此刻的Agent，未来的ASI：阿里云的全栈路径

工业革命把蒸汽机接入生产线，放大了人类的体力；信息革命让计算机走进工厂和办公室，放大了人类处理信息的能力。阿里巴巴集团CEO吴泳铭在2025年云栖大会上判断，AI将是新一次跃迁的起点，它会放大人类的智力，并最终走向能够自我进化的超级人工智能（ASI）。

“通用人工智能（AGI：Artificial General Intelligence）并非AI发展的终点，而是全新的起点。AI不会止步于AGI，它将迈向超越人类、能够自我迭代进化的超级人工智能（ASI：Artificial Superintelligence）。”吴泳铭在主题演讲中说道。

这个判断并不遥远，在一些企业的日常运营里，越来越多Agent替代人工比对、人工处理的环节，让重复劳动被自动化，让复杂流程变得更快、更精准。Agent是能让大模型真正落地产业，释放实际价值的方式之一。

今年5月，普华永道调研了全球300名高管，结果显示，79%的受访公司已经在某些业务中应用AI Agent；其中66%表示生产力提升，57%看到了成本下降，55%感受到决策效率加快，54%提升了客户体验。

也因此，在今年几乎所有科技巨头的发布会里，Agent都是高频词。从OpenAI推出能在ChatGPT内直接执行任务的Agent Mode，到微软用Copilot打造“Agentic Web”，再到谷歌最新发布的Jules Agent，还有字节跳动的Coze、百度的全平台智能Agent，几乎没有一家互联网大公司缺席。

阿里云百炼Agent开发平台的定位也与阿里对ASI的判断有关，它并不是一个面向C端、蹭热度、炒概念的体验型应用，而是能让企业便捷、有效搭建企业AI Agent的土壤，将企业做智能体所需的全部环节——从模型调用、框架搭建，到资源调度、合规运维——都系统化打包在了一起。

更背后的支撑，是一条完整的产业链路：从通义系列基础模型，到百炼企业级开发平台，再到算力、存储、数据库等底层基础设施。它不仅让企业今天的Agent能够真正跑起来，也在为未来迈向超级人工智能奠定基础。

未来的宏大目标与当下的具体应用，贯穿在一起，这也是阿里云一直以来的风格——既能解决今天的痛点，也能押注下一轮智能化跃迁。

01 有好基础，才能让Agent真正长出来

在刚刚闭幕的云栖大会上，吴泳铭宣布，阿里云正式升级为“全栈人工智能服务商”，发起一场面向未来计算范式的总攻。他提出，大模型是新的操作系统，超级AI云是新的计算机，未来世界，将由不多的几个“超级AI平台”共同支撑。

围绕这一判断，阿里云的战略始终未变：过去、现在、未来都在建设基础设施、打磨底座模型上不遗余力，未来也会继续在这两个方向加大投入。这不仅是阿里云迈入下一阶段的底气，也是企业客户获得长期价值的根本保障。

稳固的基础设施和强大的基座模型，可以让Agent真正落到业务场景。

很多人谈Agent，容易把目光放在前端的交互体验上。但企业真正的判断标准往往更现实：这个平台是不是足够稳？能不能支撑大规模调用？能不能和已有系统顺畅衔接？只有当底层的infra和基础模型够强，Agent平台才算真正好用。

基础模型的强弱几乎决定了它能站上的梯队。阿里自研的通义千问系列，在中文理解、工具调用、多模态任务上的能力，已经让它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模型已经在中文综合能力、数学与推理任务、代码生成等维度取得全球前列的成绩。例如在MMLU、CMMLU、AGIEval等基准测试上，Qwen的最新版本多次超过GPT-4-turbo、Claude 3 Sonnet等国际强劲对手。

在本次云栖大会上，阿里云一口气更新了6个模型，发布了一个新的品牌：万亿参数、Coding与工具调用能力登顶国际榜单的Qwen3-MAX，其在推理、代码和视觉上都对标国际一线水准，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；看懂、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。

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

大规模弹性，是行业里对AI平台的第一要求。Agent在真实业务里，流量波动常常是不可预测的：可能今天还是几百个调用，明天就有可能扩展到几十万。没有弹性，企业要么因为算力不足停摆，要么被迫长期囤积资源，增加巨额成本。阿里云给出的解法是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、跨地域的调度，再配合vLLM、KServe等推理引擎，大幅降低冷启动时延，让算力真正像“水电”一样随用随取。

高可用与稳定性，是企业敢不敢把Agent放进核心流程的前提。一个风控出错，或者一次停机，可能会造成巨额损失。阿里云依托对象存储OSS，在千亿级数据量下依然保持低成本和高并发的存储与检索能力；在计算层面，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；在数据库层面，云原生数据库PolarDB等产品为金融级场景提供实时可靠的支撑。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，则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”，而不能记住过去的对话和文档，它就无法形成真正的生产力。阿里云在体系里加入了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，帮助企业把SOP、合同、业务知识沉淀下来，让Agent能在连续任务中调用过往经验，逐步形成真实的“组织记忆”。

推理优化与加速，则是决定Agent能否“算得清账”的核心。企业普遍关心的问题是：推理要多久？成本能不能承受？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了近三成的样本处理时间；PAI-RL 实现了多轮强化学习优化；而推理服务 PAI-EAS 显著降低冷启动和扩容时延，吞吐率提升超过 70%。这意味着 Agent 不仅能更快上线，还能以更低成本支撑大规模用户交互。

整体来看，阿里云基础设施的四个特点是：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。这些关键词也在过去一年的阿里云飞天发布时刻栏目中被反复提及，它们覆盖了企业最关心的“能不能扩展”“敢不敢依赖”“会不会遗忘”“算不算得清”的问题。

