文｜趙艷秋周享玥

編｜?；?/p>

今年Agent一波波熱浪下，一家捷克創(chuàng)業(yè)公司——E2B，意外爆火。

成立兩年，它的云端沙盒從默默無聞到月創(chuàng)建量突破1500萬，一年暴漲375倍。

這背后，是Agent正在掀起的新一輪云計(jì)算基礎(chǔ)設(shè)施變革。

E2B起初只是一個(gè)讓用戶在云端安全隔離“沙盒”中運(yùn)行AI代碼生成的小項(xiàng)目，這些沙盒本質(zhì)上是輕量級(jí)虛擬機(jī)。2024年10月，Anthropic推出ComputerUse技術(shù)——讓AI能像人類一樣操作電腦。很快，E2B發(fā)現(xiàn)越來越多用戶將其沙盒用于此類任務(wù)。隨著Agent從實(shí)驗(yàn)室走向生產(chǎn)環(huán)境，E2B也順勢(shì)將定位升級(jí)為Agent運(yùn)行環(huán)境。

市場(chǎng)隨即引爆——士氣大增的E2BCEO也放話，要成為Agent時(shí)代的AWS，提供覆蓋Agent從開發(fā)到部署全生命周期的自動(dòng)化基礎(chǔ)設(shè)施平臺(tái)。

在云計(jì)算的發(fā)展史上，每一次應(yīng)用形態(tài)的重大變化，都會(huì)催生新一代基礎(chǔ)設(shè)施。十多年前，移動(dòng)互聯(lián)網(wǎng)興起，推動(dòng)云計(jì)算第一次大規(guī)模爆發(fā)——從社交到電商，從視頻到打車，幾乎所有應(yīng)用后臺(tái)都搬上了云。如今，這一幕正在Agent身上重演。

從去年下半年到現(xiàn)在，Agent正從技術(shù)探索快速走向生產(chǎn)環(huán)境。它們會(huì)寫代碼、做數(shù)據(jù)分析，還能自主瀏覽網(wǎng)頁、跨軟件執(zhí)行任務(wù)，甚至開始完成復(fù)雜的跨平臺(tái)業(yè)務(wù)操作。它們需要的，不是傳統(tǒng)意義上的云主機(jī)，而是全新的運(yùn)行環(huán)境——AgentInfra。有業(yè)內(nèi)人士向數(shù)智前線“斷言”，未來3~5年，AgentInfra將是云計(jì)算競(jìng)爭(zhēng)最激烈的焦點(diǎn)。

大型云廠商豈能錯(cuò)失這樣的機(jī)會(huì)？7月28日，在上海世界人工智能大會(huì)（WAIC）上，阿里云正式發(fā)布了專為Agent打造的無影AgentBay，歷時(shí)三個(gè)多月的內(nèi)測(cè)和打磨，產(chǎn)品體驗(yàn)煥然一新。此前不久，AWS也推出AgentCore，在部分區(qū)域試用。無論是E2B、AgentBay，還是AgentCore，它們本質(zhì)都在做一件事——為Agent提供更好的基礎(chǔ)設(shè)施，也就是AgentInfra。

01

Agent上工，數(shù)字員工需要新一代“辦公室”

短短一年時(shí)間，Agent已經(jīng)從技術(shù)圈的“玩具”，迅速進(jìn)入企業(yè)生產(chǎn)一線。

在《財(cái)富》500強(qiáng)企業(yè)中，約79%已啟動(dòng)Agent項(xiàng)目，金融、電商、客服等行業(yè)已進(jìn)入規(guī)模實(shí)踐階段。Gartner高級(jí)首席分析師費(fèi)天褀告訴數(shù)智前線，中國企業(yè)Agent落地速度甚至快于全球：15%已實(shí)現(xiàn)生產(chǎn)落地，高于去年全球平均水平的10%。

這背后，不只是技術(shù)熱度和噱頭，更是企業(yè)的現(xiàn)實(shí)壓力。對(duì)于中國企業(yè)，尤其是中小企業(yè)來說，引入Agent既是“生存創(chuàng)新”，也是“普惠升級(jí)”。他們傾向于先用小型、低成本Agent跑通業(yè)務(wù)，再逐步擴(kuò)展。這種務(wù)實(shí)打法，讓Agent在中國的商業(yè)化速度格外快。

