今年的云栖大会配资门户的申请入口，规格与热度均比往年要高不少。所有人都带着焦虑，来这里探寻打开 AI 时代的钥匙，阿里云也不负众望，交出了高分答卷：
基础模型层面，丢出由 Qwen3-Max 领衔的 7 款通义大模型"核弹"，在智能水平、Agent 工具调用和 Coding 能力、深度推理、多模态等方面实现多项突破，其中 Qwen3-Max 核心性能超越 GPT-5。
技术愿景层面，阿里集团 CEO、阿里云智能集团董事长兼 CEO 吴泳铭提出了" ASI（超级人工智能）"的愿景，而 AGI 只是 ASI 的起点，其认为 AI 时代大模型将是下一代操作系统，超级 AI 云是下一代计算机。
应用落地层面，阿里云旗下一站式模型服务和 Agent 开发平台"百炼"发布了全新高代码 Agent 开发框架 ModelStudio-ADK，其突破以预定义编排方式开发 Agent 的局限，可帮助企业高效开发具备自主决策、多轮反思和循环执行能力的 Agent。
也不难发现，不论是在吴泳铭、阿里云智能首席技术官周靖人的主题演讲上，抑或是行业分论坛上，Agent 智能体均是高频词汇。事实上，在全球范围内，Agent 均已被视作 AI 落地的关键载体，这是科技巨头们的新共识，而阿里云也已显露出了饱和式投入的决心。
在主题演讲中，吴泳铭表示，未来可能会有超过全球人口数量的 Agent（智能体）和机器人，和人类一起工作，对真实世界产生巨大影响。在阿里云的价值观中，智能体正是连接数字世界与真实世界的最佳载体。
什么是 Agent？简单理解就是 AI 代理应用，它可理解人类需求，自主规划决策、调度外部资源、执行复杂任务。在形态上，Agent 可能是一个软件应用，可能是搭载于机器人 / 智能家电 / 智能汽车 /AI 眼镜等 AI 硬件上的能力，甚至在周靖人看来，智能体与大模型并无明显的边界，模型生来就具备搜索功能，本身就算是一个 Agent。
可以这样简单理解：机器人是"看得见、摸得着"的 AI，而"智能体"则是类似于"软件"一样的虚拟 AI 应用，它们都是 AI 驱动的计算系统，区别与移动互联网时代"硬件"和" App "的关系相似。正因为此，我们可以认为，未来将是一个智能体无处不在的时代。
在年初的 CES 2025 上，黄仁勋在主题演讲中同样强调了其对智能体的看好，其认为世界上有 10 亿知识工作者，" Agent 就是下一个机器人行业，很可能是一个价值数万亿美元的机会。"
而在今年的微软 Build2025 上，微软 CEO 纳德拉则表示："我们已经进入了 AI Agent 时代，正在见证 AI 系统如何以全新方式帮助我们解决问题。"这一届 Build 大会的主题为「Open Agentic Web」，微软发布了 Copilot Agent 平台，与包括 xAI 在内的 AI 巨头共同打造基于 Agent 的新一代网络" Agentic Web "。
中国的科技巨头也不遑多让，阿里、字节、百度、华为等巨头均推出了 Agent 开发平台，而且据我观察，各行各业在 Agent 的应用上甚至更激进一些——就像移动互联网的进程一样，虽然中国不是发源地，但却催生了移动支付、共享单车、短视频等世界级应用。在 Agent 领域，中国出现 Manus 等知名 Agent，还有大量的 Agent 应用如雨后春笋出现，在我参加云栖大会所入住的酒店，就正在举办一场面向传统企业高管的关于智能体商用的培训。
作为 AI 时代最重要的应用形态，Agent 关系到 AI 在真实场景的落地。正因为此，让千行百业的企业组织、开发者和个体能低门槛、高效率、低成本地开发出可用、好用的 Agent 至关重要。
