編輯｜吳昕

這一年多來，Agent「外掛」幾乎快把打工人「爽」上天。

只需一句話，它就能秒級吐出數萬字深度報告，甚至直接交付一款軟件。把孩子照片剪成 Vlog 發(fā)給老公，或者替你操控瀏覽器訂機票、填表單，也不在話下。

如今，這種「起飛」的絲滑體感正在反向擠壓底層云服務，掀起一場「土地」風暴。

「 4 年前做 AI 要買算力卡，3 年前要卷大模型，而今天，做 AI 就是開發(fā)和用好智能體。」在 6 月 5 日的 INSPIRE 創(chuàng)想者大會上，華為公司董事、華為云 CEO 周躍峰用一句話點破了行業(yè)拐點，并將一個新概念推向臺前——硅基黑土地。

華為公司董事、華為云CEO周躍峰

過去，云服務被稱為「算力黑土地」。企業(yè)要種 AI，先得有地、有水、有電，也就是算力、存儲、網絡和數據庫。但 Agent 時代，它必須變成適合「種植」智能體的「硅基黑土地?！?/p>

也是在這一天，華為云一口氣砸下四大層面、十余款 Agentic AI 新品。

從「算力」到「硅基」，兩字之變，背后是大廠解題思路的重要轉向：不再倒賣散裝算力，而是重新定義 Agent 時代智能體生長和進化的底層土壤。

先把 Agentic Infra 這層土壤變厚

當一批數字「勞動力」進入企業(yè)流程，一次看似簡單的任務，背后可能是幾十次模型調用、多個工具鏈切換、一串沙箱環(huán)境啟動、長時間上下文保存，以及 CPU、NPU、存儲、網絡之間連續(xù)不斷的資源調度。

這時候，僅僅死磕模型參數、 GPU 數量，遠遠不夠。誰能把 Token 效率、記憶、調度、安全這些底層能力做得扎實，才有可能讓上面的 Agent 真正長出來。

這正是華為云提出「硅基黑土地」的原因。

在這次 INSPIRE 創(chuàng)想者大會上，華為云正式提出 Agentic Infra 新范式：高效 Token 工廠、持續(xù)學習、通智一體化調度、安全自治。

四個關鍵詞，正好對應 Agent 大規(guī)模落地的四個基礎難題。

第一個難題，是 Agent 不能慢。

人和聊天機器人對話，等幾秒還能接受。但 Agent 要連續(xù)思考、連續(xù)調用工具、連續(xù)執(zhí)行任務。每一步慢一點，整條任務鏈路就會被拖成「龜速」。

一旦進入客服、研發(fā)、金融風控、工業(yè)調度這些真實生產系統(tǒng)，慢和不穩(wěn)定都會變成業(yè)務風險。

所以，華為云推出 AICS 靈衢智算集群——憑借創(chuàng)新性的靈衢 UnifiedBus（UB）統(tǒng)一總線協(xié)議+基于 SuperPoD 超節(jié)點架構，AICS 打破傳統(tǒng)服務器的物理邊界，讓大規(guī)模智算集群更像一臺邏輯上的「巨型計算機」，也把云底座變成了一個高效 Token 工廠。

在集群規(guī)模與算力上，最大可落地 10 萬卡超大型智算集群，整體總算力達 200EFLOPS。

在 Token 生產能力上，千卡硬件每秒 Token 吞吐量達 500 萬，推理單 Token 生成時延壓縮至 10ms 以內，滿足 Agent 實時交互、高并發(fā)在線推理需求。

在服務穩(wěn)定性上，靈衢智算集群基于全鏈路可觀測與多級快恢能力，支持在線推理服務達到 99.95% 的可用性。

第二個難題，是 Agent 不能只有「魚的記憶」。

AMS Agentic 記憶存儲解決方案，通過 PB 級記憶空間、KV Cache 分層池化、長上下文和多輪記憶管理，讓 Agent 可以保存更長時間的任務狀態(tài)和經驗。換句話說，就是給智能體配一個更大的「工作記憶」和「長期記憶」。

這對企業(yè)級 Agent 很關鍵。真正的企業(yè)任務很少一次問答就結束。一個研發(fā)任務可能跑幾個小時，一個數據分析任務可能跨多個系統(tǒng)，一個行業(yè)智能體甚至要在多輪反饋里不斷修正策略。

