PPIO姚欣：智能體需要全新的操作系統(tǒng)｜MEET2026

編輯部 整理自
MEET2026量子位 | 公眾號(hào) QbitAI

隨著AI從回答問(wèn)題邁向自主執(zhí)行和創(chuàng)造，行業(yè)開始進(jìn)入真正的Agentic AI落地元年。這不僅改變了應(yīng)用形態(tài)，也正在重塑整個(gè)AI技術(shù)棧的底層邏輯。

與此同時(shí)，智能體體系結(jié)構(gòu)的復(fù)雜度呈指數(shù)級(jí)增長(zhǎng)，從任務(wù)規(guī)劃、工具調(diào)用到長(zhǎng)期記憶，每一環(huán)節(jié)都對(duì)底層框架提出了更高要求。對(duì)此，PPIO聯(lián)合創(chuàng)始人兼CEO姚欣表示：

• 能看到無(wú)論是PC時(shí)代，還是移動(dòng)時(shí)代、云時(shí)代，操作系統(tǒng)才是最核心的中間層。

這意味著，未來(lái)的AI應(yīng)用將從回答問(wèn)題的工具轉(zhuǎn)向能夠直接完成任務(wù)的助手，而要承載這類能力，行業(yè)迫切需要一種新的基礎(chǔ)設(shè)施——Agent時(shí)代的操作系統(tǒng)。

在本次量子位MEET2026智能未來(lái)大會(huì)上，姚欣圍繞智能體演進(jìn)、Agent Infra等關(guān)鍵詞分享了自己對(duì)AI底層基礎(chǔ)設(shè)施架構(gòu)重塑的判斷：

今天的Agent會(huì)成為未來(lái)AI應(yīng)用的主力，而Agent Infra會(huì)成為下一個(gè)AI時(shí)代的操作系統(tǒng)。

無(wú)論模型能力如何提升，無(wú)論應(yīng)用形態(tài)如何演進(jìn)，未來(lái)趨勢(shì)都指向同一個(gè)目標(biāo)：在AI時(shí)代，通過(guò)新的Runtime體系，實(shí)現(xiàn)模型能力、工具能力與執(zhí)行能力的高度融合。

為了完整體現(xiàn)姚欣的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來(lái)更多啟發(fā)。

MEET2026智能未來(lái)大會(huì)是由量子位主辦的行業(yè)峰會(huì)，20余位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾1000+，線上直播觀眾320萬(wàn)+，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

核心觀點(diǎn)梳理

• AI不再只是回答問(wèn)題的工具，而能像智能體一樣，自動(dòng)化地比價(jià)、下單、執(zhí)行任務(wù)，整個(gè)生態(tài)正在從“生成”走向“執(zhí)行”。
• 當(dāng)前很多產(chǎn)品把工作流、編排工具當(dāng)作Agent，但這只是早期形態(tài)，真正的智能體需要自主分析、決策與執(zhí)行。
• 傳統(tǒng)AI工具只是增強(qiáng)搜索或處理能力，并不能支撐完整的智能體運(yùn)行；真正的Agent需要新的系統(tǒng)架構(gòu)支撐，不能依賴舊式應(yīng)用或工作流體系。
• 模型能力決定上限，但智能體能否跑起來(lái)、能否在各種環(huán)境里通用落地，關(guān)鍵在于Runtime。

以下為姚欣演講全文：

AI從生成式邁向Agent時(shí)代

大家好，我今天分享的主題也是很多嘉賓講的新話題Agentic AI——今年AI進(jìn)入了到一個(gè)全新的時(shí)代。

過(guò)去一周，豆包手機(jī)橫空出世，它能夠自動(dòng)幫你下單、比價(jià)、執(zhí)行任務(wù)，這正是我們今年所看到的——從Generative AI向Agent AI的進(jìn)步。

AI以前更多只是做一些聊天、回答問(wèn)題；而從年初的Manus、Genspark，到現(xiàn)在的豆包手機(jī)，這些產(chǎn)品越來(lái)越清晰地展示出AI應(yīng)用開始像智能體一樣自動(dòng)化完成任務(wù)和進(jìn)行創(chuàng)作。