IDC 数据显示，到 2024 年 12 月，中国头部综合类 AI 原生应用 Agent 数量已超 10 万个，25 年 AI 智能体爆发，Agent 数量恐怕已达百万级。然而跟同样百万级的 App 生态"爆款频出"不同，Agent 生态并未出现大量的明星产品，大多数 Agent 均基于低代码平台"预定义编排"开发，任务处理能力相较于基础大模型并无明显突破。
分析机构 Gartner 甚至认为，今年以来愈演愈烈的 AI Agent 概念热潮在很大程度上是炒作的结果，很多项目的" Agent 化"仅仅是品牌名称重塑，在市场冷静后将会出现一波退潮。其认为，到 2027 年底将有超 40% 智能体 / 代理人工智能 ( Agentic AI ) 项目被取消——这绝非危言耸听。
阿里云智能集团副总裁、阿里云政企事业部产品解决方案与服务管理总经理霍嘉在云栖大会有一个断言："精品 Agent 一定是高代码的"。根本原因在于，Agent 不只是基于内容或者数据的搜索 /chat/ 生成，它需要连接真实物理世界，因此必须要深入到真实业务场景，而嵌入到业务将涉及大量的开发工作，比如业务知识库的融合、与已有业务系统的对接、对支付等外部能力的调用 …… 因此，要做能解决实际问题的 Agent，必须要进行大量的开发，既所谓的"高代码"开发。
周靖人在专访中也表示，面向行业的 Agent 开发"需要对每个行业 Know-How、对应知识体系的深度认知。"因此阿里云在越来越强大的基础模型能力外，也十分注重面向业务层的工具使用、调优。
于是我们等来了高代码 Agent 开发框架 ModelStudio-ADK。在这一开发框架面世前，开发者同样可以高代码方式开发 Agent，然而任何高代码开发都有难度大、门槛高、成本高、部署难的问题。市面上已有的开源 Agent 框架如 LangGraph、AutoGen 和 Google ADK，也没有打通 Agent 开发、测试、部署、发布和商业化的全流程任务。
ModelStudio-ADK 给予开发者更强的自主性、灵活性和深度开发能力，同时尽可能地让 Agent 开发效率更高、门槛更低、成本更低、难度更小。
Agent 能力上，ModelStudio-ADK 基于通义开源的 AgentScope 打造，可开发深度研究、硬件代理智能体、复杂检索智能体等应用，支持 Agent、Multi-Agent 等多类型 Agent 搭建。底层依托阿里云百炼集成全新通义千问家族旗舰模型，可驱动 Agent 实现更高效的自主规划与决策，推理性能提高 50%，决策成功率达到 90%。同时，开发者可一键调用通义千问 Qwen、通义万相 Wan、DeepSeek 等 200 多款业界领先的模型。
在开发与部署层面，ModelStudio-ADK 全面支持云端部署和云端组件调用。面向 Agent 开发和部署所需的各类组件，ModelStudio-ADK 基于阿里云百炼集成工具连接 MCP Server、多模数据融合 RAG Server、沙箱工具 Sandbox Server、智能记忆存取 Memory Server 以及支付订阅服务 Pay Server 等 7 大企业级能力，让开发者可将复杂的业务逻辑转化为 Agent 执行逻辑，降低开发成本、缩短开发周期，比如 1 小时就能轻松开发一个 DeepResearch 或 Agentic RAG 项目。
面向更复杂的多 Agent 联动场景，阿里云百炼也已经提前布局，基于 ModelStudio-ADK 开发的 Agent 广泛兼容包括 A2A、ResponseAPI 在内的主流 Agent 调用协议，支持异步、同步多种调用方式，企业和开发者可将 Agent 进行自由组合和串联，形成协同工作的 Agent 系统，构建 Agentic 化的代理机制。
