文章圖片
文章圖片
文章圖片
智東西
作者 | 陳駿達
編輯 | 漠影
“我的數據庫……沒了？”
今年7月 ， 一位名為“Jason”的網友在X平臺上分享了一場Vibe Coding災難 。 他在開發平臺Replit上使用其內置的Agent輔助編程 ， 在一次操作中 ， Agent在沒有明確用戶指令的情況下 ， 竟錯誤地執行了一個致命的數據庫命令 。
頃刻之間 ， 他長達80小時的工作成果被清空 。 這無異于一位本應協助你的“數字員工” ， 在未經允許的情況下 ， 走進你的辦公室 ， 將你寫了數周的項目資料全部扔進了碎紙機 。
Jason的遭遇絕非孤例 ， 這揭示了Agent從原型演示到投入生產環境之間尚未跨越的鴻溝 ， 即底層基礎設施（Infra）的缺失 。
當前 ， AI模型正在從被動的問答工具 ， 轉變為能夠自主規劃、執行任務的Agent數字員工 。 然而 ， 如何為這些員工提供足夠強大的算力和工具 ， 并賦予長期記憶 ， 又如何為它們設定權限紅線 ， 確保它們不會“誤觸紅色按鈕” ， 已成為Agent規模化普及前的巨大挑戰 。
沒有堅實可靠的Agent Infra ， 再聰明的Agent也無法成為可信賴的生產力 。 Replit的這次事故 ， 正是這種風險最生動的注腳 。
而這也正是阿里云、AWS、谷歌云、微軟Azure等云廠商爭相發力Agent Infra的核心原因 。 他們試圖打造的并非一個簡單的工具集 ， 而是一座現代化的 “智能車間” 。
在這里 ， 每個AI Agent都將在安全的環境中工作 ， 擁有清晰的權限、穩定的工具和足夠的數據 ， 從而真正從實驗室的原型 ， 轉變為真實生產環境中可靠數字員工 。
一、Agent規模化落地挑戰大 ， 配套Infra已成必選項企業為何需要這樣一座Agent智能車間呢？
【暗潮洶涌，云廠商打響Agent Infra之戰，阿里云憑什么沖出重圍？】要讓Agent在生產場景中發揮作用 ， 我們需要為其提供足夠的算力和數據（記憶） ， 幫助Agent解決水土不服的問題 。
例如 ， 當Agent分析海量數據時 ， 本地設備既無法承載龐大的數據洪流 ， 也無法完成復雜的推理運算 。 這時 ， 云端算力的支持就成了理所當然的選擇 。
此外 ， 要讓Agent做出正確的決策 ， 就需要為其提供全面、準確且實時的信息 ， 否則 ， 其決策將基于不完整或過時的數據 ， 導致輸出結果不可靠 ， 甚至產生錯誤 。
但這僅僅是第一關 ， 更大的隱患在于安全與權限控制的缺失 。 今年 ， 知名AI搜索獨角獸Perplexity旗下的Comet AI瀏覽器就曾爆出安全丑聞 。
這款AI瀏覽器本質上就是一個能直接操縱用戶設備的Agent ， 然而 ， 由于缺乏安全機制 ， 它在閱讀到網頁上植入的惡意指令后 ， 能直接打開用戶郵箱、收取驗證碼 ， 還把驗證碼分享給外部黑客 ， 一條龍完成盜號 。
這一事件暴露了將擁有高權限的Agent直接部署在開放環境中的巨大風險 ， 企業必須為Agent打造配套的基礎設施 。
然而 ， Agent Infra極為復雜 ， 涉及底層算力調度、安全沙箱、模型集成、記憶數據庫、工具調用鏈路等一系列核心技術模塊 ， 企業自建成本高昂且技術門檻難以逾越 ， 后續維護也需要持續投入頂尖的研發團隊 ， 并時刻應對層出不窮的新型安全威脅 ， 堪稱一個填不滿的技術深坑 。
采用云廠商們開發的現成Agent Infra套件 ， 對大多數企業而言是更為現實的選擇 。 例如 ， 知名Agent產品Manus便是通過Agent Infra創企E2B打造的沙盒環境 ， 讓Manus的Agent獲得了完整的終端訪問權限 ， 也提供了持久化的工作空間 ， 這對于Manus廣為人知的長鏈路任務而言 ， 十分重要 。
除了E2B外 ， AWS、谷歌云、微軟Azure等云廠商也都已打造了相關套件 。
AWS的AgentCore提供記憶管理、身份驗證、代碼執行和瀏覽器工具等 ， 強調安全、可擴展和多Agent協作；
