價(jià) Agent 好不好用，而是用量化的指標(biāo)、數(shù)據(jù)、回放持續(xù)評(píng)估，讓廠商能讓自家的 Agent 取長(zhǎng)補(bǔ)短。
時(shí)至今日，AgentKit-Evaluation 已經(jīng)累計(jì)對(duì)一萬(wàn)多個(gè) Agent 進(jìn)行了 20 萬(wàn)次的評(píng)估，在這樣的積累下，火山揀選出了超過(guò) 50 個(gè)標(biāo)準(zhǔn)化的官方評(píng)測(cè)器，幫助企業(yè)快速地完成冷啟，完成智能體能力的量化評(píng)估。
而為了讓 Agent 能在更貼近實(shí)際生產(chǎn)場(chǎng)景中得以開(kāi)發(fā)，AgentKit 還內(nèi)置了 Runtime（運(yùn)行時(shí)）和 Sandbox Tool（沙箱工具）兩個(gè)模塊，前者讓 Agent 能夠脫離腳本和 Demo，直接跑在穩(wěn)定、彈性、可隔離的生產(chǎn)環(huán)境當(dāng)中，后者則讓可能帶來(lái)系統(tǒng)風(fēng)險(xiǎn)、訪問(wèn)敏感數(shù)據(jù)、執(zhí)行不可信代碼的調(diào)用，被限制在一個(gè)封閉的環(huán)境當(dāng)中，保證系統(tǒng)在 Agent 開(kāi)發(fā)時(shí)的安全性和高效性。
這些功能模塊，在金融場(chǎng)景中給企業(yè)帶來(lái)了不小的提效。
在某券商金融大模型持續(xù)迭代的過(guò)程中，SWE 鏡像儲(chǔ)存文件大、共存版本多，導(dǎo)致存儲(chǔ)需求增長(zhǎng)，成本也居高不下，AgentKit 為企業(yè)提供了 SWE Bench 的自動(dòng)評(píng)測(cè)集功能，把存儲(chǔ)、維護(hù)的顯性成本和隱性成本壓低了不少。
而在金融大模型的強(qiáng)化學(xué)習(xí)優(yōu)化階段，AgentKit 的沙箱工具，則支持高效的任務(wù)調(diào)度，批量毫秒級(jí)相應(yīng)，讓訓(xùn)練效率突飛猛進(jìn)，有效地縮短了實(shí)驗(yàn)的周期。
就在今年的冬季 Force 大會(huì)上，火山引擎展示了使用 AgentKit 制作的“智能會(huì)議助手”，內(nèi)置“會(huì)前智能推薦Agent”“智能簽到Agent”“智能總結(jié)Agent”三個(gè)智能體。相比傳統(tǒng)開(kāi)發(fā)模式，基于火山 AgentKit 開(kāi)發(fā)的“智能會(huì)議助手”代碼量減少了96%。
說(shuō)回最初的邏輯：云廠商在過(guò)去面臨的最大困境，是極致高壓的存量市場(chǎng)中，鮮有供廠商出頭的機(jī)會(huì)，行業(yè)的僵化也就不可避免。
而大模型的機(jī)會(huì)來(lái)了，不少云廠商卻依著自己的慣性，走原先的老路，就又不可避免地落入到舊有競(jìng)爭(zhēng)格局的窠臼當(dāng)中。
屬于云廠商的 AI 新路怎么走？雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))總結(jié)了一下：
傳統(tǒng)云要突圍，關(guān)鍵點(diǎn)在 AI；
AI 云要突破，就必須從簡(jiǎn)單賣(mài)算力，進(jìn)化到建設(shè)以 MaaS 為中心的模型和商業(yè)飛輪；
而要做好 MaaS，讓更多企業(yè)和開(kāi)發(fā)者入駐，核心則是做好 AI Infra 的建設(shè)，幫助更多專業(yè)用戶能做出專業(yè) Agent，實(shí)際完成降本增效、賺到真金白銀，進(jìn)而讓更多人用上 AI 云，反哺云廠商的商業(yè)。
火山本次發(fā)布的 AgentKit，意義就可見(jiàn)一斑。
下半年，在同時(shí)期公布的日均調(diào)用量上，火山引擎的數(shù)據(jù)已經(jīng)接近谷歌；而今年冬季 Force 大會(huì)上，火山引擎公布的日均 50 萬(wàn)億 Tokens 調(diào)用量，國(guó)際第三已屬第一梯隊(duì)成績(jī)，僅次于OpenAI和Google，國(guó)內(nèi)則以頭名身份傲視群雄。
要在領(lǐng)先的地位上待得長(zhǎng)久，用戶的飛輪則是一切的關(guān)鍵。
正是看到了這一點(diǎn)，火山引擎以 AgentKit 作為矛頭，殺向?qū)I(yè)級(jí)的 Agent 開(kāi)發(fā)賽道，在核心用戶群體中做精做深，讓人真正用起來(lái)，再逐步輻射愛(ài)好者和一般用戶，一個(gè)個(gè)地?fù)舸┯脩羧樱M(jìn)而實(shí)現(xiàn) AI 云的大發(fā)展。
這就是火山引擎的 Agent“陽(yáng)謀”。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
