人工智能总带有"高大上"的滤镜，然而一个好技术，最动人的能力，恰恰在于它能编织出丰富的人间烟火。 时下，AI正在改造中国路边摊。从AI调香、AI手串、AI象棋、AI台球到AI理发，一系列接地气的应用正在涌现。这些AI路边摊能否走远尚不可知，但它 们无疑已为街头，增添了一抹别样的烟火气。 AI席卷路边摊 "想知道最适合你的香水是什么味道吗，来，扫个码。" 北京国家会议中心，一个很小的集市柜台前，却热闹排起了长长的队伍。人们都在等待着队伍尽头的小哥，从十几个瓶瓶罐罐中，挤出一滴一滴的香水， 进行调香。 队伍另一侧，人们纷纷拿出手机，扫码进入小程序。只需要输入自己的名字和MBTI人格，就会生成一个专属于你自己的"香水配方"。一旁设置着一个大 大的看板：AI调香。 有一位年轻人就扫了码，得出自己的香水配方。一边排队等制作，一边她觉得好奇，"专属于自己的香水，究竟是什么味儿。" 集市老板就坐在摊位边。她介绍，自己的传统香水生意在江浙沪做得挺大了，但也一直在想如何让自己的香水，能更加"个性化"，"感觉AI刚好能发挥作 用。"老板说。 其实，大众扫码的这个小程序背后，没啥高深的东西，老板在小程序里嵌入了一个文心大模型，人们 ...

今天的Agent会成为未来AI应用的主力，而Agent Infra会成为下一个AI时代的操作系统。 无论模型能力如何提升，无论应用形态如何演进，未来趋势都指向同一个目标：在AI时代，通过新的Runtime体系，实现模型能力、工具能力 与执行能力的高度融合。 编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 随着AI从回答问题迈向自主执行和创造，行业开始进入真正的Agentic AI落地元年。这不仅改变了应用形态，也正在重塑整个AI技术栈的底层 逻辑。 与此同时，智能体体系结构的复杂度呈指数级增长，从任务规划、工具调用到长期记忆，每一环节都对底层框架提出了更高要求。对此， PPIO联合创始人兼CEO姚欣 表示： 能看到无论是PC时代，还是移动时代、云时代，操作系统才是最核心的中间层。 这意味着，未来的AI应用将从回答问题的工具转向能够直接完成任务的助手，而要承载这类能力，行业迫切需要一种新的基础设施——Agent 时代的操作系统。 在本次 量子位MEET2026智能未来大会 上，姚欣围绕智能体演进、Agent Infra等关键词分享了自己对 AI底层基础设施架构重塑的判断 ： 为了完整体现姚欣 ...

