當你打開阿里云新上線的“千問云”官網，映入眼簾的既不是常見的導航欄，也不是產品列表，更沒有“立即購買”的按鈕，只有一行簡單的代碼：“安裝Skills：npx skills add QianWen-AI/qianwen-ai”。這并非設計師的疏忽，而是阿里云做出的一次重大戰略調整——云的最終用戶，將不再局限于人類。
在5月20日舉辦的2026峰會上，阿里云正式推出了一套名為“芯-云-模型-推理”的全棧技術體系。這一體系并非簡單的技術升級，而是對傳統云計算架構的徹底重構。如果將過去17年的云計算時代定義為“人類操作云”，那么從這一天起，阿里云宣告開啟了一個全新的“Agentic Cloud”時代。
當前，絕大多數企業仍處于“Copilot階段”，即人類承擔主要工作，AI僅作為輔助工具。阿里云旗下MuleRun團隊通過對上千家企業的觀察發現，AI在實際應用中面臨諸多限制。以部署網站為例，盡管大模型具備高智商，但缺乏實際操作能力——無法點擊鼠標、識別驗證碼或登錄控制臺。企業若想讓AI完成這類任務，必須編寫大量代碼，詳細說明如何調用API、傳遞參數及處理返回結果。這種“人機協作”模式導致效率低下，AI的潛力未能充分發揮。
傳統云計算的交互邏輯是“人→控制臺/API”，這種設計對人類友好，但對Agent而言卻充滿障礙。Agent需要的是結構化的能力描述、明確的調用協議及可預期的反饋機制。人與Agent之間存在的巨大“摩擦成本”，使得Agent難以擺脫“聊天玩具”的標簽。阿里云此次的變革，正是為了消除這些障礙，將云從“為人服務”轉向“為Agent服務”。
為了實現這一目標，阿里云對芯片、服務器、操作系統、交互協議及運維體系進行了全面重構。在算力底座方面，阿里云推出了平頭哥自研的AI芯片“真武M890”及磐久AL128超節點服務器。M890的性能是上一代的3倍，顯存達144GB；128顆芯片通過自研互聯芯片ICN Switch連接，延遲低至150納秒；單柜帶寬達到Pb/s級。這一組合為Agent提供了“多車道無紅燈高速公路”，使其能夠在云上高效運行，避免擁堵和卡頓。
在交互重構方面，阿里云發布了首批官方“Skills”，將復雜的云產品API封裝成Agent能夠理解的標準化指令。首批Skills覆蓋了12條產品線、60多款云產品。例如，用戶只需用自然語言下達指令，Agent即可自動調用相應Skills，完成應用部署和監控配置。阿里云還將模型服務全面CLI化，使Agent無需打開網頁，即可在命令行中完成模型選型、調用、用量查詢及成本分析等操作。
運維重構是阿里云變革的另一重要環節。為了應對Agent 24小時不間斷工作的需求，阿里云推出了STAROps全域智能運維平臺。該平臺具備智能助手、長期任務機制及數字員工三大核心能力。智能助手允許用戶用自然語言查詢告警信息；長期任務機制使Agent能夠自主執行巡檢、周期報告等任務；數字員工則幫助企業構建專屬的SRE智能體，固化專家經驗。STAROps還內置了基于“證據鏈”的根因定位引擎，提高了運維效率。
模型是Agent的“大腦”，阿里云此次發布的Qwen3.7-Max在訓練目標上進行了根本性轉變——從“對齊人類偏好”轉向“對齊任務目標”。這一轉變使模型能夠自主規劃、執行、糾錯并交付成果。在一個典型案例中，Qwen3.7-Max在從未接觸過的真武M890芯片上，獨立工作了35小時，完成了推理內核的優化任務。最終，優化后的內核性能比官方參考實現提升了10倍，展示了模型在復雜任務中的強大能力。
阿里云旗下的MuleRun產品揭示了企業效率的巨大差異：AI Native團隊的效率是Copilot團隊的10倍。MuleRun負責人陳宇森指出，企業實現AI Native轉型的窗口期通常只有18個月。這一數據提醒企業主，必須盡快適應AI驅動的工作模式，否則將被市場淘汰。MuleRun已服務全球43個國家的用戶，多個案例展示了AI Native團隊如何通過Agent平臺完成傳統模式下需要大量人力和時間的工作。
阿里最新財報顯示，AI模型及應用服務的年經常性收入已超過80億元，預計年底將突破300億元。這一數據反映了市場對Agent驅動服務的強烈需求。阿里云內部判斷，Agent驅動的MaaS收入將取代ECS，成為其最大的產品線。這意味著，阿里云的增長引擎正在從“賣算力”轉向“賣Token”，用戶將為Agent完成的每一個任務付費，而非服務器的開機時間。
千問云官網上的那行代碼，不僅是產品入口的簡化，更是阿里云對未來云生態的宣言。當Agent成為云的主要消費者，所有為人類設計的界面和流程都將被重寫。這一變革的徹底性，堪比移動互聯網早期PC官網向App的轉型。未來，用戶可能不再需要打開任何App，只需對Agent下達指令，即可完成復雜任務。當Agent學會使用工具，人類將真正專注于創造，而阿里云正在為這一未來鋪設基石。