今天提到智能體這個(gè)話題的時(shí)候，我發(fā)現(xiàn)行業(yè)內(nèi)，特別國(guó)內(nèi)很多人把它定位成工作流。

以前像扣子那樣的編排工具，只能算是最早期的智能體形態(tài)，并不是完全體。

今天真正的完全態(tài)智能體需要具備自主分析、自主決策以及自動(dòng)化完成任務(wù)的能力，而執(zhí)行與落地正是其中的關(guān)鍵環(huán)節(jié)。

同時(shí)，我們之前在很多AI工具中看到的Deep Research功能，雖然能幫助做搜索和處理，但我認(rèn)為這仍然只是智能體的早期階段，真正的智能體需要全新的架構(gòu)和全新的形態(tài)。

真正的智能體需要從能力堆疊走向系統(tǒng)化結(jié)構(gòu)

2023年的時(shí)候，OpenAI研究員LilianWeng也發(fā)了一篇很著名的論文，《LLM Powered Autonomous Agents》。

這篇文章里面揭示了真正的智能體有哪些核心的組件，包括四個(gè)核心的元素：Memory、Planning、Tools、Action。

在梳理每個(gè)核心組件的特點(diǎn)和特性時(shí)，發(fā)現(xiàn)了這樣一些類比：如果把智能體當(dāng)作數(shù)字生命體，那么Memory有點(diǎn)像大腦的記憶功能，負(fù)責(zé)短期記憶、長(zhǎng)期記憶，甚至需要具備遺忘能力；Planning更像思考單元，能夠進(jìn)行深度推理和深度分析。

Tools、Action則更像我們的五官，能夠感知外部世界發(fā)生了什么，甚至像手和腳一樣去影響和改造外部世界。真正的智能體不僅是執(zhí)行的機(jī)器，更重要的是具備從思考到執(zhí)行再到分析的一整套綜合系統(tǒng)。

我們想一想，什么樣的系統(tǒng)是既能做資源的管理又能做記憶的管理，甚至調(diào)用大量的工具呢？

我認(rèn)為今天的智能體的基礎(chǔ)設(shè)施更像以前的操作系統(tǒng)，這里我列舉了一下過(guò)去三四十年一系列操作系統(tǒng)的發(fā)展和誕生，能看到無(wú)論從PC時(shí)代到移動(dòng)時(shí)代還是到云時(shí)代，操作系統(tǒng)才是最核心的中間層。

一方面，它要管理大量不同的異構(gòu)資源，把計(jì)算資源、硬件資源，以及各類異構(gòu)的記憶、存儲(chǔ)、傳輸能力整合起來(lái)。

另一方面，還需要把這些能力抽離并抽象成標(biāo)準(zhǔn)化的功能調(diào)用，暴露給上層應(yīng)用，讓開發(fā)者可以輕松進(jìn)行二次開發(fā)，而無(wú)需針對(duì)每一種硬件結(jié)構(gòu)單獨(dú)開發(fā)。

無(wú)論是在PC時(shí)代、手機(jī)時(shí)代，還是云時(shí)代，操作系統(tǒng)始終扮演著這樣的角色。

Agent Infra：未來(lái)AI時(shí)代的新操作系統(tǒng)

我提出一個(gè)看法：今天我們做的Agent Infra，本質(zhì)上是在構(gòu)建AI時(shí)代的操作系統(tǒng)。

傳統(tǒng)操作系統(tǒng)管理CPU、內(nèi)存、存儲(chǔ)等硬件資源，而Agent Infra管理的是模型能力、工具調(diào)用能力，以及任務(wù)和執(zhí)行能力，在這個(gè)維度上完成資源管理、統(tǒng)一調(diào)度與抽象，讓上層開發(fā)者能夠更方便地進(jìn)行應(yīng)用構(gòu)建。

