云厂商的新战场：Agent开发平台引领AI价值落地

直接的价值体现，支撑起人们对规模庞大的Agent市场的想象，也决定了云厂商在下一个时代的生存空间。

当出售Token成为云厂商未来最主要的增长引擎，如何帮助更多企业将AI技术转化为实际生产力，便成为当前云厂商亟需攻克的核心课题。

过去一年，AI驱动的业务增长为云厂商带来了前所未有的商机。阿里云的AI相关收入已连续9个月实现三位数同比增长；AWS（亚马逊云科技）预测，未来MaaS平台带来的Token收入将可与EC2计算产品的收入相媲美；谷歌云的年化收益突破500亿美元，其中大部分增量由AI贡献。

在头部云厂商凭借AI收获高速增长的同时，新兴势力也在以更敏捷的姿态拥抱AI时代，冲击既有的行业格局。火山引擎坚定押注「AI云」，视其为一次重要的超车契机，并将原定于2029-2031年实现的千亿营收目标上调了数百亿美元。CoreWeave则通过收购增强AI算力租赁之外的AI开发能力，以巩固自身优势。

正如谷歌CEO Sundar Pichai所言，AI正在重塑整个云市场。

AI之所以能成为云厂商增长的核心驱动力，是因为越来越多的行业和企业开始认识到利用AI优化业务效率、创造价值的可行性，并急于将其付诸实践。

云厂商已经为企业获取和利用AI能力提供了基础设施支撑，CoreWeave仅靠AI算力租赁就获得了数百亿美元市值，便是明证。

但仅仅提供基础设施还不够。当下AI对企业价值的体现，越来越集中于Agent的构建上。从商业航天公司Blue Origin、电子与娱乐巨头索尼，到电商平台淘宝、外卖平台美团，都在积极尝试建设自己的Agent能力。

可以预见，未来将有更多企业产生海量的Agent开发需求，但前提是必须具备足够可靠、低门槛的Agent开发平台，帮助企业跨越从概念验证到大规模应用的鸿沟。

因此，打造更完备、更便捷的Agent开发和落地能力，已成为当下各大云厂商积极布局的重点。在持续更新基础模型能力的同时，AWS、火山引擎、谷歌云等都发布了帮助企业高效构建Agent的工具包，涵盖模型的定制化训练、Agent的开发、运营及安全治理等方面。

与单纯帮助企业创造一个具备信息检索能力的聊天机器人相比，这样一套完整的能力，旨在真正将企业的业务流程Agent化。这种感觉就像是云厂商在向企业发出邀请：我这里为你准备了一份保姆级教程，要不要试试搭建几个Agent？

01

Agent让Token价值落地

无论是在国内还是海外，业界对Agent的预期都愈发乐观。火山引擎CEO谭待表示，明年市场将迎来爆发式增长，更多有价值的Agent将不断涌现。AWS CEO Matt Garman认为，Agent让企业的AI投资见到了成效，未来每个企业都能从AI中获得更多价值。

阿里巴巴CEO吴泳铭做了一个形象的类比：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是新的Memory。「未来几乎所有与计算世界打交道的软件，可能都会是由大模型生成的Agent。」

这些乐观判断，建立在已得到数据验证的案例之上。借助编程Agent Kiro，AWS一个原本需要30人工作18个月才能完成的项目，现在仅需6个人用76天就能搞定。火山引擎的一位企业客户在2024年开发了50多个Agent，到2025年就激增至200多个。Blue Origin构建了超过2700个内部Agent，交付效率提升了75%。

如果说从卖云到卖Token的转变，标志着云厂商的核心价值从基础设施提供者跃升为AI能力提供者，那么Agent就为发挥Token的价值提供了一套方法论和实现路径。

企业可以通过打造不同的Agent，省去编写数千行代码的精力，或实现流程简化和效率提升。这种直接的价值体现，支撑起人们对规模庞大的Agent市场的想象，也决定了云厂商在下一个时代的生存空间。

