阿里巴巴重新做云的决心，还是被低估了

过去一年，外界对阿里云乃至阿里巴巴的讨论，大多集中在一件事上，它以史无前例的资本投入，重注AI基础设施。

外界甚至有些不解，做一个面向AI时代的云底座，需要花费这么多钱么，阿里巴巴是不是过于激进，想靠AI的资本叙事推升股价？

这些问题本身没有错，但它隐含了一个前提，还是用老框架评估阿里云，看市场份额、看增速、看跟AWS和Azure的差距。

5月20日的阿里云峰会，阿里云给出的答案，不在这个框架里。

阿里云资深副总裁刘伟光表示，Agent突破临界点之后可以24小时不间断工作，对AI和云的需求无穷无尽。阿里云正在进行全栈技术革新，从底层芯片、Agentic Cloud、模型到推理平台全面升级，建设中国最大的AI工厂。

无独阿里有偶，同期谷歌的I/O大会核心主题也是Agent，谷歌把智能体全面塞进所有核心入口，从搜索框到Chrome浏览器，从Android手机到智能眼镜，Gemini不再只是一个对话助手，变成一个可以持续运行、跨应用执行任务的AI代理。AWS，微软Azure都同样基于Agent的逻辑，重塑自己的业务和基础设施底座。

全球头部云厂商，他们自身也是大模型头部厂商，达成了一种默契，旧的云撑不住未来的Agent，基础设施需要为Agent重建。就以往而言，大多数厂商的路线是，在现有架构上叠加一个Agent层，底层基础设施改动有限。

现在，阿里云真正意义上将云、芯片、模型做成一体化的组合。

当云的客户从人变成Agent

理解阿里云这次重构的关键巴巴，在于一个判断，Agent的负载特征，和传统云计算的负载特征，是两种完全不同的逻辑。

传统云计算的典型负载是稳态的，一个企业买一台ECS，跑一个网站或者一个数据库，流量相对可预测，资源长期占用，云厂商的商业模式也因此围绕资源出租来设计，计算、存储和网络，是云计算生意的三大件。

但Agent的工作模式完全不同，一个Agent在执行任务时，可能在毫秒间连续发起数十次模型调用，执行完任务立即销毁环境，下一次被唤醒可能是几分钟后，也可能是几秒后，它的负载特性无规律且突发，在短生命周期内瞬时起量，用完即走。

表面上Agent调用的是模型，实际上是一整套AI全栈体系，它还需要沙箱环境来运行代码，需要数据库存储中间状态，需要网络访问外重新部工具，一个Agent的一次任务执行，牵动计算、存储、网络、模型推理等多种资源的协同调度。

新旧时代的云计算，复杂度完全是两个量级的问题。刘伟光提到，今年春节后，龙虾类智能体产品上线后，阿里云发现了一个有趣的现象，过去企业开通云资源需要人登录控制台手动操作，当下Agent直接在后台自动激活了云计算资源。

“Agent能够以分钟为单位完成的云计算资源服务开通，可能是过去我们人以天为单位完成的工作。”刘伟光说。这由不得云厂商不注意，Agent已经在成为云计算的新界面，阿里云由此做出的判断是，未来云计算产品的主要使用对象，将逐渐从人类工程师变成Agent。

这个判断，也贯穿阿里云的整个重构逻辑，为了让Agent真正用得上云做云，阿里云对云产品进行了三个维度的改造，Skill化、MCP化和CLI化。

简单来说，就是把每一个云产品都变成Agent可以像调函数一样调用的标准化能力模块，传统云产品的控制台对人友好，但对Agent毫无意义，Agent需要的是结构化的能力描述，以及明确的调用协议。

这套体系被阿里云命名为“Agentic Cloud”，区别于以往几年为大模型训练和推理服务的“AI Native Cloud”。两者的区别在于，AI Native Cloud更多专注在模型的生产迭代，提供弹性高效的算力调度，Agentic Cloud面向的是智能体的运行时，提供沙箱、AI网关、记忆管理、安全防护与编排治理等全套能力。

