阿里云海外发布Qwen Cloud，Agent基础设施全面升级

产品更新

阿里云在新加坡推出面向海外市场的AI产品官网Qwen Cloud，同步发布Agent产品MuleRun、智能体编程平台Qoder及桌面智能体QoderWork更新，并完成云基础设施的Agent化改造。

阿里云海外发布Qwen Cloud，Agent基础设施全面升级

阿里云今天在新加坡面向海外市场发布了全新AI产品官网Qwen Cloud，同时推出Agent产品MuleRun，以及智能体编程平台Qoder、通用桌面智能体QoderWork的系列更新。这次发布不只是产品层面的迭代，背后是阿里云针对Agent时代完成的一次云基础设施全栈改造。

阿里云Qwen Cloud产品发布现场

Qwen Cloud：海外市场的独立门面

Qwen Cloud是阿里云专门为海外市场打造的AI产品官网，目前已上线Qwen、GLM、Kimi、DeepSeek、Wan、HappyHorse等150多款主流模型API。这个产品采用了所谓的"Agent-Friendly"设计理念，把模型选型、调用、监控等环节做了针对性优化。

从产品定位看，Qwen Cloud更像是阿里云在海外市场的一次独立尝试。国内市场有百炼平台，海外则用Qwen Cloud这个品牌单独运营。这种策略背后的考量很明显：海外开发者对Qwen系列模型的认知度远高于"通义"这个中文品牌，用Qwen做门面更容易打开市场。

值得注意的是，Qwen Cloud不只接入了阿里自家的模型。150多款模型里包含了智谱、月之暗面、DeepSeek等国内主流厂商的产品。这种开放姿态在国内大厂的海外产品里并不多见，说明阿里云在海外市场更看重生态完整性，而不是单纯推自家模型。

Agent产品矩阵：从开发到部署的全链路

这次发布的Agent产品线包含三个层次：

MuleRun：企业级Agent运行平台

MuleRun是阿里云新推出的Agent产品，定位是企业级的多模态云端操作环境。从功能描述看，它更像是AgentBay的海外版本，但做了针对性的功能增强：

  • 自进化引擎：Agent可以根据执行结果自动优化决策逻辑
  • 自定义镜像：支持企业自建运行环境，解决依赖管理问题
  • 内建合规管控：针对海外市场的数据合规要求做了预置方案

这些功能的实用性很强。自进化引擎解决的是Agent在实际业务中需要持续调优的问题；自定义镜像则是企业部署Agent时的刚需——没有哪家企业愿意把核心业务逻辑跑在标准化环境里。

Qoder：智能体编程平台的重大升级

Qoder是阿里云的智能体编程平台，这次更新的重点在开发框架层面。新增的Model Studio-ADK（智能体开发套件）是个高代码框架，面向专业开发者。官方给出的数据是：用这个框架搭建DeepResearch或Agentic RAG项目只需要1小时。

这个时间承诺很激进。DeepResearch类的Agent涉及多轮推理、动态规划、工具调用等复杂逻辑，传统开发方式至少需要几天时间。1小时能完成，说明ADK在任务编排、工具集成、状态管理等环节做了大量封装。

同时，低代码平台Model Studio-ADP也做了升级，降低了非技术人员创建轻量级Agent的门槛。这种高低代码双轨策略很务实——专业开发者要灵活性，业务人员要易用性，两边都要照顾到。

QoderWork：桌面智能体的实用化尝试

QoderWork是通用桌面智能体，这次更新的细节没有公开太多，但从产品定位看，它对标的应该是Anthropic的Computer Use和OpenAI的Operator。桌面Agent的核心能力是操作GUI界面，这需要强大的视觉理解和动作规划能力。

Qwen3-VL在这次发布中展示的视觉编程能力（通过图像/视频直接生成代码）和3D空间理解能力，很可能就是为QoderWork这类产品准备的底层支撑。

云基础设施的Agent化改造

这次发布最值得关注的其实不是产品本身，而是阿里云针对Agent负载特性完成的基础设施升级。Agent和传统应用的负载模式完全不同：

  • 突发性强：Agent的调用量波动远大于常规API
  • 资源消耗不均：推理、工具调用、数据检索的资源需求差异巨大
  • 安全隔离要求高：多租户环境下Agent之间必须严格隔离

