作者：墨飏

“我有一劍，可破萬劍”——2025年，Agent Infra 領域迎來“破局之劍”。

引子

2025 年，AI Agentic 基礎設施（Agent Infra）迎來爆發拐點。DeepSeek、Qwen 等開源大模型的突破為 Agent 提供了強大的認知“大腦”，而模型上下文協議（MCP）的生態繁榮則賦予其靈活“四肢”——據 IDC 預測，全球 80% 企業將在年內部署 Agent?！按竽X”與“四肢”的協同進化，正在倒逼承載二者的“軀干”全面升級：Agent Infra 成為技術攻堅的核心戰場。

云廠商競相推出新一代 Agent Infra 技術架構：

• AWS 推出 AgentCore （預覽版），官方明確其是基于 Lambda FaaS 基礎設施深度定制和優化的全托管運行時，為 Bedrock Agents 解決了標準 Lambda 的關鍵限制，如長時執行、狀態記錄、會話隔離等。
• Azure 推出 AI Foundry Agent Service，官方明確其集成 Functions FaaS 事件驅動使得 Agent Service 能夠利用 Serverless 計算的事件驅動、可擴展性和靈活性，更輕松地構建和部署 Agent。
• Google Cloud 推出 Vertex AI Agent Builder，官方雖未明確但普遍推斷其高度依賴并優化了 Cloud Run（Cloud Functions 2nd Gen 已經基于 Cloud Run 來構建）來支撐長時運行、并發和有狀態的需求。
• 阿里云推出函數計算 Function AI，官方明確基于 FC FaaS 的 Serverless x AI 運行時深度優化，推出模型服務、工具服務、Agent 服務，開發者可自主選擇模型、運行時、工具的一個或多個以組裝式設計構建和部署 Agent。

這些技術共同指向同一目標 —— 為 Agent 提供更高彈性、更低延遲、更強安全、更長會話的“軀干”，支撐其從實驗室邁向千萬級企業場景。當認知與行動完成閉環，Agent Infra 的技術代差將決定企業 AI 創新/轉型的落地速度與質量。

Agent Infra 乘風而來

Agent Infra 共性需求和能力突破

Agent 開發范式的演進對底層基礎設施（Agent Infra）提出了全新要求。各大云廠商（AWS，Azure，Google Cloud，阿里云）的新一代 Agent Infra 聚焦長時運行、會話親和、會話隔離、企業級 IAM 和 VPC 及模型/框架開放等技術突破，本質上是為滿足三類核心 Agent 形態的共性需求：

• LLM Agent 連續調用工具的強訴求：

LLM Agent 需連續調用工具鏈完成復雜推理，可能跨越數分鐘甚至數小時。傳統 Serverless 的執行時長限制（如 AWS Lambda 的 15 分鐘上限）會強制中斷任務，因此新一代 Agent Infra 必須突破該限制，支持長時運行。同時，為維持多輪對話的上下文一致性，需會話親和確保同一請求路由到同一計算實例，避免狀態丟失。

• Workflow Agent 對狀態管理的依賴：

自動化工作流（如數據處理 Pipeline）需持久化記錄執行狀態。傳統 Serverless 的無狀態特性無法保存中間結果，而新一代 Agent Infra 通過提供有狀態會話保障工作流的原子性和可恢復性。會話隔離則確保多租戶或高并發場景下任務互不干擾，滿足企業級安全合規要求。

• Custom Agent 的靈活性與生態整合：

Custom Agent 需集成異構工具（API、領域模型、數據庫、Code Interpreter、Browser Use 等），要求新一代 Agent Infra 支持模型/框架開放（如 AutoGen、LangChain、AgentScope）。封閉式架構會限制 Agent 能力擴展，而云廠商通過解耦計算層與框架層，可提供插件化集成接口。

