2025年，AI Agent技术正以前所未有的速度渗透到各行各业，成为科技领域最耀眼的明星。全球AI Agent市场规模已突破50亿美元，并以高达40%的年增长率持续扩张。市场观察人士指出，过去三个月涌现的Agent产品数量，已经超过了去年一整年的总和，因此，2025年被誉为“Agent元年”绝非偶然。
OpenAI在2月份发布的Agent应用DeepResearch，如同一颗重磅炸弹，在全球范围内引爆了Agent应用的热潮。紧随其后，3月份发布的manus更是火上浇油，其邀请码一度成为稀缺资源，最终获得了Benchmark领投的7500万美元巨额融资。除了manus，海外市场上也涌现出了一批垂直领域的Agent公司，并且估值一路飙升。例如，编码Agent公司Cognition的估值即将突破100亿美元大关，而人力资源Agent公司Mercor也达到了20亿美元的估值。
红杉资本敏锐地捕捉到了Agent的崛起，并将其视为AI领域下一阶段的主角。福布斯在评选AI 50榜单时也强调：AI Agent将全面超越传统的聊天类AI应用。
福布斯的理由非常充分：聊天类应用主要用于解答问题或根据指令生成内容，而Agent的自动化程度更高，能够独立完成完整的工作流程，并直接交付高质量的结果。这意味着AI不再仅仅是“助手”，而是升级为真正的“执行者”。
每一次软件应用范式的变革，都会推动基础设施（infra）的进化，而基础设施的完善反过来也会极大地提升应用体验。这种相辅相成的关系，在科技发展史上屡见不鲜。
传统本地部署基础设施的成本高昂、弹性不足等缺点，加速了云计算的诞生和成熟。随着云计算基础设施的日臻完善，催生了万亿美元规模的SaaS软件行业，其中领头羊SalesForce的市值目前已达到约2570亿美元。云计算作为基础设施，也为淘宝天猫、抖音、YouTube等用户规模超亿级别的互联网应用奠定了坚实的基础，助力它们不断发展壮大。
然而，在Agent应用开始爆发的同时，与Agent使用相关的隐忧也逐渐显现。例如，终端性能限制、AI工具链配置繁琐、安全问题以及长期记忆缺失等。如果能够出现一款Agent专属的基础设施产品，解决Agent使用过程中面临的一系列问题，无疑将进一步加速Agent的普及。
在7月28日举行的上海世界人工智能大会（WAIC）上，阿里云正式推出了首款专为AI Agent打造的“超级大脑”——无影AgentBay。它能够突破本地部署的算力限制，提供专属Agent运行的沙箱环境，并为Agent配备了Browser、Code Space、Computer Use、Mobile Use、Memory等AI工具，同时还具备视觉理解、自然语言控制、任务解析等多项AI技能，只需三行代码即可接入，真正实现“拎包入住”，让AI开发者们彻底告别繁琐的安装和配置过程。
本地算力限制、安全性差：Agent面临的五大痛点
利用AI技术实现工作流程自动化，实际上由来已久。在生成式AI崭露头角之前，RPA（机器人流程自动化）类产品就已风靡一时。但受限于当时的AI能力相对较弱，RPA只能将简单的、单一的工作流程自动化，不具备真正的智能，也无法解决复杂的问题。
直到生成式AI的出现，各种真正具备智能的Agent应用才应运而生，人们也因此获得了显著的效率提升。
Agent本质上是一个能够调用各种工具的AI。以manus为例，它通过提示词来控制AI模型，并精心编排了一个工作流（workflow），使AI模型能够使用各种不同的工具，从而完成复杂的任务。
然而，无论是像DeepResearch这样的研究类Agent应用，还是像manus这样的通用Agent应用，都是通过网页或App的形式向终端用户提供服务。
这种提供方式并不完全适合专业的AI开发者、AI创业者以及企业用户。因为他们的需求是让Agent使用专有的数据，并无缝嵌入到业务流程中，从而持续地为业务创造价值。
商业化使用Agent，首先需要解决的就是终端性能问题。当一个功能强大的Agent在用户本地的终端运行时，会遇到各种各样的问题。
首当其冲的就是AI推理的算力限制。正如前文所述，Agent本质上是一个能够调用各种工具的AI，它由一个能力强大的AI模型以及一系列供其调用的工具链组成。运行能力强大的AI模型，通常需要AI专用的算力，由GPU或AI专用芯片提供。几乎没有消费级的PC或手机能够部署高精度的大模型本体。因此，目前大量的Agent公司都采用了云端算力的方式，将模型的训练和推理都放在云端完成。