行业不缺低代码 Agent 开发平台，部分平台喊出"小白也能 0 代码打造 Agent "的口号。但面向真实业务场景的，特别是面向行业工业化生产的 Agent 一定需要高代码开发。阿里云百炼 ModelStudio-ADK，依托阿里云全栈 AI 能力，成功打通 Agent 开发、测试、部署、发布和商业化的全流程任务，这一全套能力的加持，有望成为 Agent 开发的标配工具——如同 Xcode 在 MacOS/iOS App 开发中的地位一样，势必会推动 Agent 从"能用"到"好用"，从"数量"到"质量"，从"探索式开发"到"工业化生产"的跃迁。
正如周靖人所言：" Agent 正逐渐成为模型调用的主力，全新的 ModelStudio-ADK 将为企业用户开启一个自主化、能与业务场景深度融合的 Agent 开发范式，继续加速生产级 AI 应用的落地。"
虽然开发精品 Agent 绕不开高代码，但这并不意味着 Agent 不需要低代码开发，企业依旧存在诸如财务系统、招聘系统等大量简单、确定场景的 AI 应用需求，这类 AI 应用都可以通过更低门槛的低代码开发平台快速搭建。
AI 大牛吴恩达曾表达过这样的看法：
"太多人在争论什么是真正的智能体，什么不是。这种争论往往陷入「这个系统是否真正自主」的哲学讨论，而非专注于解决实际问题。我们可将智能体视为一个连续的光谱，不同系统具有不同程度的自主性。在这个框架下，一个只能执行简单任务的系统和一个能够进行复杂决策的系统，都可以被称为「agentic 系统（代理系统）」，只是智能化程度不同而已。"
也就是说，Agent 好与坏并不取决于使用高代码抑或是低代码开发，这颇有一些"不管黑猫白猫，能抓到老鼠的就是好猫"的意味。
正因为此，阿里云依然会继续支持 Agent 的低代码开发，其低代码开发平台 ModelStudio-ADP 也在云栖大会期间实现了升级。事实上，其低代码平台已广泛应用在金融、教育和电商等领域企业，截至目前，阿里云百炼平台已有超 20 万开发者开发了 80 多万个 Agent。
例如，网商银行基于 ModelStudio-ADP 开发了贷款审核应用，支持合同、发票、营业执照等 26 种凭证，以及店面门头、餐饮厨房、就餐区、货架商品等超过 400 种细粒度物体的精准识别，准确率超 95%，其任务处理时间从原来的 3 小时优化至 5 分钟内。
也就是说，从现在起，在 Agent 开发平台赛道，阿里云的选择是 ADP+ADK 两条腿走路，开发者开发简单的 Agent，或者要进行业务探索、技术选型、原型验证甚至市场测试，也可先用 ADP 开发"入门版 Agent "探索，如有必要再使用 ADK 进行深度开发。
Agent 只是 AI 的载体，而阿里云支持 Agent 开发，本质还是通过其全栈 AI 能力去支持 AI 落地到物理世界，解决实际问题。就像吴泳铭在演讲中所说的："面向新一轮智能革命，阿里云将全力打造成为全栈人工智能服务商。"
如何理解吴泳铭所说的阿里云"全栈人工智能服务商"的愿景？当前全球有许多卓越的 AI 巨头，如 OpenAI、微软、谷歌、Meta、英伟达、阿里。但从业务布局来看，真正进行全栈布局的只有两家：谷歌和阿里，它们均提供公有云（底层算力基础设施）、云计算能力（PaaS）、上层模型（MaaS）以及 Agent 工具链等。
这正是阿里云百炼能成为 Agent 黑土地的底层逻辑，它不仅能提供模型和各类工具、组件等原子化能力，更重要的是，在 Agent 开发完成后，阿里云能依托强大的算力和网络可提供云端部署等能力，打通 Agent 商业化最后一公里配资门户的申请入口，这是精品 Agent 涌现、乃至 ASI 时代到来的关键一步。
欣旺配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