Agent Infra 技術選型和開發路徑

新一代 Agent Infra 在保留 Serverless 核心優勢（全托管免運維、輕量彈性更經濟）的同時，通過關鍵功能（長時運行、會話親和/會話隔離）和技術突破（狀態持久化、冷啟動優化、開放集成），解決了 LLM Agent 的持續推理、Workflow Agent 的復雜狀態流轉、Custom Agent 的靈活定制等核心需求。這標志著 Agent 開發正從“手動拼湊傳統組件”轉向“利用原生 Infra 實現高效、安全、可擴展的開發部署”這一全新的技術路徑。

Agent Infra 產品定義和架構升級

在 Agent 技術架構加速進化之際，函數計算“五年磨一劍”將理論瓶頸轉化為經過大規模實踐驗證的企業級解決方案。我們早已洞見：未來的 Serverless 架構必須遵循三大基本原則 —— 開源開放、組裝式設計、靈活定制。這不是技術空想，而是業務驅動、市場淘沙的生存法則。

開源開放是賦予客戶自由進化的選擇權。以模型服務演進為例：PoC 階段借力商業模型快速驗證；規模擴張時采用混合架構，核心業務擁抱開源模型自主可控，邊緣場景沿用商業服務降本增效；至業務成熟期，則通過微調/訓練后的自有模型實現深度創新。這種階梯式的進化路徑，讓企業始終掌握技術選擇權 。

組裝式設計的本質是拒絕重復造輪子。想象一個視頻轉碼工作流：它需無縫串聯函數計算、消息隊列、日志服務、對象存儲等十余種云產品。真正的價值在于 ——

• 原子能力自由拼裝：像搭樂高般調用高彈性、高可靠的云原生組件；
• 生態級互聯：跨產品 IAM 鑒權與 VPC 網絡互通實現安全隔離；
• 韌性設計內化：工作流自帶容錯、回放、自愈能力，故障不再是停機噩夢。

而靈活定制需破解更深層命題：解耦資源層與服務層。資源層持續錘煉冷啟動、彈性伸縮等原子能力，成為“沉默的基石”；服務層則專注場景創新，將客戶需求轉化為技術驅動力。當 LLM Agent 多輪會話需求暴漲時，資源層需要快速優化長時任務和狀態記錄的調度算法；當 Workflow Agent 的某些工作流節點需要毫秒級響應時，服務層需要靈活調配資源如毫秒級快照+彈性策略實現冷啟動加速 —— 市場價值才是技術邊界的唯一標尺，打破技術邊界應為用戶帶來價值。

如今，函數計算正以這種「雙螺旋結構」推動架構進化：向下吸納硬件紅利構筑高效資源池，向上生長出企業級 Agent 創新場景。當行業仍在持續探索 Agent Infra 技術架構新形態時，我們選擇以落地實踐為錨點，造風而不止于追風。

從Cloud Native 到 AI Native

五年技術路，函數計算重塑 Serverless 版圖

2020年

函數計算業內首推 OCI 標準鏡像 —— 打破 FaaS 和容器的技術邊界

作為業內首個支持 OCI（Open Container Initiative）標準鏡像的 Serverless 平臺，函數計算徹底解決了環境依賴的碎片化問題。傳統 Serverless 受限于運行時語言版本和依賴庫的固化配置，而 OCI 鏡像將應用與其完整運行環境打包交付，實現開發、測試、生產環境的絕對一致。這一創新直接推動 Serverless 進入企業核心生產場景，為后續 GPU 等異構計算的支持奠定基礎。

2021年

函數計算業內首推 Serverless GPU —— Serverless x AI 全新開發范式

面對 AI 負載對算力的嚴苛需求，函數計算首創 Serverless GPU 異構實例，突破三大技術壁壘：

• 精益使用稀缺資源：按請求實時分配 GPU 算力且支持切分使用，避免傳統虛機/容器駐留導致的資源浪費；
• 冷啟動加速降時延：鏡像加速和模型加速，秒級/毫秒級快照優化冷啟動，拓寬實時/準實時推理場景；
• 技術升級釋放紅利：1秒計費粒度，彈性實例滿足中小客戶經濟使用，常駐實例滿足企業客戶固定預算；