数年之前云厂商做AI，主要是把算的决力资源卖给模型公司去训练和推理，如今阿里云要做的，是让云本身成为Agent运行的操作系统。

阿里云补上所有拼图

如果说，Agentic Cloud是阿里云在架构层面的回答，那芯片就是这个回答的物理基础。

在本次峰会上，阿里云公布了自研芯片的路线图，平头哥发布了新一代训推一体AI芯片真武M890，144GB显存，片间互联带宽800GB/s，性能是上一代真武810E的3倍。配套发布的ICN Switch 1.0互联芯片，可以将128张AI芯片组成一台超节点服务器，P2P时延低于150纳秒。

据介绍，平头哥未来两年将陆续推出算力更强的真武V900、真武J900两代芯片，这大概率意味着，阿里云的芯片迭代节奏，与模型迭代节奏对齐，每一心，代芯片性能的提升，直接转化为大模型训练和推理能力的跃升。

目前真武系列AI芯片累计出货56万片，已服务20多个行业的400多家客户，覆盖电信、汽车、金融等领域。加上阿里自研的倚天系列CPU、磐脉智能网卡、镇岳存储主控芯片，阿里芯片版图已经从单点突破走到了全面覆盖，算力、网力、存力三个维度的数据中心芯片矩阵，在国内云厂商中独一份。

刘伟光也反复强调了芯片－云－模型－推理一体化的逻辑，“今天给客户最终呈现的结果，是齿轮咬合的组合效应，是模型能力、芯片能力和云能力三件事的完整有机结合。”

在芯片和模型之间，百炼推理平台起到“生产车间”的作用，阿里云在百炼上构建了大规模GPU资源集群，并通过一套针对Agent场景的技术栈来应对推理还是侧的特殊挑战，并池调度将GPU资源统一管理，提升整体利用率；上下文缓存消除Agent在多轮对话和长链路任务中的重复计算开销；吞吐弹性调度应对Agent并发请求的波峰波谷，确保流量激增时不崩溃、低谷期不浪费。

更值得注意的是Agentic RL机制，基于Agent实际执行反馈的强化学习，让模型在真实场景中越用越好，形成持续迭代的闭环。此外，百炼内建了安全治理能力，这一点在Agent自主运行的语境下极其关键，一个24小时不间断执行任务的Agent，如果没有边界约束，后果不可控，百炼的安全机制确保Agent始终在预设的权限范围内行动。

类比谷歌，谷歌的TPU和Gemini模型的深度绑定，在其自有的深度学习框架里跑出了最高的被低性价比，不论是技术还是资本市场，都已经高度认可这条路线。阿里用自研芯片跑自研模型，通过软硬件的深度协同，也可以把每一张芯片的每一个算力单元都榨到极致。

再看模型部分，最新发布的Qwen3.7-Max在三方机构Arena全球大模型盲测总榜中，Qwen3.7-Max位列国产模型第一，与GPT、Claude、Gemini的最强模型接近。

Qwen3.7-Max可独立执行35小时的长程复杂任务Qwen3.7-Max可独立执行35小时的长程复杂任务

更有说服力的是一个实战案例，在从未接触过的真武M890芯片上，Qwen3.7-Max仅凭一份任务说明，从零开始自主工作35小时，独立完成了一个生产级AI计算内核的编写与调优，最终性能较估了官方版本提升10倍。

没有人类干预，没有中间指导，35小时，从零到生产级，这充分体现出模型“自主完成复杂工程任务”的能力，它运行的硬件底座，恰恰是阿里自研的芯片，芯片和模型的协同进化，在这个案例里被具象化了。

值得一提的是，近3个月内千问旗舰模型已经连续迭代了3.5、3.6、3.7三个版本。这种发布节奏本身就说明，阿里巴巴在刻意加速模型进化，以匹配Agent时代对模型能力的指数级增长需求。