不過，從傳統(tǒng)應(yīng)用到Agent，有質(zhì)的不同。

如果說傳統(tǒng)應(yīng)用開發(fā)像“劇本殺”，開發(fā)者提前寫好劇情，系統(tǒng)只需按流程演一遍，Agent則更像“即興演員”，能自己判斷場(chǎng)景、規(guī)劃動(dòng)作，還會(huì)在執(zhí)行中隨時(shí)調(diào)整。正如圖靈獎(jiǎng)得主YannLeCun所說，Agent不應(yīng)是“缸中之腦”，而要能與環(huán)境交互、影響環(huán)境，并據(jù)此改變行為。

與傳統(tǒng)應(yīng)用相比，Agent擁有更復(fù)雜的“工作能力和要求”：

?感知：有“眼耳口鼻”，能讀屏、識(shí)圖、聽音、解析界面結(jié)構(gòu)；

?任務(wù)規(guī)劃：推理大模型將復(fù)雜目標(biāo)拆成多步子任務(wù)，按反饋動(dòng)態(tài)調(diào)整；

?多工具協(xié)同：調(diào)用多種工具和API，查數(shù)據(jù)、發(fā)郵件、翻譯、編程……就像帶著一把“瑞士軍刀”；

?長(zhǎng)期記憶：跨會(huì)話保存狀態(tài)，能記住歷史信息持續(xù)優(yōu)化決策；

?自主交互環(huán)境：像“數(shù)字員工”一樣操作電腦、手機(jī)和網(wǎng)絡(luò)，點(diǎn)擊、輸入、切換應(yīng)用等。

阿里云無影事業(yè)部總裁張獻(xiàn)濤直言，如果每家公司開發(fā)Agent，都要從零搭建這些能力，尤其是中小企業(yè)或個(gè)人開發(fā)者，幾乎是不可能的。

跨境電商是Agent落地最快的行業(yè)之一。過去五年，中國跨境電商規(guī)模暴增10倍。整個(gè)跨境電商是一個(gè)復(fù)雜鏈路，從生產(chǎn)到在線交易再到物流、售后服務(wù)，Agent都在發(fā)揮作用。以運(yùn)營小二為例，每天要花大約40%的時(shí)間聯(lián)系商家確認(rèn)是否參加大促活動(dòng)，他們提取Excel名單、打開釘釘找商家、發(fā)消息、等回復(fù)，回填表格……流程機(jī)械、耗時(shí)。

有了Agent，這件事可以全自動(dòng)化，模型規(guī)劃步驟、跨工具執(zhí)行，一氣呵成。不過，跨境電商參與者大都是中小企業(yè)，在國內(nèi)超過70萬家，多數(shù)缺乏技術(shù)能力。如何讓他們能參與到Agent開發(fā)應(yīng)用中，帶來更加普惠和公平的交易秩序？

傳統(tǒng)的本地化部署根本不能很好地支撐這樣的需求，Agent上云迫在眉睫：

如本地算力，無法實(shí)現(xiàn)高并發(fā)。尤其是精準(zhǔn)的Agent任務(wù)，會(huì)迅速耗盡算力資源。Manus年初demo期間的磕磕絆絆，問題也是出在了資源瓶頸上，AI推理的算力和執(zhí)行任務(wù)的虛擬機(jī)都沒有上云。

環(huán)境不匹配，傳統(tǒng)云缺乏操作環(huán)境，難以讓Agent像人一樣操作電腦、手機(jī)和網(wǎng)絡(luò)。

數(shù)據(jù)割裂，跨工具難以保證數(shù)據(jù)一致性。

還有安全隱患，要防止Agent誤操作或泄密，需要額外隔離系統(tǒng)......

于是，AgentInfra誕生了。它就像為“數(shù)字員工”打造的云端辦公室——開箱即用，性能強(qiáng)勁，安全隔離到位，讓企業(yè)尤其是中小商家，可以低門檻把Agent從試點(diǎn)推向生產(chǎn)落地。

在世界人工智能大會(huì)期間，張獻(xiàn)濤進(jìn)一步介紹，在阿里云看來，Agent開發(fā)需要構(gòu)建一個(gè)類似“操作系統(tǒng)”的生態(tài)。

就像傳統(tǒng)操作系統(tǒng)產(chǎn)業(yè)鏈中，有人專注內(nèi)核，有人打造中間件，有人開發(fā)應(yīng)用層。張獻(xiàn)濤介紹，在Agent開發(fā)生態(tài)中，這次商用的無影AgentBay類似“內(nèi)核層”，為Agent開發(fā)者提供從開發(fā)、測(cè)試到規(guī)模化運(yùn)行的全生命周期服務(wù)。