其次是执行任务的算力。Agent任务具有高并发、高算力需求的特点。企业在本地部署Agent后，当Agent支持的业务量开始快速增长时，马上就需要更多的算力，而本地部署的速度往往跟不上业务发展的需求；反过来，当业务处于闲置状态时，又没有那么多的算力需求，这无疑会对企业造成巨大的资源浪费。
根据阿里云无影事业部总裁张献涛博士的观察：manus在初期采用本地服务器的虚拟机来执行任务，这也导致其在用户大量涌入时，出现了性能不足、服务不稳定的情况，一定程度上影响了初期口碑。他认为，如果manus的诞生晚三个月，这个问题就很容易得到解决。
除了算力限制，AI工具配置的繁琐也是一个不容忽视的问题。Agent本质上是一个能够调用各种工具的AI，如果不能调用工具，Agent就很难具备解决复杂问题的能力。
例如，要搭建一个销售类Agent，它需要调用CRM（客户关系管理系统）来获取客户信息，调用内部的知识库以便自动向客户介绍产品，还需要调用各种通讯工具以便直接与客户取得联系。
国内各地已经涌现出不少的“智算中心”，可以在一定程度上缓解算力限制问题，但是这些“智算中心”往往只提供算力，而不提供搭建Agent所需的各种工具链。
企业要定制与业务紧密耦合的Agent，就需要自行搭建工具链。这是一个非常复杂的工程，一方面需要投入大量的开发成本，另一方面，在Agent正式部署之前，需要耗费大量的时间进行开发，这反而会延缓企业的业务发展速度。
在解决了算力限制和AI工具配置的问题之后，专业AI开发者和企业用户很快会遇到第三个问题：权限冲突。
开发和部署Agent的根本目的，是将其嵌入到自身的业务中。而在这个过程中，除了要调用各种各样的工具之外，还需要与业务中的各类软件紧密配合。
以前文提到的销售类Agent为例，当它调用CRM、内部知识库和对外通讯工具时，不仅会占用本地计算资源，更麻烦的是，它会抢占人类员工的访问和操作权限。当Agent不是与人类协同工作，而是互相内耗时，反而可能会降低整个团队的整体工作效率。
对于企业用户而言，还有一个非常重要的考量因素，那就是安全性。企业使用Agent，其根本目的在于增强自身的业务，或者提高员工的工作效率，这就势必需要使用公司的内部数据。但是Agent任务的执行过程往往是一个黑盒子，执行过程对于用户来说是不透明的，有可能对本地电脑的文件系统进行修改、删减等操作，轻则留下垃圾文件造成系统臃肿，重则造成文件丢失或数据泄露。
更进一步来说，Agent在调用工具时，本身就存在着安全隐患。据统计，超过43%的MCP（Model Context Protocol，调用AI工具的协议）服务节点存在未经验证的Shell调用路径，超过83%的部署存在MCP配置漏洞，88%的AI组件部署根本没有启用任何形式的防护机制。
还是以销售类Agent为例，它需要直接与外部客户进行沟通和接触，如果其安全性无法得到保障，那么对于企业的业务和信誉都将造成重大的打击。
事实上，当未来Agent的使用越来越普及，安全和信任的重要性在AI时代将比在互联网时代更加重要。
当真正将本地部署的Agent应用起来之后，企业还会面临一个问题，那就是Agent缺乏长期记忆。当缺乏语义记忆和场景记忆时，Agent只能完成一次性的任务，这会严重影响Agent在企业业务中的使用范围。
如果企业用户能够为Agent赋予长期记忆，那么Agent除了能够完成多次任务之外，企业还可以根据这些记忆来迭代Agent，使其对业务或用户的理解越来越深入，从而在特定任务上的能力越来越强。
正如张献涛博士所言，如果只是完成一个简单的任务，可能并不需要长期记忆。但是如果将Agent定位成一个数字分身或数字员工，记忆能力，尤其是长期记忆能力，就成为了必不可少的能力。
Agent专用Infra：安全、快速、低成本部署，集成AI工具链的沙箱环境
阿里云在AI领域已经进行了全面的布局，涵盖了模型、工具、开发者社区，当然也包括其自身的Agent。例如，他们开源了自主搜索AI智能体项目WebAgent，用于提升AI在多步骤信息搜索领域的性能。
作为在AI领域布局最为完整的厂商，再结合阿里云多年来在云计算领域的积累，他们推出了Agent infra类产品AgentBay。该产品深入扎根客户的需求，旨在解决Agent使用过程中存在的各类痛点。
针对最为紧迫的算力限制痛点，AgentBay提供了来自云端的高弹性和高并发算力。其高并发能力能够达到百万级别，充分满足爆款AI应用高增长的算力需求，彻底释放本地算力限制。
此外，AgentBay只需三行代码即可接入，真正实现“拎包入住”，让AI开发者们彻底告别繁琐的安装和配置过程。
