Agent 正在成为 AI 应用的主流产品形式。作为 2025 年最受瞩目的技术之一，全球 AI Agent 市场规模已突破 50 亿美元，年增长率高达 40%。相关数据统计，过去 3 个月涌现的 Agent 产品，超过了去年全年的总和，2025 年可以称为 Agent 元年。

继 OpenAI 在 2 月发布 Agent 应用 DeepResearch 引爆全球后，3 月发布的 manus 又为这股 Agent 热潮添上了一把火，当时它不但邀请码一码难求，之后更获得 Benchmark 领投的 7500 万美元的新融资。除了 manus，海外的垂直领域 Agent 公司也频频涌现高估值公司，例如编码 Agent 公司 Cognition 估值即将突破 100 亿美元，人力资源 Agent 公司 Mercor 也达到了 20 亿美元估值。

在观察到 Agent 的崛起以后，红杉资本认为，AI 下一阶段的主角是 Agent。福布斯在评选 AI 50 榜单时也总结到：AI Agent 将全面超越聊天类 AI 应用。

福布斯的理由是，聊天类应用主要用于回答问题或根据指令生成内容；而 Agent 的自动化程度更高，可以完成完整的工作流程，直接交付高质量结果。这使得 AI 不再只是「助手」，而升级成「执行者」。

每一次软件应用范式的改变，都会推动基础设施（infra）的进化，而基础设施的改变，也会让应用的体验得以提升。

传统的本地部署基础设施，其高成本，低弹性的缺点，促进了云计算的诞生和成熟，而随着云计算基础设施越变越好，就催生了万亿美元规模的 SaaS 软件行业，其领头羊 SalesForce 的市值，目前约为 2570 亿美元。云计算作为基础设施，也为淘宝天猫、YouTube 等用户超亿级别的互联网应用打好了地基，让它们能发展壮大。

在 Agent 应用开始爆发的同时，与 Agent 使用的相关隐忧也在显现。例如终端性能限制，AI 工具链配置麻烦，安全问题，长期记忆问题等，若有一个 Agent 专属的基础设施产品出现，解决 Agent 使用面临的一系列问题，将进一步加速 Agent 的普及。

7 月 28 日，上海世界人工智能大会 WAIC 上，阿里云正式推出了首款专为 AI Agent 打造的"超级大脑"——无影 AgentBay。它能突破本地部署的算力限制，提供专属 Agent 运行的沙箱环境，并为 Agent 配齐了 Browser、Code Space、Computer Use、Mobile Use、Memory 等 AI 工具，还具备视觉理解、自然语言控制、任务解析等多项 AI 技能，仅需三行代码即可接入，做到"拎包入住"，让 AI 开发者们彻底告别繁琐的安装和配置。

01

本地算力限制，安全性差，

Agent 的使用面临 5 大痛点

利用 AI 的能力将工作流程自动化，这类产品早已有之。在生成式 AI 出现之前，就有 RPA 类产品大行其道。但限于当时的 AI 能力还较弱，RPA 只能将简单的单一工作流程自动化，不具备真正的智能，不能解决复合化的复杂问题。

直到生成式 AI 出现，各种真正具备的智能的 Agent 应用出现，人们才从 AI 自动化中获得了很好的效率提升。

Agent 本质是一个能调用各种工具的 AI。例如 manus，它用提示词控制 AI 模型，并编排了一个精巧的工作流（work flow），让 AI 模型使用各种不同的工具，然后完成一个复杂的任务。

但是，无论是以 DeepResearch 为代表的研究类 Agent 应用，还是 manus 这样的通用 Agent 应用，都是通过网页或 App 的形式对终端的用户提供。

这种提供方式，并不适合专业的 AI 开发者，AI 创业者和企业用户。因为他们的需求是让 Agent 使用专有的数据，无缝地嵌入到业务中，为业务持续提供价值。

商业化使用 Agent，首先遇到的就是终端性能，但当 一个功能强大的 Agent 在用户本地的终端运行时，会遇到各种各样的问题。

首当其冲的是 AI 推理的 算力限制。 如前文所述，Agent 本质是一个能调用各种工具的 AI，它由一个能力强大的 AI 模型及一堆供它调用的工具链组成。运行能力强大的 AI 模型，通常需要 AI 专用的算力，由 GPU 或 AI 专用芯片提供，几乎没有消费级的 PC 或手机能部署高精度的大模型本体。因此，目前大量的 Agent 公司都采用了云端算力的方式，将模型的训练和推理都放在云端完成。

其次是执行任务的算力。Agent 任务具有高并发、高算力需求的特点，企业在本地部署了 Agent 后，当 Agent 支持的业务量开始快速增长时，马上就需要更多算力，本地部署的速度跟不上；反过来，当这个业务闲置时，又没有那么多算力需求，会对企业造成巨大资源浪费。