Agent 要從「能回答」走向「能長期干活」，記憶能力必須成為基礎設施的一部分。

第三個難題，是算力資源要調得動。

Agent 的工作流很雜。有時要跑大模型推理，有時要啟動沙箱執(zhí)行代碼，有時要讀寫存儲，有時要調用傳統(tǒng)業(yè)務系統(tǒng)。訓練、推理、Agent 負載、通用微服務，都會混在一起搶資源。

如果底層調度還停留在傳統(tǒng)云原生時代，就很容易出現(xiàn)尷尬局面：算力拼不起來、調不動也用不滿，任務一多還打架。

通智一體化調度引擎 CCE VolcanoNext ，利用精密的「軟件調度技術」、通過兩個關鍵動作，立馬讓整體硬件利用率提升了 30% 以上。

一個是「訓推共池」。

把原本割裂的訓練和推理算力揉成一張網，讓訓練、推理、Agent 等多種負載可以在同一資源池里動態(tài)復用。

另一個是「碎片整合」，變廢為寶。

訓練任務里常常會有很多細碎的資源空隙。 CCE VolcanoNext 能將極其零碎的算力「偷」出來，瞬間打包塞給正在等待響應的在線推理任務（比如去生成一個 Token ），讓算力流失率趨近于零。

第四個難題，是 Agent 必須管得住。

企業(yè)不是不想用 Agent，而是不敢隨便讓 Agent 進生產系統(tǒng)。畢竟能力越強，風險越大，企業(yè)越容易緊張。

這也是 AgentSphere 的定位——它提供的是生產級智能體運行環(huán)境，把沙箱隔離、身份權限、意圖防護、雙向網絡防護、行為審計放進同一個底座里。

同時，它還足夠快。

AgentSphere 通過羽量級沙箱技術，實現(xiàn) 100ms 級啟動和每分鐘十萬級批創(chuàng)能力，既能支撐 Agent Serving 里的工具調用，也能支撐 Agentic RL 里大規(guī)模沙箱高頻創(chuàng)建。

ModelArts+AgentArts：

再讓企業(yè)級智能體觸手可及

話又說回來，企業(yè)真正需要的，是上面這些裸算力嗎？其實不是。

與其說人們需要的是電，不如說是那些真正進入生活、解決問題的電器。傳統(tǒng)企業(yè)也一樣，他們更需要可自由支配的模型和智能體能力。

所以，在 Agentic Infra 之上，華為云繼續(xù)鋪了兩層能力：ModelArtsNext 和 AgentArts。前者解決「模型怎么用得更好」，后者解決「 Agent 怎么跑進企業(yè)」。

先看 ModelArtsNext

過去很多 MaaS 平臺像一個模型貨架：這里有 DeepSeek，那里有 Qwen，還有自家的模型，用戶自己選、自己調、自己試。

但 Agent 時代，這種方式會很快遇到問題。一個企業(yè)任務可能并不只適合一個模型。寫代碼、做客服、查知識庫、跑推理、處理多模態(tài)內容，不同環(huán)節(jié)對成本、速度、效果的要求都不一樣。

這時候，關鍵不只是「有多少模型」，而是能不能把合適的請求，分給合適的模型。

ModelArtsNext 的模型路由能力，應運而生。它可以根據請求特征、實時負載和使用體驗，動態(tài)選擇更合適的模型。用戶可以選擇成本優(yōu)先、效果優(yōu)先，或者均衡模式，讓系統(tǒng)在不同任務之間自動做取舍。

這聽上去像一個后臺調度功能，但對企業(yè)來說很重要。

因為企業(yè)不是在玩模型評測榜，而是在算真實成本：同樣一個任務，能不能少花一點 Token？同樣一套應用，能不能既保證效果，又把推理成本壓下來？

除了模型路由，ModelArtsNext還把 RLaaS、機密推理和模型矩陣打包進來。

RLaaS（強化學習服務）讓企業(yè)可以用強化學習繼續(xù)優(yōu)化自己的智能體，讓模型在真實業(yè)務反饋中越用越聰明。

機密推理面向金融風控、AI 編碼等高敏感場景，解決數據可信和安全調用問題。

此外，華為云提供豐富的模型矩陣能力，實現(xiàn)了主流 SOTA 模型（如 DeepSeek、Kimi、智譜GLM等）Day0 上線，能力覆蓋編程、多模態(tài)等豐富場景。企業(yè)可通過 Tokens API、工具鏈、Agent 開發(fā)平臺、智能體應用 4 種形態(tài)輕松調用。

