作者：墨飏
"我有一剑，可破万剑"------2025年，Agent Infra 领域迎来"破局之剑"。
引子
2025 年，AI Agentic 基础设施（Agent Infra）迎来爆发拐点。DeepSeek、Qwen 等开源大模型的突破为 Agent 提供了强大的认知"大脑"，而模型上下文协议（MCP）的生态繁荣则赋予其灵活"四肢"------据 IDC 预测，全球 80% 企业将在年内部署 Agent。"大脑"与"四肢"的协同进化，正在倒逼承载二者的"躯干"全面升级：Agent Infra 成为技术攻坚的核心战场。
云厂商竞相推出新一代 Agent Infra 技术架构：
-
AWS 推出 AgentCore （预览版） ，官方明确其是基于 Lambda FaaS 基础设施深度定制和优化的全托管运行时，为 Bedrock Agents 解决了标准 Lambda 的关键限制，如长时执行、状态记录、会话隔离等。
-
Azure 推出 AI Foundry Agent Service，官方明确其集成 Functions FaaS 事件驱动使得 Agent Service 能够利用 Serverless 计算的事件驱动、可扩展性和灵活性，更轻松地构建和部署 Agent。
-
Google Cloud 推出 Vertex AI Agent Builder，官方虽未明确但普遍推断其高度依赖并优化了 Cloud Run（Cloud Functions 2nd Gen 已经基于 Cloud Run 来构建）来支撑长时运行、并发和有状态的需求。
-
阿里云推出函数计算 Function AI，官方明确基于 FC FaaS 的 Serverless x AI 运行时深度优化，推出模型服务、工具服务、Agent 服务，开发者可自主选择模型、运行时、工具的一个或多个以组装式设计构建和部署 Agent。
这些技术共同指向同一目标 ------ 为 Agent 提供更高弹性、更低延迟、更强安全、更长会话的"躯干"，支撑其从实验室迈向千万级企业场景。当认知与行动完成闭环，Agent Infra 的技术代差将决定企业 AI 创新/转型的落地速度与质量。
![]()
Agent Infra 乘风而来
共性需求
![]()
Agent 开发范式的演进对底层基础设施（Agent Infra）提出了全新要求。各大云厂商（AWS，Azure，Google Cloud，阿里云）的新一代 Agent Infra 聚焦长时运行、会话亲和、会话隔离、企业级 IAM 和 VPC 及模型/框架开放等技术突破，本质上是为满足三类核心 Agent 形态的共性需求：
LLM Agent 需连续调用工具链完成复杂推理，可能跨越数分钟甚至数小时。传统 Serverless 的执行时长限制（如 AWS Lambda 的 15 分钟上限）会强制中断任务，因此新一代 Agent Infra 必须突破该限制，支持长时运行。同时，为维持多轮对话的上下文一致性，需会话亲和确保同一请求路由到同一计算实例，避免状态丢失。
自动化工作流（如数据处理 Pipeline）需持久化记录执行状态。传统 Serverless 的无状态特性无法保存中间结果，而新一代 Agent Infra 通过提供有状态会话保障工作流的原子性和可恢复性。会话隔离则确保多租户或高并发场景下任务互不干扰，满足企业级安全合规要求。
Custom Agent 需集成异构工具（API、领域模型、数据库、Code Interpreter、Browser Use 等），要求新一代 Agent Infra 支持模型/框架开放（如 AutoGen、LangChain、AgentScope）。封闭式架构会限制 Agent 能力扩展，而云厂商通过解耦计算层与框架层，可提供插件化集成接口。
技术路径
![]()
新一代 Agent Infra 在保留 Serverless 核心优势（全托管免运维、轻量弹性更经济）的同时，通过关键功能（长时运行、会话亲和/会话隔离）和技术突破（状态持久化、冷启动优化、开放集成），解决了 LLM Agent 的持续推理、Workflow Agent 的复杂状态流转、Custom Agent 的灵活定制等核心需求。这标志着 Agent 开发正从"手动拼凑传统组件"转向"利用原生 Infra 实现高效、安全、可扩展的开发部署"这一全新的技术路径。
架构原则
![]()
在 Agent 技术架构加速进化之际，函数计算"五年磨一剑"将理论瓶颈转化为经过大规模实践验证的企业级解决方案。我们早已洞见：未来的 Serverless 架构必须遵循三大基本原则 ------ 开源开放、组装式设计、灵活定制。这不是技术空想，而是业务驱动、市场淘沙的生存法则。
开源开放 是赋予客户自由进化的选择权。以模型服务演进为例：PoC 阶段借力商业模型快速验证；规模扩张时采用混合架构，核心业务拥抱开源模型自主可控，边缘场景沿用商业服务降本增效；至业务成熟期，则通过微调/训练后的自有模型实现深度创新。这种阶梯式的进化路径，让企业始终掌握技术选择权。
![]()
组装式设计的本质是拒绝重复造轮子。想象一个视频转码工作流：它需无缝串联函数计算、消息队列、日志服务、对象存储等十余种云产品。真正的价值在于 ------
- 原子能力自由拼装：像搭乐高般调用高弹性、高可靠的云原生组件；
- 生态级互联：跨产品 IAM 鉴权与 VPC 网络互通实现安全隔离；
- 韧性设计内化：工作流自带容错、回放、自愈能力，故障不再是停机噩梦。
![]()
而灵活定制 需破解更深层命题：解耦资源层与服务层。资源层持续锤炼冷启动、弹性伸缩等原子能力，成为"沉默的基石"；服务层则专注场景创新，将客户需求转化为技术驱动力。当 LLM Agent 多轮会话需求暴涨时，资源层需要快速优化长时任务和状态记录的调度算法；当 Workflow Agent 的某些工作流节点需要毫秒级响应时，服务层需要灵活调配资源如毫秒级快照+弹性策略实现冷启动加速 ------ 市场价值才是技术边界的唯一标尺，打破技术边界应为用户带来价值。
