Manus高溢價(jià)收購(gòu)背后，是Agent開發(fā)落地困境

作者 | 李文朋

編輯 | 王一鵬

最近，“Meta 以 20 億美元收購(gòu) Manus ”的消息傳得很熱。

Manus 曾被嘲諷“套殼”，但業(yè)內(nèi)人士認(rèn)為，雖然 Manus 整體架構(gòu)和理念不算顛覆式“新”，但在任務(wù)連通性、容錯(cuò)、回退機(jī)制等實(shí)現(xiàn)上，極度考驗(yàn)工程能力，遠(yuǎn)不是“換個(gè)皮”那么簡(jiǎn)單。

在 Manus 創(chuàng)始團(tuán)隊(duì)與媒體的最近一次訪談中，聯(lián)合創(chuàng)始人季逸超提出目前 Manus 定位只是一位“通用型助手”，幫普通人把復(fù)雜工作流做完，不能完全替代用戶本身。這也是因?yàn)樵?ToC 場(chǎng)景里，普通用戶對(duì)體驗(yàn)要求很苛刻——慢一點(diǎn)不行，錯(cuò)一點(diǎn)也不行，Manus 團(tuán)隊(duì)很清楚這一點(diǎn)。

如果說 ToC 用戶已經(jīng)夠“難伺候”，那 ToB 客戶對(duì) Agent 的要求只會(huì)更高：一方面，企業(yè)希望 Agent 真正“上生產(chǎn)”，意味著要接入復(fù)雜的權(quán)限體系、業(yè)務(wù)系統(tǒng)和合規(guī)要求；另一方面，任何一次錯(cuò)誤操作、臟數(shù)據(jù)寫入、流程走錯(cuò)，帶來的代價(jià)都遠(yuǎn)比個(gè)人用戶高得多。

所以會(huì)看到，過去一年很多企業(yè)在這條路上吃了不少苦：投入人力、投入預(yù)算，最后做出來的 Agent 用不了。MIT《2025 年商業(yè) AI 現(xiàn)狀》報(bào)告里提到，約 95% 的生成式 AI 試點(diǎn)項(xiàng)目很難進(jìn)入生產(chǎn)環(huán)境，很多最終都卡在上線前后。

問題出在哪？就在于這些一連串的工程難題。

比如代碼標(biāo)準(zhǔn)不統(tǒng)一、系統(tǒng)接口五花八門、工具調(diào)用不穩(wěn)定、開發(fā)周期被拉得很長(zhǎng)；數(shù)據(jù)資產(chǎn)混亂、想用調(diào)不出；安全合規(guī)和權(quán)限管理一碰就痛；甚至出現(xiàn)“越用越退化”的優(yōu)化難題。

說到底，并不是模型不行，也不是工程師不會(huì)做，而是整個(gè) Agent 開發(fā)還不夠成熟，大家還在摸索階段，沒有提前規(guī)劃一套更清晰、更穩(wěn)定的“做法”。

所以，國(guó)內(nèi)的云廠商開始認(rèn)真思考一個(gè)問題：到底怎樣才能幫助企業(yè)把 Agent 的難題解決掉？有沒有一種更適合落地的開發(fā)范式？

2025 云棲大會(huì)上，阿里云 CTO 周靖人就曾提出過“AI 時(shí)代的 Agent 開發(fā)范式」。而在 1 月 7 日，阿里云百煉對(duì)“1+2+N”體系和開發(fā)范式做了一次更系統(tǒng)的升級(jí)，把它落成一個(gè)工程化的體系。

這套“1+2+N”體系的想法并不復(fù)雜，本質(zhì)是把 Agent 落地拆成三層：

穩(wěn)底座（1）：把模型和云資源這些基礎(chǔ)能力做穩(wěn)定、可擴(kuò)展、可治理。地基不穩(wěn)，再漂亮的 Agent 也只能停在 PoC。

定范式（2）：給企業(yè)一套把 Agent 做成“工業(yè)產(chǎn)品”的開發(fā)與運(yùn)行體系，能開發(fā)、能部署、能迭代，交付不再反復(fù)折騰。

理雜活（N）：把真實(shí)業(yè)務(wù)里最難、最碎、但最致命的集成、權(quán)限、評(píng)測(cè)、成本這些“臟活累活”，做成可插拔的組件，讓企業(yè)能按需拼裝。

從這個(gè)角度看，這次阿里云百煉迭代背后體現(xiàn)的是一種更務(wù)實(shí)的方向：要用更工業(yè)化的方式，讓企業(yè)的 Agent 在真實(shí)業(yè)務(wù)里跑起來。