然而，火山引擎的调研显示，真正能开发好Agent的企业并不多，其中能运营好Agent、实现大规模应用的更是少数。这些企业通常拥有深厚的技术积累。

AWS大中华区产品部总经理陈晓建援引的第三方调研数据也表明，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。

AWS分析认为，这一现状主要源于数据和工程化两大层面。数据层面，概念验证阶段的数据往往经过人为筛选和优化，但在大规模应用中无法如此处理；工程化层面，大规模应用对安全、扩容、成本、高可用性等有更高要求，而这些在概念验证阶段往往被忽略。

02

为Agent开发提供保姆级教程

谭待指出，需要一套为Agent开发和运行而设计的架构，即AI云原生架构，来支持企业把AI用好、把Agent开发好。在12月18日举办的冬季Force原动力大会上，火山引擎为企业提供了一套拆解得更细致的Agent开发落地解决方案。

在MaaS层上，火山引擎进一步提升了易用性，通过推出Prompt Pilot、Response API等功能，降低了企业选模型、调Prompt、用搜索的门槛；并通过推出推理代工，让企业可直接在火山方舟平台上托管自己的模型。叠加AgentKit提供的全栈开发能力和HiAgent的运营能力，火山引擎能够提供完整的Agent落地流程。

同样，AWS和谷歌云也在强调全栈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。谷歌云的Gemini Enterprise则提供基础模型、无代码Agent构建框架、专业Agent、数据源连接、可视化管理、审计和安全控制、Agent市场六项核心组件，实现端到端的Agent应用。

这些全栈能力中，大家普遍重视的是Agent开发门槛的降低、模型的定制化能力和Agent的安全控制。火山引擎的AgentKit、亚马逊的AgentCore以及谷歌云的工作台，不仅都强调Agent开发的简单快捷，还同步提供安全评估和数据接入的能力。

AWS还特别强调通过Nova Forge为企业提供定制模型的便捷工具。企业若基于Nova Forge进行模型训练，可选择某个Nova训练检查点，将自有数据灌注其中，继续完成训练流程。这样训练出的模型知识产权归企业所有，既具备企业独有的领域知识，又保留了大模型的底层能力。

对于Agent开发而言，底层模型的能力是成功的重要基石，用定制化模型支撑业务Agent的开发，能获得更佳效果。目前，Reddit、Booking和索尼已是Nova Forge的早期用户。其中，Reddit通过Nova Forge训练的模型，能够理解小众的梗和圈子文化。

尚未公开强调全栈式Agent开发能力的云厂商，同样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。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。

03

打好基础同样重要

在提供全栈式Agent开发能力的基础上，打好基础对云厂商争取企业客户也至关重要。这个基础包括模型能力的进化和理念的转变。

在基础模型层面，云平台基本都在自研模型能力，强大的自研模型是企业选择云平台时的重要考量。谷歌云认为，Gemini系列模型是Gemini Enterprise的核心。阿里巴巴通过开源的千问模型吸引更多企业级开发者。火山引擎、腾讯、百度也在持续推进自研基础模型的进化。

近期，腾讯和百度都针对基础模型研发进行了团队调整。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，明显意在基础模型层面进一步发力。百度则新设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。

其中一个进化趋势是让基础模型更适配Agent的开发需求。火山引擎发布的豆包大模型1.8，面向多模态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，具备更强的自主规划、拆解任务、调用工具能力。

此外，云厂商的理念转变也在发生，MaaS业务的进展正成为一项核心指标。最先拥抱AI云的火山引擎最为激进，有消息显示，火山引擎内部已将AI的Token调用量视为核心指标，有销售虽CDN等传统云业务做得好，但因MaaS业务不佳而被淘汰。最终，火山引擎的目标是让所有人提到AI时都必选火山引擎。

阿里云则在云栖大会上提出了要做「AI时代的Android」和「超级AI云」两个方向。但相较火山引擎，阿里云的全栈布局更重，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。

这种转变已成必然趋势。姚顺雨在《人工智能的下半场》中指出，本轮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于千行百业。