Serverless

智算中心是支撑AI、大数据发展的新型算力基础设施。九章云极主导建设运营，覆盖立项、设计、部署等六阶段全流程，3年内目标纳管10万P算力。（239字）

本文实测阿里云函数计算（FC）+ API Gateway 替代常驻ECS的可行性，从工程与成本视角分析：FC按调用计费，缩容至0不计费、浅休眠低价闲置，CPU冷启动仅百毫秒；GPU分钟级，需权衡常驻成本。适合峰谷明显、低频响应、事件驱动等场景，助团队降本增效。（239字）

AI任务审核完成后，数据库状态与下游事件可能出现不一致。本文用SQLite演示Outbox模式：在同一事务中写入业务状态与待投递事件，再映射到EventBridge规则和函数计算投递链路，说明重试、幂等与观测边界。

AgentRun Sandbox SDK 开源发布，基于Serverless架构提供安全、弹性的智能体运行环境。支持LangChain、AgentScope等主流框架，内置代码解释、浏览器操作等多模态沙箱能力，助力Agentic AI快速落地，让开发更轻盈，云端更安全。

AgentRun 提供了一站式 Agentic AI 基础设施平台，加速了深势科技 AI4S Agent 业务从“实验室验证”走向“企业级应用”。

阿里云AgentRun让Agent上线仅需5分钟！告别繁琐运维。支持快速创建、代码部署、工作流编排等5种模式，内置多模型、提示词模板、工具链、知识库与记忆模块，全生命周期管理开箱即用。

Next.js以SSR、SSG、ISR、CSR四大渲染模式赋能前端开发：SSG适合静态页，ISR兼顾更新与性能，SSR保障实时性，CSR专注交互。按场景混合选用，方能释放其全栈优势。（238字）

2025 年 9 月 26 日，为期三天的云栖大会在杭州云栖小镇圆满闭幕。随着大模型技术的飞速发展，我们正从云原生时代迈向一个全新的 AI 原生应用时代。为了解决企业在 AI 应用落地中面临的高成本、高复杂度和高风险等核心挑战，阿里云基于函数计算 FC 发布一系列重磅服务。本文将对云栖大会期间 Serverless+AI 基础设施相关内容进行全面总结。

国际市场研究机构 Omdia 发布《2026年亚太Agentic AI开发平台市场评估报告》，阿里云凭借函数计算 AgentRun 卓越的技术深度和全栈AI布局摘得“领导者”桂冠，5项核心能力获得最高评级（Advanced），是国内厂商最优，与 AWS、谷歌、微软等同处最高评级梯队。

本文详解AgentRun如何落地A2A（Agent-to-Agent）协议：通过AgentCard实现智能体自描述，依托工作空间、发现端点与多级凭证体系，统一管理平台托管/外部Agent的注册、发现、隔离与安全调用，并以「希希咖啡厅」为例，演示从配置到Go SDK全链路通信。

本文详解A2A（Agent-to-Agent）协议原理及AgentRun的生产级落地实践：通过AgentCard实现智能体自描述，服务发现动态感知可用Agent，结合JSON-RPC 2.0与Task模型完成可靠通信；AgentRun在此基础上构建工作空间、多环境发现端点、权限管控等完整管理体系，并以「希希咖啡厅」为例，演示Go SDK全链路调用流程。

AgentRun 推出 All-In-One Sandbox（AIO），一体化集成浏览器、Shell 与代码执行环境，统一文件系统、零配置云上运行。启动快（5秒）、文件访问毫秒级、内存减半，完美支持多步骤自动化、LLM Agent 及人机协同任务。

当前吉利汽车研究院人工智能团队承担了吉利汽车座舱 AI 智能化的方案建设，在和阿里云的合作中，基于星睿智算中心 2.0 的 23.5EFLOPS 强大算力，构建 AI 混合云架构，面向百万级用户的实时推理计算引入阿里云函数计算的 Serverless GPU 算力集群，共同为智能座舱的交互和娱乐功能提供大模型推理业务服务，涵盖的场景如针对模糊指令的复杂意图解析、文生图、情感 TTS 等。

本文提出AI大文件输入的对象引用模式：原始内容保存到OSS，消息只传任务ID、对象位置、版本、大小和SHA-256摘要；函数计算按最小权限读取并验证，再进入解析与模型调用，并说明ETag、CRC64、幂等和触发器前缀边界。

FunArt是阿里云函数计算推出的ComfyUI一键托管平台，现集成全新DiT推理引擎VisionPlaid。该引擎序列并行加速，支持Int4/NVFP4量化与SageAttention，单卡最高提速2倍、双卡达2.5倍，兼顾极致性能与原生兼容性，真正实现开箱即用的高效AI生成体验。

OpenClaw GitHub星标破14万，标志着AI从对话框迈向自主智能体，以轻量CLI启动本地网关，提供安全、持久、可扩展的Agent运行时。依托阿里云SAE全托管Serverless容器环境，开箱即用、秒级弹性扩缩与跨可用区高可用，让AI真正成为可交付结果的“数字员工”。