再往上，就是 AgentArts，負責把模型能力封裝成靠譜、合格的「數字員工」。

企業(yè)級 Agent 一旦進入生產環(huán)境，就如同可能影響業(yè)務結果的數字員工，怎么樣才能讓這位「員工」穩(wěn)定、可控、可持續(xù)地進入工作流？

AgentArts 對應的，正是這套生產級要求。

其中，長程任務，解決的是 Agent 能不能連續(xù)干活的問題。企業(yè)任務往往不是一問一答，而是持續(xù)數小時甚至數天的流程。AgentArts 要保障任務不中斷、異常能恢復、上下文能延續(xù)。

企業(yè)級安全，解決的是 Agent 能不能放心用的問題。它需要會話隔離、權限管控、隱私數據保護和安全沙箱，不能讓一個能調用工具的智能體隨便越權。

行業(yè)知識深度，解決的是 Agent 能不能懂業(yè)務的問題。不同企業(yè)、不同崗位、不同流程，都有自己的知識、規(guī)則和經驗。Agent 要真正干活，就必須把這些行業(yè)資產吃進去。

全鏈路可觀測，解決的是 Agent 出問題后能不能查清楚的問題。它做了什么、調用了什么工具、哪一步失敗、為什么失敗，都要能被追蹤和復現(xiàn)。

基于華為云 AgentArts 平臺，企業(yè)可以從 300 多個行業(yè)資產中靈活選取，組合出適合自己的智能體能力。從實際落地來看，這套能力已經開始跑進真實業(yè)務場景。

例如，溫氏集團通過華為云 AgentArts，基因組分析效率提升 50%，AI 解讀成功率高達 95 %以上。此外，遺傳評估準確率同步提升 15%。

比起數Token，華為云更關心它們去了哪里

過去一年，AI 云廠商被 Token 卷上了天。

模型調用量、Tokens 產出、推理成本、API 價格，幾乎成了衡量 AI 云熱度的新尺子。

誰能承接更多模型調用，誰能生產更多 Token，誰就更像握住了 AI 云時代的新增長入口。

華為云沒有回避 Token 經濟，也在建設高效 Token 工廠、MaaS 模型即服務和 Agentic Infra，但它又不想陷入互聯(lián)網的這套排行榜里。

在媒體見面會上，周躍峰說得很直白：華為云「不太在乎 Token 總量是多少」，也「不太在乎收入的總量是多少」，更在乎國產化算力系統(tǒng)生產出來的 Tokens 背后，能不能帶來健康提升、節(jié)電和生產力提升，而不只是情緒價值。

這句話聽起來有點反增長敘事，其實點出了華為云和互聯(lián)網云廠商的關鍵差異。

來看一個醫(yī)療案例。針對中國病理醫(yī)生缺口高達14 萬的結構性挑戰(zhàn)，上海瑞金醫(yī)院聯(lián)合華為，歷時一年半打造了 RuiPath 病理大模型。

這是國內首個進入醫(yī)院生產流程的臨床級病理大模型，可覆蓋 90% 的常見癌種和 90% 的下游診斷任務。

研發(fā)過程中，瑞金醫(yī)院提供了百萬張高質量數字病理切片和寶貴臨床數據。華為云提供的是數據工程、模型工程、應用工程以及全流程工具鏈支持。

現(xiàn)在，RuiPath 正在按照「頂級醫(yī)院研發(fā)驗證—地市三甲醫(yī)院擴展—縣域醫(yī)院復制應用」的路徑向外擴散。短短幾個月，朋友圈已擴展到全國 20 多家醫(yī)院。

比如，邯鄲市中心醫(yī)院，通過每輪幾十張切片的小樣本微調，讓本地乳腺癌有無腫瘤判別準確率提升到接近 100%。

涉縣醫(yī)院、武安市第一人民醫(yī)院這樣的區(qū)域醫(yī)院，也可以在數據不出域、安全可控的前提下，通過端云協(xié)同享受到頂尖專家的診斷能力。

這才是華為云口中「有價值的 Token」。

它對應的不是一次聊天、一段生成文本、一個 API 調用，而是一次更準確的病理判斷，一次基層醫(yī)院診斷能力的提升，一次優(yōu)質醫(yī)療資源的下沉。

這一核心差異化，可以追溯到華為最初進入云市場時的底色。

早在多年以前，華為云就曾明確提出，未來 AI 的主場在行業(yè)，并把公有云作為面向未來的重要戰(zhàn)略。那時，很多政府和企業(yè)客戶才剛剛開始上云，而政企、運營商、金融、制造、能源等 2B 場景，恰恰是華為長期深耕的領域。

