聚美策略阿里闪电入局Agent Infra！智能体新基建亮相WAIC，“超级大脑”开箱即用

大模型时代聚美策略，AI 基建的重要性已经不言而喻。

前有马斯克 19 天狂组 10 万块 H100，后有扎克伯格挖人不忘大堆算力，誓要首家上线 1GW+ 超算集群……围绕"算力"、"基建"的好戏，在全球舞台上可谓是连番上演。

刚刚在上海落幕的 WAIC 2025，同样未能"免俗"。并且我们还发现，随着模型应用成为发展主旋律，基础设施方面也有了更细化的新进展。

就拿当下最热的 Agent 领域举例。Agent Infra的概念，已经开始被最敏锐的厂商所捕捉。

并且呈现出的还是大洋两岸两大云巨头同时发力的景象——

AWS 一面发布 Amazon Bedrock AgentCore 的智能体沙盒，帮助企业规模部署和运行 AI Agents；一面额外拿出 1 亿刀，投向促进智能体开发和部署的研发工作。

国产 Agent 基础设施也迅速跟上：就在 WAIC 现场，阿里云正式推出首款专为 AI Agents 打造的"超级大脑"——无影 AgentBay。

没错，就是阿里云电脑品牌的那个"无影"。现在，这台云电脑不仅能随时随地通过普通电脑、手机、平板接入，还能在云端一键生成专属 Agent 运行的沙箱环境，让智能体开发者开箱即用、3 行代码直接"拎包入住"。

好家伙，这真是要把 Agent 的开发门槛，又给大砍一刀了。

AgentBay ——专为 Agent 开发的一台超级电脑

2025 年，Agent 有多火？

如果说移动互联网的标志物是各种手机 App，那在当下，应用端大模型的代言词，非" Agent "莫属。

数据显示，过去三个月涌现的 Agent 相关产品，数量甚至超过了 2024 年的总和。而正如移动 App 使得云计算成为主流，Agent 行业的快速发展，也对 Infra 提出了全新的挑战和更高的要求。

阿里云正是在这样的背景下，专为 AI Agents 开发，打造了无影 AgentBay ——一台专为 Agent 服务的超级电脑。

经过三个多月的内测，正式上线的无影 AgentBay 集成了云上沙箱环境、算力调度、持久化数据存储和企业级安全多项核心能力，主打一个功能丰富、接入简单、扩展灵活。

来看具体功能。

覆盖多个主流环境

首先聚美策略，在沙箱环境方面，无影 AgentBay 覆盖从 Linux、Windows、Android 系统层的 Computer Use、Mobile Use 到 Browser Use、Code Space 等应用层的多个主流环境，为 Agent 自动化应用提供全方位支持。

也就是说，它覆盖了浏览器、代码、电脑、移动端四大核心环境，无论是开发网页自动化智能体，还是代码编译、桌面操作、移动应用控制智能体，都能适用。

其中 linux 和 android 的支持是目前市面上大部分产品都不具备的，这意味着手机、平板等移动终端也可以快速体验到各大 Agent 带来的惊喜。

支持多种交互方式

其次，无影 AgentBay 支持视觉理解、自然语言控制、任务解析等多项 AI 技术，支持原子化工具 API、AI Agent API 和 ASP 远程串流协议等多种交互方式，提供多模态输入和智能决策，提升自动化效率。远程串流意味着运行沙箱环境全程都是可视化的，在一个类似 Windows 桌面里执行命令，还可以随时暂停，手动接管。

升级数据漫游系统

在数据持久化——也就是存档数据，让数据能被长期保存和使用方面，无影 AgentBay 还升级了跨平台数据漫游系统。

该系统支持状态和内存级别的持久化，确保任务切换时的状态连续性，资源可以按需加载、实时切换。这样的好处是在一些需要登录账号信息的平台，无需重复登录，大大节省了操作步骤和时间，同时账号信息也能被安全的保存。

提供企业级安全

AI Agents 在本地环境部署时，存在的一个问题是，在执行任务时可能会对本地电脑文件系统进行修改、删减等操作，执行过程就像一个"黑匣子"，轻则留下垃圾文件，重则导致文件丢失或数据泄露。

相较之下，无影 AgentBay 自带"防火墙"，提供了符合企业级安全标准的安全沙箱环境，采用数据加密传输和权限严格隔离，实现"本地环境零侵入"，相当于为消费者和厂商设置了安全隔离双重保险。

此外，基于阿里云强大的算力，无影 AgentBay 还能实现秒级弹性伸缩与千级并发的运维能力，帮助开发者解决智能体开发、运行过程中遇到的基础建设和运维难题，让开发者更专注于开发本身。

除此之外，无影还为海内外客户提供了 AI 大模型推理、大型 3D 软件等所需的 GPU 算力和 AI 工作站，以满足更复杂的数据分析、小模型训练、游戏生成等需求。

开发环境和算力依然是 Agent 落地两大难题

看完功能，让我们再回归到 Agent 加速落地本身提出的挑战——总结起来其实是两个关键词：开发环境和算力。

举个例子，比如在本地环境开发 AI Agents，硬件设备上就很难满足高并发、高算力的需求，尤其是需要大量 GPU 运算的工作，普通电脑基本上是 hold 不住的。想要在本地拉通一套能开发 AI Agent 的设备和环境，需要投入的精力和财力都不可小觑。

另外，Agent 执行任务时往往会占用本地计算资源和操作权限，这也严重影响着用户体验。