针对AI工具配置繁琐和本地部署权限冲突这两个问题，AgentBay可以在云端一键生成专属Agent运行的沙箱环境，从而保证Agent执行过程中对本地环境的零侵入，也就不存在占用本地计算资源、抢占人类员工的访问和操作权限等问题。
而且，这些沙箱环境集成了Browser、Code Space、Computer Use、Mobile Use、Memory等AI工具，能够执行代码运行、网页浏览、数据分析、程序开发、表格制作等基础任务，同时还具备视觉理解、自然语言控制、任务解析等多项AI技能。
例如，Browser工具可以将云端浏览器自动化，支持网页爬取、自动化测试、流程处理，从而帮助AI Agent获得获取外部信息的能力。
Code Space则是一个更为关键的工具，它提供代码运行环境，支持多语言解释器和开发工具链。有了Code Space，Agent可以自主编写代码，按需生成自身在特定任务中所需的工具，然后再去调用这些工具，这样一来，理论上Agent能够完成任何企业需要的任务。
针对AI安全性差的问题，阿里云此前就发布了AI云盾（Cloud Shield for AI）系列产品，旨在提供模型应用端到端的安全解决方案。现在，阿里云将这些能力进行了升级，并集成到了AgentBay中。
AgentBay能够为Agent应用提供多重安全防护，包括：环境隔离、网络隔离、文件系统隔离、资源限制以及全量审计。它完全符合企业级安全标准，支持SOC2/HIPAA合规，能够让中小企业以较低的成本获得军工级的安全能力。
对于企业级用户在搭建跨多个部门和平台、完成复杂任务的Agent时，AgentBay提供了Context持久化云工作区。
Context持久化云工作区，既解决了Agent没有长期记忆的问题，又能够支持不同部门之间的协同。
具体来说，它拥有自研的跨平台数据漫游系统，能够实现用户数据、状态甚至内存级别的持久化。
此外，它还支持会话间状态保持，可以动态挂载给不同的环境，支持按需加载和实时切换。
对于不同部门之间的协作，它支持免密登录、历史文件编辑、专属知识等高阶能力。
在Context持久化云工作区的支持下，企业用户不仅能够让Agent拥有长期记忆，不断迭代Agent的能力，还能够搭建跨部门的、可解决复杂问题的Agent，并支持不同部门的协作，共同使用和优化Agent。
在解决了Agent使用过程中存在的五大痛点之后，AgentBay还为企业用户提供了一些更为周到且影响深远的功能和服务。
例如，它同时兼容不同的操作系统平台，包括Windows、Linux和Android。
对于Windows，它提供云端Windows桌面环境，支持Windows应用程序自动化；对于Linux，它提供云端Linux系统环境，支持命令行和系统工具；对于Android，它拥有云端安卓环境，支持移动应用测试和流程自动化。
这样一来，无论是哪个平台的开发者，都能够在自己熟悉的环境中开发Agent应用。而对于大型企业而言，他们的服务和应用可以在Windows、Linux、Android等多个系统间无缝切换，这无疑将极大地助力Agent的普及。
此外，AgentBay积极拥抱开源，支持开发者共建生态；而且它支持MCP Server自由定制与托管，开发者和企业可以共同构建专属的AgentBay生态。
据张献涛博士透露，自从四月上旬发布AgentBay的邀测版本后，不到三个月的时间里，已经有超过1000家客户使用AgentBay来打造自己的Agent。一些头部的Agent应用厂商也在与阿里云合作对接。
足够优秀的专属Infra：Agent应用生态持续繁荣的基石
当前AI领域最重要，同时也最为繁荣的，是整个技术栈的两端：应用和基础设施。现在的AI发展态势与移动互联网时代非常相似：当时各类App层出不穷，极大地促进了IT基础设施向云计算时代的迈进。
现在我们看到了Agent应用端的繁荣，无论是大型科技公司，还是初创企业，都在Agent应用领域积极耕耘；无论是通用Agent、专用Agent，还是各种定制Agent，创新层出不穷。
但是，应用不是建立在空中楼阁之上的，基础设施的完善是应用繁荣的基石。正如修好了高速公路和铁路，才有了物流和电商的繁荣；有了足够的网络基础设施，才能创造出淘宝天猫、抖音、优酷等现象级应用；有了足够多的充电桩，才有了新能源汽车的爆发。Agent应用的繁荣和持续创新，同样需要足够强大的基础设施来支撑。
阿里云不仅在亚太地区的云服务市场占据最高的市场份额，而且根据IDC的报告，它在中国AI基础设施市场也获得了23%的市场份额，同样排名第一。
AgentBay，不仅依托于阿里云深厚的技术积累，更基于对客户需求的敏锐洞察而打造，是支撑Agent应用繁荣的基石中，最坚实的一块。
