安筱鹏｜No Cloud, No Agent：拥抱智能体经济的崛起

题记

智能体（Agent）正成为AI大模型技术落地的重要载体，催生全新的智能体经济形态。全球 AI 原生企业的崛起速度前所未有：Cursor两年内年化收入突破5亿美元，Perplexity估值27个月飙升至140亿美元，GenSpark以45天达成3600万美元ARR。数据表明，AI原生企业收入增速远超传统SaaS企业。智能体的发展依赖五大核心要素——模型获取、开发工具、客户触达、低成本交付和高效运营，而这一切的根基是云生态。“No Cloud, No Agent”成为核心法则：公共云不仅提供最新强大模型与工具链、实现分钟级开发部署，也能更便捷、高效地触达客户和交付，更能以低成本进行运营、构筑数据飞轮。对中国而言，构建基于公有云的统一大市场和产业生态，推动项目型软件跃迁为平台型、生态型模式，才能避免重蹈“加拉帕戈斯效应”覆辙，把握未来的智能体红利。

本文主要观点在2025年7月3日北京全球数字经济大会-人工智能融合应用发展论坛上，由阿里云智能副总裁、中国信息化百人会执委安筱鹏进行了分享。

今天讨论大模型应用，一个不可回避的话题是Agent（智能体）。智能体是大模型应用的重要载体，它未来发展的规律和趋势，是一个值得探讨的话题。我们有一个重要的判断是，“No Cloud, No Agent”。

美国AI原生企业增长迅速

美国Anysphere公司旗下的产品Cursor，仅用了两年多时间，年化收入就超过了5亿美元。它是过去20年单一SaaS软件产品增长最快的企业。全球财富1000强公司中有53%的工程师都在用Cursor，近5万企业将Cursor作为首选IDE（集成开发环境），每月有一亿行企业级代码在Cursor中编写。

智能搜索引擎Perplexity，从2024年1月份至今，它的估值翻了27倍，从5.2亿美元涨到140亿美元。2025年5月的查询请求量相比2022年增长了万倍，截至5月的ARR（年度经常性收入）达到1.2亿美元。年初，月活超过1500万。

华人创建的海外公司GenSpark，只用45天就达到了3600万美元的ARR。旗下产品Super Agent发布9天时间，付费用户就超过了一万人。

这引发了我们对三个问题的思考：第一，为什么今天这类AI企业的ARR增长速度这么快？第二，这一轮AI企业跟上一轮互联网企业的商业模式有什么本质性区别？第三，Anysphere这家公司不到100人，而且成立时间只有两年，它怎么用一个To B产品触达到全球1000强公司的53%核心用户？这些是我们探讨企业发展规律需要深入思考的问题。

2024年美国新增的独角兽公司超过了28家，仅仅在代码生成的这个领域就有7-8家独角兽公司。像OpenAI、Anthropic、xAI等AI原生企业的收入总和大概是70亿-100亿美元，美国大公司的生成式AI收入大概为300亿-400亿美元，而中国的产业规模有多大呢？

过去的十年是中国SaaS失去的十年，展望未来的十年，当Agent作为一种新的软件载体出现的时候，我们是不是能够抓住这样的机会找回过去的十年呢？

图：美国AI原生企业迅速崛起

智能体经济的崛起

当Agent智能体经济、AI原生企业到来的时候，美国科技行业也正发生着巨大的变化。

根据对SaaS和AI原生企业的统计：2018 年成立并跻身营收前 100 的 SaaS 公司，它们收入中位数达到500万美元用了34个月；而 2024 年创立且位列营收前 100 的 AI 公司，仅以 24 个月便跨过同一门槛，整整快了 10 个月。

美国成立于2020年之前的收入前一百强AI公司，收入中位数达到500万美元用了39个月。而在2020年之后成立、经历了这波大模型浪潮的收入前一百强AI公司，收入中位数达到超过500万美元只用了13个月，缩短了26个月。

图：AI原生企业的收入增长速度远超SaaS企业

换句话说，AI大模型在加速整个产业的崛起以及AI原生企业的培育。

正是因此，我们看到去年和今年美国大公司在AI领域投资的决心和意志。亚马逊表示，2025年资本支出或达1000亿美元，绝大部分将用于AI和云服务AWS；微软宣布2025财年将在AI数据中心方面开支800亿美元；谷歌宣布今年将斥资约750亿美元建设数据中心容量；Meta则宣布今年将斥资约750亿美元建设数据中心容量。而今年1月，白宫公布“星际之门” 基础设施计划，总投资规模达5000亿美元。总共加起来，2025年美国在AI领域的预计投资规模达一万亿美元。

