云计算行业的AI转型浪潮
近年来，云计算行业正在经历一场前所未有的技术变革。这场变革的核心驱动力正是人工智能技术的飞速发展。云厂商们敏锐地捕捉到这一趋势，纷纷从传统的云资源提供商向AI能力服务商转型。阿里云的表现尤为亮眼，其AI相关收入已经连续9个月保持三位数增长，这一数据充分证明了AI在云业务中的巨大潜力。
AWS作为全球云计算市场的领军者，对未来AI业务的增长空间做出了大胆预测。他们认为，未来MaaS（Model as a Service）平台带来的Token收入将达到与EC2计算产品相同的规模。这一判断不仅反映了AWS对AI市场的前瞻性认知，更预示着整个云计算行业的商业模式正在发生根本性转变。
谷歌云的发展轨迹同样印证了这一趋势。其年化收益已经突破500亿美元大关，而其中绝大部分增长都是由AI业务驱动的。这三大云巨头的表现清晰地表明，AI已经从一项新兴技术发展成为云计算行业增长的核心引擎。
在这场AI转型浪潮中，新锐力量也不甘示弱。火山引擎将自身定位为"AI云"，将其视为超越传统云厂商的重要机会，并大幅上调了原本预计在2029-2031年实现的千亿营收目标。CoreWeave则通过收购等方式，积极布局AI算力租赁之外的AI开发能力，力图在新的竞争格局中占据一席之地。
谷歌CEO Sundar Pichai的观点可谓一语中的："AI正在重塑整个云市场。"这句话不仅概括了当前行业的发展现状，更指明了未来云计算行业的发展方向。在这场重塑过程中，能否抓住AI机遇，将成为决定云厂商未来市场地位的关键因素。
从概念验证到规模化应用
AI之所以能够成为云厂商增长的核心驱动力，根本原因在于越来越多的企业开始认识到利用AI优化业务流程、提升运营效率的可行性。这些企业不再满足于观望和试探，而是迫切希望将AI能力真正应用到实际业务中。
当前，AI对企业价值的体现越来越集中在Agent（智能代理）的打造上。从航空航天领域的Blue Origin，到电子娱乐巨头索尼，再到国内的电商龙头淘宝和外卖平台美团，都在积极探索和建设自己的Agent能力。这表明Agent技术已经跨越了概念验证阶段，开始进入实质性应用阶段。
可以预见，未来会有更多企业产生大规模的Agent开发需求。然而，这一需求的释放有一个重要前提：市场上必须存在足够可靠且低门槛的Agent开发平台。只有这样，企业才能真正克服从概念验证向大规模应用转型的各种挑战。
面对这一市场需求，各大云厂商都在积极布局更完备、更简便的Agent开发和落地能力。除了持续迭代基础模型能力外，AWS、火山引擎、谷歌云等厂商纷纷推出了专门帮助企业高效搭建Agent的工具包。这些工具包涵盖了模型定制化训练、Agent开发、运营管理和安全治理等多个维度。
值得注意的是，现在云厂商提供的能力与以往有本质区别。以前可能只是帮助企业创建一个具备基础信息检索功能的聊天机器人，而现在提供的是一套完整的业务流程Agent化解决方案。这种转变就像云厂商在向企业发出邀请："我已经为你准备好了保姆级教程，要不要来尝试构建几个Agent？"
Agent带来的价值革命
无论在国内还是海外市场，行业对Agent的发展前景都持乐观态度。火山引擎CEO谭待预测，明年市场将迎来爆发式增长，会出现更多有价值的Agent应用。AWS CEO Matt Garman则认为，Agent让企业的AI投资看到了实实在在的成果，未来每个企业都能从AI中获得更大价值。
阿里巴巴CEO吴泳铭做了一个非常形象的类比。他认为，大模型代表的技术平台就是未来的操作系统，自然语言是AI时代的编程语言，Agent则是新的软件，Context（上下文）是新的内存。按照这个逻辑，未来几乎所有与计算世界交互的软件都可能是由大模型生成的Agent。
这些乐观判断并非空穴来风，而是建立在一系列已被数据验证的成功案例之上。以AWS的编程Agent Kiro为例，原本需要30人团队工作18个月才能完成的项目，现在仅需6个人用76天就能搞定，效率提升惊人。
火山引擎的一个企业客户也展现了类似的发展轨迹。该公司在2024年开发了50多个Agent，到2025年这一数字就增长到了200多个，增长幅度超过300%。Blue Origin的案例更加令人印象深刻，该公司构建了超过2700个内部Agent，交付效率提升了75%。
从卖云资源到卖Token的转变，标志着云厂商的核心价值正在从基础设施提供者向AI能力提供者转变。而Agent则为充分发挥Token价值提供了方法论和实践路径。企业可以通过打造不同的Agent来节省编写数千行代码的时间和精力，或者实现业务流程的简化和效率提升。
这种直接的价值体现，支撑起了一个规模庞大的Agent市场的想象空间，也为云厂商在下一个时代的生存和发展提供了坚实基础。
企业落地面临的核心挑战
尽管Agent的潜在价值巨大，但企业实际落地的过程中仍然面临不少挑战。火山引擎的调研发现，能够真正开发好Agent的企业数量有限，而能够将Agent运营好并实现大规模使用的企业就更少了。这些成功案例通常都是那些技术积累深厚的企业。
AWS大中华区产品部总经理陈晓建提供的第三方调研数据进一步印证了这一现象：高达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。这一数据表明，从实验环境到生产环境的跨越并非易事。
AWS分析认为，造成这种困境的主要原因来自数据和工程化两个层面。在数据层面，Agent概念验证阶段使用的数据往往是经过人工筛选和优化的，但在大规模实际应用中，这种人工干预的可行性大大降低。
在工程化层面，大规模应用对系统安全性、扩容能力、成本控制和高可用性等方面都有更高要求。这些问题在概念验证阶段往往不会被充分考虑，但在生产环境中却成为必须解决的难题。这种从实验到生产的鸿沟，正是阻碍Agent大规模落地的关键因素。
