随着AI智能体从演示阶段走向规模化落地，云厂商正在调整技术栈以承接这一需求。研究机构Omdia在《Agentic AI Cloud Titans in Asia & Oceania,2026》报告中，将AWS、阿里云、Google Cloud和微软Azure评为Agentic AI云的四家领导者。四家厂商几乎在同一时间完成判断，并开始调整各自的技术栈：Google Cloud宣布从Cloud Native转向Agent Native，AWS推出Bedrock AgentCore，微软Azure的Foundry Agent Service正式商用，阿里云则明确提出Agentic Cloud。
阿里云自今年5月提出向Agentic Cloud转型后，技术栈进入快速调整和迭代阶段。在四个月后的云栖大会上，阿里巴巴CEO吴泳铭将方向表述为“芯片负责生产Token，云负责把Token送到每一个需要它的地方”，目标是建设“为模型和Agent持续运行而设计的AI云”。阿里云CTO李飞飞进一步解释，这套体系包含“生产智能”与“创造价值”两个层面，前者决定模型能力如何被生产和供给，后者回答这些能力怎样在企业中落地，而两者之间正是Agentic Cloud需要交付的内容。
云厂商集体投入Agent基础设施，原因在于其交付形态的变化。一个回答问题的应用可以在返回文本后结束请求，而一个替用户办事的Agent需要等待外部系统响应、中途生成文件、根据反馈调整下一步，用户关闭界面后任务未必结束。当此类任务以亿为单位运行时，云需要交付的是一套能让Agent持续运行的环境，而非单次调用的平台接口。Gartner预测，AI智能体软件支出将从2025年的864亿美元增至2026年的2065亿美元，2027年达到3763亿美元；到2028年，33％的企业软件应用将内嵌Agentic AI，2024年这一比例不足1％。
李飞飞结合客户反馈和落地实践，将企业级智能体所需的支撑归纳为四大能力支柱。第一项是全域认知引擎，解决Agent依据什么作出判断的问题。阿里云通过数据库和大数据能力处理这类需求，OpenLake提供全域多模态数据湖仓，解除引擎和数据的绑定，支持数据和AI引擎可控平权消费同一份数据；ApsaraLakebase以湖库一体、数智融合的架构结合数据湖与数据库能力，并支持数据版本管理。第二项是自主运行与持续进化，对应Harness的主要职责。阿里云构建了面向企业级智能体的构建与运行平台AgentCore，将Agent所需基础设施标准化、托管化，支持长任务、失败重试、断点恢复和异步执行，主要能力包括执行环境中的沙箱隔离、状态与文件存储以及任务步骤监控。
对企业而言，是否采用云厂商提供的现成能力取决于自建代价。自行搭建需要连接模型和业务系统、管理状态与权限、处理异常，并为每次改动建立评测机制，应用越多维护负担越重。云厂商提供的基础能力可替企业承担这部分共性工程，企业仍需定义业务规则和验收结果，但不必为每个Agent重新建设运行环境。阿里云的选择是将这些共性工程一并纳入云的交付范围，其能力建设已延伸至模型训练与推理、智能体构建与运行，以及企业数据的组织和使用。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
