AI for Science正经历一场深远的变革。人工智能与科学计算的紧密结合，正在重新塑造科研基础设施与底层运行逻辑。
作为全球AI4S领域的开拓者，深势科技自2018年起便与阿里云展开合作，推动科学计算迁移至云端，突破传统算力瓶颈，实现了大规模科学计算推理的云化部署。如今，AI Agent的蓬勃兴起正加速这一新格局的形成。AI的角色，已从早期的辅助工具，逐步演化为驱动科研创新的“原生范式”。为承载这一愿景，深势科技构建了集成算力、模型与知识的一站式科研工作入口——玻尔（Bohrium）科研空间站，目标是为全球2000万科研工作者提供智能化赋能。
在严谨的科研环境中，AI Agent实现规模化部署所面临的挑战，远比通用领域更为复杂。本期《云故事探索》深入深势科技研发团队，探究他们如何在云原生之上重塑科研基础设施，破解科研智能体背后的工程化难题。
AI原生驱动下的AI for Science基础设施升级
科研智能体的独特之处何在？深势科技研发负责人陆金谭直言不讳地指出一个核心矛盾：科研工作所要求的严谨性与Agent系统的开放性之间，天然存在着张力。
“科研是严谨性极高的工作，消除模型幻觉、确保数据来源的绝对精确是首要前提。” 不仅如此，科研工作本身涵盖了“读”（文献洞察）、“算”（模拟计算）、“做”（自动化实验）的全生命周期。这意味着智能体必须具备处理长时异步任务的能力——即那些耗时数小时甚至数天的复杂计算与实验周期。
科研智能体推理周期长、中间成果繁多、对数据可靠性要求极高，加之结果验证的复杂性，这些都对底层基础设施提出了更高的要求：灵活的弹性伸缩、严格的安全隔离，以及全链路的可观测性。针对这些行业共性痛点，深势科技携手阿里云云原生，依托AgentRun、AI网关等核心产品，加速构建AI原生的科研基础设施，为科学智能体打造了极致稳定的最佳运行环境。
极致弹性：突破科研Agent的资源成本瓶颈
AgentRun是以函数计算FC为技术底座的一站式Agentic AI基础设施平台。它将Serverless的极致弹性、零运维和按量付费特性，与AI原生应用场景深度融合。科研Agent既要求实时调用的反馈速度，又需应对长周期任务。函数计算FC支持从0到百万级并发的极致弹性，配合忙闲时精细化计费策略，能够显著降低运营成本。
更进一步，AgentRun通过“浅休眠”技术，既保障了响应速度，又实现了比传统服务器高出百倍的性能加速；而“深休眠”则能做到超长时间会话的状态持久化——仅在Agent实际执行任务时才计费，将闲置资源的浪费降至最低。平均TCO可降低60%，这一数字在成本敏感的科研项目中相当可观。
突破Serverless局限：让长时任务拥有持久记忆
科研模拟耗时较长，交互频繁。AgentRun借助会话亲和机制，打破了传统Serverless架构的无状态局限，确保同一课题的连续请求精准路由到同一实例，为Agent提供持久化的有状态上下文环境，保障多轮对话的连贯性。同时，借助快照技术，Agent在无活动时可“深睡”并持久化存储状态，待计算结果返回时秒级唤醒——这几乎是为科研场景中的长时异步任务量身定制的功能。
安全沙箱：构建安全可控的Agent执行环境
提升智能体的规划逻辑与能力上限，代码执行（Code Execution）是最直接的路径，但安全风险不容忽视。AgentRun Sandbox专门应对科研智能体在执行代码与处理数据时的核心安全挑战。依托MicroVM内核级隔离技术，确保了不可信代码的运行安全，同时结合请求、实例、会话多维度的算力隔离与动态挂载技术，实现资源与数据的强物理隔离。
内置的Code Interpreter、Browser Tool等企业级安全沙箱，提供开箱即用的多语言执行环境与自动化引擎，支持复杂的数据分析与网页任务。配合细粒度的权限管控与日志审计，有效消除环境安全问题对科研智能体规模化落地的阻碍。
全链路追踪：降低Agent调试与优化成本
科研智能体的决策链路较长，一旦结果出错，开发者很难迅速判断——到底是模型推理出了偏差，还是工具调用逻辑有误？
基于全链路追踪技术，AgentRun实现了从请求到响应的完整可视化。它能够精准还原Agent的决策路径，包括意图理解、模型推理、工具调用及知识检索等核心环节，并直观展示每一步的状态与耗时。这相当于为科研人员提供了一个可追溯、可审计的实验环境，将原本的“决策黑箱”变得透明，调试难度和优化成本自然显著下降。
云原生速度：5万个科研工具上线MCP市场，2天就绪
推动AI Agent生态繁荣，关键一步是实现科研工具链的标准化、共享与复用。深势科技基于玻尔科研空间站推出了MCP市场，借助阿里云AgentRun、云原生AI网关等产品，快速完成了科研工具的大规模AI化改造。
AgentRun具备高度的生态开放性，支持通过极简代码快速集成AgentScope、LangChain、ADK、CrewAI等主流开发框架，涵盖无代码、低代码到全代码的全场景开发模式。结合Serverless特性，MCP Server的开发变得异常轻量。搭配AI网关，甚至能将传统的HTTP协议接口以“零代码”方式转换为AI Agent可用的MCP Server。
玻尔技术研发负责人马超对此评价道：“2天内完成5万多个工具的MCP化并发布上线，不借助云原生的工程化能力，几乎是不可能完成的任务。”
从推动计算上云到AI原生驱动的AI for Science，深势科技携手阿里云，共同探索出了一条科研场景下AI Agent的规模化落地路径。这条路径需同时应对长推理周期、高精度要求与复杂安全挑战。AgentRun提供的一站式Agentic AI基础设施平台，正助力深势科技的AI4S Agent业务从“实验室验证”迈向“企业级应用”。未来，双方将持续深化协作，让每一位科研人员都能在安全、高效、普惠的云端底座上，将全部精力聚焦于科学发现本身——使AI科学家真正成为驱动行业解决方案与价值闭环的核心抓手。