1 “N”：通用大方案，不如啃硬骨頭的“高手組件”

經(jīng)過大量 Agent 的試錯(cuò)，企業(yè)如今在啟動(dòng)一個(gè) Agent 項(xiàng)目時(shí)，最先拎出來掂量的往往不是模型，而是數(shù)據(jù)怎么處理與調(diào)用、安全問題能不能搞定、上線后怎么評(píng)估和優(yōu)化。

這些硬問題不先解決，再漂亮的 Agent 構(gòu)想也很難真正走進(jìn)生產(chǎn)環(huán)境。而在阿里云百煉的“1+2+N”體系里，“N”恰恰就是優(yōu)先來啃這些硬骨頭的。

更關(guān)鍵的是，這一次“N”做了很大的升級(jí)：它把落地過程中那些最常見、最難啃、最容易反復(fù)踩坑的環(huán)節(jié)抽象出來，沉淀成一組可插拔、可組合的模塊化組件。Agent 開發(fā)的難題看起來五花八門，但很多難題其實(shí)有共通的解法，可以被提煉、被復(fù)用。

“N”組件的存在，可以讓企業(yè)缺什么就用什么、按需組合，把時(shí)間花在業(yè)務(wù)價(jià)值上，而不是重復(fù)造輪子。

這次升級(jí)里，一個(gè)直觀的變化在應(yīng)用廣場(chǎng)：阿里云百煉把同類 Agent 做成了十多個(gè)精選合集，提供新的多模態(tài)模板，支持免登錄體驗(yàn)，也能一鍵調(diào)用 API，把“試試到跑起來”的路徑壓得更短。

真正決定“能不能落地”的挑戰(zhàn)，還有數(shù)據(jù)連接與知識(shí)管理、安全與權(quán)限控制、可觀測(cè)與持續(xù)優(yōu)化等問題。

企業(yè)做 AI 轉(zhuǎn)型，數(shù)據(jù)治理永遠(yuǎn)是“卡脖子”環(huán)節(jié)。盡管大家都知道數(shù)據(jù)重要，但真落到工程上，標(biāo)注、清洗以及讓模型讀懂私有數(shù)據(jù)的成本極其高昂。

目前，企業(yè)內(nèi)部約 80% 的數(shù)據(jù)以 PDF、圖像、視頻或會(huì)議錄音等非結(jié)構(gòu)化形式存在。據(jù) IDC 預(yù)測(cè)，這些數(shù)據(jù)多處于“不可檢索、不可復(fù)用”的沉睡狀態(tài)。隨著全球數(shù)據(jù)量預(yù)計(jì)在 2026 年激增至 221ZB，如何將這些碎片資產(chǎn)轉(zhuǎn)化為 Agent 可調(diào)用的知識(shí)，成為企業(yè)發(fā)展的關(guān)鍵。

阿里云百煉的思路是把這條鏈路做成“工具化”：用多模態(tài) RAG、多模態(tài)數(shù)據(jù)庫、Connector 連接器，把數(shù)據(jù)處理變成更工業(yè)化的流水線。

多模態(tài)數(shù)據(jù)庫通過智能解析、分類歸檔，打破圖像 / 音頻 / 視頻等模態(tài)壁壘；多模態(tài)知識(shí)庫 RAG 不再局限于純文本，支持?jǐn)?shù)十種格式的高精度解析，包括掃描件 PDF、復(fù)雜報(bào)表、音視頻會(huì)議記錄等。

在 Workflow 層面添加多模態(tài)文件處理與生成節(jié)點(diǎn)，同時(shí)提供覆蓋 Chunking、Embedding、（多模態(tài)）Embedding、Rewrite、Retrieval、ReRank 等在內(nèi)的向量化全流程能力，用于檢索與消化企業(yè)數(shù)據(jù)資產(chǎn)。

百煉平臺(tái)還提供開箱即用的 RAG 工具，企業(yè)無需自建復(fù)雜的向量庫與檢索鏈路，也能獲得高性能的知識(shí)檢索與生成能力。

把知識(shí)庫做起來只是第一步。要讓 Agent 真正有用，它就得能接入實(shí)時(shí)數(shù)據(jù)。然而，長(zhǎng)期以來 ERP、CRM 等異構(gòu)系統(tǒng)間的集成成本高昂，導(dǎo)致 65% 的企業(yè)受訪者認(rèn)為業(yè)務(wù)系統(tǒng)淪為新的“數(shù)據(jù)孤島”。