在整個(gè)Agent Infra體系中，最核心的部分我們認(rèn)為是Runtime。

Runtime解決的是“能不能跑起來(lái)”的問(wèn)題，真正的智能體能否在各種環(huán)境下大規(guī)模、通用地適配并穩(wěn)定運(yùn)行，依賴的正是把不同能力進(jìn)行綜合調(diào)度的Runtime，這也是Agent Infra的核心所在。

PPIO是一家AI云計(jì)算公司，我們從底層算力到IaaS、PaaS，再到MaaS，逐層構(gòu)建了完整的AI云能力，為Agent Infra提供底座支撐。

自2020年算力出現(xiàn)短缺開始，我們整合大量數(shù)據(jù)中心閑置算力，構(gòu)建分布式算力網(wǎng)絡(luò)。如今我們?cè)谥袊?guó)已有4000+算力節(jié)點(diǎn)、1300多個(gè)能提供大量分布式算力的合作伙伴；2023年從CPU擴(kuò)展到GPU；2024年我們?cè)谌蛄?strong>大洲三十多個(gè)地區(qū)和國(guó)家開始部署算力網(wǎng)絡(luò)能力，整合全球各地的算力資源，這是我們的第一層。

第二層是GPU推理云平臺(tái)。2023年我們打造了第一代推理云平臺(tái)，實(shí)現(xiàn)異構(gòu)算力的統(tǒng)一調(diào)度。2024年推出分布式推理引擎，并托管近百個(gè)開源與社區(qū)模型，每天處理接近2000億Token，為模型提供推理加速、降本和性能增強(qiáng)，是支撐開源模型落地的重要基礎(chǔ)。

基于前期積累，我們?cè)诮衲闣AIC發(fā)布了首個(gè)兼容E2B的Agent沙箱，以Runtime為核心整合模型調(diào)用、短期/長(zhǎng)期記憶和數(shù)據(jù)庫(kù)能力，幫助頭部Agent廠商規(guī)?；涞?，通過(guò)更安全、敏捷的沙箱體系降低錯(cuò)誤率。

該沙箱是專為Agent執(zhí)行任務(wù)設(shè)計(jì)的云端運(yùn)行環(huán)境，為Agent賦予安全可靠、高效敏捷的“手和腳”，沙箱內(nèi)支持動(dòng)態(tài)調(diào)用Browser use、Computer use、MCP、RAG、Search等各種工具。

PPIO Agent沙箱基于Firecracker MicroVM構(gòu)建，具備強(qiáng)安全隔離、毫秒級(jí)極速啟動(dòng)、高并發(fā)創(chuàng)建三大特性，無(wú)需預(yù)部署，即啟即用，讓 Agent 的所有操作均處于“受限、可控”的狀態(tài)。

強(qiáng)安全隔離，讓不同Agent沙箱的環(huán)境可實(shí)現(xiàn)完全隔離，當(dāng)多個(gè)任務(wù)并發(fā)執(zhí)行時(shí)，每個(gè)任務(wù)都能在獨(dú)立環(huán)境中運(yùn)行，從根源上避免數(shù)據(jù)泄漏和資源搶占沖突。

小于200ms的極速啟動(dòng)時(shí)間，遠(yuǎn)遠(yuǎn)小于傳統(tǒng)虛擬機(jī)沙箱數(shù)分鐘甚至更長(zhǎng)的時(shí)效，可瞬間創(chuàng)建沙箱環(huán)境、運(yùn)行生成的代碼并展示預(yù)覽效果，大幅提升用戶的開發(fā)流暢度。

并且PPIO Agent沙箱還支持同時(shí)快速啟動(dòng)數(shù)千個(gè)沙箱實(shí)例的高并發(fā)創(chuàng)建能力，可充分滿足業(yè)務(wù)場(chǎng)景中的高并發(fā)需求，加快結(jié)果交付速度，保障用戶體驗(yàn)。

沙箱上線以來(lái)，月度活躍數(shù)在持續(xù)增長(zhǎng)，我們希望通過(guò)Agent Infra成為AI時(shí)代新的操作系統(tǒng)，幫助更多開發(fā)者成長(zhǎng)與創(chuàng)業(yè)。