9月22日，2026杭州云栖大会上，阿里云CTO李飞飞系统性阐述了AgenticCloud战略布局，阿里云将Model、Harness、Context作为核心构建场景，推出全新的云上算力底座和Agent构建治理平台AgentCore、AgentSandbox、新一代高性能存储CPFS等一系列新品，让AI真正进入生产流程、走向规模化价值创造。
随着2026年Agent的爆发式增长，越来越多的智能体正跨过“问答型”的分水岭，进入自主规划、实时决策阶段，这对算力和云提出了更高的要求。李飞飞认为，企业级Agent的大规模落地还需要这些能力：以全面、统一、持续更新的上下文形成全域认知;支持自主运行与持续进化;融入安全、控制、信任和身份认证，实现人与Agent、Agent之间的可信协作;从静态规则走向实时感知、动态推理和自主行动。
围绕这四大能力支柱，阿里云重构了从AINativeCloud、AgentNativeCloud到ContextEngine的完整技术栈体系。
AINativeCloud：挑战RSI的算力底座
当下模型尺寸正面临从万亿到十万亿参数的跃迁，训练范式也从预训练、后训练AgenticRL进一步走向以递归式自我改进RSI，这要求云底座同时解决超大规模集群稳定性、毫秒级弹性、百万级并发，以及训练、推理和环境交付的统一协同。
阿里云在会上展示了全栈自研的算力底座，覆盖计算、存储、网络等多个产品线，应对RSI带来的挑战。以灵骏真武M890超节点为例，这是首个国产十万卡超节点集群，有力支撑了Qwen3.8Max、KIMIK3等超2T参数大模型对外提供商业服务。即将在明年推出灵骏真武V900超节点，性能提升三倍，搭载业界首发200Pbps通信带宽，6us时延集群架构，自研SNPO支持全光互联，支持千卡Scale-Up互连，单集群可扩展至50万卡规模，向广域超节点演进。
同时，阿里云还推出了新一代全栈自研高性能存储CPFS，提供高达百TB/s级吞吐和亿级IOPS，单文件系统规模提升5倍至100PiB，支撑大规模模型训练和多模态数据处理。在实际模型训练中，可将模型启动平均耗时降低50%、峰值算力利用率提升30%、AI存储成本降低69%，使GPU从“等待数据”转向持续高效计算。
推理方面，面对容量激增的KVCache和多轮任务的普及，阿里云围绕Token生产和缓存调用进行极致的优化，推出大模型KVCache管理和调度系统TairKVCM，统一编排Mempool、KVCacheStore与远端共享存储等多级缓存，存有效命中率可达99%，每token成本下降50%;推出存储加速引擎KVCacheStore，位于G3.5存储层，承接长上下文、多轮对话和复杂Agent任务产生的大量缓存，满足千亿级KV存储规模，在客户生产环境下实现缓存覆盖时间窗口扩大900%，吞吐提升20%，首token延迟降低54%;全新的智算中心融合网络TPN，采用2层网络设计，访问带宽增加2.5倍，网络规模增加10倍，延时降低1/3……这些围绕“算网存”多方协同的技术创新，为模型推理。
此外，人工智能平台PAI新增支持异步AgenticRL的训练框架，打通轨迹采样、回报累计、模型训练、参数更新的环路。在支持Qwen模型后训练的实战中，实现5天完成一次SOTA模型的后训练。
AgentNativeCloud：支撑Agent应用规模化落地
随着Harness工程和skill的成熟与普及，大模型竞争正从能力比拼转向业务价值兑现——能在真实的生产环境中精细化使用、具备智能组织和智能基础设施、不是概率智能而是可靠的生产力……这些正成为让Agent真正融入业务流程必须跨越的门槛。
为了更快让企业级客户与Harness深度协同，阿里云推出企业级Agent构建治理平台AgentCore，将企业级Agent基础设施标准化、托管化，支持长任务、失败重试、断点恢复和异步执行;提供安全执行环境、资源隔离、身份权限和全链路审计，统一管理模型、MCPServer、Skill等资产，可提升任务完成率99%，TCO成本降低70%。
此外，阿里云还准备了一系列Agent相关产品，为企业级客户提供丰富的选择：包括AgentSandbox，为Agent提供开箱即用、极致弹性、安全可靠的执行环境，创建吞吐10万/分钟，深休眠唤醒<600ms，兼容E2B和K8s，满足从开发者到企业级Agent的规模化运行需求;AgenticOS，Agent原生操作系统，可节省Token消耗30%以上，沙箱部署密度提升3倍;AgenticComputer，为智能体提供统一、长期在线的专属云电脑工位，兼容主流Agent框架，具备ComputerUse和GUI操作能力，权限可控、操作可审计……
ContextEngine：让企业全域数据成为Agent的实时上下文
决定Agent能力上限的不只是模型参数，还包括能否持续理解企业知识、业务状态和执行反馈，因此上下文不再是应用侧的一段缓存，而正在成为企业需要统一建设和治理的新型数据资产。
围绕这一变化，阿里云提出了“存储—计算处理—上下文工程”三位一体的引擎——ContextEngine，将企业全域数据转化为实时上下文，让Agent从“知道什么”进一步走向“此刻应该做什么”：底层以多模态数据存储承接对话、视频帧、点云、轨迹和Agent反馈;中间层覆盖数据集成、转换、治理、质量和建模;上层通过全域知识库、多模态语义整合、持续记忆管理和实时上下文装配，把分散数据组织成Agent可以按需调用、动态更新的上下文。
产品层面，AgentContext面向复杂知识检索，将准确率提升50个百分点，Token使用效率提升3倍以上;OpenLake提供统一全模态数据湖仓，通过一份数据支持多引擎计算，使总体拥有成本降低38%;ApsaraLakebase支持亚秒级、零拷贝创建数据分支，为Agent提供快速、隔离的数据空间;MC-Maxframe以自研分布式计算框架处理多模态数据，计算性能提升12%;FlinkStreamingAgent提供60多种全模态算子，把实时数据流转化为可触发业务流程的实时行动。
从面向Model的模型生产，到面向Harness的自主运行与持续进化，再到面向Context的实时智能决策，阿里云正在把算力、网络、存储、运行环境、身份安全和企业数据组织成统一的AgenticCloud。“阿里云已形成从AI芯片、服务器CPU，到互联、网卡、存储主控和AI软件栈的完整布局，可以从计算、网络到存储做全栈协同和联合调优，把智能生产效率做到更高。”李飞飞表示。