针对这些特性，阿里云做了以下改造：

存储层：向量存储桶

OSS新增的"向量存储桶"功能，把原始数据和向量数据的管理统一到一个服务里。这解决了RAG应用的一个痛点：以前向量数据要单独存在向量数据库里，原始数据在对象存储里，两边的同步和一致性维护很麻烦。

现在直接在OSS里完成向量化和检索，开发者只需要调用标准的OSS API，不用再对接额外的向量数据库。这对降低RAG应用的开发和运维成本帮助很大。

网络层：HPN8.0架构

新的HPN8.0网络架构提供800 Gbps吞吐量，是上一代的两倍。更重要的是，它支持训练、推理、强化学习等混合负载，这对Agent场景很关键。

Agent的工作流程通常包含多个阶段：推理生成决策、调用工具执行、根据结果调整策略。这些阶段对网络的需求完全不同。HPN8.0的混合负载支持能力，意味着同一个集群可以同时跑这些不同类型的任务，不用频繁做资源调度。

容器层：ACS的弹性伸缩增强

容器计算服务ACS的升级重点是弹性伸缩能力：每分钟可以扩缩容15,000个pod。这个数字对应的场景是大规模Agent并发请求。

想象一个客服Agent系统，在促销活动期间可能瞬间涌入几万个并发会话。传统的扩容速度根本跟不上，用户体验会很差。每分钟15,000 pod的扩容能力，基本可以应对绝大多数突发场景。

另一个关键更新是容器沙盒技术。Agent之间的强隔离是刚需，尤其是在多租户环境下。ACS通过用户空间和执行环境隔离，防止跨Agent的漏洞利用和数据泄漏。这对企业客户来说是必备的安全保障。

数据库层：PolarDB的Data+AI优化

PolarDB引入了CXL（Compute Express Link）技术，延迟降低72.3%，内存扩展能力提升16倍。这两个指标直接影响Agent的响应速度和处理能力。

Agent在执行复杂任务时，经常需要频繁读写数据库。延迟降低意味着每次数据库操作的耗时更短，整个任务的完成时间就能显著缩短。内存扩展能力的提升，则让数据库可以缓存更多热数据，减少磁盘IO。

新的Lakebase架构支持Lance、Iceberg、Apache Hudi等开放数据格式，这对多模态数据管理很有用。Agent处理的数据类型很杂：文本、图像、音频、视频、结构化数据都有。统一的存储架构可以简化数据管理，降低存储成本。

安全层：CTDR的AI驱动升级

云安全中心的威胁分析及响应（CTDR）解决方案新增了5款由Qwen驱动的AI Agent，实现从告警研判到执行的自动化安全运营。

官方数据显示，事件自动调查成功率从59%提升至74%，70%的响应行动无需人工干预。这个提升幅度很可观。安全运营的痛点就是告警太多、误报率高，人工处理效率低。AI Agent可以自动关联事件、分析威胁、生成可行动报告，大幅减轻安全团队的负担。

从模型到基础设施的完整闭环

把这次发布的内容串起来看，阿里云的策略很清晰：用Qwen系列模型做底座，在上层构建完整的Agent开发和运行平台，在底层改造云基础设施以支撑Agent负载。

这种"模型-平台-基础设施"的三层架构，和其他云厂商的做法有明显区别。AWS、Azure、Google Cloud更多是提供模型API和基础资源，中间的Agent开发平台主要靠第三方生态。阿里云则是自己把整个链路都做了，从模型训练到应用部署一站式解决。

这种策略的优势是体验更统一、集成更深入。开发者不用在不同服务之间来回切换，基础设施也是针对Agent场景专门优化的。劣势是生态相对封闭，对第三方工具和框架的支持可能不如开放平台灵活。

从市场角度看，阿里云这次发布的时机选得不错。Agent正在从概念验证走向规模化落地，企业客户需要的不只是模型API，而是完整的解决方案。Qwen Cloud和配套的基础设施升级，正好切中了这个需求。

海外市场的竞争会很激烈。OpenAI、Anthropic、Google都在推Agent相关产品，AWS和Azure的Agent服务也在快速迭代。阿里云的优势在于Qwen模型的开源生态和性价比，劣势是品牌认知度和渠道覆盖还需要时间积累。

最后说一句，阿里云这次发布会选在新加坡，而不是美国或欧洲，也很有意思。东南亚、中东、拉美这些新兴市场，对中国云厂商来说可能是更现实的突破口。

参考来源