百煉平臺(tái)推出的 Connector（企業(yè)級(jí)數(shù)據(jù)連接器），就是想把這個(gè)門檻降到最低。

通過 Connector，企業(yè)可以一鍵對(duì)接飛書、語雀、MySQL 及 OSS 存儲(chǔ)；連上之后，這些數(shù)據(jù)既能直接喂給知識(shí)庫，也能驅(qū)動(dòng)工作流跑起來；平臺(tái)還提供數(shù)十種預(yù)置工具（Tools），支持用自然語言直接查詢或檢索數(shù)據(jù)等。

當(dāng)然，數(shù)據(jù)一旦接進(jìn)來了，真正棘手的問題也隨之出現(xiàn)：權(quán)限邊界與責(zé)任歸屬難題。

長(zhǎng)期以來，很多 Agent 在企業(yè)業(yè)務(wù)中多以匿名形式存在。這種“身份透明”導(dǎo)致操作鏈路難以溯源，不僅無法明確執(zhí)行指令的主體，更埋下了越權(quán)操作的隱患。

為此，百煉平臺(tái)引入 Agent Identity 組件，將 Agent 納入企業(yè)身份治理的范疇。

通過集成 Okta、EntraID 等主流系統(tǒng)，平臺(tái)為每個(gè) Agent 分配數(shù)字身份，使其行為從孤立的匿名調(diào)用轉(zhuǎn)變?yōu)榻壎ㄖ黧w、可供審計(jì)的合規(guī)操作。

百煉平臺(tái)也將傳統(tǒng)的“常駐權(quán)限”升級(jí)為“按需授權(quán)”僅在執(zhí)行任務(wù)時(shí)獲得短期令牌，任務(wù)結(jié)束權(quán)限即刻回收。

配合權(quán)限降級(jí)機(jī)制，Agent 的邊界被嚴(yán)格限制在用戶授權(quán)范圍內(nèi)，確保無法越權(quán)。全鏈路審計(jì)日志則讓每一步?jīng)Q策都透明可查，解決了企業(yè)“敢不敢給權(quán)限”的顧慮。

針對(duì)執(zhí)行環(huán)境安全，百煉平臺(tái)也構(gòu)建了 Sandbox（沙盒）物理隔離屏障。當(dāng) Agent 處理外部代碼或第三方數(shù)據(jù)時(shí)，系統(tǒng)可以利用虛擬化技術(shù)將其限制在獨(dú)立空間內(nèi)，精簡(jiǎn)系統(tǒng)調(diào)用并嚴(yán)控網(wǎng)絡(luò)訪問。

每一個(gè)任務(wù)會(huì)話均在“即用即棄”的容器中運(yùn)行，執(zhí)行完畢立即重置，徹底阻斷了數(shù)據(jù)殘留與交叉污染。平臺(tái)同步引入實(shí)時(shí)監(jiān)控與會(huì)話回放，一旦監(jiān)測(cè)到異常行為將立即終止任務(wù)。這種設(shè)計(jì)為 Agent 提供了“受控下的自由”：在屏障內(nèi)保持靈活性，在邊界外確保系統(tǒng)安全。

而當(dāng) Agent 真正跑進(jìn)業(yè)務(wù)之后，新的共性難題也會(huì)浮現(xiàn)：怎么評(píng)估、怎么持續(xù)改進(jìn)。

與傳統(tǒng)軟件不同，Agent 的執(zhí)行具有非確定性：即便輸入相同，也可能因模型的隨機(jī)性、工具調(diào)用順序或上下文波動(dòng)產(chǎn)生不同的輸出。這導(dǎo)致開發(fā)者難以追蹤 Agent 決策邏輯，在任務(wù)失敗時(shí)無法精準(zhǔn)定位是模型、工具還是流程缺陷。

百煉平臺(tái)通過 Trace（可觀測(cè)）與 Evaluate（評(píng)估）組件，實(shí)現(xiàn)了從“黑盒”到“透明”的轉(zhuǎn)變。

Trace 組件提供完整的執(zhí)行軌跡追蹤，清晰復(fù)現(xiàn)了從思考（Thought）、行動(dòng)（Action）到觀察（Observation）的每一步。開發(fā)者可以判斷哪一步耗時(shí)最長(zhǎng)、哪個(gè)工具失敗率最高，或是在哪個(gè)環(huán)節(jié)陷入了邏輯死循環(huán)。

結(jié)合 Token 消耗、響應(yīng)速度等量化指標(biāo)，這些數(shù)據(jù)可通過 Grafana 進(jìn)行可視化監(jiān)控，構(gòu)建起實(shí)時(shí)的生產(chǎn)環(huán)境觀測(cè)能力。

