在2026世界人工智能大会期间，阿里云在上海举办的“Agentic Cloud智能体时代的基础设施论坛”上，与产业伙伴围绕Agent基础设施、Agent产品、AI原生云、数据平面、安全等议题，披露了多项产品进展和产业案例。这场论坛虽然没有给出新的财务收入增速或业绩指引，但释放了AI云竞争正在从单一模型能力扩展到推理效率、数据平台、Agent运行时、安全治理以及面向业务结果的交付能力这一核心信号。

模型不再是唯一核心，SaaS或从订阅转向按结果付费

在论坛对话环节，阿里云智能集团首席技术官李飞飞与PyTorch Foundation执行董事Mark Collier讨论了AI基础设施的演进。Mark Collier提出，模型本身不再是唯一的核心，企业未来会同时使用多个模型、自研专用模型，或将开放权重模型定制成更专业版本，不仅需要调度智能体本身，还需要让智能体与所使用的模型解耦。李飞飞则从商业模式角度指出，SaaS行业的定价逻辑可能发生变化：企业购买软件服务是按结果付费订阅，而不是按资源消耗量定价。他判断市场将很快迁移到智能体服务模式，客户为最终结果付费。Mark Collier也给出同样方向的判断，客户会说不在乎成本，只想为结果付费，但总得有人为所有GPU和数据中心买单。这意味着对云厂商而言，后端基础设施的推理效率和成本优化仍是关键。Mark提到，DeepSeek推理软件优化案例显示，六个月内token成本降低了60%，在完全相同的硬件上实现了近三倍的吞吐量。

Token、Agent、数据库实例：需求侧指标取代单一模型叙事

国家信息中心副主任盛磊在开场演讲中表示，智能体正在从概念走向规模落地，人工智能也在从“能说会写”迈向“能做会干”。他提出，工业经济看千瓦时，互联网经济看流量，到了智能经济时代，Token正在成为衡量AI实际生产力的重要标尺。盛磊披露，中国日均Token调用量两年内突破140万亿次。他还表示，未来算力服务模式将国际化，探索“离岸算力、来数加工、Token出海”等新形态。阿里云数据库负责人杨辛军给出更直接的变化：云的第一用户正在从人变成智能体。他表示，Databricks数据显示80%的数据库实例是由agentic创造的，97%的分支是由agent创建的。阿里云也观察到类似趋势，其PostgreSQL数据库最近有80%是由agent创建的。过去整整5年，整个PostgreSQL数据库差不多创造了4万个实例，最近在过去的几个月当中就看到agent创建了差不多12万个数据库。Agent自主创建数据库的环比增速达到300%。

阿里云推KV缓存、Agentic FS等基础设施，称全栈AI云服务份额40.1%

阿里云智能集团研发副总裁、弹性计算负责人吴结生在演讲中表示，阿里云是全球少数几个具备全栈AI基础设施能力的云服务商，其全栈能力覆盖IDC、自研硬件和芯片、云产品服务、千问大模型和百炼推理服务。他披露，阿里云全栈AI云服务市场份额为40.1%，并称国内至少有一半的大模型公司都跑在阿里云上面。在训练侧，阿里云发布基于平头哥真武M890 AI芯片、ICN Switch 1.0芯片和磐久AI超级服务器节点的“超节点实例”。单个超节点配置64张卡，卡间互联速度达800GB，每张M890芯片配置144G显存，整体超节点显存达到9TB。吴结生称，M890最新芯片在一些大模型训练测试中，训练性能较上一代8101提升3倍。在推理侧，阿里云发布新的KV Cache Store存储系统，以应对长上下文、多轮对话下KV Cache数据爆发式增长。吴结生表示，客户POC验证中，KV Cache Store可以提高缓存命中率高达20%，从而降低推理成本、提高推理效率。他还提到，阿里云TokenWorks可使模型上线从几天下降到几十分钟；基于容器的推理方案可将冷启动时延降低高达90%，部分客户GPU使用率提升35%，每个Token平均输出耗时降低60%。面向Agent运行时，阿里云推出安全隔离沙箱、Agentic FS等能力，可支持每分钟快速拉起10万级别沙箱，单区域支持百万级沙箱规模；冷启动时间可达百毫秒级，热启动时间为10毫秒级。

