Agentic Cloud，云厂商们的新叙事

AI大模型只是入场券，全栈技术底座才是下半场。

文｜白   鸽

编｜王一粟

Agent（智能体），无疑是2026年最火爆的一个词。资本在追，创业者在卷，大模型厂商们也争先恐后地给自家产品贴上“Agentic”的标签。

与此同时，落到行业里，Agent也已经开始“干活儿”了，从办公软件到制造产线，从智能客服到研发提效，越来越多的企业开始把Agent放进真实业务流程。

然而，行业很热闹，但真实数据却比叙事冷静得多。

毕马威的一项调研显示，88%的企业已启动Agentic AI试点，但仅24%看到了实际回报。而Gartner预测，超过40%的Agentic AI项目将在2027年底前被取消，原因是成本失控、ROI不清晰和风险控制不足。

这背后的逻辑其实很清楚，当智能体从“陪人聊天”走向“替人干活”，它撞上的第一道墙，往往不是模型不够聪明，而是物理世界的约束——连续执行几十步任务、反复调用外部工具、无人盯守长期运行，每一步背后都是算力、Token、运行环境、安全治理的连环问题。

而这些问题，也推动云计算从以资源供给为中心，向智能体底座加速演进。

云计算正在变成Agentic Cloud（智能体云）。随之而来的，则是一整套从数据中心、智能体运营到行业场景的体系化改变。

Agent时代的竞争，不是单点技术的比拼，而是整套体系的对决。

毕竟，模型可以买来，算力可以租到，但一个能同时满足“跑得快、记得住、用得起、管得住”的完整架构，才最难得。

在今年华为全联接大会2026的华为云峰会上，华为公有云总裁胡玉海表示，华为云将从三个维度深耕智能体时代：一是软硬芯整合，打造极致性价比的AI基础设施；二是拥抱百模千态，构建开放的企业级智能体平台；三是打造场景化解决方案，深入政务、汽车、具身智能等行业，践行“用AI解行业难题”。

华为公有云总裁胡玉海

少了任何一层，Agent都只能停留在演示视频里。

那么，这套全栈技术架构具体长什么样，又能否真正撑起Agent时代的重量？

从回答问题到完成任务 云的逻辑变了

过去十五年，云计算行业反复讲的其实只有一个故事，即把IT基础设施变成水电煤。

第一阶段，云卖的是资源，如弹性算力、存储、网络，企业按需取用，不必自建机房。

第二阶段，大模型来了，云开始卖模型，如MaaS把模型能力封装成API，企业不必自己训练，调用即可。

现在，故事讲到了第三阶段，云开始卖“干活的能力”。

原因在于，当前AI正在从被动问答工具，逐步演变为能够自主规划、执行任务的智能主体，同时，智能体也正在快速替代和重构传统的SaaS软件和企业应用系统，成为新的“超级入口”。

智能体时代，于云计算而言，要持续调度算力、调用工具、衔接业务系统，一跑就是长周期作业。

这也意味着，云厂商的角色将从“卖资源、卖软件”变成“运营智能体”，竞争维度随之改变。

也正因此，Gartner在2025年底将Agentic AI列为2026年头号战略技术趋势，并预测到2026年底，40%的企业应用将集成任务特定的AI Agent，而这一比例在2025年还不到5%。

几乎同一时间，国内外云厂商都在争相补齐Agent能力栈，竞争的焦点，正在从数据中心的规模，转向谁能把“Agent跑起来”背后的一整条链路做好。

此前，有行业人士对光锥智能表示，过去很多开源的智能体软件没能进入企业核心场景，核心原因恰恰是企业级能力没有做到。而安全、治理、运维这些能力，也是开源社区和通用框架最薄弱的地方。

更为重要的一点是，企业选型时最关心的往往不是“哪个模型聪明一点”，而是“这套东西能不能在我的环境里安全地跑起来、长期地迭代下去”。Agent要进的是合同复核、工厂排产、病理诊断这些核心场景，出一次错的代价，远高于答非所问。

所以Agentic Cloud不是Cloud的简单升级，也不是给云加一个Agent入口，而是面向Agent时代重新构建的一整套技术底座。

拆开看，这套全栈底座大致可以分为四层：

最底层是算力与基础设施，解决“跑得快、记得住、用得起”的问题；中间是智能体的构建、运行与治理平台，解决“造得出、管得住、会进化”的问题；最上层是进入千行万业的Agent应用，解决“在哪干活、干得怎么样”的问题。

而贯穿三层的，还有安全体系与生态——毕竟智能体的自主性越强，越需要内生的防御能力。

可以看到，体系化能力听起来抽象，落到具体的工程上，其实就是层层递进的问题：Agent算力跟不跟得上，开发运维顺不顺，安全风险兜不兜得住。

Agentic Infra把基础设施变成一座“工厂”