基于此，Evaluate 則建立了體系化的評(píng)價(jià)標(biāo)準(zhǔn)。

在任務(wù)完成度評(píng)價(jià)方面，百煉平臺(tái)可以通過衡量目標(biāo)滿足率與輸出質(zhì)量對(duì) Agent 進(jìn)行評(píng)分；并支持“模型評(píng)測(cè)（LLMasJudge）”、專家打分與人工復(fù)查相結(jié)合的混合模式，對(duì)失敗任務(wù)進(jìn)行深度歸因。

可以說，基于日志（Logs）、指標(biāo)（Metrics）與追蹤（Traces）的三大支柱，百煉平臺(tái)設(shè)計(jì)了一個(gè)“評(píng)估—優(yōu)化—驗(yàn)證”的持續(xù)迭代閉環(huán)。這種由數(shù)據(jù)驅(qū)動(dòng)的迭代機(jī)制，也驅(qū)動(dòng)著 Agent 實(shí)現(xiàn)“越用越好用”的工程閉環(huán)。

相比于自建底層架構(gòu)，直接調(diào)用百煉平臺(tái)的成熟組件能讓開發(fā)周期縮減數(shù)倍。以 RAG 系統(tǒng)為例，以往搭建搜索和解析鏈路需要數(shù)周，現(xiàn)在利用多模態(tài) RAG 組件，幾個(gè)小時(shí)就能跑通。

企業(yè)不需要為每個(gè) Agent 單獨(dú)開發(fā)身份認(rèn)證或數(shù)據(jù)接口，一套 Agent Identity 就能管好所有 Agent 的工號(hào)，一個(gè) Connector 就能接通全公司的數(shù)據(jù)源。

放在阿里云百煉“1+2+N”體系中，組件化正填補(bǔ)模型到業(yè)務(wù)之間的最后一塊拼圖：模型提供計(jì)算力，開發(fā)范式定好流程，而這“N”個(gè)組件則專門負(fù)責(zé)解決數(shù)據(jù)怎么連、權(quán)限怎么劃、效果怎么評(píng)、安全怎么管這些具體的“雜活”。

2 “2”：“下一代”Agent，需要新開發(fā)范式

“N”組件把坑填平，只解決了“這事能不能接得上、管得住”。企業(yè)真正要把 Agent 變成長(zhǎng)期能用的工業(yè)生產(chǎn)能力，還得解決另一個(gè)現(xiàn)實(shí)問題：怎么開發(fā)、怎么協(xié)作、怎么迭代。

阿里云百煉“1+2+N”體系里的“2”，就負(fù)責(zé)這一點(diǎn)，它涵蓋兩種開發(fā)方式（低代碼 + 高代碼），以及配套 Agent 開發(fā)平臺(tái)，通過同一套平臺(tái)和運(yùn)行時(shí)，分別服務(wù)兩類人、兩種交付方式。

為什么要做成“2”種模式？因?yàn)槠髽I(yè)落地 Agent 的過程，基本就是兩條路同時(shí)走：想快速試點(diǎn)、盡快看到效果，低代碼更省事、更快；真要進(jìn)核心業(yè)務(wù)、對(duì)接復(fù)雜系統(tǒng)，高代碼才夠靈活、夠深。

更現(xiàn)實(shí)的是，企業(yè)在代碼協(xié)作上存在長(zhǎng)期的“割裂”：低代碼不夠用，高代碼效率低。產(chǎn)品經(jīng)理用低代碼搭建的草案，往往需要技術(shù)團(tuán)隊(duì)用高代碼重新開發(fā)，而這種重復(fù)勞動(dòng)會(huì)導(dǎo)致業(yè)務(wù)邏輯在傳遞中失真。

為了讓 Agent 更快、更深地融入業(yè)務(wù)，百煉把低代碼和高代碼“打通”：企業(yè)可以從低代碼起步做驗(yàn)證，再逐步演進(jìn)到高代碼做優(yōu)化，形成一種更自然的漸進(jìn)式開發(fā)，讓真正懂業(yè)務(wù)的人與懂技術(shù)的人有機(jī)協(xié)作。

據(jù) Gartner 的預(yù)測(cè)，到 2028 年，企業(yè)里相當(dāng)一部分 Agent 應(yīng)用會(huì)由業(yè)務(wù)人員主導(dǎo)搭建。雙開發(fā)模式很可能會(huì)成為 Agent 走向工業(yè)化落地的一種主流形態(tài)。