“AI爆发不靠一两颗芯片”，平头哥开源Seal软件栈

平头哥半导体副总裁高慧表示，智能体应用正在重塑数据中心负载，高频协同、工具调用、长上下文推理都在挑战算力利用率和TCO。她强调，这些问题靠升级一颗芯片、两颗芯片是解决不了的，需要在系统级做整体解决方案。平头哥的回答是算、存、网全栈升级。高慧披露，真武芯片截至今年4月已经出货56万片，服务20多个行业、400多家客户，成为国内应用场景最广泛的AI芯片。同时，平头哥正式宣布Seal软件栈开源开放。高慧解释，AI时代的真正爆发不是来自于某一颗、某两颗真正强的芯片，而会来自一套更开放、更协同、更高效的全栈算力体系。她还给出生态适配数据：GitHub上Star大于10的主流AI仓库有3277个，Seal已适配其中3248个；同时覆盖PyTorch、TensorFlow、vLLM、SGLang等260多个主流训练推理框架。

智能体落地产业：满帮称司机使用率从15%升至35%，货源响应可缩至3-5分钟

满帮集团AI算法总监高艺铭从物流行业给出了Agent落地的案例。他表示，物流平台Agent化的本质是从人操作软件走到人托管目标。在货运场景中，司机不是来APP上“刷货”，而是有明确目标：去哪、赚多少钱、能不能装、愿不愿意空驶。满帮上线相关Agent系统后，司机使用率从15%提升到35%，使用过一次后的下次留存为71%。他还披露，司机每天平均会花169分钟在平台上看货，大概是2.5个小时。高艺铭表示，如果百万司机都将目标托管给系统，平台供给将翻10倍；货源发出后的响应时间，也有望从十几二十分钟缩短到3分钟、5分钟。

从Demo到生产，企业需要“可治理、可审计、可复用”的Agent平台

阿里云智能集团云原生应用平台负责人周琦指出，过去一年市场看到了大量令人兴奋的Agent Demo，但Demo和生产之间隔着一条非常深的鸿沟。他认为，企业真正的挑战不是有没有Agent，而是如何让Agent跨角色、跨系统、跨边界进入企业流程，并稳定协作。阿里云提出企业智能体三层架构：Infra、Desktop和Platform。其中Infra提供可信运行环境，Desktop让Agent进入真实工作环境，Platform则负责构建、治理、协作和进化。周琦披露，在阿里云云原生团队内部，已通过Agent体系串联开源开发、治理、答疑和质量跟踪。目前运行15个Agent，提供7×24小时在线服务，承担85%的技术答疑，使运营支撑时长降低90%，需求响应时间从7天压缩至1天。

应用交付侧：秒悟团队版、Enter强调“从生成代码到交付价值”

在应用生成层面，阿里巴巴ATH事业部MASS业务线秒悟副负责人周恒民发布秒悟团队版。他表示，秒悟定位为人人可用的AI应用创作平台，用户可通过自然语言生成网站、小程序、APP等，并一键发布为可访问的生产级应用。周恒民披露，截至论坛当天，每天有上万名用户在秒悟上创作和发布，大部分没有技术背景，包括产品经理、运营、老师、学生、设计师和创业者。团队版则解决企业关心的统一采购、资源共享、资产转交、权限管理和团队协同问题。Andr Pro产品负责人龙东恒则从“Delivery Agent”角度强调，生成代码只是第一步，真正的业务系统还需要数据、部署、权限、安全和持续运营。在他看来，用户说“帮我做一个点菜系统”，Agent要做的不只是把网页做出来，还要把数据库搭起来、域名分配好、网站部署完。

安全成为规模化前提：近40% Agent项目或因安全风险失败

阿里云智能集团云安全产品负责人祝建跃提醒，Agent越自主，安全边界越重要。他表示，机器身份数量已经超过人类，企业正处在人与Agent共生的环境中。他引用数据称，57%的企业已经部署Agent，但Gartner预计，近40%的项目会因为安全风险管控问题失败。祝建跃强调，Agent安全在当下不再是一个可选项，它是业务发展当中的必选项，不然Agent只会成为一个定时的炸弹。阿里云提出Infra层、模型推理服务层、Agent应用层三层统一防护，并发布Agent安全中心能力，包括资产识别、漏洞检测、AI Red Team、运行时安全、日志溯源等。祝建跃称，阿里云已上线150项针对Agent漏洞的检测能力，并将运行时安全能力融入百炼和AI安全网关，全链路延时控制在100-120毫秒以内。