最近，AI Agent成为科技领域的热门话题。OpenAI发布了Agent工具包，为智能体开发提供了便利；尽管Manus经历了诸多风波，但它成功点燃了市场对AI Agent的热情，使其成为焦点。这些进展不仅推动了智能体技术的发展，也为整个行业造成了新的思考与变革。
这时，AI Agent应用端落地加速正在催化算力需求， 云计算 作为底层算力支撑，面临着新的挑战。Akamai副总裁暨大中华区总经理李昇在接受《中国经营报》记者采访时表示，相较于当前的大模型产品，作为通用型AI Agent，Manus定位于一位性能强大的通用型助手，对于客户不仅提供想法，还能够将想法付诸实践，真正处理问题。不过，随着AI Agent的快速发展，企业在 云计算 基础设施架构方面也面临着基础设施复杂、安全隐私、实时性等许多挑战。
抢滩AI Agent
AI Agent通常是指有能力主动思考和行动的智能体，它通过大模型来“理解”用户需求，主动“规划”以达成目标，使用各种“工具”来完成任务，并最终执行这些任务。与以往的大型语言模型（LLM）不同，LLM 与人类之间的交互是基于提示词（prompt）实现的，用户 prompt是否清晰明确会影响大模型回答的效果。而AI Agent的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动，还可以对过往的数据和动作进行反思总结，从错误中吸取经验，并为接着的行动进行纠正，从而适应环境、更有效地执行任务并成功达成目标。
研究机构纷纷对AI Agent的未来发展做出预测，认为其有望从对话智能升级为生产力操作系统，这一转变将重构产业格局与价值分配。IDC预测，到2026年，50%的中国500强数据团队将使用AI Agent来实现数据准备和分析。
市场研究机构Gartner将Agentic AI（代理式 人工智能 ）列为2025年十大技术趋势之一，并预测到2028年至少有15%的日常工作决策将由Agentic AI自主完成。德勤 AI 研究院称，AI智能体将改变基础业务模式，实现新的工作、运营和价值交付方式。国际市场研究机构 Research and Market发布报告指出，AI智能体的市场规模预计从2024年的51亿美元增长到2030年的471亿美元，年均复合增长率为44.8%。截至2025年2月，全球AI Agent赛道的融资金额已突破665亿元人民币。
众多科技巨头也纷纷抢滩AI Agent。其中，微软率先出击，发布了全新企业级AI助手——Microsoft 365 Copilot Chat，其最大亮点便是支持AI Agent功能。不仅如此，微软还宣布建立全球规模最大的企业级AI Agent生态系统——Copilot Studio平台，现已经有超过10万家企业使用该平台建立或编辑AI Agent。
谷歌也不甘落伍，紧随其后推出了商用AI Agent市场，提供从AI Agent的开发、部署到应用一条龙商用生态。这时，OpenAI计划发布名为“Operator”的AI Agent工具，能够在用户的指示下，在计算机上自主完成编写代码、预定行程等复杂任务。
国内市场同样热闹非凡。 拓尔思 方面表示，拓天大模型平台已具备完整的AI Agent工具链；荣耀在德国柏林消费电子展上发布了行业首个跨应用开放AI Agent；Manus于2025年3月正式对外发布，并且在GAIA基准测试中获得了SOTA（State-of-the-Art）的成绩，显示其性能超越OpenAI同条理的大模型。
云计算 面临新挑战
尽管AI Agent发展势头迅猛，但也面临一些挑战。很多领域的专业AI Agent硬是不够成熟，存在输出不精确、性能差强人意、用户不信任等诸多问题困惑其落地。
不仅如此，随着AI Agent的快速发展，企业在 云计算 基础设施架构方面也面临着诸多挑战。
首当其冲的是基础设施复杂性问题。Akamai认为，如今，企业云基础设施越发复杂，涉及多个云供货商、数千台服务器和微服务。AI Agent需要处理大量监控数据，并协调不同系统间的通信，这对云基础设施的设计提出了极高的要求。怎样在如此复杂的环境下，确保AI Agent高效稳定运行，成为企业亟待解决的困扰。这时，安全与隐私风险、时效性也是不容忽视的问题。
尤其是，大模型、传统模型、现有API协同调度困难，在业务流程中难以闭环。不同模型和 API有各自的特点和适用范围，如何将它们有机结合起来，实现无缝协作，是 云计算 厂商需要处理的问题。好比在一个复杂的企业应用中，可能需要同时使用大模型进行自然语言处理，传统模型进行数据预测，和现有API获取外部数据，如何协调这些不一样的组件，确保业务流程的顺畅运行。
腾讯集团顶级执行副总裁、云与智慧产业事业群总裁汤道生也在日前表示：“AI正在跨过产业化落地的门槛，站在普及应用的全新节点上。行业由之前的模型训练主导，发展到今天更多是由应用与Agent驱动；我们看到，云上DeepSeek API调用量激增，语音交互的切实需求也带动了ASR（自动语音识别）与TTS（文本转语音）模型的API调用；模型推理的算力消耗正在高速增长，规模化推理的成本优化，正在成为云厂商的核心竞争力。”
面对这些挑战，IDC认为，未来去中心化的分布式 云计算 基础设施更能适应数字化战略的要求。这种基础设施在AI的练习和推理、数据的处理、安全的自主性方面，都更契合新应用的发展需求。
Akamai认为，分布式的 云计算 基础设施应具备边缘原生的应用、安全能力、平台化等关键能力。
调整战略布局
云计算 厂商作为数字基础设施的重要提供者，在这场变革中饰演着关键角色。面对AI Agent 的兴起， 云计算 厂商积极调整战略，从多个维度发力，以适应并引领这一行业趋势。
阿里宣布未来三年AI基础设施投入将超越过去十年总和，重点投向智能算力集群、基础大模型平台及行业应用转化。此举引发连锁反应，头部云服务商纷纷上调年度资本开支预算，推理侧算力资源争夺白热化。当前ChatGPT类应用日均推理算力消耗已达百万卡级别，倒逼基础设施持续升级。
腾讯云则通过云开发平台（Tencent CloudBase，TCB）提供一条龙云原生开发平台和工具，支持通过0代码开发方式构建AI智能助手小程序。开发者可通过AI+模块定制化生成智能体，并根据需求配置其行为和知识库，快速搭建满足工作和生活多样化需求的AI智能助手应用。
李昇介绍，Akamai的AI战略涵盖 云计算 战略和安全战略，依托其全球分布式边缘基础设施，构建了从底层算力到应用层的完整能力体系。Akamai通过GPU集群提供覆盖AI推理、RAG、微调至训练的全流程算力支持。结合Kubernetes容器化部署和智能对象存储，实现了弹性扩展与高效数据管理。目前，Linode平台已支持快速部署主流开源模型。
随着AI Agent技术的不断发展和应用场景的不断拓展， 云计算 行业将迎来更加广阔的发展空间。 云计算 厂商将继续加大技术创新和投入，提升自身的服务能力和竞争力，为AI Agent 的发展提供更加优质、高效的 云计算 服务。同时， 云计算 厂商还将加强与其它行业的合作，共同推动AI Agent技术在各个领域的深度应用，为经济社会的发展注入新的动力。