![]()
如今，函数计算正以这种「双螺旋结构」推动架构进化：向下吸纳硬件红利构筑高效资源池，向上生长出企业级 Agent 创新场景。当行业仍在持续探索 Agent Infra 技术架构新形态时，我们选择以落地实践为锚点。
从Cloud Native 到 AI Native
五年技术路，函数计算重塑 Serverless 版图
2020 年
函数计算业内首推 OCI 标准镜像 ------ 打破 FaaS 和容器的技术边界
作为业内首个支持 OCI（Open Container Initiative）标准镜像的 Serverless 平台，函数计算彻底解决了环境依赖的碎片化问题。传统 Serverless 受限于运行时语言版本和依赖库的固化配置，而 OCI 镜像将应用与其完整运行环境打包交付，实现开发、测试、生产环境的绝对一致。这一创新直接推动 Serverless 进入企业核心生产场景，为后续 GPU 等异构计算的支持奠定基础。
![]()
2021 年
函数计算业内首推 Serverless GPU ------ Serverless x AI 全新开发范式
面对 AI 负载对算力的严苛需求，函数计算首创 Serverless GPU 异构实例，突破三大技术壁垒：
- 精益使用稀缺资源：按请求实时分配 GPU 算力且支持切分使用，避免传统虚机/容器驻留导致的资源浪费；
- 冷启动加速降时延：镜像加速和模型加速，秒级/毫秒级快照优化冷启动，拓宽实时/准实时推理场景；
- 技术升级释放红利：1 秒计费粒度，弹性实例满足中小客户经济使用，常驻实例满足企业客户固定预算；
这一创新直接推动 Serverless 技术在图像识别、实时推理等场景的应用，拉开 Serverless x AI 的工业化序幕。
![]()
2022 年
函数计算业内首推 24 小时长时任务 ------ 打破执行时长枷锁
传统 Serverless 受限于短时任务模型（如 AWS Lambda 的 15 分钟上限），难以承载视频处理、数据分析、科学计算等长时负载。函数计算率先支持 24 小时超长任务，关键技术突破包括：
- 状态持久化：内置队列实现 FIFO，由平台自动化异步消费执行，并记录任务状态；
- 弹性强隔离：基于轻量级虚拟机池化技术，弹性供给算力，数据隔离/性能隔离；
- 自动高可用：事件驱动任务执行，自动重试，无冗余资源浪费，成功/失败自动处理。
这一创新大大拓宽了 Serverless 在音视频处理、文件处理、批处理与流式计算等领域的适用场景。
![]()
2023-2025 年
函数计算 FunctionAI Agent 原生底座 ------ 从资源供给到智能服务的生产级跨越
2023 至 2025 年，函数计算以"场景驱动技术创新、开放推进价值突破"为核心理念，推出 FunctionAI 服务，在 Serverless x AI 运行时基础上构建了三位一体的生产级能力和最佳实践：
- 模型服务：支持开发者灵活高效地自建模型（如魔搭社区、HuggingFace 数万模型的本地化部署）或云上托管微调模型（上传镜像/模型文件即完成部署），突破商业模型厂商绑定的限制，实现"框架无关、模型自主"的技术选择权；
![]()
![]()
- 工具服务：通过 MCP Server 一键托管（如高德地图导航工具、CloudOps、PolarDB、RDS、DataWorks 等数十款阿里云官方 MCP 工具），集成 50+ 开箱即用的插件工具，支持 VPC 打通企业私有生态，且可作为解决方案一键输出为企业专属 MCP MarketPlace，满足金融、政务等高合规场景的定制需求；
![]()
![]()
- Agent 服务：基于函数计算的沙箱运行时与会话亲和/会话隔离等功能，实现 Agent Runtime/Sandbox Runtime 的弹性伸缩与安全隔离，同时开放组装式原子功能，允许将 FunctionAI 能力无缝嵌入企业自研平台。另外，FunctionAI 官方提供的 AgentFlow 服务，提供类 Dify 的可视化工作流开发体验，采用自研引擎，10 倍提升 Agent 运行效率，对比 Dify 社区版，AgentFlow 可以灵活定制工作流节点，零成本打通云上生态。
![]()
![]()
![]()
展望
函数计算 Agent Infra 的差异化在于"原子化组装"、"开放生态"与"选择权"：
- 不同于业界其他产品，函数计算拒绝与商业模型锁定，开发者可自由组合使用任意开源模型（如 Llama3、DeepSeek、ComfyUI、Stable Diffusion）与云上工具；
- 通过 Serverless 资源池化与 VPC 深度集成，企业可在享受 SaaS 级敏捷体验（5 分钟自建模型、10 分钟构建 Agent）的同时，保障核心业务的自建掌控力 ------ 这正是上文中"混合架构"演进路径的终极形态，兼顾了 SaaS 的易用性与自建的稳定性、成本可控性和定制灵活性。
当业界聚焦一体化解决方案（封闭生态或有限制的开源开放）时，函数计算选择成为"AI 乐高"的底座 ------ 开发者不必在"快速验证"与"深度定制"间妥协，而是以开放架构实现"从实验室到生产可用"的无缝跨越，让 Agent 真正成为企业数字生产力的通用组件。
Serverless 是当前技术领域最有可能演进为 AI Native Infra 的技术架构，函数计算正着力于打造模块化的 Agent Infra 之剑，助力开发者从"生态应用者"进阶为"能力定义者"，最终推动 AI 技术走向开放共享的创新之路。
