在2026世界人工智慧大會期間，阿里雲在上海舉辦的“Agentic Cloud智慧體時代的基礎設施論壇”上，與產業夥伴圍繞Agent基礎設施、Agent產品、AI原生雲、資料平面、安全等議題，披露了多項產品進展和產業案例。這場論壇雖然沒有給出新的財務收入增速或業績指引，但釋放了AI雲競爭正在從單一模型能力擴充套件到推理效率、資料平台、Agent執行時、安全治理以及面向業務結果的交付能力這一核心訊號。

模型不再是唯一核心，SaaS或從訂閱轉向按結果付費

在論壇對話環節，阿里雲智慧集團技術長李飛飛與PyTorch Foundation執行董事Mark Collier討論了AI基礎設施的演進。Mark Collier提出，模型本身不再是唯一的核心，企業未來會同時使用多個模型、自研專用模型，或將開放權重模型定製成更專業版本，不僅需要排程智慧體本身，還需要讓智慧體與所使用的模型解耦。李飛飛則從商業模式角度指出，SaaS行業的定價邏輯可能發生變化：企業購買軟體服務是按結果付費訂閱，而不是按資源消耗量定價。他判斷市場將很快遷移到智慧體服務模式，客戶為最終結果付費。Mark Collier也給出同樣方向的判斷，客戶會說不在乎成本，只想為結果付費，但總得有人為所有GPU和資料中心買單。這意味著對雲廠商而言，後端基礎設施的推理效率和成本最佳化仍是關鍵。Mark提到，DeepSeek推理軟體最佳化案例顯示，六個月內token成本降低了60%，在完全相同的硬體上實現了近三倍的吞吐量。

Token、Agent、資料庫例項：需求側指標取代單一模型敘事

國家資訊中心副主任盛磊在開場演講中表示，智慧體正在從概念走向規模落地，人工智慧也在從“能說會寫”邁向“能做會幹”。他提出，工業經濟看千瓦時，網際網路經濟看流量，到了智慧經濟時代，Token正在成為衡量AI實際生產力的重要標尺。盛磊披露，中國日均Token呼叫量兩年內突破140萬億次。他還表示，未來算力服務模式將國際化，探索“離岸算力、來數加工、Token出海”等新形態。阿里雲資料庫負責人楊辛軍給出更直接的變化：雲的第一使用者正在從人變成智慧體。他表示，Databricks資料顯示80%的資料庫例項是由agentic創造的，97%的分支是由agent建立的。阿里雲也觀察到類似趨勢，其PostgreSQL資料庫最近有80%是由agent建立的。過去整整5年，整個PostgreSQL資料庫差不多創造了4萬個例項，最近在過去的幾個月當中就看到agent建立了差不多12萬個資料庫。Agent自主建立資料庫的環比增速達到300%。

阿里雲推KV快取、Agentic FS等基礎設施，稱全棧AI雲服務份額40.1%

阿里雲智慧集團研發副總裁、彈性計算負責人吳結生在演講中表示，阿里雲是全球少數幾個具備全棧AI基礎設施能力的雲服務商，其全棧能力覆蓋IDC、自研硬體和晶片、雲產品服務、千問大模型和百鍊推理服務。他披露，阿里雲全棧AI雲服務市場份額為40.1%，並稱國內至少有一半的大模型公司都跑在阿里雲上面。在訓練側，阿里雲釋出基於平頭哥真武M890 AI晶片、ICN Switch 1.0晶片和磐久AI超級伺服器節點的“超節點例項”。單個超節點配置64張卡，卡間互聯速度達800GB，每張M890晶片配置144G視訊記憶體，整體超節點視訊記憶體達到9TB。吳結生稱，M890最新晶片在一些大模型訓練測試中，訓練效能較上一代8101提升3倍。在推理側，阿里雲釋出新的KV Cache Store儲存系統，以應對長上下文、多輪對話下KV Cache資料爆發式增長。吳結生表示，客戶POC驗證中，KV Cache Store可以提高快取命中率高達20%，從而降低推理成本、提高推理效率。他還提到，阿里雲TokenWorks可使模型上線從幾天下降到幾十分鐘；基於容器的推理方案可將冷啟動時延降低高達90%，部分客戶GPU使用率提升35%，每個Token平均輸出耗時降低60%。面向Agent執行時，阿里雲推出安全隔離沙箱、Agentic FS等能力，可支援每分鐘快速拉起10萬級別沙箱，單區域支援百萬級沙箱規模；冷啟動時間可達百毫秒級，熱啟動時間為10毫秒級。