这背后反映的，是对未来AI大模型产业商业闭环的某种信心。

图：2025年美国在AI领域的预计投资规模达一万亿美元，反映了对AI商业闭环的信心

而信心的背后，从整个全球来看是智能体经济的崛起。IDC预计，到2026年，50%的中国500强公司的数据团队将使用AI Agent进行数据准备和分析；Gartner预计，2028年至少15%的日常工作决策将通过Agentic AI自主完成，33%的企业软件应用将包含Agentic AI；麦肯锡研究显示，超过70%的企业CEO认为AI Agent将在3年内显著改变经营模式与竞争格局；德勤研究显示，2025年25%使用生成式AI的企业将部署AI Agent，2027年这一比例将达50%。

无论是IDC、Gartner、麦肯锡、德勤等机构的报告，还是大公司投资的意愿，都展示了未来产业的广阔发展前景。

智能体发展的五个核心要素

Agent作为一种新的软件形态、以及AI大模型落地的一个重要载体，不仅需要技术可行、更需要商业可行，它的发展可以分为五个核心要素。

一是更高性能的基础大模型；二是更丰富的工具和开发生态；三是产品要触达To B端、To C端的客户，更便捷、更高效地获客；四是更高效的交付、更低的交付成本；五是更好的运营。今天讨论AI大模型落地、将成千上万个 Agent 深度嵌入业务场景时，这五个要素非常关键。

对中国来说，我们更加要强调“No Cloud, No Agent”。

首先，在今天模型技术快速变化的时代，“快”是唯一的护城河。如果你有了一个好的 Agent 灵感，首先就要快速、低成本地构建一个MVP（最小可行单元）。而公共云可以提供更强大、更丰富的大模型，以及更丰富的工具链、更完备的Agent开发工具，来降低创新门槛、更快速地验证想法。

第二，是要将产品快速地触达客户、尤其是To B端的客户。公共云上有庞大的、数字化基础好的客户池，可以复用公共云的客户和渠道，在公共云应用市场实现低成本的客户精准触达。

第三，是要将Agent低成本、快速地交付给客户。公共云提供开箱即用的服务，无需重新购买硬件来适配，无需昂贵的前期投入，能实现低成本、高效的交付。

第四，是要在交付之后高效运营，让Agent能像员工一样不断地自我迭代、提升能力，形成一种数据闭环。公共云通过全栈技术优化及规模化，带来了推理成本持续降低；同时，公共云平台上提供最先进的算力、最前沿的模型和丰富成熟的AI工程化工具，能够让产品持续敏捷迭代，从而打造数据闭环。

图：智能体发展的五个核心要素

“No Cloud，No Agent”

关于上述五个要素，还可以更进一步展开。在Agent开发、Agent客户触达与交付、Agent运营三个过程，充分体现了“No Cloud, No Agent”。

第一，在Agent开发过程，核心是用上最强的模型、并持续迭代。正如Benchmark 合伙人 Eric Vishria所说，“打造有魔力的产品的起点，更关键的是让产品有持续的迭代能力。”对Agent的开发来说，核心是要持续用上更强的模型，才能持续迭代。而模型还处于快速的迭代期，领先的模型基本每一百天就可以将Arena Score的分数提高50分，这些模型中绝大部分都仅在公共云上提供服务，除Qwen和DeepSeek的开源模型可本地部署。即使是开源模型，公共云也往往是最早的预览平台。也就是说，公共云几乎是获得最先进模型的唯一途径。

图：Agent开发过程的核心是，用上最强的模型、并持续迭代

迭代也是一个技术可行跟商业可行持续平衡的过程。基本的逻辑是，基于“大尺寸模型”探索Agent性能的天花板，基于“小尺寸模型”探索Agent商业的可行性。

在技术发展的早期，可以基于最好的模型，把Agent原型开发出来，跑通流程并设定性能基线。之后，再逐步迭代，尝试用更小的模型替换某些环节，观察效果是否仍可接受。这既保证了初始方案的可靠性，又能逐步在不影响准确率的前提下降低成本与响应速度。同时随着模型持续迭代、性能提升，还需要采用更先进的模型升级产品，从而保证Agent的更新与迭代。而性能最强、最新模型的实验性部署，在公共云可以即开即得，用完即可释放；

图：基于“大尺寸模型”探索Agent性能天花板，基于“小尺寸模型”探索Agent商业可行性

同时，Agent开发也需要有MCP、API的接口、工具等等。截止6月30日，百炼平台上已上架MCP服务138个，已上架Agent模版与服务100多个，已上架的组件广场200多个。公共云上正构建Agent Tools生态的“精品百货超市”，降低开发者的“好tools搜寻成本”。

开发流程可分为需求分析、模型选择、Agent工具、指令构建、流程编排、持续迭代等，两种开发方式对比如下：

如果基于公共云在百炼等一站式模型服务平台上开发，基本是“傻瓜式操作”，易上手、工具链丰富、无需专门招聘技术人员，最快5分钟构建智能体应用。比如在模型选择上，各种性能、尺寸、成本的模型即点即用，百炼支持通义全系模型及数十种第三方模型；在Agent工具上，平台预设中点选，快速构建RAG、MCP服务等，百炼已上架数百种+MCP服务和插件；在持续迭代上，与云上其他服务快速集成，如告警、快速扩容等。

