在9月22日舉行的2026杭州雲棲大會上，阿里雲CTO李飛飛系統闡述了阿里雲的Agentic Cloud戰略佈局。阿里雲將Model、Harness、Context作為核心構建場景，並推出全新的雲上算力底座、Agent構建治理平台AgentCore、Agent Sandbox以及新一代高效能儲存CPFS等一系列新品，目標是讓AI真正進入生產流程、走向規模化價值創造。

李飛飛認為，隨著2026年Agent爆發式增長，越來越多智慧體正跨過“問答型”分水嶺，進入自主規劃、即時決策階段，這對算力和雲提出了更高要求。企業級Agent大規模落地需要四方面能力：以全面、統一、持續更新的上下文形成全域認知；支援自主執行與持續進化；融入安全、控制、信任和身份認證，實現人與Agent、Agent之間的可信協作；從靜態規則走向即時感知、動態推理和自主行動。圍繞這四大支柱，阿里雲重構了從AI Native Cloud、Agent Native Cloud到Context Engine的完整技術棧。

在AI Native Cloud層面，模型尺寸正從萬億向十萬億引數躍遷，訓練範式從預訓練、後訓練Agentic RL走向遞迴式自我改進RSI，要求雲底座同時解決超大規模叢集穩定性、毫秒級彈性、百萬級併發以及訓練、推理和環境交付的統一協同。阿里雲展示了全棧自研算力底座，覆蓋計算、儲存、網路等產品線。以靈駿真武M890超節點為例，這是首個國產十萬卡超節點叢集，支撐了Qwen3.8 Max、KIMI K3等超2T引數大模型對外提供商業服務。即將在明年推出的靈駿真武V900超節點，效能提升三倍，搭載業界首發200Pbps通訊頻寬，6us時延叢集架構，自研SNPO支援全光互聯，支援千卡Scale-Up互連，單叢集可擴充套件至50萬卡規模，向廣域超節點演進。

儲存方面，阿里雲推出新一代全棧自研高效能儲存CPFS，提供高達百TB/s級吞吐和億級IOPS，單檔案系統規模提升5倍至100PiB，支撐大規模模型訓練和多模態資料處理。在實際模型訓練中，可將模型啟動平均耗時降低50%、峰值算力利用率提升30%、AI儲存成本降低69%，使GPU從“等待資料”轉向持續高效計算。

推理方面，面對容量激增的KVCache和多輪任務普及，阿里雲推出大模型KVCache管理和排程系統Tair KVCM，統一編排Mempool、KVCacheStore與遠端共享儲存等多級快取，有效命中率可達99%，每token成本下降50%；推出儲存加速引擎KV CacheStore，位於G3.5儲存層，承接長上下文、多輪對話和複雜Agent任務產生的大量快取，滿足千億級KV儲存規模，在客戶生產環境下實現快取覆蓋時間視窗擴大900%，吞吐提升20%，首token延遲降低54%；全新的智算中心融合網路TPN採用2層網路設計，訪問頻寬增加2.5倍，網路規模增加10倍，延時降低1/3。此外，人工智慧平台PAI新增支援非同步AgenticRL訓練框架，打通軌跡取樣、回報累計、模型訓練、引數更新的環路，在支援Qwen模型後訓練的實戰中，實現5天完成一次SOTA模型的後訓練。

在Agent Native Cloud層面，隨著Harness工程和skill的成熟與普及，大模型競爭正從能力比拼轉向業務價值兌現。阿里雲推出企業級Agent構建治理平台AgentCore，將企業級Agent基礎設施標準化、託管化，支援長任務、失敗重試、斷點恢復和非同步執行；提供安全執行環境、資源隔離、身份許可權和全鏈路審計，統一管理模型、MCP Server、Skill等資產，可提升任務完成率99%，TCO成本降低70%。此外，阿里雲還準備了系列Agent相關產品：Agent Sandbox為Agent提供開箱即用、極致彈性、安全可靠的執行環境，建立吞吐10萬/分鐘，深休眠喚醒＜600ms，相容E2B和K8s；Agentic OS作為Agent原生作業系統，可節省Token消耗30%以上，沙箱部署密度提升3倍；Agentic Computer為智慧體提供統一、長期線上的專屬雲電腦工位，相容主流Agent框架，具備Computer Use和GUI操作能力，許可權可控、操作可審計。

在Context Engine層面，決定Agent能力上限的不只是模型引數，還包括能否持續理解企業知識、業務狀態和執行反饋，因此上下文正成為企業需要統一建設和治理的新型資料資產。阿里雲提出“儲存—計算處理—上下文工程”三位一體的引擎Context Engine，將企業全域資料轉化為即時上下文。底層以多模態資料儲存承接對話、影片幀、點雲、軌跡和Agent反饋；中間層覆蓋資料整合、轉換、治理、質量和建模；上層通過全域知識庫、多模態語義整合、持續記憶管理和即時上下文裝配，把分散資料組織成Agent可按需呼叫、動態更新的上下文。產品層面，Agent Context面向複雜知識檢索，將準確率提升50個百分點，Token使用效率提升3倍以上；OpenLake提供統一全模態資料湖倉，通過一份資料支援多引擎計算，使總體擁有成本降低38%；Apsara Lakebase支援亞秒級、零複製建立資料分支；MC-MaxFrame以自研分散式計算框架處理多模態資料，計算效能提升12%；Flink Streaming Agent提供60多種全模態運算元，把即時資料流轉化為可觸發業務流程的即時行動。

從面向Model的模型生產，到面向Harness的自主執行與持續進化，再到面向Context的即時智慧決策，阿里雲正把算力、網路、儲存、執行環境、身份安全和企業資料組織成統一的Agentic Cloud。李飛飛表示，阿里雲已形成從AI晶片、伺服器CPU，到互聯、網絡卡、儲存主控和AI軟體棧的完整佈局，可以從計算、網路到儲存做全棧協同和聯合調優，把智慧生產效率做到更高。