但“2”的意義還不止是“怎么寫代碼”。更重要的是：下一代 Agent 本身就需要新的開發(fā)范式。

過去的一年，很多企業(yè)里的 Agent 實(shí)際上還停留在比較“表層”的形態(tài)：一種是以提示詞工程為核心、更多承擔(dān)輔助角色的 Copilot；另一種是能處理重復(fù)流程、嚴(yán)格按預(yù)設(shè)步驟執(zhí)行的“數(shù)字員工”。它們能提升效率，但往往缺少主動(dòng)規(guī)劃與閉環(huán)執(zhí)行能力。

Agent 不應(yīng)僅“被告知怎么做”，而是“應(yīng)該主動(dòng)思考怎么做”。

因此阿里云百煉提出了 Agent2.0：未來的 Agent 要能圍繞目標(biāo)自主規(guī)劃，把復(fù)雜問題拆成可執(zhí)行的小任務(wù)，過程中還能根據(jù)反饋調(diào)整策略，最后交付更穩(wěn)定、質(zhì)量更高的結(jié)果。

按照這個(gè)定義，Agent2.0 的核心鏈路是“規(guī)劃—執(zhí)行—反思”。

而現(xiàn)實(shí)里很多 Agent 開發(fā)失敗，問題往往是開發(fā)范式還停留在老路上。傳統(tǒng)那種線性鏈路（用戶 → Agent → 模型 → 輸出）有三個(gè)硬傷：沒有規(guī)劃，就很難應(yīng)對(duì)動(dòng)態(tài)場(chǎng)景；沒有反饋與糾錯(cuò)，走偏就很難拉回來；沒有長(zhǎng)期記憶，交互體驗(yàn)容易斷裂。

為了能承載 Agent2.0 的生產(chǎn)級(jí)落地，百煉平臺(tái)對(duì)開發(fā)范式做了系統(tǒng)升級(jí)：AgentScope 從過去偏“開源寫代碼”的工具形態(tài)，演進(jìn)為覆蓋 Agent 全生命周期的工業(yè)化開發(fā)平臺(tái)。

第一步，是把“上手門檻”壓到盡量低。

一方面，AgentScope 做了對(duì)主流模型能力的統(tǒng)一集成，內(nèi)置 100+ 預(yù)訓(xùn)練模型，拿來就能用。

另一方面，百煉平臺(tái)提供了一批可復(fù)用的智能體庫，比如交易智能體（EvoTraders）、調(diào)研智能體、金融分析智能體、數(shù)據(jù)科學(xué)智能體（Data-Juicer）、瀏覽器使用智能體、語音智能體等，減少?gòu)牧汩_始的成本。

第二步，是圍繞更高級(jí)的 Agent2.0，把“協(xié)作與執(zhí)行”能力補(bǔ)齊。

AgentScope 主要通過三塊來支撐：

多智能體編排：引入基于 Actor 模型的分布式架構(gòu)，支持多個(gè)專業(yè) Agent 的并行協(xié)作與自動(dòng)調(diào)度。研究表明，協(xié)作模式任務(wù)成功率比單一 Agent 高出 90.2%。

智能體上下文管理（長(zhǎng)期記憶）：深度適配 Mem0、ReMe 等記憶系統(tǒng)。使得 Agent 能夠自主存儲(chǔ)并檢索歷史交互中的關(guān)鍵信息，在后續(xù)任務(wù)中實(shí)現(xiàn)能力的持續(xù)迭代。

工具調(diào)用能力：全面兼容 StreamableHTTP、SSE、STDIO 等主流接口標(biāo)準(zhǔn)。通過支持 AnthropicAgentSkill 規(guī)范，在運(yùn)行時(shí)即可動(dòng)態(tài)加載新工具或移除冗余資源。

在工具調(diào)用這層，ReAct 這類“邊想邊做”的范式，也被不少實(shí)踐證明更容易形成任務(wù)閉環(huán)：學(xué)術(shù)基準(zhǔn)測(cè)試中，ALFWorld 任務(wù)只需 2 個(gè)示例即可達(dá)到 71% 的成功率，高于強(qiáng)化學(xué)習(xí)模型的 37%；在復(fù)雜任務(wù)中，準(zhǔn)確率相較純 FunctionCalling 提升約 15%–20%，成本比 CodeAct 低 78.9%。

在 Agent2.0 優(yōu)化與部署階段，阿里云百煉通過 AgentScope-Studio+AgentScope-Runtime 打通了全生命周期的工業(yè)化鏈路。

AgentScope-Studio 可通過自定義多維表現(xiàn)指標(biāo)，評(píng)估工作流設(shè)計(jì)的合理性；提供從輸入到輸出的全鏈路追蹤與可視化，讓 Agent 行為與決策過程實(shí)現(xiàn)“可觀測(cè)、可復(fù)盤”。

