“阿里，在做一種很“新”的云。

如果你在5月20日之后打開阿里云新上線的“千問云”（qianwenai.com），大概率會愣住。

沒有導航欄，沒有產品列表，沒有“立即購買”的按鈕，沒有任何一個你在過去17年里習慣看到的云廠商官網該有的東西。

只有一行字：

“安裝Skills：npx skills add QianWen-AI/qianwen-ai”

這不是設計師偷懶，也不是產品經理短路。

這是阿里云做了一個“違背祖宗”的決定——云的終極用戶，不再是“人”了。

5月20日，阿里云在2026峰會上發布了一套名為“芯-云-模型-推理”的全棧技術體系。聽起來很技術，但翻譯成人話就是：阿里云把自己拆了，然后按照AI Agent（智能體）的體型，重新長了一遍。

如果說過去17年是“人類操作云”的時代，那么從這一天起，阿里云正式宣告：Agentic Cloud時代，開幕。

被“逼瘋”的AI

和遲來的覺醒

先問你一個問題：

現在的AI Agent，活得憋屈嗎？

答案是——非常憋屈。

想象一下這個場景：你有一個智商180的博士生（大模型），你想讓他幫你干點活，比如“在云上部署一個網站，然后監控它的運行狀態”。

結果你發現，這個博士生沒有手、沒有眼睛、不能點鼠標、看不懂驗證碼、沒法登錄控制臺。他想干活，唯一的辦法是——你給他寫一堆代碼，告訴他怎么調用API、怎么傳參數、怎么處理返回結果。

你說：“幫我看看服務器是不是掛了。”

他反手扔給你一份300頁的API文檔：“你先幫我把這段鑒權邏輯寫清楚。”

這就是今天95%的企業正在經歷的現實。阿里云旗下MuleRun團隊觀察了上千家企業后發現：絕大多數企業仍停留在“Copilot階段”——人類承擔80%的工作，AI只打打下手。

不是AI不想干，是基礎設施根本不允許。

過去17年，云計算的交互邏輯是“人->控制臺/API”。這套邏輯對人類很友好——我點點鼠標、寫寫腳本，就能把事辦了。

但Agent不是人。

Agent不看你花里胡哨的儀表盤，不點按鈕，不認識驗證碼。它需要的是結構化的能力描述、明確的調用協議、可預期的反饋機制。

人和Agent之間，存在巨大的“摩擦成本”。

不重構云，Agent永遠只是個“聊天玩具”。

阿里云這次做的事，說穿了就一句話：把云從“給人用”改成了“給Agent用”。

從“芯”到“云”

給Agent鋪一條高速公路

重構不是嘴上說說。阿里云這次動的是全身——芯片、服務器、操作系統、交互協議、運維體系，全拆了重來。

第一刀：算力底座——給Agent修“高速路”

Agent和人的工作方式完全不同。

人上網是“點一下、等一會兒、再點一下”，節奏是離散的。但Agent不是——一個Agent在執行任務時，可能在毫秒級內連續發起數十次模型調用。它不是在“瀏覽”，而是在“狂奔”。

這對底層算力的要求是質的改變。傳統的GPU集群，是為“人”設計的——任務相對穩定，并發可控。但Agent的工作負載是“無規律彈性、短生命周期、瞬時起量即走”。

阿里云亮出的底牌是：平頭哥自研AI芯片“真武M890”+磐久AL128超節點服務器。

數據是枯燥的，但你可以這么理解：

·M890的性能是上一代的3倍，顯存144GB；

·128顆芯片通過自研互聯芯片ICN Switch連成“一臺計算機”，芯片之間的“對話”延遲低至150納秒（納秒是什么概念？光一秒鐘跑30萬公里，150納秒光只能跑45米）；

·單柜帶寬達到Pb/s級。

翻譯成人話：這是一條為Agent專門修建的“多車道無紅燈高速公路”。

以前，成千上萬個Agent同時在云上“狂奔”，會堵車、會撞車、會卡死。現在，真武M890+磐久AL128的組合，讓每個Agent都有自己的快車道。

更值得關注的是平頭哥透露的路線圖：未來兩年還將推出真武V900、J900兩代芯片。截至目前，真武系列芯片已累計出貨56萬片，服務了中國電信、中國一汽、浦發銀行等400多家客戶。

這不是PPT，是已經在路上跑的車。

第二刀：交互重構——給Agent安上“手和腳”

芯片是心臟，但Agent要干活，還得有手有腳。

阿里云這次發布的首批官方“Skills”，就是Agent的手和腳。

解釋一下什么是Skills：你可以把云產品的API想象成數萬個復雜的“操作按鈕”，每個按鈕背后都有一大堆參數、鑒權邏輯、返回格式。人類工程師要看半天文檔才能搞明白怎么按。

而Skills做的事情是：把這些復雜的API，封裝成Agent能“秒懂”的標準化指令。

首批Skills覆蓋了阿里云12條產品線、60多款云產品。

舉個例子：以前你想讓Agent“部署一個應用并配置監控”，你需要寫一堆代碼，告訴它怎么調ECS的API、怎么配云監控的規則。現在，你只需要用自然語言說一句，Agent自動調用對應的Skills，從識別資源到部署完成，一氣呵成。