它由阿里云無影事業(yè)部研發(fā)，該業(yè)務(wù)部在阿里云定位于云+端側(cè)AI的重要承載者。無影AgentBay克服了Agent在高并發(fā)場(chǎng)景下的運(yùn)行挑戰(zhàn)。

同時(shí)，由于MCP協(xié)議只覆蓋部分工具，且缺乏評(píng)價(jià)體系，市面上MCP工具質(zhì)量參差不齊，導(dǎo)致Agent在任務(wù)執(zhí)行中，一致性和精準(zhǔn)度不足。為此，AgentBay將BrowserUse、ComputerUse、MobileUse、CodeSpace四大沙箱環(huán)境打包成服務(wù)，覆蓋了從Linux、Windows、Android主流環(huán)境，讓Agent在跨環(huán)境、跨工具時(shí)保持穩(wěn)定與準(zhǔn)確執(zhí)行。

如果AI大模型是大腦，AgentBay則幫助Agent裝上“手和腳”，讓Agent不僅會(huì)思考，還能精準(zhǔn)地動(dòng)手做事。再加上跨環(huán)境持久化、智能感知與控制接口，以及秒級(jí)啟動(dòng)能力。就像為Agent準(zhǔn)備了“專用電腦”，但它不在你的桌子上，而是在云端。

數(shù)智前線獲悉，從去年底，無影事業(yè)部就開始著手AgentBay的研發(fā)，來搶占AgentInfra先機(jī)。而這些能力的上線，也有賴于該平臺(tái)“站在阿里云的肩膀上”來實(shí)現(xiàn)。

02

AgentInfra實(shí)戰(zhàn)，數(shù)字員工這樣干活

雖然AgentInfra建設(shè)時(shí)間不長(zhǎng)，但市場(chǎng)已給出了積極反饋。

在海外，E2B沙盒月創(chuàng)建量一年暴漲375倍；國內(nèi)，阿里無影AgentBay內(nèi)測(cè)3個(gè)多月，就吸引了超過1000家客戶申請(qǐng)使用，頭部幾家Agent公司都在用它做開發(fā)和運(yùn)行。

有了AgentInfra的加持，Agent開發(fā)和使用，體感到底怎么樣？在世界人工智能大會(huì)期間，我們看到了不少實(shí)操案例。

和去年相比，Agent的執(zhí)行力已經(jīng)完全不同——去年底，Agent像人一樣操作電腦、手機(jī)，還是個(gè)新鮮事，而且要大量定制化開發(fā)，接口限制、界面識(shí)別都是難題；今年，Agent已經(jīng)可以融入工作流，開始完成各種跨平臺(tái)、多步驟任務(wù)。

場(chǎng)景一：跨平臺(tái)自動(dòng)化操作

在AgentBay的ComputerUse環(huán)境中，開發(fā)者只需一句話：“安排2025年7月26日無影WAIC準(zhǔn)備會(huì)議。”右側(cè)沙箱顯示，Agent就會(huì)自動(dòng)打開釘釘，解析界面布局，找到日程功能區(qū)，填寫會(huì)議信息并發(fā)送通知，整個(gè)過程僅十幾秒，就完成了任務(wù)閉環(huán)。

這種能力突破了傳統(tǒng)即時(shí)通訊軟件因?yàn)榉浅６嗟慕涌谑芟?，自?dòng)化難以落地的瓶頸。

另一個(gè)“BrowserUse”案例，是讓AI自動(dòng)識(shí)別“2048”游戲并進(jìn)行游玩。

這個(gè)操作看似簡(jiǎn)單，背后卻有著復(fù)雜機(jī)制，AgentBay會(huì)解析游戲界面，識(shí)別數(shù)字區(qū)塊和空白區(qū)域，推算下一步滑動(dòng)方向，然后進(jìn)行操作，之后還要觀察下一個(gè)出現(xiàn)的數(shù)字，最后獲得相應(yīng)分?jǐn)?shù)，這個(gè)分?jǐn)?shù)已比大部分人玩的成績(jī)要高很多。雖然只是個(gè)游戲場(chǎng)景，但技術(shù)核心和自動(dòng)化業(yè)務(wù)流程相通——都要先看懂界面，再精準(zhǔn)動(dòng)手。

場(chǎng)景二：復(fù)雜任務(wù)拆解與執(zhí)行

有位開發(fā)者在第三方編程工具Cursor中給了這樣一個(gè)指令：“打開一個(gè)無影安卓環(huán)境，查找最近的加油站并推薦給我，給我一個(gè)訪問鏈接，整個(gè)過程讓我能看到?！?/p>