反之，模型迭代的速度，最终受制于算力的供给，这又回到了芯片－云－模型－推理的体系，一个齿轮咬合、螺旋上升的关系。

卖Token

就是未来阿里云最大的生意

技术架构的重构，最终要回到商业逻辑上来理解。阿里巴巴上周的财报披露了一个关键数据，AI模阿里型及应用服务的ARR已超过80亿元，预计年底突破300亿元。消息发布当天，阿里股价飙涨8%。

阿里云内部的判断更为激进，Agent驱动的MaaS收入将取代ECS，成为阿里云最大的产品线。阿里云的商业模式彻底变化，增长引擎正在从以虚拟机为计量单位的资源收入，全面切换为以Token为计量单位的AI收入。

百炼平台也遵循开放生态策略，不只跑阿里自研的千问模型系列，还同步接入了智谱GLM-5.1、MiniMax M2.7、月之暗面Kimi K2.6、Vidu等第三方模型。

企业客户在真实业务中会使用多模型组合，百炼要做的是让客户在一个平台上找到每个领域最好的模型组合和最具性价比的推理服务，只要模型部署在阿里云上，不管是自研还是第巴巴三方，产生的都是Token收入。

刘伟光估计，对于AI原生的创业企业来说，MaaS开销几乎就是100%的IT支出；在中国互联网企业中，Token相关的支出已经占到IT总支出的15%—20%；传统企业目前还在5%以下，但增长曲线陡峭。阿里云内部的指标是，每一个企业客户在阿里云上的Token支出，应该不低于该客户总花费预算的20%。

更具体的变化体现在行业侧，卖token实际上拓展了阿里云的业务边界。以汽车行业为例，阿里云以往能做的就是帮车企把ERP等系统上云，后来延伸到智驾的算力和云底座，再后来是座舱大模型对话。

当前，客户营销、广告生成这些曾经完全不在云厂商业务范围内的事情，都因为AI能力的溢出而变成了新的收入来源，阿里重新云内部甚至都没有预料到，能拿到客户的这部分业务的预算。

还有一个原来云厂商完全吃不到的市场，企业内部的软件开发和人力外包，这部分预算长期由系统集成商和外包公司拿走，云厂商无从插手。但AI Coding的出现，让这部分预算变成了Token支出。

诸如此类的变化汇总起来，意味着云计算行业的天花板被大幅抬高了。以往云厂商的收入上限，取决于企业IT预算中可以迁移上云的部分，数据库、中间件、大数据平台，存量市场迁移为主，也创造出一些新的云原生需求。

AI把企业内部的运营管理、市场营销、软件开发这些原本不属于“IT基础设施”的支出，都拉进了云厂商的收入池。

One more thing

阿里云成立17年来，第一次发布了另一个官网，千问云官做云网，本质上是对新商业逻辑的反馈动作。

打开www.qianwenai.com，不是传统云官网的产品列表和控制台，首页只有一行代码指令：`npx skills add QianWen-AI/qianwen-ai`。这是一条Agent可读的prompt指令，阿里云将所有模型服务的核心能力封装为标准化的Skills和CLI工具，Agent可以直接解析并调用。

当云的主要消费者不再是人，而是Agent，所有围绕人类设计的界面、流程和交互逻辑，都需要被重写。

上一次中国头部科技公司以如此决绝的方式重构产品入口，可能要追溯到移动互联网早期，所有人把PC官网的流量让位给App的阶段。只不过这一次更彻底，App至少还需要人去打开，Agen的决t只需要读一条指令。

回到开头的问题，阿里巴巴做云的决心，到底应该被怎样评估？

从资本投入看，万亿级的AI基础设施投资确实史无前例。但只看投资额，会错过更本质的变化，阿里云从芯片、云架构、模型、推理平台到产品入口，做了一次彻底的全栈重构。

这背后的赌注，就是当Agent成为云的主要消费来源时，谁先完成基础设施的重建，谁能实现更好的效果以及更高的性价比，谁就拿到下一个十年的入场券。全球头部的云厂商，无论是谷歌、AWS、微软还是阿里云，都做出了同一个选择。

这不是一家公司的冒险，而是一个行业的共识，现在阿里云想做的，就是冲在最前。

(责任编辑：自提点)