而如果进行本地私有化开发交付，则需要“全手搓”，自行下载开源部署工具、采购商业软件、并与本地基础设施适配等，整个过程复杂且成本高。从模型选择上，通过开源社区等方式下载、安装、适配；从Agent工具上，需要本地搭建RAG知识库、从GitHub社区上下载MCP服务等；从持续迭代上，与本地各种系统连接适配，难以实现规模化稳定化服务。

图：相较私有化部署，云平台的Agent开发能快速构建MVP、实现低门槛和高效率

第二是如何把Agent交付给客户、尤其是To B端的客户。首先是触达，如果基于公共云，作为供给方的Agent开发商可以通过互联网、公共平台的应用市场实现产品海量曝光，私有化部署则需要“逐户敲门售卖”。对需求方的企业客户来说，通过公有云平台，它们可以获取琳琅满目的Agent应用、并快速迭代。而通过私有化部署，企业客户得到的主要是封闭单一的产品。

其次是交付，如果基于公共云，Agent开发商交付的是一个标准化的产品，客户付费后直接下发账号，进行产品的持续迭代和升级。Cursor能靠两年时间实现年化收入5亿美元，只有通过公有云的方式才能实现。而通过私有化的方式，交付就需要POC（概念验证）、驻场交付等等，流程长、成本高。而对于企业客户来说，通过公有云平台，它获得了即开即用的产品，并能进行持续升级迭代。私有化部署则要经过招标、采购、测试、上线等流程，周期长、迭代慢。

图：相较私有化部署，云平台在Agent的客户触达与交付上更便捷和高效

最后，是如何高效地运营Agent，它需要更低的算力成本、更高效地运行。根据估算，AI Agent任务执行所需要的token消耗是聊天对话类任务的25~100倍。OpenAI也预测，Agent产品将大幅增加算力的投入，推理成本2024年达40亿美元、2025年达60亿美元、2030年可能达到470亿美元。而通过公共云调用的成本，大概相当于私有化部署（包括一体机）的十分之一（以DeepSeek R1满血版部署为例，公共云API价格为Output tokens，而本地部署环境则按一台8卡H20 GPU服务器推算）。

图：Agent任务执行的推理成本比聊天对话类任务高得多，需要更低的算力成本、更高效的运营

另外，公共云受益于规模效应和技术进步，其成本还会持续降低。而本地化部署按硬件成本折旧逻辑，不仅服务规模有限，且成本很难再降低。过去一两年，公共云的成本降低了80%-90%。以OpenAI主推模型版本为例，自2024年以来，其输入价格（美元/千tokens）降低了92%，输出价格（美元/千tokens）降低了83%。而以阿里Qwen-Turbo-128k版本为例，自2024年以来，其输入价格（美元/千tokens）降低了96%，输出价格（美元/千tokens）降低了93%。

图：相较私有化部署，公共云调用的成本更低、且会持续降低

结语

我们讨论智能体经济的崛起，基本规律就是我们要复刻过去十年移动互联网的快速发展，而避免走到SaaS的困境。这背后最重要的，是构建一个庞大的、基于公共云为载体的Agent产业生态。

就像1835年达尔文来到加拉帕戈斯群岛，在这个封闭孤立的生态系统里，物种自我进化、自我迭代、自我演进，但离开了这个生态，没有竞争力。这被称为“加拉帕戈斯效应”。过去我国SaaS行业的孱弱和中美公共云的巨大差距，都有“加拉帕戈斯”的影子。由于客户需求，整个产业走向了“项目制造+私有化”的死胡同。

对今天中国的AI大模型落地来说，最重要的是如何构建一个基于公有云的统一大市场和产业生态。所谓构建繁荣的AI产业应用，就是要把一个项目公司（ Project ）打造成一个 产品公司（ Product ），更重要的是进化成为一个平台公司（Platform）。

版块介绍 —产业之声

紧跟产业发展脉搏，阿里研究院汇集行业领袖与企业的真实声音，在算力基础设施的规划与布局、能耗优化、大模型能力发展、大模型评测体系、产业应用案例深入研究、新技术与应用趋势前瞻探索等方面，剖析成功案例背后的逻辑与挑战，并提供基于产业深度洞察的策略建议。同时，阿里研究院依托于阿里巴巴集团在人工智能领域的全面布局，分享阿里的AI产业生态和应用的实践落地，探讨技术如何重塑产业格局并推动社会经济的转型升级。

Reading

1、

2、

3、

4、

5、

6、

7、

8、

9、

10、

11、

12、

13、

14、

15、

16、

17、

18、

19、

20、

21、

22、

23、

24、

25、

26、

27、

28、

29、

30、

31、

32、

33、

34、