谷歌云的Vertex AI Agents聚焦構建和管理多Agent系統 ， 支持任務調度、跨Agent協作以及與企業數據和云服務的集成；
微軟Azure的Agent Factory強調身份認證、治理、內容安全和可觀測性 ， 同時結合Azure云服務和Copilot工具鏈 ， 支持企業快速落地智能體應用 。
總體來看 ， 主流云廠商的思路均是：構建安全、可擴展、可組合的Agent Infra ， 讓企業開發者能在已有基礎設施和生態下快速部署、管理和監控多Agents系統 ， 形成差異化服務能力 ， 同時降低企業上手門檻 。
二、國產Agent Infra突圍 ， 讓Agent學會自我進化在Agent Infra的布局上 ， 國內廠商也絲毫不落后 。 今年4月 ， 阿里云開啟Agent Infra開發套件——無影AgentBay的公測 ， 迅速吸引了大量開發者和企業關注 。
AgentBay的核心定位是為AI Agent打造的“超級大腦”或“云上操作系統” 。 它能夠動態調用云端算力、存儲和工具鏈資源 ， 將復雜任務接入高性能云電腦 ， 突破了Agent在本地設備上的算力限制 。
AgentBay不僅集成了云上沙箱環境、算力調度、持久化數據存儲和企業級安全等核心功能 ， 還內置了視覺理解、自然語言控制和任務解析等多項AI技術 。 尤其是云上沙箱環境 ， 保障了Agent對本地環境的零侵入 ， 給Agent執行加了一道保險 。
同時 ， 它支持原子化工具API、AI Agent API以及ASP遠程串流協議等多種交互方式 ， 極大地提升了自動化執行效率 ， 使開發者能夠在高性能、安全的云端環境中快速部署和管理AI Agent 。
而在今年的云棲大會期間 ， AgentBay迎來重大升級 ， 推出了自進化引擎、內存狀態管理、安全圍欄等全新能力 。 其中最引人關注的 ， 是基于環境反饋的自進化引擎——Self-Evolving 。
阿里云無影關注到了企業在利用第三方AI Infra部署AI Agent時的一大關鍵挑戰 。 Agent并不能在執行任務過程中實現“自我提升” ， 最終其效果還需要人工調整 ， 才能逐漸優化 。 這就好比你招募了一位員工 ， 但他并不能主動從工作中總結經驗和教訓 ， 始終未能進步 。
對于AgentBay自進化引擎的工作原理 ， AgentBay產品經理屈立威向智東西解釋道 ， 自進化引擎可以理解為廣義的強化學習 ， 但并不直接訓練模型 。 自進化引擎會針對提示詞、工作流、Agent架構、工具等多個方向進行能力優化 ， 每個方向使用的方法或算法各不相同 。
例如在提示詞優化方面 ， 對于短序列任務 ， 可以直接根據目標和實際結果進行修正；而對于長序列任務 ， 由于難以直接獲得最終結果 ， 則會采用多種算法來優化執行效果 ， 比如基于文本梯度（text grad）或微調推理（mipro）的方法 。
通過這種模塊化、服務化的設計 ， 企業無需組建龐大AI團隊 ， 也能讓Agent在執行過程中不斷自我優化 ， 提升與業務目標的匹配度 。
AgentBay自進化引擎能夠在任務執行中自動分析Agent的失敗案例 ， 并嘗試生成和測試更優的提示詞 。 它還能根據任務需求自主創建或封裝新工具 ， 不斷拓展Agent能力邊界 。
這一機制不僅關注單個Agent的流程優化 ， 也可在多Agent協作網絡中智能部署最優工作流 ， 提高整體效率 。
此外 ， 平臺的記憶策略使Agent具備“過目不忘”和“選擇性遺忘”的能力 ， 可以對長期任務進行智能管理 ， 適應復雜、長周期的應用場景 。
三、Agent Infra加速發展 ， 會成為下一代應用的躍升點嗎？AgentBay并非憑空出現 ， 屈立威在采訪中介紹道 ， 在云電腦時代 ， 阿里積累了多項核心技術能力 ， 而AgentBay的許多技術依賴 ， 與云電腦是“一脈相承”的 。
例如 ， 云電腦需要高流暢性和清晰的操作體驗 ， 而阿里云此前已自研了ASP端云實時通信協議 ， 確保遠程云環境操作體驗接近本地 ， 這也能讓幫助Agent實現與云端執行環境之間的高效、實時交互 。