這一創新直接推動 Serverless 技術在圖像識別、實時推理等場景的應用，拉開 Serverless x AI 的工業化序幕。

2022年

函數計算業內首推24小時長時任務 —— 打破執行時長枷鎖

傳統 Serverless 受限于短時任務模型（如 AWS Lambda 的15分鐘上限），難以承載視頻處理、數據分析、科學計算等長時負載。函數計算率先支持24小時超長任務，關鍵技術突破包括：

• 狀態持久化：內置隊列實現 FIFO，由平臺自動化異步消費執行，并記錄任務狀態；
• 彈性強隔離：基于輕量級虛擬機池化技術，彈性供給算力，數據隔離/性能隔離；
• 自動高可用：事件驅動任務執行，自動重試，無冗余資源浪費，成功/失敗自動處理。

這一創新大大拓寬了 Serverless 在音視頻處理、文件處理、批處理與流式計算等領域的適用場景。

2023-2025 年

函數計算 FunctionAI Agent 原生底座 —— 從資源供給到智能服務的生產級跨越

2023至2025年，函數計算以 “場景驅動技術創新、開放推進價值突破” 為核心理念，推出 FunctionAI 服務，在 Serverless x AI 運行時基礎上構建了三位一體的生產級能力和最佳實踐：

• 模型服務： 支持開發者靈活高效地自建模型（如魔搭社區、HuggingFace 數萬模型的本地化部署）或云上托管微調模型（上傳鏡像/模型文件即完成部署），突破商業模型廠商綁定的限制，實現 “框架無關、模型自主” 的技術選擇權；

• 工具服務： 通過 MCP Server 一鍵托管（如高德地圖導航工具、CloudOps、PolarDB、RDS、DataWorks 等數十款阿里云官方 MCP 工具），集成50+開箱即用的插件工具，支持 VPC 打通企業私有生態，且可作為解決方案一鍵輸出為企業專屬 MCP MarketPlace，滿足金融、政務等高合規場景的定制需求；

• Agent 服務：基于函數計算的沙箱運行時與會話親和/會話隔離等功能，實現 Agent Runtime/Sandbox Runtime 的彈性伸縮與安全隔離，同時開放組裝式原子功能，允許將 FunctionAI 能力無縫嵌入企業自研平臺。另外，FunctionAI 官方提供的 AgentFlow 服務，提供類 Dify 的可視化工作流開發體驗，采用自研引擎，10倍提升 Agent 運行效率，對比 Dify 社區版，AgentFlow 可以靈活定制工作流節點，零成本打通云上生態。

展望

函數計算 Agent Infra 的差異化在于“原子化組裝”、“開放生態”與“選擇權”：

• 不同于業界其他產品，函數計算拒絕與商業模型鎖定，開發者可自由組合使用任意開源模型（如Llama3、DeepSeek、ComfyUI、Stable Diffusion）與云上工具；
• 通過 Serverless 資源池化與 VPC 深度集成，企業可在享受 SaaS 級敏捷體驗（5分鐘自建模型、10分鐘構建 Agent）的同時，保障核心業務的自建掌控力 —— 這正是上文中 “混合架構”演進路徑的終極形態，兼顧了 SaaS 的易用性與自建的穩定性、成本可控性和定制靈活性。

當業界聚焦一體化解決方案（封閉生態或有限制的開源開放）時，函數計算選擇成為 “AI 樂高”的底座 —— 開發者不必在“快速驗證”與“深度定制”間妥協，而是以開放架構實現 “從實驗室到生產可用”的無縫跨越，讓 Agent 真正成為企業數字生產力的通用組件。

Serverless 是當前技術領域最有可能演進為 AI Native Infra 的技術架構，函數計算正著力于打造模塊化的 Agent Infra 之劍，助力開發者從“生態應用者”進階為“能力定義者”，最終推動 AI 技術走向開放共享的創新之路。