智能体的雄心再大，也得先过物理世界这一关。模型参数和算力密度的快速增长，让传统数据中心在空间、供电、散热、成本效率上遭遇多重挤压。

这是Agentic Cloud的第一道考题。

业内皆知，Agent是“吃算力密度”的负载，而密度就意味着Token成本。

简单来说，Agent时代的负载特征是高并发调度、超低时延推理。一个Agent干活，背后是成千上万次频繁的推理调用，企业里跑的不是一个Agent，是成百上千个。

这类负载对算力的需求不是“有就行”，而是需要“又多又近”，即集中部署的规模越大，集群内通信的时延越低，单位算力的成本也越低。

对此，9月15日，华为就发布了全球首个3D液冷数据中心，创造性的采用了分层解耦、立体堆叠的设计理念，1栋楼18000平米占地面积可以支撑10万卡部署规模。

而3D液冷数据中心把10万卡压缩进一栋18000平米的楼，本质是用立体堆叠和液冷把“单位空间能塞下的算力”翻倍。摊到每一次推理上，就是Token成本的下降。

这也意味着，密度翻倍，等于直接缓解了Agent规模化落地最大的拦路虎——成本。

另外，这次华为云不只发布了数据中心，还发布了专著、开放了概要设计图库、联合全球计算联盟发起了新一代数据中心范式的倡议，目标是把这套架构作为全行业十万卡集群的参考。

对Agent生态来说，这意味着Agent时代需要的算力底座不必每家公司从零摸索，地基标准化了，上层的智能体才有统一的落脚处。

数据中心解决的是“算力住在哪里”，但Agent要跑起来，还有三个更具体的问题等着回答。

一是算力交付的形态。十万卡集群是静态规模，而Agent对算力的需求是动态的，即高并发时瞬间拉起，长任务时持续供给。这就需要把集群的算力包装成随取随用的服务，并且让每一次推理都足够快、足够便宜。

去年10月，华为云发布910C超节点，目前已成为国产算力服务首选。据悉，华为云也将在月底正式上线新一代昇腾950DT智算集群服务，通过软硬协同实现三层推理加速、以及高性能灵衢总线，在模型尺寸持续增加的情况下，性能相比上一代有效提升20%以上。

二是记忆的存放。Agent和问答系统的根本区别之一在于“有状态”：一个跑上几天几夜的任务，它的上下文和中间结果必须被完整记住。传统的存储体系是为文件和数据集设计的，不是为智能体的记忆设计的。

而针对这个问题，华为云则推出全新CMS记忆存储解决方案，支持全局PB级超大记忆容量、以及TB级记忆读取能力，可实现95%以上的缓存命中与5倍吞吐率的提升。

同时，华为云通过KV Cache分层池化，可以稳定支撑天级长程任务，让智能体持续沉淀知识、自主迭代，真正实现越用越好用、越用越智能。

三是行动的边界。Agent是无人盯守的自主行动者，调工具、查数据、改流程，每一个动作都可能越界。因此，它不能裸奔在企业系统里，必须被装进隔离、可控、能快速弹性伸缩的运行环境。

华为云AgentSphere则可以支持百毫秒沙箱极速启动，实现每分钟十万级批量创建，通过软硬协同支持内核级隔离，构建安全自治的运行环境，让智能体高效经济、安全可信的运行在企业核心生产场景。

只有具备这一套全栈基础设施，才算是让Agent拥有了可栖身、可记忆、可托付的物理世界。

而地基的价值，最终要靠其上的建筑来证明：有了能跑、记得住、管得住的基础设施，接下来才是智能体本身如何被制造、进化和派活的问题。

让Agent从能用到好用也需要一套体系

有了算力和模型，企业面对的下一个现实是：怎么把智能体真正造出来、跑起来、管得住。

而这其中，最核心的一个前提在于，落地的必须是一个可以持续进化的智能体。

原因在于，这不是跑一次Demo的问题，企业的任务在变、数据在变、流程在变，上线即定型的智能体用不了三个月就会掉队。所以开发环节的核心不是“搭出来”，而是“元进化”。

所谓的“元进化”，在AI领域，是指“进化机制本身的进化”，即让智能体不但可以更好的解决问题、还能更好的改变自己，实现向自主进化的跨越。

今年4月，华为云发布的智果AgentArts，定位是企业级一站式智能体构建与运营平台。而在此次全联接大会上，智果AgentArts也进行了关键能力升级，基于“元进化”，让Agent成为可自主进化的生命体。

具体落在三处：

模型侧，则集成了强化学习能力，能够基于智能体实际运行的过程、结果和反馈自动增训；

Harness侧，则是根据执行与反馈的观测结果，能够自动优化提示词、工具和记忆的使用，特别是根据评测集的验证结果，可以自主修改智能体代码与编排流程。

最后，运行经验、改进记录和验证结果能够持续沉淀到平台的数据底座，为后续进化提供支撑。

通过这样元进化的能力，AgentArts不但支持智能体自主长稳运行，还能够帮助智能体在运行过程中自主优化、持续提升复杂任务成功率，真正实现越用越顺手、越用越聪明。

