“阿里，在做一种很“新”的云。

如果你在5月20日之后打开阿里云新上线的“千问云”（qianwenai.com），大概率会愣住。

没有导航栏，没有产品列表，没有“立即购买”的按钮，没有任何一个你在过去17年里习惯看到的云厂商官网该有的东西。

只有一行字：

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

这不是设计师偷懒，也不是产品经理短路。

这是阿里云做了一个“违背祖宗”的决定——云的终极用户，不再是“人”了。

5月20日，阿里云在2026峰会上发布了一套名为“芯-云-模型-推理”的全栈技术体系。听起来很技术，但翻译成人话就是：阿里云把自己拆了，然后按照AI Agent（智能体）的体型，重新长了一遍。

如果说过去17年是“人类操作云”的时代，那么从这一天起，阿里云正式宣告：Agentic Cloud时代，开幕。

被“逼疯”的AI

和迟来的觉醒

先问你一个问题：

现在的AI Agent，活得憋屈吗？

答案是——非常憋屈。

想象一下这个场景：你有一个智商180的博士生（大模型），你想让他帮你干点活，比如“在云上部署一个网站，然后监控它的运行状态”。

结果你发现，这个博士生没有手、没有眼睛、不能点鼠标、看不懂验证码、没法登录控制台。他想干活，唯一的办法是——你给他写一堆代码，告诉他怎么调用API、怎么传参数、怎么处理返回结果。

你说：“帮我看看服务器是不是挂了。”

他反手扔给你一份300页的API文档：“你先帮我把这段鉴权逻辑写清楚。”

这就是今天95%的企业正在经历的现实。阿里云旗下MuleRun团队观察了上千家企业后发现：绝大多数企业仍停留在“Copilot阶段”——人类承担80%的工作，AI只打打下手。

不是AI不想干，是基础设施根本不允许。

过去17年，云计算的交互逻辑是“人->控制台/API”。这套逻辑对人类很友好——我点点鼠标、写写脚本，就能把事办了。

但Agent不是人。

Agent不看你花里胡哨的仪表盘，不点按钮，不认识验证码。它需要的是结构化的能力描述、明确的调用协议、可预期的反馈机制。

人和Agent之间，存在巨大的“摩擦成本”。

不重构云，Agent永远只是个“聊天玩具”。

阿里云这次做的事，说穿了就一句话：把云从“给人用”改成了“给Agent用”。

从“芯”到“云”

给Agent铺一条高速公路

重构不是嘴上说说。阿里云这次动的是全身——芯片、服务器、操作系统、交互协议、运维体系，全拆了重来。

第一刀：算力底座——给Agent修“高速路”

Agent和人的工作方式完全不同。

人上网是“点一下、等一会儿、再点一下”，节奏是离散的。但Agent不是——一个Agent在执行任务时，可能在毫秒级内连续发起数十次模型调用。它不是在“浏览”，而是在“狂奔”。

这对底层算力的要求是质的改变。传统的GPU集群，是为“人”设计的——任务相对稳定，并发可控。但Agent的工作负载是“无规律弹性、短生命周期、瞬时起量即走”。

阿里云亮出的底牌是：平头哥自研AI芯片“真武M890”+磐久AL128超节点服务器。

数据是枯燥的，但你可以这么理解：

·M890的性能是上一代的3倍，显存144GB；

·128颗芯片通过自研互联芯片ICN Switch连成“一台计算机”，芯片之间的“对话”延迟低至150纳秒（纳秒是什么概念？光一秒钟跑30万公里，150纳秒光只能跑45米）；

·单柜带宽达到Pb/s级。

翻译成人话：这是一条为Agent专门修建的“多车道无红灯高速公路”。

以前，成千上万个Agent同时在云上“狂奔”，会堵车、会撞车、会卡死。现在，真武M890+磐久AL128的组合，让每个Agent都有自己的快车道。

更值得关注的是平头哥透露的路线图：未来两年还将推出真武V900、J900两代芯片。截至目前，真武系列芯片已累计出货56万片，服务了中国电信、中国一汽、浦发银行等400多家客户。

这不是PPT，是已经在路上跑的车。

第二刀：交互重构——给Agent安上“手和脚”

芯片是心脏，但Agent要干活，还得有手有脚。

阿里云这次发布的首批官方“Skills”，就是Agent的手和脚。

解释一下什么是Skills：你可以把云产品的API想象成数万个复杂的“操作按钮”，每个按钮背后都有一大堆参数、鉴权逻辑、返回格式。人类工程师要看半天文档才能搞明白怎么按。

而Skills做的事情是：把这些复杂的API，封装成Agent能“秒懂”的标准化指令。

首批Skills覆盖了阿里云12条产品线、60多款云产品。

举个例子：以前你想让Agent“部署一个应用并配置监控”，你需要写一堆代码，告诉它怎么调ECS的API、怎么配云监控的规则。现在，你只需要用自然语言说一句，Agent自动调用对应的Skills，从识别资源到部署完成，一气呵成。