阿里云函数计算AgentRun全新发布，推出专为AI Agent设计的沙箱环境，解决不可信代码执行、状态保持、极速启动与多租户安全隔离难题。基于Serverless架构，实现按需付费、毫秒冷启、会话亲和与细粒度资源控制，支持Code Interpreter、Browser等开箱即用模板，助力Agentic AI快速落地生产。欢迎加入钉钉群134570017218交流。

AgentRun Browser Sandbox 是基于云原生函数计算的浏览器沙箱服务，为 AI Agent 提供安全、免运维的浏览器环境。通过 Serverless 架构与 CDP 协议支持，实现网页抓取、自动化操作等能力，并结合 VNC 实时可视化，助力大模型“上网”交互。

本文把AI工作流错误分为瞬时错误、业务错误和不确定错误，使用本地Python原型验证有限重试、人工接管与补偿幂等，再映射到阿里云云工作流的Retry、Catch、函数固定版本和异步任务编排。

函数计算AgentRun Sandbox推出多端口沙箱能力，秒级冷启动、免运维、支持双模式路由，完美解决AI生成代码“写完即跑、所见即所得”的预览难题。结合OpenClaw，可实现对话中自动生成HTML/React页面、云端运行并返回实时预览链接，打通Vibecoding最后一公里。

在云计算与人工智能深度融合的背景下，Serverless 技术作为云原生架构的集大成者，正加速向 AI 原生架构演进。阿里云函数计算（FC）率先提出并实践“Serverless AI 运行时”概念，通过技术创新与生态联动，为智能体（Agent）开发提供高效、安全、低成本的基础设施支持。本文从技术演进路径、核心能力及未来展望三方面解析 Serverless AI 的突破性价值。

Agent 代码沙箱是保障 AI 智能体安全执行的核心基础设施。依托函数计算构建强隔离、有状态、低成本的 AI 运行时。

在容器技术持续演进与 AI 全面爆发的当下，企业既要稳健托管传统业务，又要高效落地 AI 创新，如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本，成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎（SAE）正是为应对这一时代挑战而生的破局者，SAE 以“免运维、强稳定、极致降本”为核心，通过一站式的应用级托管能力，同时支撑传统应用与 AI 应用，让企业把更多精力投入到业务创新。

云原生应用平台 Serverless 计算负责人杨皓然在云栖大会发表主题演讲“Serverless Agent 基础设施：助力大规模 Agent 部署与运维”。本议题深入介绍了阿里云以函数计算为核心打造的 Agent 基础设施——AgentRun，阐述其如何通过创新的运行时、模型服务、网关及可观测体系，为企业构筑坚实、高效、安全的 Agent 时代基石。

AgentRun提供多 Agent 生产级协作方案，解决多 Agent 发现、调用、鉴权、编排与治理难题；通过工作空间实现环境隔离与统一管理，让开发者专注 Agent 能力本身，真正实现“协作如调 API 一般简单”。

AgentRun 开放平台是企业级 AI 运维中台，专解 Agent 规模化落地难题。以员工权限为核心，构建“用户组-用户-用户空间”三层多租户体系，实现细粒度隔离、动态审批、成本可控、安全合规与全生命周期管理，助力企业从“玩具”迈向可信、高效、可治理的 AI 生产环境。

OpenClaw（原Clawdbot/Moltbot）GitHub星标破14万，标志AI从对话框迈向自主智能体。它以轻量CLI启动本地网关，提供安全、持久、可扩展的Agent运行时：通过插件化接入多平台、向量记忆支持长期决策、Docker沙箱+Headless Chromium保障安全执行。依托阿里云SAE全托管Serverless环境，零运维实现DinD、弹性扩缩与高可用，让AI真正成为可交付结果的“数字员工”。

本文是Dify生产化系列第二篇，详解如何用阿里云SAE（Serverless应用引擎）与SLS（日志服务）构建弹性、免运维的AI计算底座：SAE实现秒级扩缩容与50倍QPS跃升，SLS支撑存算分离与实时业务洞察，一站式解决运维复杂、流量潮汐、数据库膨胀等核心瓶颈。

记录一个Next.js在线工具站在浏览器本地计算、Web Worker任务隔离、Cloudflare Workers部署、增量缓存和工具模块化方面的实现与取舍。

AgentRun让Agent集成极简：兼容OpenAI协议，改两行代码即接入；支持代码、SDK、UI嵌入、IM机器人、云事件五种集成方式，无需新协议、新SDK。控制台配置即生效，自动具备工具调用、RAG知识库、多轮对话、安全护栏与全链路可观测能力。

AgentRun 提供可管理、可复用、可观测的工具体系，统一纳管 Skill（流程规范）与 MCP（外部动作），支持一键安装、跨 Agent 复用、AI 辅助生成及全链路调试，让 Agent 真正落地业务场景。