根据阿里云无影事业部总裁张献涛博士的观察：manus 在初期是用本地服务器的虚拟机去做任务，这也导致它在用户大量涌入的时候，出现了性能不足、服务不稳定的情况，一定程度上影响了初期口碑。如果 Mauns 的诞生晚三个月，这个问题很容易就能解决了。

其次是 AI 工具配置麻烦。 Agent 本质是一个能调用各种工具的 AI，若不能调用工具，Agent 就很难具备解决复杂问题的能力。

例如，要搭建一个销售类 Agent，它需要调用 CRM 获取客户信息，调用内部的知识库以备自动向客户介绍产品，还需要调用各种通讯工具以便直接触及到客户。

国内各地已经有不少的「智算中心」，可以初步缓解算力限制问题，但是这些「智算中心」却只提供算力，不提供搭建 Agent 需要的各种工具链。

企业要定制与业务紧密耦合的 Agent，就需要自己搭建工具链。这是一个很复杂的工程，一方面需要很高的开发成本，另一方面，在 Agent 正式部署前，需要不短的开发时间，这反而会延缓企业的业务发展速度。

当解决了算力限制和 AI 工具配置的问题后，专业 AI 开发者和企业用户马上会遇到 第三个问题：权限冲突。

开发和部署 Agent 的目的，是将其嵌入到自己的业务中。而这个过程，除了要调用各种各样的工具以外，还需要与业务中的各类软件紧密配合。

以前文提到的销售类 Agent 为例，当它调用 CRM，内部知识库和对外通讯工具时，不仅会占用本地计算资源，更麻烦的是，它会抢占人类员工的访问和操作权限。当 Agent 不是与人类协同，而是互相内耗时，反而可能拉低整个团队的整体工作效率。

对于企业用户，还有一个大问题，就是安全性差。 企业使用 Agent，本身的目的就是要增强自己的业务，或者提高员工的效率，这势必需要使用公司的内部数据。但是 Agent 任务执行是一个黑盒子，执行过程对于用户来说是不透明的，有可能对本地电脑文件系统进行修改、删减等操作，轻则留下垃圾文件造成系统臃肿，重则造成文件丢失或数据泄露。

更进一步，其实 Agent 在调用工具时，本身就会有安全隐患。 据统计，超过 43% 的 MCP（Model Context Protocol，调用 AI 工具的协议）服务节点存在未经验证的 Shell 调用路径，超过 83% 的部署存在 MCP 配置漏洞；88% 的 AI 组件部署根本没启用任何形式的防护机制。

还是回到那个销售类 Agent，它是需要直接与外部客户沟通和接触的，若它的安全性无法保证，那么对于企业的业务和信誉都是重大打击。

事实上，当未来 Agent 的使用越来越普及，安全和信任的重要性，在 AI 时代比在互联网时代更加重要。

当真正把本地部署 Agent 用起来后， 企业还会面临一个问题，就是 Agent 缺乏长期记忆。 当缺乏语义记忆和场景记忆，Agent 只能完成一次性的任务，这会严重影响 Agent 在企业业务中的使用范围。

当企业用户将 Agent 用到业务中时，如果能为 Agent 赋予长期记忆，那么 Agent 除了能够完成多次任务，企业还可以根据这些记忆迭代 Agent，让它对业务或用户的理解越来越深，在特定任务上的能力越来越强。

正如张献涛博士所说，如果只是完成一个简单的任务，可能不需要长期记忆。但是如果把 Agent 定位成一个数字分身，或者数字员工，记忆能力，尤其是长期记忆能力是必须要具备的。

02

Agent 专用 infra：

让 Agent 安全、快速、低成本的部署，

为 Agent 提供集成 AI 工具链的沙箱环境

阿里云已在 AI 领域有丰富布局，涵盖了模型，工具，开发者社区，当然也有自己的 Agent；例如他们开源了自主搜索 AI 智能体项目 WebAgent，用于提升 AI 在多步骤信息搜索领域的性能。

作为在 AI 领域布局最完整的厂商，再结合阿里云多年在云计算领域的积累，他们推出了 Agent infra 类产品 AgentBay。它扎根客户的需求，解决了 Agent 使用中的各类痛点。

对于最紧要的算力限制痛点， AgentBay 提供了来自云端的高弹性和高并发算力，它的高并发能力能够达到百万级别，满足爆款 AI 应用高增长的算力需求，释放本地算力限制。

而且它仅需三行代码即可接入，做到"拎包入住"，让 AI 开发者们彻底告别繁琐的安装和配置。

对于 AI 工具配置麻烦和本地部署权限冲突这两个问题 ，AgentBay 可在云端一键生成专属 Agent 运行的沙箱环境，保证 Agent 执行对本地环境的零侵入，也就不存在占用本地计算资源，抢占人类员工的访问和操作权限这些麻烦事。

