为了让企业用好AI，云厂商们操碎了心

直接的价值体现支撑了对一个规模庞大的Agent市场的想象力，也支撑了云厂商在下一个时代的生存空间。

作者 | 李威（北京）

当卖Token成为云厂商接下来最大的增长途径，如何让更多企业将AI用起来就是云厂商当下需要解决的关键问题。

过去一年，AI驱动下的增长，正在给云厂商们带来新的生意机会。阿里云的AI相关收入已经连续9个月实现三位数同比增长。AWS（亚马逊云科技）则判断，未来MaaS平台带来的Token收入将和EC2计算产品的收入不相上下。谷歌云的年化收益超过500亿美元，其中大部分增长是由AI驱动的。

在老头部们靠AI收获高速增长的同时，新锐们也在以更敏捷的动作拥抱AI时代，冲击行业原有的势力格局。火山引擎坚持锚定「AI云」，将其视为一次重要的超车机会，并将预计在2029-2031年实现的千亿营收目标上调了数百亿美元。CoreWeave在通过收购增强AI算力租赁之外的AI开发能力。

正如谷歌CEO Sundar Pichai所指出的，AI正在重塑整个云市场。

AI能够成为云厂商增长驱动核心，是因为越来越多的行业和企业开始意识到利用AI优化业务效率、创造价值的可行性，并急于将其付诸实践。

云厂商已经在为企业获得和利用AI能力提供基础设施的支撑，并且CoreWeave依靠AI算力租赁就获得数百亿美元市值。

但仅提供基础设施并不够。AI当下对企业的价值体现越来越集中在Agent的打造上。从商业航天公司Blue Origin、电子与娱乐公司索尼，到电商平台淘宝、外卖平台美团，都在尝试建设自己的Agent能力。

可以预见到，未来更多企业会有更大量的Agent开发需求出现，但前提是要有足够可靠、低门槛的Agent开发平台，帮助企业克服从概念验证转向大规模应用的挑战。

因此，打造更完备、更简便的Agent开发和落地能力成为当下各家云厂商积极布局的方向。在持续更新基础模型能力之外，AWS、火山引擎、谷歌云等都发布了帮助企业高效搭建Agent的工具包，涉及到了模型的定制化训练、Agent的开发、运营和安全治理。

与只是帮助企业创造一个具备信息检索能力的聊天机器人相比，这样的一套完整能力，是要真正将企业的业务流程Agent化。这种感觉就像是云厂商在对着企业摇旗呐喊：我这为你准备了一份保姆级教程，要不要搭两个Agent试试？

Agent在让Token产生价值

无论是在国内，还是在海外，行业内都在给予Agent更积极乐观的预期。火山引擎CEO谭待表示，明年市场还会呈现爆发式增长，会有更多有价值的Agent涌现出来。AWS CEO Matt Garman认为，Agent让企业的AI投资看到了成果，未来每个企业都可以从AI中得到更多价值。

阿里巴巴CEO吴泳铭做了一个简单的类比，认为大模型代表的技术平台就是未来的操作系统，而自然语言是AI时代的编程语言，Agent则是新的软件，Context是新的Memory。「未来几乎所有与计算世界打交道的软件可能都会是由大模型产生的Agent。」

这些乐观的判断，建立在一些已经得到数据验证的案例基础上。借助编程Agent Kiro，AWS一个原本需要30人工作18个月才能完成的项目，现在仅需6个人用76天就能完成。火山引擎的一个企业客户在2024年开发了50多个Agent，到2025年就变成了200多个。Blue Origin构建了超过2700个内部Agent，交付效率提升了75%。

如果说从卖云到卖Token的转变，是云厂商的核心价值从基础设施的提供者变成了AI能力的提供者，那么Agent就为发挥Token的价值提供了一种方法论和路径。

企业可以通过打造不同的Agent来节省下编写几千行代码的时间精力，或者是实现一些流程的简化和效率提升。这种直接的价值体现，支撑了对一个规模庞大的Agent市场的想象力，也支撑了云厂商在下一个时代的生存空间。

但是，在火山引擎的调研中，能够真正开发好Agent的企业不是非常多，其中能够把Agent运营好、让Agent被大规模使用的企业会更少。这些企业往往有深厚的技术积累。

AWS大中华区产品部总经理陈晓建提供的一组第三方调研数据也显示，有93%的客户在从概念验证阶段迈向生产阶段时遇到了重大障碍。

AWS认为，造成这种现状的原因主要来自数据和工程化两个层面。数据层面，Agent概念验证阶段的数据往往经过人为筛选和优化，但在大规模应用中却无法这样做。工程化层面，大规模应用对安全、扩容、成本、高可用性等都有更高要求，在概念验证阶段往往不会考虑到这些问题。