傳統云產品的交互邏輯是為人設計的，Agent不看網頁、不點按鈕。阿里現在要做的是讓每一個云產品都變成Agent可以“像調函數一樣調用”的能力模塊。

這還沒完。

除了Skills，阿里云還把模型服務全面CLI化。什么是CLI化？就是Agent不需要打開任何網頁，直接在命令行里就能完成模型選型、調用、用量查詢、成本分析……全自動。

以前，開發者教Agent用云，像是在教外國人認漢字；現在，Skills和CLI給了Agent一雙能干活的手。

第三刀：運維重構——讓Agent自己給自己“看病”

Agent 24小時不間斷工作，如果出了問題怎么辦？難道還要半夜把人類運維工程師叫起來？

阿里云發布的STAROps全域智能運維平臺，解決的就是這個問題。

這個平臺的核心邏輯是：讓Agent成為運維工程師的“數字員工”。

STAROps有三個核心能力：

1.智能助手：你（或另一個Agent）用自然語言問“過去24小時有哪些告警”，它直接給你答案，不用在日志、指標、鏈路三個系統里來回切。

2.長期任務機制：Agent可以接管巡檢、周期報告、告警分析這些“臟活累活”，一次對齊目標，它能自主執行跨天甚至跨月的運維計劃。

3.數字員工：企業可以為每個團隊構建專屬的SRE智能體，把專家經驗固化下來，新人來了不需要從頭學起。

更重要的是，STAROps內置了一套基于“證據鏈”的根因定位引擎——不是靠“老運維拍腦袋猜”，而是按規則查、按證據判。

阿里云還同步開源了UModel統一數據模型和RCA-100評測基準集（覆蓋2000多條評測數據、700多個運維場景），聯合信通院、小鵬汽車、中科院軟件所等10多家機構發起行業標準倡議。

這意味著什么？

“靠人熬夜救火”的運維時代正在結束，“Agent自治”的運維時代正在開始。

干掉“Copilot”？

是時候來一場效率革命了

如果說芯片和Skills是“骨架和手腳”，那模型就是Agent的“大腦”。

阿里云這次發布的Qwen3.7-Max，不只是又一個大模型版本號迭代。它在做一件更本質的事：從“對齊人類偏好”轉向“對齊任務目標”。

通俗地解釋：

以前的模型，訓練目標是“說得好”——回答問題像人、不胡說八道、有禮貌。

但Qwen3.7-Max的訓練目標是“做得到”——你給我一個任務，我自己規劃、自己執行、自己糾錯、自己交付成果。

這個轉變，是Agent能否真正“干活”的分水嶺。

35小時的“連續劇”：一個讓硅谷都沉默的案例

Qwen3.7-Max有一個案例，值得你花30秒認真看完。

它被放在一個訓練時從未接觸過的全新硬件平臺——平頭哥真武M890芯片上。沒有性能分析數據、沒有硬件文檔、沒有任何示例內核。

只有一個任務描述：“請優化這個推理內核。”

Qwen3.7-Max從零開始，完全自主地工作了35小時。

圖：Qwen3.7-Max可獨立執行35小時的長程復雜任務

在這35小時里，它干了什么？

·獨立進行了432次內核評估

·調用了1158次工具

·自己寫代碼、自己編譯、自己跑性能分析、自己找瓶頸、自己改架構

·甚至在運行超過30小時后，主動發起了一次關鍵的架構重設計

最終結果：優化后的推理內核，比官方參考實現性能提升了10倍。

10倍。

一個模型，在一個它從未見過的芯片上，從零開始，35小時不眠不休，干出了一個資深工程師團隊可能要干幾周甚至一兩個月的活。

這不是“問答”，這是“工作”。

阿里巴巴通義大模型事業部負責人周靖人點出了本質：

“過去我們追求的是模型‘說得好’，現在要求模型‘做得到’。Qwen3.7-Max的設計初衷，就是讓模型真正成為Agent的智能內核，具備自主規劃、持續迭代、跨工具協作的能力。”

在權威評測中，Qwen3.7-Max的成績也印證了這一點——在三方機構Arena全球大模型盲測總榜中，與GPT、Claude、Gemini的最強模型接近。

近3個月內，千問旗艦模型已經迭代了3.5、3.6、3.7三個版本。阿里顯然在刻意加速——模型能力的進化速度，必須匹配Agent場景的指數級需求增長。

10倍效率差：MuleRun揭示的企業生死線

模型強了，但企業怎么用？

阿里云旗下的Agent產品MuleRun給出了一個讓人后背發涼的數據：

AI Native團隊的效率，是Copilot團隊的10倍。

什么是Copilot？人類承擔80%工作，AI承擔20%——打打下手、寫寫草稿、查查資料。

什么是AI Native？AI承擔80%工作，人類只做20%——關鍵節點決策、最終把關、方向修正。

MuleRun負責人陳宇森說了一句值得所有企業主記住的話：“企業實現AI Native轉型的窗口期，通常只有18個月。”