云厂商的全栈解决方案
面对企业落地Agent的种种挑战，谭待认为需要有一套专门为Agent开发和运行设计的架构，也就是AI云原生架构，来支持企业更好地使用AI技术、开发Agent应用。在冬季Force原动力大会上，火山引擎为企业提供了一套拆解更为细致的Agent开发落地解决方案。
在MaaS层面，火山引擎通过推出Prompt Pilot、Response API等功能，显著降低了企业在模型选择、提示词调优和搜索应用方面的门槛。此外，推理代工服务的推出，使企业可以直接在火山方舟平台上托管自己的模型，大大简化了部署流程。
火山引擎的AgentKit提供了全栈开发能力，配合HiAgent的运营能力，能够为企业提供从开发到部署到运营的完整Agent落地流程。这种端到端的解决方案，大大降低了企业使用Agent技术的门槛和风险。
AWS和谷歌云同样在强调全栈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。Nova Forge为企业提供了定制模型的便捷工具，企业可以选择某个Nova训练检查点，将自有数据注入其中，然后继续完成训练流程。
这种训练方式的优势在于，训练出来的模型知识产权完全属于企业，既包含了企业独有的领域知识，又保留了大模型的底层能力。Reddit、Booking和索尼都已经成为了Nova Forge的早期用户。其中，Reddit通过Nova Forge训练的模型，能够精准理解各种小众的网络梗和圈子文化。
谷歌云的Gemini Enterprise则提供了六项核心组件：基础模型、无代码Agent构建框架、专业Agent、数据源连接、可视化管理与审计、安全控制以及Agent市场。这六大组件共同构成了端到端的Agent应用解决方案。
低门槛开发成为竞争焦点
在云厂商提供的全栈能力中，降低Agent开发门槛、提升模型定制化能力和加强Agent安全控制成为大家普遍重视的三个方向。火山引擎的AgentKit、亚马逊的AgentCore以及谷歌云的工作台，都在强调Agent开发的简单性和快速性，同时都会同步提供安全评估和数据接入能力。
除了已经公开强调全栈式Agent开发能力的厂商外，其他云厂商也在为企业提供更多低门槛的Agent开发工具。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应用。
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。百度云则通过千帆平台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。
这些产品和服务的推出，反映出云厂商对降低企业AI应用门槛的共识。通过提供可视化的开发界面、预置的模板和组件、自动化的工具链等方式，云厂商正在努力让更多不具备深厚AI技术积累的企业也能够轻松上手Agent开发。
基础能力的持续进化
在提供全栈式Agent开发能力的同时，打好基础对云厂商争取企业客户同样至关重要。这个基础主要包括模型能力的持续进化和理念的转变两个方面。
在基础模型层面，各大云平台基本都在进行模型能力的自主研发。强大的自研模型已经成为企业选择云平台时的重要考量因素。谷歌云就认为，Gemini系列模型是Gemini Enterprise的核心竞争力所在。
阿里巴巴通过开源千问模型，吸引了大量企业级开发者使用。火山引擎、腾讯、百度也在持续推进自研基础模型的迭代升级。近期，腾讯和百度都针对基础模型研发进行了重要组织架构调整。
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，这一人事变动明显是要在基础模型层面进一步发力。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，显示出对基础模型研发的高度重视。
基础模型进化的一个重要趋势是，让模型更适配Agent的开发需求。火山引擎发布的豆包大模型1.8就针对多模态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也具备更强的自主规划、任务拆解和工具调用能力。这些优化使得基础模型能够更好地支撑复杂的Agent应用场景，为企业提供更强大的AI能力支撑。
商业模式的深层变革
云厂商的理念转变正在发生深刻变化，MaaS业务的进展已经成为衡量云厂商竞争力的核心指标。最先拥抱AI云的火山引擎表现最为激进。
有消息显示，火山引擎内部已经将AI的Token调用量视为核心KPI指标。部分销售员工虽然在CDN等传统云业务方面表现优异，但由于MaaS业务推广不力而面临淘汰。这种考核导向的变化，反映了火山引擎让所有人提到AI都必选火山引擎的战略野心。
阿里云在云栖大会上提出了要做"AI时代的Android"和"超级AI云"两个战略方向。相较于火山引擎，阿里云的全栈布局更为厚重，对MaaS业务的拥抱也相对谨慎。直到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。
这种转变已经成为行业发展的必然趋势。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。
在这个过程中，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各行各业中。那些能够真正理解企业需求、提供端到端解决方案、降低AI应用门槛的云厂商，必将在新的竞争中占据优势地位。
未来的竞争将不再是简单的资源竞争，而是技术能力、生态建设和服务质量的综合竞争。云厂商需要构建完整的AI生态系统，从基础设施到应用开发，从工具链到运营支持，全方位赋能企业数字化转型。只有这样，才能在AI时代赢得更大的发展空间。