为Agent开发提供保姆级教程

谭待认为，需要有一套为Agent的开发和运行而设计的架构，也就是AI云原生架构，来支持企业把AI用好，把Agent开发好。在12月18日举办的冬季Force原动力大会上，火山引擎为企业提供了一套拆解得更细致的Agent开发落地解决方案。

在MaaS层上，火山引擎进一步提升了易用性，通过推出Prompt Pilot、Response API等功能，降低了企业选模型、调Prompt、用搜索的门槛；并且通过推出推理代工，让企业可以直接在火山方舟平台上托管自己的模型。叠加AgentKit提供的全栈开发能力和HiAgent的运营能力，火山引擎能够提供完整的Agent落地流程。

同样，AWS和谷歌云也在强调对全栈的Agent开发能力的布局。AWS推出了开放式的模型训练平台Nova Forge和企业级Agent开发框架AgentCore。谷歌云的Gemini Enterprise则会提供基础模型，无代码Agent构建框架，专业Agent，数据源连接，可视化管理、审计和安全控制，Agent市场六项核心组件，实现端到端的Agent应用。

这些全栈能力中，大家普遍比较重视的是Agent开发门槛的降低、模型的定制化能力和Agent的安全控制。火山引擎的AgentKit、亚马逊的AgentCore以及谷歌云的工作台，不仅都在强调Agent开发的简单、快速，还都会同步提供安全评估和数据接入的能力。

AWS还会强调，通过Nova Forge为企业提供定制模型的便捷工具。企业如果基于Nova Forge进行模型训练，可以选择某个Nova训练检查点，将自有数据灌注其中，然后继续完成训练流程。这样训练出来的模型知识产权属于企业，既有企业独有的领域知识，又能保留大模型的底层能力。

对于Agent开发来说，底层模型的能力是成功的重要基石，用自己定制化的模型来支撑业务Agent的开发，能够获得更好的效果。目前，Reddit、Booking和索尼都已经是Nova Forge的早期用户。其中，Reddit通过Nova Forge训练的模型，能够理解小众的梗和圈子文化。

还没有公开强调全栈式Agent开发能力的云厂商，同样在为企业提供更多低门槛的Agent开发能力。

腾讯云推出了智能体开发平台（ADP），帮助企业以「低代码」甚至「无代码」方式构建Agent。阿里云推出了Agent开发框架ModelStudio-ADK，支持企业开发具备自主决策、多轮反思、循环执行能力的复杂Agent。百度云通过千帆平台在为企业提供完整的训练调优、推理部署、数据标注与评估工具链。

打好基础同样重要

在提供全栈式的Agent开发能力基础上，打好基础对云厂商争取企业客户也非常重要。这个基础包括了模型能力的进化和理念的转变。

在基础模型层面，云平台基本都在进行模型能力的自研，强大的自研模型会是企业选择云平台时的重要参考项。谷歌云就认为，Gemini系列模型是Gemini Enterprise的核心。阿里巴巴在通过开源的千问模型吸引到更多企业级的开发者使用。火山引擎、腾讯、百度也在持续推进自研基础模型的进化。

近期，腾讯和百度都针对基础模型的研发进行了团队调整。腾讯宣布姚顺雨正式出任腾讯首席AI科学家，同时兼任AI Infra部及大语言模型部负责人，明显是要在基础模型层面上进一步发力。百度则新设立基础模型研发部和应用模型研发部两大核心部门，直接向李彦宏汇报。

其中一个进化趋势是，让基础模型更适配Agent的开发需求。火山引擎发布的豆包大模型1.8，面向多模态Agent场景进行了定制优化，增强了工具调用能力、复杂指令遵循能力及OS Agent能力。谷歌发布的Gemini 3 Pro，具备更强的自主规划、拆解任务、调用工具能力。

此外，云厂商的理念转变也在发生转变，MaaS业务的进展，正在成为一项核心指标。最先拥抱AI云的火山引擎最为激进，有消息显示，火山引擎内部已经将AI的Token调用量视为核心指标，有销售虽然CDN等传统云业务做得好，但因为MaaS卖不出去而遭到淘汰。最终，火山引擎想要做到让所有人提到AI都必选火山引擎。

阿里云则在云栖大会上提出了要做「AI时代的Android」和「超级AI云」两个方向。但相较火山引擎，阿里云的全栈布局要更重，对MaaS业务的拥抱也相对谨慎。在11月才传出阿里云提高MaaS业务优先级，将其作为业务长期成功的关键指标的消息。

这种转变已经成为必然趋势。姚顺雨在《人工智能的下半场》中指出，这轮AI技术进步带来的变化是，「我们终于摸索出一套通用方案，能够依托语言与推理能力，解决各类强化学习任务」。这套解决方案正在改变以往的游戏规则。这个过程中，云厂商的责任和机遇都是让这套方案更简单快捷地应用到千行百业中。