不是AI淘汰人，是會用的企業淘汰不會用的企業。

MuleRun已經服務了全球43個國家的用戶。幾個案例可以讓你感受一下“AI Native”是什么樣的：

·巴西一位自由職業者：用MuleRun輸出了一整套營銷方案——網站、競品分析、內容策略、預算、短視頻腳本。全程沒打開過Word、PowerPoint、Excel任何一個傳統辦公軟件。

·日本某保健品公司市場部：一個6周的產品上市項目，從策略制定、發邀約郵件，到數據復盤，全部通過MuleRun完成。

·墨西哥某連鎖餐飲店店主：用西班牙語輸入指令，一鍵生成了含本地支付與多語言適配的餐廳官網，立刻上線運營。

·拉美某大型數據中心運營商：同時在幾個國家運營幾十個機房。他們用MuleRun搭建了項目運營看板和站點智能選址工具——這些工作以前需要咨詢公司+運維團隊+高額預算，現在靠一個Agent平臺就能搞定。

·世界泳聯：組織全球頂級賽事時，曾經需要IT、市場、數據、運營四個部門協同。現在，用自然語言指令，MuleRun直接搭出了多語言營銷落地頁、內部管理系統、賽事調度中樞和實時數字孿生控制臺。

MuleRun的數據還有一個細節很有意思：付費用戶每周活躍工作日是2.6天，人均每周完成13個端到端交付的工作任務。

2.6天，13個任務。

換句話說，這些用戶一周真正“干活”的時間不到3天，但產出卻是傳統模式的數倍。

這不是效率提升，這是工作方式的代際差異。

開放

是Agentic Cloud的“基本素養”

聊完芯片、模型、應用，我們回到一個更本質的問題：

阿里云到底想干什么？

如果只是發布一個更強的模型、一個更好的芯片，那充其量是“產品升級”。但阿里云這次的動作，明顯不止于此。

注意一個細節：百煉平臺全面開放，接入了智譜GLM-5.1、MiniMax M2.7、月之暗面Kimi K2.6、可靈、Vidu Q3-Pro等第三方模型。

你沒有看錯。阿里云在自己的官方模型平臺上，大大方方地賣起了競品模型。

這背后的邏輯是什么？

過去，云廠商的競爭邏輯是“我的模型最好，所以你用我的云”。這是“鎖客思維”。

阿里云現在換了一套邏輯：無論你用誰的模型（Qwen還是Kimi），只要你的Agent跑在我的架構上、用我的Skills調用資源、消耗我的Token，你就是我的用戶。

這是一盤更大的棋：

·賣自研芯片（真武），是賣“鏟子”；

·賣MaaS服務（Token），是賣“電”；

·建立Skills標準，是制定“插座規格”。

無論你是開發者、企業、還是另一個Agent，只要你需要“用電”，你就得用我這個規格的“插座”。

這就是為什么阿里云要強調“一個入口、多模型可選”——不是因為我做不出好模型，而是因為我的野心不止于做模型。

一個更值得關注的數據來自資本市場：阿里最新財報披露，AI模型及應用服務ARR（年經常性收入）已超過80億元，預計年底突破300億元。消息發布當天，阿里股價飆漲8%。

更重要的是，阿里云內部有一個判斷：Agent驅動的MaaS收入，將取代ECS（彈性計算服務）成為阿里云最大的產品線。

這意味著什么？

阿里云的增長引擎，正在從“賣算力”全面切換為“賣Token”。

你不再只是為服務器的開機時間付費，你為Agent完成的每一個任務、消耗的每一次推理付費。商業模式的底層邏輯變了。

一行代碼背后的野望

回到開頭那個“什么都沒有”的官網。

千問云首頁上的那行指令，不是一個產品細節，它是一個宣言。

在過去17年里，云的交互邏輯一直是“人登錄控制臺→選產品→配參數→調API”。這套流程對人類來說已經很順暢了，但對Agent來說完全不可用。

阿里云用一行代碼替代了整個官網，是在賭一件事：

未來云的主要消費者，不是人，是Agent。

當這個判斷成立的時候，所有為人類設計的界面、流程、交互邏輯，都將被重寫。

這是一個極其大膽的押注。上一次中國頭部科技公司以如此決絕的方式重構產品入口，可能要追溯到移動互聯網早期——當所有人把PC官網的流量讓位給App的那個階段。

只不過這一次更徹底：App至少還需要人去點開，而Agent只需要“讀”一條指令。

在不遠的將來，你可能不再需要打開任何App。

你的Agent會讀懂這行代碼，幫你買好服務器、搭好環境、寫好代碼、剪好視頻、監控好運行狀態。

你只需要說一句：“幫我做個事。”

然后去忙你真正該忙的事。

當Agent學會使用工具，人類才真正開始只負責創造。

而阿里云，正在鋪設這條創造之路的基石。