“AI爆發不靠一兩顆晶片”，平頭哥開源Seal軟體棧

平頭哥半導體副總裁高慧表示，智慧體應用正在重塑資料中心負載，高頻協同、工具呼叫、長上下文推理都在挑戰算力利用率和TCO。她強調，這些問題靠升級一顆晶片、兩顆晶片是解決不了的，需要在系統級做整體解決方案。平頭哥的回答是算、存、網全棧升級。高慧披露，真武晶片截至今年4月已經出貨56萬片，服務20多個行業、400多家客戶，成為國內應用場景最廣泛的AI晶片。同時，平頭哥正式宣佈Seal軟體棧開源開放。高慧解釋，AI時代的真正爆發不是來自於某一顆、某兩顆真正強的晶片，而會來自一套更開放、更協同、更高效的全棧算力體系。她還給出生態適配資料：GitHub上Star大於10的主流AI倉庫有3277個，Seal已適配其中3248個；同時覆蓋PyTorch、TensorFlow、vLLM、SGLang等260多個主流訓練推理框架。

智慧體落地產業：滿幫稱司機使用率從15%升至35%，貨源響應可縮至3-5分鐘

滿幫集團AI演算法總監高藝銘從物流行業給出了Agent落地的案例。他表示，物流平台Agent化的本質是從人操作軟體走到人託管目標。在貨運場景中，司機不是來APP上“刷貨”，而是有明確目標：去哪、賺多少錢、能不能裝、願不願意空駛。滿幫上線相關Agent系統後，司機使用率從15%提升到35%，使用過一次後的下次留存為71%。他還披露，司機每天平均會花169分鐘在平台上看貨，大概是2.5個小時。高藝銘表示，如果百萬司機都將目標託管給系統，平台供給將翻10倍；貨源發出後的響應時間，也有望從十幾二十分鐘縮短到3分鐘、5分鐘。

從Demo到生產，企業需要“可治理、可審計、可複用”的Agent平台

阿里雲智慧集團雲原生應用平台負責人周琦指出，過去一年市場看到了大量令人興奮的Agent Demo，但Demo和生產之間隔著一條非常深的鴻溝。他認為，企業真正的挑戰不是有沒有Agent，而是如何讓Agent跨角色、跨系統、跨邊界進入企業流程，並穩定協作。阿里雲提出企業智慧體三層架構：Infra、Desktop和Platform。其中Infra提供可信執行環境，Desktop讓Agent進入真實工作環境，Platform則負責構建、治理、協作和進化。周琦披露，在阿里云云原生團隊內部，已通過Agent體系串聯開源開發、治理、答疑和質量跟蹤。目前執行15個Agent，提供7×24小時線上服務，承擔85%的技術答疑，使運營支撐時長降低90%，需求響應時間從7天壓縮至1天。

應用交付側：秒悟團隊版、Enter強調“從生成程式碼到交付價值”

在應用生成層面，阿里巴巴ATH事業部MASS業務線秒悟副負責人周恆民釋出秒悟團隊版。他表示，秒悟定位為人人可用的AI應用創作平台，使用者可通過自然語言生成網站、小程式、APP等，並一鍵釋出為可訪問的生產級應用。周恆民披露，截至論壇當天，每天有上萬名使用者在秒悟上創作和釋出，大部分沒有技術背景，包括產品經理、運營、老師、學生、設計師和創業者。團隊版則解決企業關心的統一採購、資源共享、資產轉交、許可權管理和團隊協同問題。Andr Pro產品負責人龍東恆則從“Delivery Agent”角度強調，生成程式碼只是第一步，真正的業務系統還需要資料、部署、許可權、安全和持續運營。在他看來，使用者說“幫我做一個點菜系統”，Agent要做的不只是把網頁做出來，還要把資料庫搭起來、域名分配好、網站部署完。

安全成為規模化前提：近40% Agent專案或因安全風險失敗

阿里雲智慧集團雲安全產品負責人祝建躍提醒，Agent越自主，安全邊界越重要。他表示，機器身份數量已經超過人類，企業正處在人與Agent共生的環境中。他引用資料稱，57%的企業已經部署Agent，但Gartner預計，近40%的專案會因為安全風險管控問題失敗。祝建躍強調，Agent安全在當下不再是一個可選項，它是業務發展當中的必選項，不然Agent只會成為一個定時的炸彈。阿里雲提出Infra層、模型推理服務層、Agent應用層三層統一防護，併發布Agent安全中心能力，包括資產識別、漏洞檢測、AI Red Team、執行時安全、日誌溯源等。祝建躍稱，阿里雲已上線150項針對Agent漏洞的檢測能力，並將執行時安全能力融入百鍊和AI安全閘道器，全鏈路延時控制在100-120毫秒以內。