02 让AI Agent从企业业务土壤中长出来

在这次云栖大会上，吴泳铭解释了通往 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具备泛化智能；第二阶段，“自主行动”，AI 掌握工具使用和编程能力以 “辅助人”，这是行业当前所处的阶段；第三阶段，“自我迭代”，AI 通过连接物理世界并实现自学习，最终实现 “超越人”。

吴泳铭还提到，我们当下所处的，就是第二阶段，“现在的 Agent 还比较早期，解决的主要是标准化和短周期的任务……未来，也许会有超过全球人口数量的 Agent 和机器人与人类一起工作，对真实世界产生巨大影响。在这个过程中，AI 就能连接真实世界的绝大部分场景和数据，为未来的进化创造条件。”

从“智能涌现”到“自主行动”，再到未来的 “自我迭代”，大模型的任务边界正在不断扩大。阿里云的基础设施升级，正是为了让企业在面对越来越复杂的推理和规划任务时，能够有稳定、可控、性价比可接受的运行环境。

国内许多厂商已然开始了自己的尝试，但相较于“依附式”的延伸，Agent真正要嵌入复杂的企业流程时，往往会遭遇门槛高、集成难、成本难控的问题。阿里云百炼选择了另一条路径：从底层搭建出完整的体系，把模型、开发框架和企业运维需求连成一体。

为了解决这些问题，阿里云提出了“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”体系里，“2”代表两种开发模式。低代码的 ADP，让企业能像拼装乐高一样快速验证原型，把想法迅速落到具体场景；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。

但在行业内，这样双轨并行的设计并不多见。很多厂商要么只强调“低代码”，侧重易用性，但企业很快会遇到难以扩展的天花板；要么只提供“高代码”，门槛太高，需要企业投入大量开发资源，周期和成本都难以接受。

而百炼允许企业“分阶段上车”：早期可以用 ADP 快速试错，找到有效的应用场景；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。

这样既降低了前期的探索成本，又避免了“重构”或“二次开发”的重复投入，保证了业务连续性。对那些本身缺乏强大研发团队的传统企业而言，这种双轨架构尤其友好——他们既能像互联网公司一样快速试验，又能在规模化阶段享受到成熟平台的稳定性和扩展性。

为了让这些 Agent 真正“跑起来”，百炼进一步补齐了记忆管理、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，这些看似只是单纯的技术点，其实正对企业落地时的“卡点”：从测试到运维，从集成到闭环，企业不用再东拼西凑了。

“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 这样的 Agent 运行环境、灵码 /Qoder 等一系列开发者套件，让开发者可以方便地使用模型能力和创建使用 Agent。”吴泳铭在云栖大会上介绍。

而阿里云百炼的价值，目前也已经在一些企业里显现。

在金融领域，网商银行用阿里云百炼接管风控流程，26 种凭证和 400 多类细粒度物体可被自动识别，准确率超过 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%。招聘平台鱼泡网则通过 10 多个数据处理 Agent，把上百万条职位和简历信息自动清洗，人岗匹配效率提高 80%；而智能学习机“听力熊”在百炼上衍生出 50 多种交互技能，覆盖百万青少年用户，日均交互量居同类产品首位。

截至目前，已有超 20 万开发者在阿里云百炼平台上构建了超过 80 万个 Agent，模型调用量同比增长超 15 倍。Agent 的价值在具体业务里被不断验证。

这些成果背后，是阿里云的选择——用一条更扎实的方式，去打造企业开发 AI Agent 的土壤，让不同的企业、开发者和场景都能在其上长出可见的价值。

今天的落地成效，需要放到过往的长期积累里去理解：根据调研机构Omdia报告，阿里云已经连续多年在国内云计算+AI 市场份额排名第一，2025年上半年，其商业体量超过第二到第四名的总和。这意味着它不只是在技术层面有领先优势，更在规模和客户信任度上建立了行业门槛。十万级企业客户在阿里云上运行业务，让它成为国内最被验证的 AI+ 云平台。

而阿里云百炼今天呈现出来的能力，其实也是阿里云过去几年在 AI 与云计算结合上的长线布局，如今开始显形。

03 全球领先的全栈人工智能服务商

如果说大模型解决了“智能从何而来”的问题，那么 Agent 则代表着 AI 真正进入商业世界的下一个阶段。它不再停留在生成文本、图片、视频的层面，而是具备了感知、理解、执行与反馈的能力，能够在真实场景里承担任务，创造价值。对企业而言，Agent 已经变成了能直接嵌入流程、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，成为真实世界的核心驱动力，掀起新一轮智能化革命。”

在这条路径上，阿里云的布局清晰而完整：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个权威评测中跻身全球第一梯队，为 Agent 提供了底层的推理和决策能力；百炼平台把复杂的开发过程拆解为可复用的模块，企业既可以通过低代码快速搭建，也能用高代码深度定制；基础设施则解决了规模化运行的难题，从算力、存储到推理加速，覆盖了 Agent 从训练到部署的全链路需求。

“模型—平台—基础设施”的组合，构成了一套完整的闭环，让 AI 不仅能“做出来”，更能“跑得起来”。对于企业来说，它意味着更低的试错成本和更快的落地周期；对于整个行业来说，它意味着 AI 真正进入了可以批量创造财富的阶段。

由此，阿里云的“全球领先的全栈人工智能服务商”的角色也更加明确。

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 被认为是继大模型之后的新一轮产业高地，谁能率先把它真正落地，谁就能在未来的产业版图中掌握更多主动权。阿里云通过全栈能力的体系化建设，让中国的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。