可以看到，如果没有这套自我迭代机制，智能体是个一次性的演示品，不是企业的长期资产。

而除了企业级智能体平台外，通用智能体也是另一条落地路径。

今年2月，华为云发布的码道CodeArts编码智能体，已吸引近30万企业开发者。

这次面向1200万鸿蒙开发者，码道CodeArts带来三大升级，致力成为最懂鸿蒙开发的AI编码智能体：

一是鸿蒙编码大模型，基于高质量鸿蒙训练语料，全量覆盖高频ArkUI组件、深度适配ArkTS语法与开发规范，千行代码错误数降低80%，相同任务的Token消耗降低20%以上；

二是业界首个支持端侧模拟器直接调用的鸿蒙编码智能体，一站式搞定“从想法到上架”的全流程；三是鸿蒙应用实践中心，提供从入门到企业级的实战案例与全链路云端开发环境。

据悉，华为云码道已正式上线鸿蒙PC应用市场。

两条路径放在一起，整体华为云推动智能体落地的路径就非常清晰了。

通用智能体是“即战力”，把编码、办公这类高频通用需求做成开箱即用的标准品，让企业零门槛先用起来。而企业级平台则是“定制工厂”，承接通用产品覆盖不了的差异化场景，把企业的行业知识和私有数据变成专属智能体。

一个负责“普惠”，一个负责“专属”，前者降低Agent的使用门槛，后者则决定Agent能走多深，两者配合，才构成华为云在智能体落地上的完整棋局。

但造出来只是第一步，智能体能不能用好，还要考虑智能体的安全边界问题。

安全防护上，华为云的思路是给Agent建一套内生防御体系，DPU擎天卡加固沙箱防逃逸，大模型防火墙拦截提示词攻击，智能体卫士以70多个组件阻断越权，再让安全智能体自主完成漏洞发现与修复闭环，用智能体管智能体的安全。

至此，从造得出、用得好到管得住，智能体落地的关隘基本过完。但这套技术底座的价值，终究不能只停在架构图里。它的下一步，是走进千行百业，到真实的业务流程中去接受检验。

技术底座的下一步

要进入千行百业

地基打得再牢，平台造得再好，最终都要接受一个检验，即它们能不能在真实的行业场景里创造价值。毕竟企业为Agent买单的理由，从来不是技术本身，而是它解决了什么实际问题。

就像医疗行业，在全国38000家医院中，只有5000家设有病理科，病理医生严重短缺、基层诊断能力薄弱，是这个行当几十年没解开的死结。

这些问题靠通用的聊天机器人解决不了，必须让AI深入行业的知识、流程和数据之中。

同时，Agent的价值必须在业务流程中被验证。毕竟，Agent不是摆在机房里的展品，它得进病理科、进工厂、进政务大厅，在真实任务里证明“靠不靠得住”。

更为重要的一点是，行业落地是一场长跑，不是一锤子买卖，每个行业的know-how都需要时间沉淀，单靠一家厂商填不满所有场景。

既然是一场长跑，就要有长跑的跑法。

华为云的选择是“两条腿走路”：一条腿做深场景，截至目前已深入30多个行业、在500多个细分场景中落地AI应用，携手5万多家合作伙伴联合创新，先把标杆案例一个个啃下来。

比如在医疗行业中，其是与瑞金医院联合发布的Ruipath病理大模型，覆盖19个常见癌症病种，可支撑病理医生90%的日常诊断任务，目前已接入超过100家医院。

政务领域，华为云已在全国建设800多朵政务云，与160多个城市共建“一城一云”并新疆克拉玛依、山东、东莞等地已跑出了城市超级智能体、数字生活空间等应用。

汽车领域，目前全国Top30车企中，有95%选择与华为云合作，其智能驾驶云解决方案通过全新一代AI DataLake支持百万级任务并行调度、百亿向量秒级查询，基于昇腾算力集群构建五级快恢、断点续训能力，让智驾模型的迭代周期更短、效率更高、上车更快。

具身智能领域，华为云则推出自研CloudRobo-VLA模型，能帮助机器人准确感知力度，预测误差小于0.5牛顿，面向机器人行动导航领域自研的CloudRobo-VLN模型，目前在EVT-Bench测试集的成绩已达到业界SOTA水平。同时，其本体运行管理平台还可支持云端监控、远程接管异常任务、安全围栏约束作业区域，让机器人7×24小时可控运行。

另一条腿则是做厚资产，即把与头部客户联合沉淀的数据标准、增训模型、开发脚本持续回收到行业专区共享，这就是其提出的“行业AI梦工厂”，目前已上线智慧医疗、具身智能、智慧金融、智能制造、科学计算、政务智能六大专区，沉淀1000多个行业资产，支撑320多个项目落地。

另外，华为云还联合中国信通院、CNCF等开源基金会打造了INSPIRE CLUB，一个更开放、聚焦智能体与AI-Native领域的全球技术交流平台，给深入到各行业里的技术大拿们搭了个“朋友圈”，真正去碰撞探索前沿技术的无限可能。

一家填不满千行百业，生态越广，智能体落地才能越深。

总的来说，智能体时代的云计算竞争，比的不再是谁的模型更强，而是谁能让智能体在千行万业里真正跑起来。这场长跑刚刚鸣枪，底座的厚度，将决定能跑多远。