Agent重塑AI基础设施：从被动承载到主动进化的范式转移

事件概述

2026年10月1日，在云栖大会上，阿里云发布了针对Agent时代的AI基础设施升级方案。面对Agent（智能体）高频、并发、自主试错的运行特征，传统云平台“等待—反馈”的节奏已无法适应。阿里云提出“芯云模一体”协同设计理念，旨在通过提升模型生产效率、智能落地效率和系统自我进化效率，解决从原始数据到业务决策的全栈瓶颈。

核心信息

1. 数据层：应对多模态与高质量数据需求

具身智能和自动驾驶场景下，数据形态从文本转向视频、点云等多模态信号，数据清洗、标注和质检成为主要瓶颈。

• MaxCompute升级：实现CPU、GPU和大模型Token的统一调度，支持通过自然语言组织数据处理任务。
• EMR Serverless Spark：支持Spark、Ray、Daft等全模态引擎，连接Paimon、Iceberg等湖表格式。据阿里云数据，该方案可使具身智能数据处理耗时减少40%，PB级原始数据可直接生成LeRobot、RLDS格式训练集。
• PAI-DLC 3.0：引入Xfuse技术，联合分析算力底座、训练框架和任务状态，自动定位通信和资源调度问题，使多模态模型端到端训练速度提升2.4倍。

2. 应用层：构建Agentic Lake与安全治理体系

Agent不仅使用数据，更需理解数据语义并执行高风险操作，这对权限管理和推理稳定性提出新要求。

• OpenLake向Agentic Lake演进：通过Skill、MCP接口向Agent开放计算引擎，DataWorks提供跨引擎语义层和数据治理，确保Agent在可控沙箱中运行，支持可回滚、可审计的操作。
• ADA（AI原生大数据服务）：采用多智能体协同架构，用户通过自然语言提问，系统自动调动离线计算、实时分析、搜索等不同引擎完成复杂任务。
• 推理基础设施优化：
  • PAI-InferX：通过智能路由、Cache感知调度和KV Cache存储，处理Agent持续推理负载。
  • Flink Streaming Agent：支持视频、音频和事件流的实时接入与理解，应用于央视体育实时AI解说等场景，具备动态编排和长中短期记忆能力。

3. 进化层：系统自我优化与反馈闭环

Agent产生的负载具有高度复杂性，人工调优难以覆盖所有变化，基础设施需具备自我观察和优化能力。

• PAI-CrystalLLM：利用不到1%的GPU资源模拟万卡集群训练效果，为大规模训练提供“风洞”测试环境。内部实践显示，其帮助训练任务带来2%至10%的MFU（有效算力利用率）绝对提升。
• Hologres自进化查询优化器：分析真实Workload，提炼候选优化方案并通过验证后沉淀至系统。数据显示，其在四个月内自主发现并完成28项优化，优化器性能提升100%，湖上查询性能提升38%。
• 行业案例：穹彻智能基于阿里云Data+AI Pipeline搭建云上流程，数据处理吞吐提升超十倍，模型训练效率提升约50%，将原本以周为单位的迭代周期大幅压缩。

值得关注

• 基础设施边界：尽管Agent能显著降低数据处理和模型试错成本，但在AI for Science等涉及物理世界操作的场景中，受限于科学软件接口老旧和实验设备自动化程度低，Agent尚难独立完成从计算到实验验证的完整闭环。
• 竞争焦点转移：AI基础设施的竞争关键已从“承载多少模型”转向“能否让数据、模型和系统一起更快进化”，即构建高效的“数据→智能→应用→新数据”飞轮。
• 安全与权限细化：随着Agent自主性增强，企业数据权限管理需从传统的“员工访问控制”细化至“Agent在特定任务下的数据调用范围及异常接管机制”。