所以從一開始，華為云的云業(yè)務就帶著很強的行業(yè)屬性，關心的是怎樣把云、AI、數據和行業(yè)系統(tǒng)結合起來，變成真實生產力

相比之下，互聯(lián)網大廠的基因造就了另一套打法。

他們天然擁有高頻流量場景、C 端應用、內容平臺和開發(fā)者生態(tài)。這些會帶來海量模型調用，也會反過來推動模型能力、推理平臺和工具鏈快速迭代。

他們的 2B 能力，很多時候也是從高頻互聯(lián)網場景、開發(fā)者生態(tài)和大規(guī)模模型調用中外溢出來的。

如果 Token 要真正轉化為生產力，就必須進入政企、傳統(tǒng)企業(yè)的業(yè)務流程，一對經典矛盾也接踵而至：

傳統(tǒng)企業(yè)組織機構復雜、業(yè)務系統(tǒng)復雜、手握高敏感數據、安全合規(guī)要求極高，對本地化部署、數據不出域、業(yè)務連續(xù)性都有明確訴求。但模型和算力迭代又非常快。如果企業(yè)完全自建，很容易「部署完就落后」。

這就引出了華為云另一個關鍵差異化：堅持公有云和面向國計民生的混合云「兩條腿走路」。

RuiPath 就是一個很典型的樣本，將原本對立的「數據安全」與「先進模型便利」統(tǒng)一起來。

在醫(yī)院端，先通過輕量化工具對原始病理切片進行預處理，提取少量疑似腫瘤區(qū)域特征，再經過加密后上傳云端。這樣一來，原始數據和核心診療流程仍然留在醫(yī)院可控范圍內。

在云端，華為云通過全密態(tài)、「可用不可見」等機制，支撐診斷推理、模型增訓和持續(xù)迭代。云端提供的，是瑞金與華為共建的基礎模型能力、算力能力和工具鏈能力。

基層醫(yī)院只需要利用相當于傳統(tǒng)訓練約 10% 的本院小樣本數據，就可以在基礎模型之上做本地化適配，快速得到更貼合本院病例特點的專屬模型。

值得一提的是，雖然云廠商都在講「全?！?，但與華為云「全?！沟摹负枇俊购蛧a化率，存在天差地別

華為是做通信設備和硬件出身，它的全棧邏輯也向下扎到了最底層的物理世界，如昇騰 NPU、鯤鵬 CPU、CloudMatrix 超節(jié)點等硬核實體。

而且，從最底層的「一粒沙子」（芯片算力），到中間層的底層使能（如CANN 架構），再到最上層的智能體平臺，全部都是自研。用周躍峰的話說，華為云要打造不同于「萬國牌」的「另一個算力平面」

對中國企業(yè)而言，這不只是「多了一家云廠商」，而是在主流 GPU 路線之外又多了一種算力選擇、多了一套生態(tài)選擇，也多了一條基礎設施路線。

開放才能致遠

除了把硅基黑土地做厚，真正讓 AI 長進千行萬業(yè)，還需要把已經驗證過的技術、工具鏈和行業(yè)經驗開放出去，這也是 INSPIRE 創(chuàng)想者大會發(fā)布「行業(yè) AI 夢工廠」的意義。

首批「夢工廠」包括醫(yī)療、具身智能、科學計算、智能制造等垂直領域，開放華為長期積累的技術能力、工具鏈和實踐經驗，讓行業(yè) AI 不再停留在少數標桿項目里，而是進入可復制、可共建、可持續(xù)迭代的新階段。

開放，也貫穿在華為云的底層生態(tài)里。

從鯤鵬、昇騰，到歐拉操作系統(tǒng)、CANN 系統(tǒng)，再到 CCE Volcano、ModelArts 工具鏈，以及與AgentArts 企業(yè)版內核同源度超過 90% 的openJiuwen，華為云正在把更多能力以開源開放的方式交給產業(yè)。

周躍峰說，希望華為云在智能體時代成為一朵最開放的云。最終，讓智能體開發(fā)這件事變得更普惠。

任正非曾說，在方向大致正確的情況下，要先開一槍，不能等，大膽往前走。過去多年，華為云押注行業(yè)、押注國產化、押注全棧能力，這條路并不輕松，也不會立刻見效，但也從未動搖。

有人說，一旦認定一件事，便全力以赴。在業(yè)內，華為的執(zhí)行力令許多競爭對手忌憚。

確實。沒有一件事情可以隨隨便便成功，但是認真干起來，也不可能不成功。