百煉平臺(tái)利用評(píng)測(cè)結(jié)果持續(xù)改進(jìn)，讓失敗樣本成為訓(xùn)練資產(chǎn)，形成“評(píng)測(cè)→優(yōu)化→驗(yàn)證→再優(yōu)化”的迭代閉環(huán)，實(shí)現(xiàn)從“盲目調(diào)參”到“數(shù)據(jù)驅(qū)動(dòng)優(yōu)化”的范式轉(zhuǎn)換。

在落地部署環(huán)節(jié)，AgentScope-Runtime 支持 Docker、K8S、ACK、Serverless 等多種部署形態(tài)；通過 Agent-as-a-Service 將 Agent 封裝為可獨(dú)立調(diào)用的 API 服務(wù)，兼容 A2A 與 ResponseAPI 等協(xié)議，便于集成、彈性擴(kuò)縮與快速迭代。

如果把阿里云百煉的開發(fā)范式拆開來看，其實(shí)就是從“構(gòu)建”走向“運(yùn)營(yíng)”的一個(gè)完整閉環(huán)。

前半段構(gòu)建，重點(diǎn)是更快、更省力地把東西搭起來：

用可選智能體模板減少重復(fù)勞動(dòng)；用多智能體編排與工作流把復(fù)雜任務(wù)拆成可協(xié)作的子任務(wù)；用高低代碼一體化實(shí)現(xiàn)統(tǒng)一開發(fā)與交付；通過 ReAct 等方式完成多任務(wù)的規(guī)劃、執(zhí)行與自我糾偏，再結(jié)合用上下文和長(zhǎng)期記憶支撐長(zhǎng)鏈路執(zhí)行等。

后半段上線運(yùn)營(yíng)，就是做讓它智能地跑起來：

用可觀測(cè)和自動(dòng)化評(píng)測(cè)把效果變成可量化的指標(biāo)；打通真實(shí)系統(tǒng)和數(shù)據(jù)源，拿到反饋并持續(xù)優(yōu)化；在企業(yè)既有基礎(chǔ)設(shè)施上實(shí)現(xiàn)更便捷的部署與穩(wěn)定運(yùn)維；同時(shí)借助 Identity、模型單元專屬部署、機(jī)密推理等能力，把權(quán)限、安全與合規(guī)治理補(bǔ)齊。

這套開發(fā)范式的最大亮點(diǎn)，就是它統(tǒng)一按照“工業(yè)級(jí) Agent2.0”的標(biāo)準(zhǔn)做事：高效的開發(fā)體系 + 可持續(xù)的反饋閉環(huán) + 便捷可靠的上線部署。

3 “1”：模型優(yōu)勢(shì)之外，深挖“模型服務(wù)”工程

最后，無論是組件化拼裝，還是低 / 高代碼協(xié)作，最終都要落在同一個(gè)問題上：模型調(diào)用能不能穩(wěn)定、能不能扛流量、能不能控成本、能不能過合規(guī)。

所以“1”是整個(gè)體系的地基——模型與云服務(wù)底座把推理服務(wù)、彈性、部署形態(tài)與安全邊界做成統(tǒng)一供給，保證上層“能跑起來，也跑得久”。

很多企業(yè)在用 Agent 的過程中，卡住的往往不是“模型會(huì)不會(huì)”，而是一些更現(xiàn)實(shí)、更工程的問題：1）延遲、并發(fā)、穩(wěn)定性跟不上真實(shí)業(yè)務(wù)流量；2）成本容易失控（鏈路長(zhǎng)、多輪工具調(diào)用、重試一多就更明顯）；3）部署和合規(guī)麻煩（私有化、混合云、權(quán)限邊界、數(shù)據(jù)隔離等）。

在調(diào)用模型的時(shí)候，企業(yè)最關(guān)心的也無非就兩件事：成本與性能。為此，百煉平臺(tái)提供了一套云資源調(diào)度組合拳：“異步調(diào)用 + 閑時(shí)調(diào)度”。

以前搞大規(guī)模的數(shù)據(jù)清洗、標(biāo)注，或者是分析長(zhǎng)視頻，這些任務(wù)不僅計(jì)算密集，而且耗時(shí)漫長(zhǎng)。最頭疼的就是走“同步調(diào)用”，跑到一半接口超時(shí)了，任務(wù)斷掉，前面全白干。

有了異步調(diào)用就省事多了，它像寄快遞一樣，你把任務(wù)丟給后臺(tái)，拿個(gè)任務(wù) ID，就可以去干別的。不用在那兒死等結(jié)果，等服務(wù)器處理完了你再回來取就可以。