過去，這種任務(wù)需要自己開虛擬機(jī)，一步步來編程。

現(xiàn)在，AgentBay聽懂后，會(huì)借助三方應(yīng)用的能力把它自動(dòng)拆成十幾個(gè)小步驟：先生成訪問鏈接，再打開高德地圖，輸入“加油站”，讀取結(jié)果并按距離排序，最后告訴你哪個(gè)最近。

更巧的是，如果執(zhí)行中遇到UI元素識(shí)別失敗或輸入信息失敗，它不會(huì)卡死，而是自動(dòng)回到那一步重新執(zhí)行，而不是等你手動(dòng)救場(chǎng)。僅這一個(gè)產(chǎn)品上的設(shè)計(jì)，就解決了眾多Agent開發(fā)者最頭疼的問題——“到底卡在哪了呢？”

場(chǎng)景三：人機(jī)協(xié)作

跨平臺(tái)操作中，還有一個(gè)老大難：賬號(hào)登錄與權(quán)限校驗(yàn)。

很多時(shí)候，這類需要人工參與的環(huán)節(jié)會(huì)讓自動(dòng)化流程中斷。那怎么既保證安全，又不讓任務(wù)半路夭折呢？

現(xiàn)場(chǎng)演示中，在Cursor里輸入：“搜索社交平臺(tái)上關(guān)于某商品的使用心得，如果需要登錄，就移交給我手動(dòng)操作?！?/p>

Agent執(zhí)行到登錄界面時(shí)，會(huì)自動(dòng)切換到人機(jī)協(xié)作模式，把控制權(quán)交給人類。用戶手動(dòng)輸入手機(jī)號(hào)和驗(yàn)證碼，登錄成功后，只需回復(fù)一句“我已登錄”，Agent就接過“接力棒”，繼續(xù)任務(wù)直到完成。

這種無縫切換得益于AgentBay自研的ASP協(xié)議，它能將云端環(huán)境完整、流暢地串流到本地，讓人和Agent像同桌一樣配合，任務(wù)不會(huì)半途而廢。

03

AgentInfra的長(zhǎng)跑才剛剛開始

根據(jù)大會(huì)期間，阿里云智能集團(tuán)無影事業(yè)部資深產(chǎn)品總監(jiān)李航介紹，支撐這些能力的，是AgentBay的5+3+N體系：

其中，“5”是BrowserUse、ComputerUse、MobileUse、CodeSpace四大沙箱環(huán)境以及統(tǒng)一持久化系統(tǒng)（構(gòu)建一套跨平臺(tái)數(shù)據(jù)漫游系統(tǒng)，確保任務(wù)切換時(shí)的連續(xù)性）；

“3”是SDK、MCP、ASP三種交互方式，覆蓋本地開發(fā)、跨平臺(tái)工具、端云協(xié)作；

“N”是覆蓋了云環(huán)境鏡像、網(wǎng)絡(luò)配置、MCP工具、實(shí)例生命周期管理等全流程自由定制工具鏈。

有了它，開發(fā)者不必再為底層環(huán)境和工具兼容操心，專注于業(yè)務(wù)邏輯和智能體設(shè)計(jì)即可，這讓開發(fā)效率提升80%，運(yùn)維成本降低60%，可靠性達(dá)99.99%。這將是新時(shí)代下，Agent應(yīng)用開發(fā)的全新范式。

然而，這場(chǎng)關(guān)于AgentInfra的長(zhǎng)跑才剛剛開始。

如果未來Agent真要成為“數(shù)字分身”，行業(yè)還需持續(xù)攻克優(yōu)化一系列難題：讓它擁有真正的長(zhǎng)期記憶、在多任務(wù)間高效協(xié)同、多工具間保持?jǐn)?shù)據(jù)一致，并且在電腦、瀏覽器、手機(jī)等多終端中，都能用安全、易用、可擴(kuò)展的沙箱來工作。

張獻(xiàn)濤還透露，未來Agentbay還將向全能型AgentInfra演進(jìn)，可以托管Agents應(yīng)用，覆蓋AIAgents從開發(fā)到部署的完整生命周期。

可以預(yù)見，AgentInfra不只是為Agent提供辦公桌，它更像是為未來的“數(shù)字分身”打地基。這是一場(chǎng)剛剛開始的基礎(chǔ)設(shè)施長(zhǎng)跑，最終目標(biāo)是——讓每個(gè)行業(yè)都能用上屬于自己的各種Agent。