传统云产品的交互逻辑是为人设计的，Agent不看网页、不点按钮。阿里现在要做的是让每一个云产品都变成Agent可以“像调函数一样调用”的能力模块。

这还没完。

除了Skills，阿里云还把模型服务全面CLI化。什么是CLI化？就是Agent不需要打开任何网页，直接在命令行里就能完成模型选型、调用、用量查询、成本分析……全自动。

以前，开发者教Agent用云，像是在教外国人认汉字；现在，Skills和CLI给了Agent一双能干活的手。

第三刀：运维重构——让Agent自己给自己“看病”

Agent 24小时不间断工作，如果出了问题怎么办？难道还要半夜把人类运维工程师叫起来？

阿里云发布的STAROps全域智能运维平台，解决的就是这个问题。

这个平台的核心逻辑是：让Agent成为运维工程师的“数字员工”。

STAROps有三个核心能力：

1.智能助手：你（或另一个Agent）用自然语言问“过去24小时有哪些告警”，它直接给你答案，不用在日志、指标、链路三个系统里来回切。

2.长期任务机制：Agent可以接管巡检、周期报告、告警分析这些“脏活累活”，一次对齐目标，它能自主执行跨天甚至跨月的运维计划。

3.数字员工：企业可以为每个团队构建专属的SRE智能体，把专家经验固化下来，新人来了不需要从头学起。

更重要的是，STAROps内置了一套基于“证据链”的根因定位引擎——不是靠“老运维拍脑袋猜”，而是按规则查、按证据判。

阿里云还同步开源了UModel统一数据模型和RCA-100评测基准集（覆盖2000多条评测数据、700多个运维场景），联合信通院、小鹏汽车、中科院软件所等10多家机构发起行业标准倡议。

这意味着什么？

“靠人熬夜救火”的运维时代正在结束，“Agent自治”的运维时代正在开始。

干掉“Copilot”？

是时候来一场效率革命了

如果说芯片和Skills是“骨架和手脚”，那模型就是Agent的“大脑”。

阿里云这次发布的Qwen3.7-Max，不只是又一个大模型版本号迭代。它在做一件更本质的事：从“对齐人类偏好”转向“对齐任务目标”。

通俗地解释：

以前的模型，训练目标是“说得好”——回答问题像人、不胡说八道、有礼貌。

但Qwen3.7-Max的训练目标是“做得到”——你给我一个任务，我自己规划、自己执行、自己纠错、自己交付成果。

这个转变，是Agent能否真正“干活”的分水岭。

35小时的“连续剧”：一个让硅谷都沉默的案例

Qwen3.7-Max有一个案例，值得你花30秒认真看完。

它被放在一个训练时从未接触过的全新硬件平台——平头哥真武M890芯片上。没有性能分析数据、没有硬件文档、没有任何示例内核。

只有一个任务描述：“请优化这个推理内核。”

Qwen3.7-Max从零开始，完全自主地工作了35小时。

图：Qwen3.7-Max可独立执行35小时的长程复杂任务

在这35小时里，它干了什么？

·独立进行了432次内核评估

·调用了1158次工具

·自己写代码、自己编译、自己跑性能分析、自己找瓶颈、自己改架构

·甚至在运行超过30小时后，主动发起了一次关键的架构重设计

最终结果：优化后的推理内核，比官方参考实现性能提升了10倍。

10倍。

一个模型，在一个它从未见过的芯片上，从零开始，35小时不眠不休，干出了一个资深工程师团队可能要干几周甚至一两个月的活。

这不是“问答”，这是“工作”。

阿里巴巴通义大模型事业部负责人周靖人点出了本质：

“过去我们追求的是模型‘说得好’，现在要求模型‘做得到’。Qwen3.7-Max的设计初衷，就是让模型真正成为Agent的智能内核，具备自主规划、持续迭代、跨工具协作的能力。”

在权威评测中，Qwen3.7-Max的成绩也印证了这一点——在三方机构Arena全球大模型盲测总榜中，与GPT、Claude、Gemini的最强模型接近。

近3个月内，千问旗舰模型已经迭代了3.5、3.6、3.7三个版本。阿里显然在刻意加速——模型能力的进化速度，必须匹配Agent场景的指数级需求增长。

10倍效率差：MuleRun揭示的企业生死线

模型强了，但企业怎么用？

阿里云旗下的Agent产品MuleRun给出了一个让人后背发凉的数据：

AI Native团队的效率，是Copilot团队的10倍。

什么是Copilot？人类承担80%工作，AI承担20%——打打下手、写写草稿、查查资料。

什么是AI Native？AI承担80%工作，人类只做20%——关键节点决策、最终把关、方向修正。

MuleRun负责人陈宇森说了一句值得所有企业主记住的话：“企业实现AI Native转型的窗口期，通常只有18个月。”