基础设施范式转变 - 基础设施演进正从AI Infra走向Agent Infra乃至Agentic Infra，成为推动智能体规模化落地的关键力量[2] - 范式从“处理”转变为“思考”，基础设施需从“生产线工厂”转变为“解决方案公司”，为Agent的整体产出质量提供系统性支撑[3] - 基础设施需具备智能性，能够保障Agent执行任务的质量，协调连续且相互关联的多任务协作[3][4] Agent Infra 核心升级维度 - 运行环境需灵活适配Agent的执行方式，环境的沙盒化与灵活调度能力尤为关键[4] - 为Agent配备完善的工具，使其能够有效调用资源[4] - 提供精准而充分的上下文信息，确保任务理解与执行的一致性[4] - 通过安全与监控机制，保障整个任务过程的可控性与可观测性[4] Agentic Infra 的演进与目标 - Agent Infra是第一阶段，旨在让算法能力被更好地发挥，推动智能体走出实验室环境，帮助Agent从演示品走向生产力[9] - Agentic Infra是第二阶段，重点构建能更好支持下一代AI进化与规模化落地的基础设施，推动智能体深度参与基础设施的核心工作流[10] - 目标是实现从“将智能体视为工具”到“将智能体视为协作者”的范式转变，构建支撑智能体高效、稳定、低成本协作与进化的基础设施新形态[10] 当前Agent发展的核心问题与瓶颈 - 模型能力已经相当出色，但配套给Agent的基础设施服务与工具尚不成熟，瓶颈不在模型本身，而在支撑体系的响应能力[5][6] - 用户对“无代码编程”的期待是“用自然语言一步到位生成完整程序”，但现实仍需频繁迭代和更专业知识，高门槛和不确定性导致用户流失[5] - Lovable平台的用户数从6月的峰值3512万跌至9月的不足2000万，下降了超过40%[5] 算力资源优化与调度创新 - 传统AI算力基础设施以固定虚拟化或容器化单元划分资源，在Agent场景下极不经济，造成资源浪费[15] - 良好Agent Infra通过微虚拟化沙箱、沙箱调度和高并发沙箱管理机制，实现毫秒级环境切换和接近100%的资源利用[16] - 容器冷启动过程通常耗时数秒到数十秒，在高频创建和销毁任务的Agent场景中会造成大量时间损耗与资源空转[15] 异构算力统一调度与生态整合 - 核心技术创新是实现资源的统一标准化，包括功能层面打通不同类型算力的使用和效率层面实现任务的合理分配[16] - 国内算力资源种类多样、分布分散，基础设施必须始终面向最前沿，让Agent像使用水电一样使用算力[7][17] - 技术适配是早期最大阻力，一旦把不同模型与不同硬件之间的M × N映射打通，后续维护成本不高[17] 技术先进性与工程落地的协同 - 构建AI原生的基础设施，技术先进性与应用落地性相辅相成、互相迭代[19] - 研发支持弹性伸缩和动态资源调度的沙箱系统，每个Agent的沙箱可以按需启动或销毁，实现毫秒级响应[20] - 资源分配可根据任务类型和负载自动调整，通过智能调度引擎实现高峰弹性扩容、低峰快速收回，显著提升集群资源利用率[20] 未来基础设施形态与发展愿景 - 未来希望看到智能体之间进一步形成组织，共同完成更复杂的任务，各个智能体的KV Cache和上下文可以根据需求实现共享或隔离[14] - 目标是释放无穹算力，让AGI触手可及，通过系统层面的创新，让AGI能够更高效、更可持续地实现[22] - 基础设施引入Agent能力后具备自主性，从而实现更高效的资源整合和更具价值的功能创新[13]

行业趋势 - AI智能体在2024年迎来大爆发 [1] - 企业普遍期望数字员工能创造更多价值 [1] - 大型科技公司纷纷进入AI智能体基础设施领域 [1] 技术焦点 - Agent Infra（智能体基础设施）成为行业关注的核心 [1]

AI基建与Agent发展 - 大模型时代下AI基建重要性凸显，全球巨头如马斯克19天内组建10万块H100 GPU，扎克伯格计划建设1GW+超算集群 [1] - WAIC 2025显示模型应用成为发展主旋律，基础设施呈现更细化进展 [1] Agent Infra领域动态 - Agent Infra概念被敏锐厂商捕捉，AWS发布Amazon Bedrock AgentCore智能体沙盒并投入1亿美元研发资金 [3] - 阿里云在WAIC推出首款专为AI Agents设计的"无影AgentBay"，提供云端沙箱环境支持3行代码快速部署 [3][7] 无影AgentBay核心功能 - 覆盖Linux、Windows、Android等系统层及Browser Use、Code Space等应用层环境，支持移动终端开发 [9] - 支持视觉理解、自然语言控制、任务解析等多模态交互方式，提供原子化工具API和远程串流协议 [11] - 升级跨平台数据漫游系统，实现状态和内存级持久化，减少重复登录操作 [12] - 提供企业级安全沙箱，采用数据加密传输和权限隔离，实现本地环境零侵入 [13] - 基于阿里云算力支持秒级弹性伸缩与千级并发运维能力 [13] Agent落地挑战与解决方案 - 开发环境与算力是Agent落地两大难题，本地设备难以满足高并发、高算力需求 [15] - 无影AgentBay通过云端高性能环境解决硬件限制，自带海量MCP工具并支持可视化操作 [16] - 该方案降低部署门槛，节省运行时间，加速AI Agents规模化进程 [17][18] 行业竞争与市场格局 - 阿里云与AWS在Agent Infra领域同步发力，阿里云产品比AWS早三个月推出 [16][21] - 阿里云2024年下半年稳居中国公有云市场首位，AI收入连续六个季度三位数增长 [22][23] - Agent大规模落地需新基建支持，要求云厂商兼具云技术、AI技术及行业洞察能力 [20][21]

