工业革命用蒸汽机解放了人类体力，信息革命以计算机拓展了信息处理边界，而人工智能正开启一场智力放大的全新跃迁。在 2025 年云栖大会上，阿里巴巴集团 CEO 吴泳铭抛出振聋发聩的判断：“通用人工智能（AGI）并非终点，而是迈向超级人工智能（ASI）的起点。” 这场指向未来的进化之旅，并非空中楼阁 —— 阿里云正以 “模型 – 平台 – 基础设施” 的全栈布局，将当下的 Agent 落地实践与未来的 ASI 愿景紧密相连，在全球 AI 竞争中勾勒出中国路径。
一、时代坐标：Agent 成 AI 落地的核心载体
当科技巨头纷纷将目光投向 AI 的下一阶段，Agent 已从概念走向产业主战场。普华永道 2025 年 5 月的调研显示，79% 的全球受访企业已在业务中应用 AI Agent，其中 66% 实现生产力提升，57% 达成成本下降，过半企业感受到决策效率与客户体验的双重优化。从 OpenAI 的 Agent Mode 到微软的 “Agentic Web”，从谷歌的 Jules Agent 到百度的全平台智能 Agent，一场围绕智能体的产业竞赛已然打响。
在这场竞赛中，阿里云的定位尤为清晰。不同于 C 端的体验型应用，阿里云百炼 Agent 开发平台直指企业核心需求，将模型调用、框架搭建、资源调度、合规运维等全环节系统化打包，成为企业培育 AI 能力的 “土壤”。吴泳铭在演讲中揭示了背后的战略逻辑：“今天的 Agent 是连接真实世界数据的桥梁，未来将有超过全球人口数量的 Agent 与人类协作，为 ASI 的自我迭代积累养分。”
这种 “立足当下、锚定未来” 的思路，正是阿里云的一贯风格。正如蒸汽机需适配生产线、计算机要融入办公场景，AI 的价值释放同样需要具象化的载体 ——Agent 承担的，正是让大模型从 “能说会道” 到 “能做会干” 的关键角色，而这一切都离不开底层能力的坚实支撑。
二、基座夯实：全栈技术破解企业落地四大难题
企业对 AI Agent 的期待往往很实际：能否稳定扩展？是否值得依赖？会不会丢失信息？成本能否可控？这些问题的答案，藏在阿里云打磨多年的 “模型 + 基础设施” 双引擎中。
（一）模型突破：定义智能的性能天花板
基础模型的实力直接决定 Agent 的能力边界。阿里云通义千问系列已构建起全球领先的开源体系，300 余个开源模型累计下载量突破 6 亿次，衍生模型达 17 万个，稳居全球第一。在 2025 年云栖大会上，七大模型的集中发布更彰显其技术硬实力：万亿参数的 Qwen3-Max 在 SWE-Bench Verified 编程测试中斩获 69.6 分，Tau2-Bench 工具调用测试以 74.8 分超越 Claude Opus4，更在 AIME 25/HMMT 数学推理测试中实现国内首次双满分；Qwen3-Next 采用高稀疏度 MoE 结构，80B 总参数仅激活 3B 即可媲美 235B 模型，训练成本下降 90%；Qwen3-VL、Qwen-Image 等多模态模型则让 Agent “看懂世界” 的能力大幅提升。
在 MMLU、CMMLU 等权威基准测试中，Qwen 系列最新版本多次超越 GPT-4-turbo 等国际对手，为 Agent 提供了强大的推理、决策与执行基座。这种覆盖从轻量推理到重度生成、从单一文本到多模态交互的模型矩阵，让不同场景的 Agent 都能找到适配的 “智能内核”。
（二）基建托底：构建 AI 运行的可靠基石
如果说模型是 Agent 的 “大脑”，那么基础设施就是其 “骨架与血脉”。阿里云通过四大核心能力，破解了企业落地的共性痛点：
大规模弹性成为应对流量波动的关键。ACS GPU 的 serverless 弹性架构支持秒级拉起百亿参数模型实例，结合容器服务 ACK 的跨集群调度与 vLLM 推理引擎，让算力像 “水电” 般随用随取。某电商平台的促销场景中，Agent 调用量从日常的千级跃升至百万级，正是依靠这种弹性能力实现无缝支撑，避免了算力闲置与业务停摆的双重风险。