不是AI淘汰人，是会用的企业淘汰不会用的企业。

MuleRun已经服务了全球43个国家的用户。几个案例可以让你感受一下“AI Native”是什么样的：

·巴西一位自由职业者：用MuleRun输出了一整套营销方案——网站、竞品分析、内容策略、预算、短视频脚本。全程没打开过Word、PowerPoint、Excel任何一个传统办公软件。

·日本某保健品公司市场部：一个6周的产品上市项目，从策略制定、发邀约邮件，到数据复盘，全部通过MuleRun完成。

·墨西哥某连锁餐饮店店主：用西班牙语输入指令，一键生成了含本地支付与多语言适配的餐厅官网，立刻上线运营。

·拉美某大型数据中心运营商：同时在几个国家运营几十个机房。他们用MuleRun搭建了项目运营看板和站点智能选址工具——这些工作以前需要咨询公司+运维团队+高额预算，现在靠一个Agent平台就能搞定。

·世界泳联：组织全球顶级赛事时，曾经需要IT、市场、数据、运营四个部门协同。现在，用自然语言指令，MuleRun直接搭出了多语言营销落地页、内部管理系统、赛事调度中枢和实时数字孪生控制台。

MuleRun的数据还有一个细节很有意思：付费用户每周活跃工作日是2.6天，人均每周完成13个端到端交付的工作任务。

2.6天，13个任务。

换句话说，这些用户一周真正“干活”的时间不到3天，但产出却是传统模式的数倍。

这不是效率提升，这是工作方式的代际差异。

开放

是Agentic Cloud的“基本素养”

聊完芯片、模型、应用，我们回到一个更本质的问题：

阿里云到底想干什么？

如果只是发布一个更强的模型、一个更好的芯片，那充其量是“产品升级”。但阿里云这次的动作，明显不止于此。

注意一个细节：百炼平台全面开放，接入了智谱GLM-5.1、MiniMax M2.7、月之暗面Kimi K2.6、可灵、Vidu Q3-Pro等第三方模型。

你没有看错。阿里云在自己的官方模型平台上，大大方方地卖起了竞品模型。

这背后的逻辑是什么？

过去，云厂商的竞争逻辑是“我的模型最好，所以你用我的云”。这是“锁客思维”。

阿里云现在换了一套逻辑：无论你用谁的模型（Qwen还是Kimi），只要你的Agent跑在我的架构上、用我的Skills调用资源、消耗我的Token，你就是我的用户。

这是一盘更大的棋：

·卖自研芯片（真武），是卖“铲子”；

·卖MaaS服务（Token），是卖“电”；

·建立Skills标准，是制定“插座规格”。

无论你是开发者、企业、还是另一个Agent，只要你需要“用电”，你就得用我这个规格的“插座”。

这就是为什么阿里云要强调“一个入口、多模型可选”——不是因为我做不出好模型，而是因为我的野心不止于做模型。

一个更值得关注的数据来自资本市场：阿里最新财报披露，AI模型及应用服务ARR（年经常性收入）已超过80亿元，预计年底突破300亿元。消息发布当天，阿里股价飙涨8%。

更重要的是，阿里云内部有一个判断：Agent驱动的MaaS收入，将取代ECS（弹性计算服务）成为阿里云最大的产品线。

这意味着什么？

阿里云的增长引擎，正在从“卖算力”全面切换为“卖Token”。

你不再只是为服务器的开机时间付费，你为Agent完成的每一个任务、消耗的每一次推理付费。商业模式的底层逻辑变了。

一行代码背后的野望

回到开头那个“什么都没有”的官网。

千问云首页上的那行指令，不是一个产品细节，它是一个宣言。

在过去17年里，云的交互逻辑一直是“人登录控制台→选产品→配参数→调API”。这套流程对人类来说已经很顺畅了，但对Agent来说完全不可用。

阿里云用一行代码替代了整个官网，是在赌一件事：

未来云的主要消费者，不是人，是Agent。

当这个判断成立的时候，所有为人类设计的界面、流程、交互逻辑，都将被重写。

这是一个极其大胆的押注。上一次中国头部科技公司以如此决绝的方式重构产品入口，可能要追溯到移动互联网早期——当所有人把PC官网的流量让位给App的那个阶段。

只不过这一次更彻底：App至少还需要人去点开，而Agent只需要“读”一条指令。

在不远的将来，你可能不再需要打开任何App。

你的Agent会读懂这行代码，帮你买好服务器、搭好环境、写好代码、剪好视频、监控好运行状态。

你只需要说一句：“帮我做个事。”

然后去忙你真正该忙的事。

当Agent学会使用工具，人类才真正开始只负责创造。

而阿里云，正在铺设这条创造之路的基石。