阿里雲加速構建Agentic Cloud：推出AgentCore、新一代CPFS等重磅新品

9月22日，2026杭州雲棲大會上，阿里雲CTO李飛飛系統性闡述了Agentic Cloud 戰略佈局，阿里雲將Model、Harness、Context作為核心構建場景，推出全新的雲上算力底座和Agent 構建治理平臺AgentCore、Agent Sandbox、新一代高性能存儲CPFS等一系列新品，讓 AI 真正進入生產流程、走向規模化價值創造。隨著2026年Agent的爆發式增長，越來越多的智能體正跨過“問答型”的分水嶺，進入自主規劃、實時決策階段，這對算力和雲提出了更高的要求。

李飛飛認為，企業級 Agent 的大規模落地還需要這些能力：以全面、統一、持續更新的上下文形成全域認知；支持自主運行與持續進化；融入安全、控制、信任和身份認證，實現人與 Agent、Agent 之間的可信協作；從靜態規則走向實時感知、動態推理和自主行動。圍繞這四大能力支柱，阿里雲重構了從 AI Native Cloud、 Agent Native Cloud到 Context Engine 的完整技術棧體系。

AI Native Cloud：挑戰 RSI 的算力底座當下模型尺寸正面臨從萬億到十萬億參數的躍遷，訓練範式也從預訓練、後訓練 Agentic RL 進一步走向以遞歸式自我改進RSI，這要求雲底座同時解決超大規模集群穩定性、毫秒級彈性、百萬級併發，以及訓練、推理和環境交付的統一協同。阿里雲在會上展示了全棧自研的算力底座，覆蓋計算、存儲、網絡等多個產品線，應對RSI帶來的挑戰。以靈駿真武M890超節點為例，這是首個國產十萬卡超節點集群，有力支撐了Qwen3.8 Max、KIMI K3等超2T參數大模型對外提供商業服務。

即將在明年推出靈駿真武V900超節點，性能提升三倍，搭載業界首發200Pbps通信帶寬，6us時延集群架構，自研SNPO支持全光互聯，支持千卡Scale-Up互連，單集群可擴展至 50 萬卡規模，向廣域超節點演進。同時，阿里雲還推出了新一代全棧自研高性能存儲CPFS，提供高達百TB/s級吞吐和億級IOPS，單文件系統規模提升5倍至100PiB，支撐大規模模型訓練和多模態數據處理。在實際模型訓練中，可將模型啟動平均耗時降低50%、峰值算力利用率提升30%、AI存儲成本降低69%，使GPU從“等待數據”轉向持續高效計算。

推理方面，面對容量激增的KVCache和多輪任務的普及，阿里雲圍繞Token生產和緩存調用進行極致的優化，推出大模型KVCache管理和調度系統Tair KVCM，統一編排 Mempool、KVCacheStore 與遠端共享存儲等多級緩存，存有效命中率可達 99%，每token成本下降50%；推出存儲加速引擎KV CacheStore，位於G3.

5存儲層，承接長上下文、多輪對話和複雜Agent任務產生的大量緩存，滿足千億級KV存儲規模，在客戶生產環境下實現緩存覆蓋時間窗口擴大 900%，吞吐提升 20%，首 token 延遲降低 54%；全新的智算中心融合網絡TPN，採用2層網絡設計，訪問帶寬增加 2.5 倍，網絡規模增加10倍，延時降低 1/3……這些圍繞“算網存”多方協同的技術創新，為模型推理。此外，人工智能平臺PAI新增支持異步AgenticRL的訓練框架，打通軌跡採樣、回報累計、模型訓練、參數更新的環路。在支持Qwen模型後訓練的實戰中，實現5天完成一次SOTA模型的後訓練。

Agent Native Cloud：支撐 Agent 應用規模化落地 隨著Harness工程和skill的成熟與普及，大模型競爭正從能力比拼轉向業務價值兌現——能在真實的生產環境中精細化使用、具備智能組織和智能基礎設施、不是概率智能而是可靠的生產力……這些正成為讓 Agent 真正融入業務流程必須跨越的門檻。

為了更快讓企業級客戶與Harness深度協同，阿里雲推出企業級Agent構建治理平臺AgentCore，將企業級Agent基礎設施標準化、託管化，支持長任務、失敗重試、斷點恢復和異步執行；提供安全執行環境、資源隔離、身份權限和全鏈路審計，統一管理模型、MCP Server、Skill 等資產，可提升任務完成率99%，TCO成本降低70%。

此外，阿里雲還準備了一系列Agent相關產品，為企業級客戶提供豐富的選擇：包括Agent Sandbox，為 Agent 提供開箱即用、極致彈性、安全可靠的執行環境，創建吞吐10萬/分鐘，深休眠喚醒＜600ms，兼容 E2B 和 K8s，滿足從開發者到企業級 Agent 的規模化運行需求；Agentic OS，Agent 原生操作系統，可節省Token消耗30%以上，沙箱部署密度提升 3 倍；Agentic Computer，為智能體提供統一、長期在線的專屬雲電腦工位，兼容主流 Agent 框架，具備 Computer Use 和 GUI 操作能力，權限可控、操作可審計…… Context Engine：讓企業全域數據成為 Agent 的實時上下文 決定Agent能力上限的不只是模型參數，還包括能否持續理解企業知識、業務狀態和執行反饋，因此上下文不再是應用側的一段緩存，而正在成為企業需要統一建設和治理的新型數據資產。

圍繞這一變化，阿里雲提出了“存儲—計算處理—上下文工程”三位一體的引擎——Context Engine ，將企業全域數據轉化為實時上下文，讓 Agent 從“知道什麼”進一步走向“此刻應該做什麼”：底層以多模態數據存儲承接對話、視頻幀、點雲、軌跡和 Agent 反饋；中間層覆蓋數據集成、轉換、治理、質量和建模；上層通過全域知識庫、多模態語義整合、持續記憶管理和實時上下文裝配，把分散數據組織成 Agent 可以按需調用、動態更新的上下文。

產品層面，Agent Context 面向複雜知識檢索，將準確率提升 50 個百分點，Token使用效率提升3倍以上；OpenLake 提供統一全模態數據湖倉，通過一份數據支持多引擎計算，使總體擁有成本降低 38%；Apsara Lakebase 支持亞秒級、零拷貝創建數據分支，為 Agent 提供快速、隔離的數據空間；MC-MaxFrame 以自研分佈式計算框架處理多模態數據，計算性能提升 12%；Flink Streaming Agent 提供 60 多種全模態算子，把實時數據流轉化為可觸發業務流程的實時行動。

從面向 Model 的模型生產，到面向 Harness 的自主運行與持續進化，再到面向 Context 的實時智能決策，阿里雲正在把算力、網絡、存儲、運行環境、身份安全和企業數據組織成統一的 Agentic Cloud。“阿里雲已形成從 AI 芯片、服務器 CPU，到互聯、網卡、存儲主控和 AI 軟件棧的完整佈局，可以從計算、網絡到存儲做全棧協同和聯合調優，把智能生產效率做到更高。”李飛飛表示。