AI正在从数字世界渗透到物理世界。去年云栖大会上，吴妈说过一段话，如今回看格外有分量：“AI最大的想象力绝对不是在手机屏幕上，AI最大的想象力是通过渗透数字世界，接管数字世界，并改变物理世界。”那时候还没有MCP，也没有Manus或Flowith。但现在，一条清晰的路径已经浮现：Agent正在渗透并接管数字世界，而具身智能则开始一点点改变物理世界。

不过，超节点方案的热闹是另一回事。各类所谓的“超节点”，背景和分析前些年基本都有了——标准上的争议、实现方案的差异，国产方案和国外UALink、SUE等阵营各执一词。说到底，ScaleUp的定义本身就不够清晰，要么欠缺考虑，要么过度工程化。一个关键追问是：Memory Semantic ScaleOut，算不算ScaleUP？核心问题其实和网络中的DCN与DCI区别类似，需要一些更巧妙的设计。

回到正题。后来参加了启明创投的一个会，从投资者视角重新审视AI行业，收获不小。还看了Agent和具身智能相关的展，比如Flowith，以及阿里云无影事业部举办的AgentOS技术与场景创新论坛。相比AWS AgentCore那种零散的组件，无影的AgentOS抽象显然更完善一些。

那么，Agent落地究竟卡在哪里？Agent OS又该怎么设计？

1. Agent落地的一些难题

前段时间测试各种代码工具，发现不少问题。比如模型产生错误修改后想回退，但临时创建的工程没有git；手工改了代码，几轮模型调用后遇到问题，想cherry pick却无从下手。还有一个以为是梗，结果真发生在“我有一个朋友”身上的事：测试时代码执行了rm .，整个项目代码瞬间消失。

除了代码场景，Browser-Use和Computer-Use也带来新麻烦：Agent执行点击等操作时，如果用工作电脑，自己就只能干等着。而且很多场景需要高并发处理，才能真正节省时间。

另一个典型场景是强化学习，尤其是具身智能。我们需要对环境交互进行大量渲染，比如Nvidia Isaac Sim这样的平台。环境重置或状态回溯的处理，都是绕不开的坎。

Manus虽然带火了e2b，但距离真正的Agent执行环境还有很长一段路。并发场景中的数据一致性、数据安全、外部工具和数据的访问鉴权、统一身份认证……复杂程度堪比筹备一场奥运会。

这些难题逐个解决，其实就已经构成了操作系统的基本要素：用户界面、进程调度、数据持久化、标准API接口。关于Agentic AI对Infra的需求，之前也聊过AWS的AgentCore。

就像当年阿里云神龙和AWS Nitro拉开了云基础设施处理器的序幕，如今在Agent平台上，两家又先后发布了各自的产品。不过相比AWS繁杂的AgentCore组件，无影AgentBay提供了开箱即用的Agent云基础设施。

2. AgentOS是什么？

两年前还在内部讨论LLMOS的概念，以及云基础设施如何向LLMOS演进。当时的概念里，只有一些简单的Tool Use和外部存储（比如RAG）。但过去一年多，大模型生态快速演进，也带来了更多思考。这些思考最终构建了更完善的Agent OS概念。

作为操作系统内核，Agent OS提供完善的安全隔离机制，同时也针对Agent执行提供了多种沙箱环境。关键点在于：给大模型装上手（MCP），给大模型更灵活使用工具的能力（SDK），再给它眼睛、鼻子和耳朵（ASP）。

另一方面，整个系统多Agent运行的协调能力需要一个统一的持久化层。不光是Agent之间的共享Context，底层的沙箱同样需要数据共享。

更重要的是什么？其实就是云的弹性。

一些GPU云厂商，像Corewea ve、Oracle，以及国内的一些GPU算力作坊，在Agent时代可能会面临极大的短板。当大模型提高效率时，不光是模型本身的并行运算，模型操作的数字世界也需要并行。比如推理时多个任务并行，训练场景中的需求也类似——通常需要几秒钟打开数万个VM，大量存储和通信并发I/O，伴随巨大的互联网带宽需求和多地域全球化部署能力。无影AgentBay借助阿里云全球的云基础设施，几乎全部做到了。

Musk前段时间也发布了一条消息：新的Agentic AI时代已经到来，在现有训练框架下接入一个高性能的虚拟化平台即可。

3. 谈谈无影AgentBay

虽然已经有像e2b这样的沙箱环境，或者一些函数计算平台可以运行代码，但AWS为什么还要提供基于MicroVM的Agent Runtime？更多是考虑Computer-Use场景。比如在桌面端Windows操作系统中调用各种App，函数计算就很难胜任。下面是无影AgentBay控制Windows上的钉钉创建日程的演示。

很多和生活相关的App都在移动端。大模型也可以接入手机端，但问题来了：当你通过Siri或小爱同学让大模型帮忙订行程时，只能捧着手机等它一个个调用App订酒店、订机票、订出租车。这时候微信突然弹出一个重要消息，或者还有别的任务要用手机，怎么办？Mobile-Use场景自然就浮出水面了。无影借助云手机的成熟技术构建了Mobile-Use场景。

另一个关键场景是跨平台的数据漫游——存算分离，为整个Agent执行环境提供高可用、高性能的存储架构。有了这样一个统一存储架构，Memory/Context Engineering，甚至未来一些Experience的处理，都有了统一的存储接口。

再抛一个开放性问题：AgentBay Context是否也能承载大模型推理平台的KVCache，提高Cache命中率并降低推理成本？从技术逻辑上看，这是可行的。

还有一个更现实的问题也被AgentBay Context解决了：在沙箱环境里产生的数据，再也不用担心被模型误操作而丢失。而且，无影AgentBay会记录每一次API调用情况。这些操作经验的数据集，对于后续的强化学习任务来说，是一份极好的数据源。

无影AgentBay最大的创新之一，是在MCP基础上构建了灵活统一的AgentBay SDK，支持Python、Golang、TypeScript等多种语言，开发者可以通过它获得更强大的控制能力。

作为云平台，用户当然可以全流程自定义自己的工具链，比如镜像、MCP工具、安全隔离的网络策略等，计算实例的生命周期也能很好管理。

镜像制作和发布功能非常直观，完全可视化操作，安装软件、构建MCP工具都非常容易，同时还具备完善的镜像管理能力。

4. 谈谈具身智能Agent场景

Nvidia有Isaac Sim仿真平台，用于机器人的仿真训练、数据合成和模型训练。

无影AgentBay也充分考虑到了这个场景，支持RTX 5880工作站级GPU，用于调用Physx进行机器人训练环境的渲染，并通过虚拟化技术满足多个场景需求。

5. 小结

已经在邀测平台上进行了很多测试，比如让无影AgentBay构建金融量化分析的Agent。

后面几个月还会持续使用它，构建更大规模的全量市场分析，并进一步引入代数视角下的Multi-Agent System，形成一个系列。