而“閑時(shí)調(diào)度”更像“錯(cuò)峰用電”：不著急的任務(wù)挪到資源空閑的時(shí)候跑，單價(jià)更劃算，整體資源利用率也更高。阿里云百煉官方給出的數(shù)據(jù)是，動(dòng)態(tài)調(diào)度后閑時(shí)推理成本可降低 50%。對(duì)需要處理海量數(shù)據(jù)的企業(yè)來說，這種節(jié)省是實(shí)打?qū)嵉摹?/p>

此外，阿里云百煉這次把“模型服務(wù)能力”也做了系統(tǒng)升級(jí)，主要圍繞四塊：模型后訓(xùn)練、專屬模型單元部署、平臺(tái)可觀測(cè)、推理安全防護(hù)，系統(tǒng)性地”深挖“模型的服務(wù)能力。

先從選型說起。百煉平臺(tái)把模型體驗(yàn)中心做了結(jié)構(gòu)性重構(gòu)，把在線模型的能力做成更直觀的“能力圖譜”，支持文本、視覺理解、圖像 / 視頻生成、語音交互等全模態(tài)體驗(yàn)。

這樣企業(yè)就不用靠猜，也不用“盲選”，可以在平臺(tái)上直接對(duì)比不同模型在具體場(chǎng)景下的表現(xiàn)，再做選擇。

模型選定之后，是否“實(shí)用”往往取決于后訓(xùn)練。很多企業(yè)真正需要的不是通用能力，而是用自家數(shù)據(jù)和業(yè)務(wù)知識(shí)微調(diào)出來的“專家模型”，這才更貼近業(yè)務(wù)，也是企業(yè)的核心壁壘。

模型訓(xùn)完后，真正容易被“攔住”的常常是部署。自建集群運(yùn)維復(fù)雜、成本也難估：為了應(yīng)付峰值不得不預(yù)留一堆算力，平時(shí)又閑著浪費(fèi)；多租戶環(huán)境下的數(shù)據(jù)隔離和性能爭(zhēng)搶，會(huì)讓企業(yè)心里不踏實(shí)。

阿里云百煉推出“模型單元”部署，其實(shí)相當(dāng)于給企業(yè)開了條“專屬通道”，減少資源爭(zhēng)搶帶來的不確定性，讓高并發(fā)和低延遲更穩(wěn)定。

同時(shí)提供全托管的 Serverless 方式：系統(tǒng)會(huì)跟著實(shí)時(shí)流量自動(dòng)擴(kuò)縮容——忙的時(shí)候自動(dòng)擴(kuò)，保證體驗(yàn)；閑的時(shí)候自動(dòng)收，盡量省成本。

官方給出的測(cè)試數(shù)據(jù)里，模型單元部署相對(duì)傳統(tǒng)自建集群方案，推理性能提升超過 1.3 倍，并發(fā)能力提升超過 1.5 倍。對(duì)企業(yè)來說，這類提升的意義很直接：同樣的業(yè)務(wù)量，成本更低性能更好。

此外，調(diào)用模型處理數(shù)據(jù)時(shí)，最難繞開的是安全——尤其在金融、醫(yī)療、法律等高敏行業(yè)。很多企業(yè)不是不想用，而是卡在一句話：數(shù)據(jù)給到模型，會(huì)不會(huì)出事？

為此，百煉平臺(tái)推出模型“機(jī)密推理服務(wù)”，依托三層安全架構(gòu)，為企業(yè)構(gòu)建起全鏈路的數(shù)據(jù)保護(hù)圍墻：

第一層是基于 CPU/GPU 硬件可信執(zhí)行環(huán)境的機(jī)密計(jì)算能力，將模型推理運(yùn)行在硬件隔離的安全區(qū)內(nèi)。即便云側(cè)其他組件遭受攻擊，敏感數(shù)據(jù)也難以被竊取或泄露。

第二層是端到端加密的可信鏈路：實(shí)現(xiàn)了從用戶端到云端計(jì)算中心的全程加密傳輸。數(shù)據(jù)在加密狀態(tài)下進(jìn)入 TEE 區(qū)域處理，計(jì)算結(jié)果在加密狀態(tài)下返回，確保數(shù)據(jù)在“流動(dòng)”與“處理”的全生命周期中始終處于保護(hù)傘下。

第三層是公開審計(jì)的可信服務(wù)：平臺(tái)提供可驗(yàn)證的身份與安全能力證明。企業(yè)不僅能自主校驗(yàn)服務(wù)安全性，更能以此作為合規(guī)背書，向管理層、審計(jì)機(jī)構(gòu)及客戶證明其 AI 系統(tǒng)的高安全性。”