AgentRun CLI 正式发布！一条命令即可快速启动托管智能体，支持声明式 YAML 管理、多环境配置、全资源统一操作及沙箱一体化能力，大幅降低 Agentic AI 工程化门槛。

函数计算AgentRun全新升级：支持Skills安全私域托管、沙箱隔离与秒级加载，内置AI辅助Markdown极速创建技能；提供千种预置技能一键接入，兼顾企业级安全合规与极致性能，打造AI Agent时代可靠基础设施。

阿里云函数计算FC基于轻量级安全沙箱，为AI Agent提供强隔离、可管控、按需计费的代码执行环境。支持MCP/Session亲和/有状态会话等能力，实现毫秒级弹性、冷启动预热与空闲期低成本保活，助力构建高密、安全、经济的Agent运行时。

搭建“舆情分析专家”，函数计算 AgentRun 快速实现从数据采集到报告生成全自动化 Agent。

AgentRun Sandbox SDK 开源发布，基于阿里云函数计算打造安全、弹性的智能体运行环境。支持代码执行、浏览器操作等多模态沙箱能力，无缝集成 LangChain、AgentScope 等主流框架，让开发更轻盈，云端更安全。

在 AI 技术应用落地进程中，目前面临着五大核心挑战：开发/学习门槛过高，部署运维阶段复杂，AI 应用安全备受挑战，生态能力方面存在严重的割裂与锁定现象，同时资源成本高昂且利用率低下。这些挑战极大地阻碍了 AI 技术的广泛普及以及应用效率的有效提升。阿里云函数计算（FC）依托 Serverless AI 基础设施与全栈能力的创新突破，推出 Function AI（函数智能），精准攻克上述痛点问题，全面推动 AI 应用在开发至运维的全流程中实现降本增效。

AgentRun 基于 Tablestore 提供三类记忆能力：会话历史（单轮上下文）、长期记忆（跨会话向量化存储用户偏好）和会话状态（元数据持久化），支持控制台配置与 SDK/LangChain 等多框架集成，实现真正连续的智能对话体验。

All-In-One Sandbox（AIO）是AgentRun推出的云上一体化沙箱，集成浏览器、代码执行（Node.js/Python）、Shell终端与统一文件系统，支持VNC可视化调试。它解决传统多沙箱间文件共享难、编排复杂、环境冲突等痛点，显著提升LLM驱动Web自动化任务的开发效率与稳定性。

聚焦 Dify 规模化落地的运维复杂与计算瓶颈，提出阿里云 SAE×SLS 联合方案，助力企业专注 AI 业务创新。

阿里云函数计算 AgentRun，专为 AI Agent 打造的一站式 Serverless 基础设施。无缝集成 LangChain、AgentScope 等主流框架，零代码改造即可享受弹性伸缩、企业级沙箱、模型高可用与全链路可观测能力，助力 Agent 高效、安全、低成本地落地生产。

阿里云函数计算AgentRun让Agent上线仅需5分钟！告别繁琐运维，模型、提示词、工具由你掌控，容器、扩缩容、监控、灰度等全由平台自动托管。支持快速创建、代码部署、工作流编排等5种模式，开箱即用生产级能力。（239字）

阿里云函数计算推出 CPU/GPU 实例浅休眠功能，通过 CPU 冻结、显存状态迁移、驱动层兼容和自动调度技术，实现毫秒级唤醒、闲置成本降低 70%。无需改代码，即可兼顾高效响应与极致降本，开启 Serverless AI 新范式。

阿里云函数计算 AgentRun 全新发布，推出“无代码快速创建+高代码深度定制”一体化方案。60秒上线首个Agent，开发者亦能一键转为高代码持续演进。支持多模型、工具集成与智能优化，助力企业实现从想法验证到生产落地的平滑升级，降低TCO达60%。

搭一个会聊天的 Agent 不难，难的是让它跑进真实业务。AgentRun 把 Skill 和 MCP 统一管理为可复用资产：Skill 规定“怎么做”，MCP 提供“能调用什么”。从工具安装、Agent 绑定到调试面板验证链路，一条路径打通 Agent 从对话入口到业务执行入口的落地。

阿里云 Serverless 计算 1 月产品动态。

本文基于阿里云生态实测，解析AI数字员工从“可视化”到“业务落地”的转型趋势，揭露选型两大陷阱，结合玄晶引擎等50+案例与API性能数据，发布十大品牌榜单。聚焦云原生架构、API对接效率、开发友好度与全链路闭环四大维度，提供中小微企业至中大型企业的优选方案及开发者专属选型工具包，助力低成本高效落地。

本文从AI批处理积压问题出发，说明如何使用轻量消息队列缓冲任务、可见性超时恢复失败消费、函数并发限制调用速度，并结合幂等、错误分类、退避和积压指标建立可控背压。