Agent Infra市场机会 - Agent Infra被视为下一个投资热点 未来Agent数量将达到SaaS的几千倍[1][2] - 现有互联网基础设施不适合AI使用 需要为Agent重构[2] - Agent Infra市场规模巨大 类比AWS级别的机会[17] - 互联网上40%流量来自机器人 但大模型流量仅占0.1% 未来可能有10万倍增长空间[23][56] Agent与人类差异 - 交互方式：Agent通过文本和多模态后端交互 人类依赖前端界面[5] - 学习方式：Agent可同时执行任务和学习 人类无法并行[5] - 工作模式：Agent多线程并行 人类单线程按流程执行[6][7] - 责任界定：人类可负责自身行为 Agent需要安全边界[8][10] - 执行状态：Agent需保持多任务状态 人类天然不需要[8] Agent浏览器特性 - 云端化运行 持续工作不需休息[24] - 无前端界面 直接后端交互[25] - 设计反馈循环 支持自主迭代[26] - 安全机制：本地处理账号密码 不泄露给大模型[28][29] - 支持多线程任务连续性 避免资源浪费[31] Agent Infra技术架构 - 三层架构：Runtime层(浏览器内核) Agentic层(交互控制) Knowledge层(领域knowhow)[32] - Runtime层解决网页拉取和渲染 Agentic层控制AI与网页交互[33] - 必须同时构建Runtime和Agentic层才能实现完整功能[35] - Browserbase估值3亿美元 专注Runtime层[22][34] Agent Infra细分领域 - 主要环境：Coding环境(逻辑执行) Browser环境(网页交互)[37] - 工具类：身份认证 支付能力 通讯工具等可重做[38] - 场景切入：旅游Agent需CRM 搜索 支付等工具[40] - 数学环境：公式执行器 定理检索等工具[42] - 物理环境：传感器 具身智能 空间智能等[38] 市场发展阶段 - 类比22年AI Coding 当前Browser Use处于早期[44] - 全球软件开发市值3-4万亿美元 AI Coding仅100亿 增长空间大[47] - 互联网活动通过AI提升5%效率将创造巨大市场[48] - 差异化关键：深耕细分场景 抢占99.9%未开发市场[56] Agent产品设计核心 - 反馈循环设计比上下文或数据更重要[50] - 人类知识可能非必要 Agent可通过强化学习自主迭代[51][52] - AlphaProof案例：仅用+1/-1奖励机制 不参考人类解法即获奥数银牌[52] - 未来范式：Agent通过环境体验获取真实反馈 自主进化[53]

Agent Infra赛道机会 - Agent赛道热度持续数月 大量不同方向项目已获融资 行业关注下一波机会方向 [1] - Agent Infra被视为新兴机会领域 包含重构基础设施的潜力 [1] - 硅谷热门项目E2B和Browserbase引发行业关注 代表Agent专用工具的创新方向 [1] 行业活动核心议题 - 活动将探讨从人类产品向Agent产品的转型路径 分析基础设施重构机会点 [2] - 重点讨论Agent专用浏览器的必要性 分享Browser应用实践方法论 [2] - 涉及Agent长期记忆技术解决方案的最新进展 覆盖基础设施层关键技术突破 [2] 行业参与者特征 - 活动聚焦一线创业者实战经验 包括Grasp浏览器创始人等实践者深度分享 [1][2] - 采用50人小型私密交流形式 优先筛选与Agent Infra领域匹配度高的参与者 [2]

Agent赛道热度与机会 - Agent赛道热度持续数月 多个方向项目已获融资 行业关注下一波机会 [1] - Agent Infra被视为新兴机会 涉及基础设施层创新 [1] - 硅谷热门项目E2B和Browserbase引发行业讨论 [1] Agent Infra发展路径 - 产品设计从"面向人类"向"面向Agent"演化 需重构交互逻辑 [2] - Agent专属浏览器成为关键基础设施 需解决差异化需求 [2] - 行业探索长期记忆解决方案 技术进展受关注 [2] 行业实践动态 - Grasp创始人提出Agent Infra方法论 强调实践观察 [1][2] - 线下活动聚焦一线创业者经验 覆盖浏览器实践等主题 [2] - 行业交流趋向垂直化 限定非投资领域从业者参与 [2]