在使用體驗(yàn)上，機(jī)密推理被做成了“一鍵交付”的形態(tài)：企業(yè)只需要在模型庫中選擇支持機(jī)密推理的版本，一鍵部署到 TEE 隔離環(huán)境，就能直接調(diào)用機(jī)密推理服務(wù)來處理敏感數(shù)據(jù)。

放在一起看，這次升級(jí)是在原有模型性能優(yōu)勢(shì)之上，又補(bǔ)上了幾塊關(guān)鍵拼圖：云資源調(diào)度、后訓(xùn)練、模型單元化部署、機(jī)密推理安全體系等。幾塊一起發(fā)力，讓大模型調(diào)用變得更實(shí)用、更省錢，也更安全。

4 沒人愿意再“從零開始”，阿里云百煉 Agent 平臺(tái)企業(yè)版已發(fā)布

從市場(chǎng)角度來看，政企、金融、醫(yī)療等行業(yè)在采購(gòu)云服務(wù)時(shí)，始終受困于一種不完美的平衡。

公有云上手快、性能強(qiáng)，但數(shù)據(jù)邊界與合規(guī)要求是跨不過的門檻；私有化部署雖有安全感，但往往陷入“模型、工具、流程”極其復(fù)雜的運(yùn)維戰(zhàn)泥潭，開發(fā)周期長(zhǎng)、技術(shù)更新慢。

1 月 7 日，阿里云百煉企業(yè)版的發(fā)布，為市場(chǎng)提供了一個(gè)既保留數(shù)據(jù)主權(quán)，又擁有云端頂級(jí)效率的方案。

企業(yè)版支持專有云、本地化及 VPC 隔離，百煉平臺(tái)將云端的成熟能力“下沉”至企業(yè)環(huán)境。更重要的是，百煉平臺(tái)企業(yè)版支持源碼級(jí)交付。這不僅僅是技術(shù)開放，更是給予企業(yè)自主演進(jìn)的確定性。

企業(yè)不再需要買一堆零件回去組裝，而是直接獲得一個(gè)在自身安全邊界內(nèi)運(yùn)行的 Agent 基座。

事實(shí)上，企業(yè)版也并非新功能的簡(jiǎn)單集合，而是將百煉平臺(tái)“1+2+N”體系（頂級(jí)模型、成熟范式、核心組件）封裝為完整的交付體：

雙代碼統(tǒng)一：兼顧業(yè)務(wù)驗(yàn)證的敏捷性與復(fù)雜邏輯的深度定制。

多模態(tài) RAG：激活企業(yè)沉睡的音視頻與文檔資產(chǎn)，轉(zhuǎn)化為實(shí)時(shí)知識(shí)。

Trace 與 Evaluate：將 Agent 的黑盒行為拉到臺(tái)面上，讓調(diào)試與迭代成為標(biāo)準(zhǔn)工序。

大規(guī)模組織的管理訴求：企業(yè)版強(qiáng)化了多租戶部署、SSO 賬號(hào)集成以及細(xì)粒度的權(quán)限審計(jì)。這些功能解決了 IT 部門的核心憂慮——讓 Agent 的應(yīng)用在組織內(nèi)部不僅“能跑通”，更“可治理”。

一個(gè)行業(yè)走向成熟的標(biāo)志，是目光從技術(shù)指標(biāo)移向業(yè)務(wù)價(jià)值的“深水區(qū)”。

阿里云百煉 Agent 平臺(tái)企業(yè)版，本質(zhì)上在扮演“AI 時(shí)代技術(shù)中臺(tái)”的角色。從行業(yè)趨勢(shì)上看，未來企業(yè)大概率將不會(huì)從零開始建設(shè) AI 能力，而是直接基于一個(gè)完整、成熟的技術(shù)中臺(tái)起步。

這意味著，在一年的野蠻生長(zhǎng)后，留給企業(yè) AI 試錯(cuò)的窗口期正在關(guān)閉。

展望 2026 年，Agent 應(yīng)用爆發(fā)增長(zhǎng)幾乎已成共識(shí)。Gartner 預(yù)測(cè)，到 2026 年底，40% 的企業(yè)應(yīng)用將集成任務(wù)型 AI agents（相比 2025 年不足 5%），這也標(biāo)志著 Agentic AI 正從概念走向主流生產(chǎn)環(huán)境。

對(duì)阿里云這樣的全棧人工智能服務(wù)商而言，這將是多年技術(shù)積累轉(zhuǎn)化為業(yè)務(wù)增量的紅利期；對(duì)使用模型與 Agent 的企業(yè)客戶而言，也將是 Agent 正式進(jìn)入“拼效率、拼落地”的競(jìng)爭(zhēng)元年。