而且，这些沙箱环境集成了 Browser、Code Space、Computer Use、Mobile Use、Memory 等 AI 工具，能够执行代码运行、网页浏览、数据分析、程序开发、表格制作等基础任务，还具备视觉理解、自然语言控制、任务解析等多项 AI 技能。

例如 Browser 这个工具，可以将云端浏览器自动化，支持网页爬取、自动化测试、流程处理，帮助 AI Agent 获得了获取外部信息的能力。

Code Space 则是一个更关键的工具，它提供代码运行环境，支持多语言解释器和开发工具链。有了 Code Space，Agent 可以自己写代码，按需生成自己在特定任务中需要的工具，然后再去调用，这样的话，理论上它能够完成任何企业需要的任务。

针对 AI 安全性差的问题 ，阿里云此前就发布了 AI 云盾（Cloud Shield for AI）系列产品，提供模型应用端到端的安全解决方案。现在它将这些能力升级并集成到了 AgentBay 中。

AgentBay 能够为 Agent 应用提供多重安全防护，包括：环境隔离，网络隔离、文件系统隔离、资源限制、全量审计。它符合企业级安全标准，支持 SOC2/HIPAA 合规，能让中小企业以低成本获得军工级安全能力。

对于企业级用户在搭建跨多个部门和平台，完成复杂任务的 Agent 时，AgentBay 提供了 Context 持久化云工作区。

Context 持久化云工作区，既解决了 Agent 没有长期记忆的问题，又能支持不同部门的协作。

具体来说，它有自研的跨平台数据漫游系统，实现用户数据、状态甚至内存级别的持久化。

此外，它支持会话间状态保持，可动态挂载给不同环境，支持按需加载和实时切换。

对于不同部门的协作，它支持免密登录、历史文件编辑、专属知识等高阶能力。

在 Context 持久化云工作区的支持下，企业用户不但能够让 Agent 拥有长期记忆，不断迭代 Agent 的能力，还能搭建跨部门的，可解决复杂问题的 Agent，并支持不同部门的协作，共同使用和优化这个 Agent。

在解决了 Agent 使用的 5 大痛点之后，AgentBay 还为企业用户提供了一些更周到并且影响深远的功能和服务。

例如，它同时兼容不同的操作系统平台，包括 Windows、Linux 和 Android。

对于 Windows，它提供云端 Windows 桌面环境，支持 Windows 应用程序自动化；对于 Linux，它提供云端 Linux 系统环境，支持命令行和系统工具；对于 Android，它有云端安卓环境，支持移动应用测试和流程自动化。

这样，无论是哪一个平台的开发者，都能在自己熟悉的环境里开发 Agent 应用。而对于大企业，他们的服务和应用就可在 Windows、Linux、Android 等多个系统间无缝切换，这助力了 Agent 普及。

此外，AgentBay 积极拥抱开源，支持开发者共建生态；而且它支持 MCP Server 自由定制与托管，开发者和企业可以共同构建专属 AgentBay 生态。

据张献涛博士透露，自四月上旬发布了 AgentBay 的邀测后，不到三个月已有超过 1000 家客户使用 AgentBay 打造自己的 Agent。一些头部的 Agent 应用厂商也在与阿里云合作对接。

03

足够优秀的专属 infra，

是 Agent 应用生态持续繁荣的基石

AI 领域现在最重要，也最繁荣的是整个技术栈的两端：应用和基础设施。当下的 AI 像极了移动互联网时代：当时各类 App 层出不穷，促进 IT 基础设施迈进了云计算时代。

现在我们看到了 Agent 应用端的繁荣，无论是大厂，还是创业公司，都在 Agent 应用领域耕耘；无论是通用 Agent，专用 Agent，还是各种定制 Agent，创意天马行空。

但是，应用不是建立在空中楼阁上的，基础设施的完善是应用繁荣的基石，就像修好了高速公路和铁路，才有物流和电商的繁荣；有了足够的网络基础设施，才能创造出淘宝天猫、优酷；有了足够多的充电桩，才有新能源车的爆发。Agent 应用的繁荣和持续创新，需要足够好的基础设施来支撑。

阿里云不仅云服务在亚太地区占据最高的市场份额；根据 IDC 的报告，它在中国 AI 基础设施市场获得 23% 的市场份额，同样排名第一。

AgentBay，不仅依托于阿里云深厚的云计算技术积累，而且基于对客户需求的敏锐观察打造，是支撑 Agent 应用繁荣的基石中，最坚实的一块。

白酒中报|白酒企业回款转弱 贵州茅台、泸州老窖、山西汾酒、洋河股份经营现金流净额均在减少　　出品：新浪财经上市公司研究院　　作者：浪头饮食/郝显　　2025年，白酒行业进入加速出清期。　　根据中国酒业协会数据，2025年上半年白酒产业总产量191.59万千升，同比下降5.8%；销售收入3304.2亿元，同比微增0.19%；实现利润876.87亿元，同比下降10.93%