高可用与稳定性筑牢核心业务防线。对象存储 OSS 在千亿级数据量下保持高并发检索，计算层的故障自动隔离与分钟级自愈能力，配合云原生数据库 PolarDB 的金融级支撑，让万亿参数的 MoE 模型得以长期稳定运行。网商银行的风控 Agent 正是依托这套体系，实现全年无故障运行，保障了金融交易的安全可靠。
长短期记忆与检索赋予 Agent 进化能力。Tablestore 承载的会话记忆与 Lindorm 支撑的多模数据管理，让 Agent 能沉淀企业 SOP、合同等知识资产，在连续任务中调用过往经验形成 “组织记忆”。鱼泡网的招聘 Agent 通过积累简历处理经验，人岗匹配准确率持续提升，正是记忆能力的生动体现。
推理优化与加速破解成本控制难题。人工智能平台 PAI 的专用引擎成效显著：paiMoE 将 Qwen3 训练加速比提升 3 倍，paiFuser 缩短近三成视频生成处理时间，PAI-EAS 让吞吐率提升超 70%。这使得 “听力熊” 学习机的 Agent 能支撑百万用户日均高频交互，同时将推理成本降低 40%。
三、生态赋能：“1+2+7” 体系让 Agent 扎根产业土壤
技术的价值最终要在场景中兑现。阿里云百炼推出的 “1+2+7” 企业级 Agent 体系，通过 “一套模型服务、两种开发模式、七大关键能力” 的组合，让 Agent 从技术概念转化为产业实效。
两种开发模式的双轨并行极具突破性。低代码的 ADP 让企业像拼乐高一样快速搭建原型，某制造企业仅用 3 天就完成生产线质检 Agent 的初步验证；高代码的 ADK 则开放底层接口，支持复杂业务的深度定制，当该企业验证场景有效后，无缝切换至 ADK 实现规模化部署，避免了二次开发的资源浪费。这种 “分阶段上车” 的设计，既降低了传统企业的试错成本，又满足了科技公司的定制需求。
七大关键能力则补齐了落地短板。记忆管理解决 “遗忘” 问题，工具连接实现与企业现有系统的无缝对接，安全沙箱保障核心数据安全，日志追踪与评测助力持续优化，动态推理适配复杂任务需求，支付与交易入口打通商业闭环，文件与数据管理实现知识沉淀。这些能力的协同，让企业无需东拼西凑就能完成 Agent 的全生命周期管理。
如今，这套体系的价值已在多领域显现：制造业中，Qwen3-VL 的 3D 检测能力将生产线质检准确率提升至 99.2%；金融行业，Qwen3-Coder 构建的智能风控系统让代码审计效率提高 3 倍；内容创作领域，通义万相 2.5 助力中小企业将宣传视频制作成本降低 80%。截至 2025 年 9 月，超 20 万开发者在百炼平台构建了 80 余万个 Agent，模型调用量同比增长超 15 倍，印证了生态的生命力。
四、全局视野：全栈布局承载的双重使命
阿里云的全栈路径，既是企业自身的战略选择，更承载着中国在全球 AI 竞争中的使命。Omdia 报告显示，阿里云已连续多年稳居国内云计算 + AI 市场第一，2025 年上半年商业体量超第二至第四名总和，十万级企业客户的实践验证了其平台可靠性。
这种 “模型 – 平台 – 基础设施” 的闭环能力，正在打破海外方案的垄断。当 Agent 成为继大模型之后的新一轮产业高地，阿里云通过全栈建设，让中国企业能在本土完成从 Agent 开发到规模化应用的全流程，无需依赖外部技术供给。这种自主可控的能力，不仅是企业数字化转型的 “确定性基石”，更是国家科技竞争力的重要支撑。
吴泳铭在云栖大会上描绘的演进路线清晰可期：第一阶段 “智能涌现” 已通过大模型实现，第二阶段 “自主行动” 正由 Agent 在产业中落地，第三阶段 “自我迭代” 则将在 Agent 连接物理世界、积累足够数据后逐步达成。从今天的 80 万个 Agent，到未来超越全球人口数量的智能体生态，阿里云的全栈布局正在铺就一条从现实到未来的道路。
这场迈向 ASI 的旅程，没有捷径可走。正如蒸汽机的普及需要工业体系的支撑，计算机的应用离不开软硬件的协同，超级人工智能的实现同样需要模型、平台与基础设施的长期积淀。阿里云用扎实的全栈实践证明，AI 的下一站不是空想，而是在解决每个产业痛点、优化每个业务流程的积累中，逐步靠近的未来。
发表回复