大規模的資源調度能力和性能保障 ， 也是阿里云此前打造云電腦時重點解決的問題 。 目前 ， AgentBay便依托阿里云的全球資源池進行部署 ， 用戶可以就近接入 ， 保證了低延遲和高可用性 。
然而 ， Agent也提出了新的技術挑戰和升級需求 。 屈立威稱 ， 首先 ， Agent需要更強的感知與控制能力 ， 不僅要像人一樣“看懂畫面” ， 判斷鼠標點擊、輸入是否生效 ， 還要支持文件系統操作、命令行以及撰寫RPA腳本等多種工具操作 。
其次 ， 其風控與安全要求也更高 ， 需要阻斷敏感指令、過濾不安全內容、約束上網行為 ， 保障企業私域安全 。
此外 ， Agent任務的執行方式呈樹狀、多分支 ， 每個節點都需打快照（checkpoint）、支持快速回滾 ， 并復制克隆環境以實現并行執行 ， 這對狀態管理和多維度調度提出了更高要求 ， 而這些都是云電腦時代所未涉及的關鍵能力 ， 需要重點突破 。
為此 ， 阿里云自研了持久化文件系統 ， 讓AgentBay能夠動態地按需保留用戶狀態和文件 ， 確保了任務執行的連續性和狀態的一致性 ， 這對于需要執行長鏈條、多步驟任務的復雜Agent至關重要 。
安全方面 ， AgentBay則構建了端到端安全體系 ， 包括沙箱隔離、數據加密與RBAC訪問控制、AI內容風險檢測以及日志審計 ， 保障任務安全、合規與可追溯 。
除了給企業打造Agent Infra之外 ， 阿里云還在云棲大會上 ， 給個人用戶也提供了一款跨終端、跨模態的智能計算平臺——無影Agentic Computer 。
Agentic Computer是一個擁有長期記憶的個人助手 ， 具備云端彈性算力與多任務并行能力 。 它內置垂直場景Agent ， 實現辦公、設計、研究等專業化支持 。 它將個人計算與云端智能協同起來 ， 有望讓更多用戶體驗到Agent帶來的賦能作用 。
從產業視角來看 ， Agent Infra的發展與移動互聯網時代App生態的興起有一大共性：基礎設施成熟 ， 為新形態產品快速落地提供了支撐 。
移動互聯網時代 ， 智能終端、網絡和云計算能力的完善 ， 使海量App得以高效運行和廣泛普及 ， 催生了豐富的應用生態；如今 ， AI Infra依托全球化云資源、彈性算力調度和全棧安全體系 ， 為AI Agent提供高性能、低延遲、可控的運行環境 。
穩固的基礎設施降低了創新門檻 ， 推動Agent在企業自動化、內容生成等多樣化場景中迅速落地 ， 有望形成新一輪產業生態和創新循環 。
結語：給Agent打好Infra地基 ， Agent離廣泛落地又近一步Agent Infra正逐步成為新一代數字化、智能化基礎設施的組成部分 ， 類似于移動互聯網時代的云和網絡 ， 為AI Agent生態提供底層支撐 。
同時 ， Agent Infra的發展正在改變產業創新節奏和生態構建方式 。 企業不再需要自行搭建復雜底層架構 ， 而是可以在統一、安全、可擴展的平臺上試驗多樣化Agent應用 。
隨著工具鏈標準化和安全機制完善 ， 或許會有越來越多企業和開發者能夠快速部署Agent ， 推動生產、服務和研發環節的自動化與智能化 ， 從而催生新型業務模式和產業應用 。
推薦閱讀
- 藍戟攜B60顯卡亮相云棲大會，實力詮釋專業顯卡新勢能
- 科沃斯與阿里云達成全棧AI合作，掃地機器人產品已接入通義千問
- 英特爾助力阿里云推出多款云實例與存儲方案，共筑AI時代云端算力基石
- 阿里云政企下一個十年，藏在這兩個“i”里
- 云管理智能體的優勢與挑戰分析
- 科技向善 AI興實|中興通訊亮相2025云棲大會 手阿里云共建云生態
- 阿里云與英偉達再牽手，在具身智能應用落地達成合作
- 華為云加碼算力+AI：數智時代中國搶占產業底層主導權的關鍵落子
- 戴爾科技推出多項產品升級，助力企業打造更智能、快速、安全的私有云環境
- 騰訊云智算全面升級，AI原生云基礎設施邁向主動服務新時代