# “让天下没有难做的 Agent” | 对谈旭卿（阿里云无影事业部总裁）、安陈（AgentBay 产品负责人） 十字路口Crossing · 2025-08-17 本集对话阿里云无影事业部总裁张献涛与AgentBay产品负责人屈立威，解析Agent Infra的组成与机遇。他们拆解记忆、工具调用、沙箱等六大模块的价值，并解释为何阿里云从云电脑转向AgentBay，以及如何用20万并发等案例说服管理层押注新赛道。 ## Key moments - **[0:00] 开场** - [1:05] Koji指出2025是Agent元年，10个创业者有8个在造Agent，Agent Infra成关键。 - [1:29] Koji介绍Agent Infra六大组成：记忆、工具使用、任务规划、沙箱、多Agent协作、安全与隐私。 - [1:43] Koji比喻新员工入职需配电脑网线，Agent也需要基础设施。 - [3:04] Q: 日常用最多的Agent产品？安陈：Onlook和星流；旭卿：OneDay和Cursor。 - [4:38] Q: Agent Infra与传统AI Infra有何不同？安陈：从聚焦模型训练推理效率，到加入记忆、工具调用等组件。 - **[4:49] Agent Infra全景** - [7:26] Q: 为什么今年Agent Infra成焦点？旭卿：Manus爆火+GTC触动，连夜调向AgentBay。 - [9:20] Q: Agent Infra主要组成？安陈：大模型如CPU，记忆如内存/存储，还有任务编排、沙箱、Multi-Agent架构等。 - [10:37] 旭卿关注记忆领域MemoryZero、工具调用E2B等，任务规划各公司都在做。 - [12:45] Q: 哪个环节最重要？安陈：所有都重要，沙箱可能不感知，记忆是普遍挑战。 - [14:25] 容慧金句：“又跑步又修路是很难的。” - [14:30] Q: 客户最看重什么？旭卿：每家有别，有的要20万并发，有的要长期记忆。 - **[16:00] AgentBay** - [18:58] Q: AgentBay沙箱 vs E2B有何优势？安陈：面向SMB更简单完整，含mobile/browser，多模态感知。 - [22:31] Q: AWS AgentCore与AgentBay异同？旭卿：云厂商观点一致，产品接口高度相似。 - [23:44] Q: 谁在Agent Infra投入最大？旭卿：阿里云CEO吴妈非常重视，加人加钱加资源，无营收KPI。 - [24:52] Q: 这是防守还是进攻？旭卿：一号位为AI进程，不看生意只问客户数。 - [26:23] Q: AgentBay在阿里云AI战略位置？旭卿：承上启下，开放模型能力给开发者。 - **[26:52] 安全与并发** - [26:52] 周鸿祎选本地沙箱认为不安全 vs 旭卿力挺云端：云端有专业安全团队、能高并发，本地易受损。 - [32:15] 旭卿讲真事：模型误删本地目录，云端沙箱无此风险。 - [32:53] Q: 客户高并发需求级别？旭卿：某Agent厂商要求白天20万并发Session。 - [35:00] Q: 未来商业模式？安陈：当前按算力，未来可能服务化，含多模态推理等成本。 - **[36:24] 增长与转型** - [36:24] Q: 哪些垂直领域增长最快？安陈：通用Agent、Coding Agent；企业内部自动化；金融投资Agent；医疗。 - [39:50] Q: 无影业务高速增长为何转型Agent Infra？旭卿：2B长期视角，无影与AgentBay是兄弟关系扩展能力。 - **[43:46] 管理心得** - [43:46] Q: 员工是否有被AgentBay抢人后的失落？旭卿：肯定有，但两边都是战略业务。 - [44:29] 安陈：云电脑概念被重构，今年是超个体元年，所有人将需云电脑，自然语言驱动。 - [46:07] 未来云电脑：持久化、高并发、多端漫游、8岁到80岁皆可用。 - [47:04] 旭卿：数字员工概念，Agent驱动的云端分身帮你24小时干活。 - **[48:50] 职业经历** - [50:00] 旭卿职业生涯：英特尔实习三年深钻虚拟化，当时全球懂者不过百人，后来全被挖走。 - [52:41] 15年布局AI基础设施，服务了中国80%科技公司AI算力。 - [56:37] Q: 对初阶工程师的建议？旭卿：先在一个领域做深，再融会贯通。 - [58:22] Q: 如何成功预测技术趋势？旭卿：从今天的问题中找线索，听不可能的要求，看展会，综合判断。 - [1:02:43] 旭卿：个性喜欢挑战困难，不喜欢简单。 - [1:04:02] Q: 如何说服老板投入新方向？旭卿：靠信任和毅力，以神龙为例，每天找领导聊，半个月说服。 - **[1:06:03] 结尾彩蛋** ## Speakers - **Koji 杨远骋** (host) - **Ronghui** (host) - **屈立威** (guest) - **张献涛** (guest) ## Topics Agent ## Mentioned MemoryZero (company), 火山 (company), 英伟达 (company), 达摩院 (company), 阿里云 (company), AWS AgentCore (product), AgentBay (product), Browser Use (product), Cursor (product), E2B (product), Google A2A (product), Manus (product), MemoryGPT (product), OneDay (product), Onlook (product), OpenAI Agent SDK (product), Run Graph (product), 无影 (product), 星流 (product), 神龙 (product) ## Transcript ### 开场 **Koji 杨远骋** [0:03] 欢迎收听 《 十字路口 》， 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会 。 十字路口是乔布斯对苹果公司的一个比喻 ， 形容它站在科技与人文的十字路口 ， 伟大的产品往往诞生在这里 。AI 正在给各行各业带来改变 ， 我们寻找 、 访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者 ， 和他们一起探索 、 拥抱新变化 、 新的可能性 。 我是 《 十字路口 》 的 Koji， 联合创办了街旁 、 新世相和躺岛 ， 发起了 AI Hacker House 这个新一代 AI 创业者的社群空间 。 我相信科技 ， 尤其是 AI，是我们这一代人最大的价值创造机遇 。 欢迎大家找我聊天 ， 碰撞想法 ， 链接下一个可能性 。 **Ronghui** [0:53] 我是 《 十字路口 》 的 Ronghui，在美元 VC 工作过 ，也做过 5 年的硅谷驻站记者 ， 关注科技发展和商业故事 ，也欢迎大家找我聊天和我交流 。 **Koji 杨远骋** [1:05] 2025 年是 Agent 的元年，10 个创业者 ， 我们最近聊到的感觉有 8 个都在造各种各样的 Agent。 那在 《 十字路口 》 呢 ， 我们过去几个月也做了大量的相关访谈与评测 ， 发现有一个规律是 ： 决定 Agent 能力上限的 ， 除了模型本身之外， 除了大家在工程上 、 在用户体验上的打磨之外， 还有非常重要的基础设施 ：Agent Infra。 那从记忆 、 从这个工具的使用 、 从任务的规划 、 从这个 Runtime 或者沙箱 ， 然后再进一步到多 Agent 的协作 ， 甚至安全和隐私等机制 ， 这些环节呢 ， 缺一不可 。 就像一个新员工入职之后， 我们要给他配电脑 、 配网线 ， 要给他装飞书 、 装钉钉 ， 这样他才能够开始去这个进行自己的工作 。 如果基础设施搭不好 ， 一个 Agent 和一个新员工 ，他们好像就没有办法开始投入 。 但在这里呢 ，有挑战也往往意味着会有机会 。 因此不论是一个创业公司还是大厂 ， 最近都在纷纷加码 Agent Infra。 那我们今天非常开心邀请到了阿里云的副总裁 、 无影事业部的总裁旭卿 ， 还有产品经理安陈 ， 来 《 十字路口 》 和我们一起聊一聊 Agent Infra 的过去 、 现在和未来 。 那阿里云的无影团队呢 ，他们推出了 AgentBay， 是一个非常新的尝试 ， 会为 Agent 提供从云端沙箱到算力到工具链等等一系列的一个完整的运行环境 。 那我们今天呢 ， 准备了 20 个问题 ， 我们会从技术的原理到行业的格局 ， 从创业的机会到职业的建议 ， 帮助大家 ， 希望可以让你们在信息过载的时代 ， 建立起一套清晰的 Agent Infra 的思维框架 。 因为我们觉得 Agent Infra 它不只是这个像旭卿或者像安陈这样的技术大佬的事情 ， 我也相信它会和云计算一样 ， 影响到我们每个人的工作和生活 ， 那也会是每一个人的创业的机会所在 。 我们今天还是先从一个轻松的问题来开场 ， 想请问二位 ， 你们日常用的最多的这个 Agent 的产品是什么 ， 用它来做什么 ？ **张献涛** [3:12] 首先我用的最多的那个叫 Onlook， 它是一个帮助设计师快速去设计一个前端应用的一个 Agent 工具 。 本质上我用 Onlook 能够通过自然语言一键地生成一个前端的一个交互的一个设计 。 另一个的话可能就是我们集团内部一个自研的一个 Agent，是淘宝上面做的 ，他们叫星流 。 那么那个这个 Agent 它核心给我处理的一个能力是能够帮我快速地去读一下外网的论文 。 **Koji 杨远骋** [3:38] 那旭卿呢 ？ **Ronghui** [3:39] 其实我觉得用得比较多的也是我们集团内部的 ， 就是 OneDay。OneDay 的话其实它是面向阿里内部所有员工开放的一个这个 Agent 平台 ， 你可以认为 。 当然外部的话 ， 比如 Cursor 也是非常好用的 。 **Koji 杨远骋** [3:52] 所以旭卿你是学计算机的对不对 ？ **Ronghui** [3:55] 是 。 **Koji 杨远骋** [3:55] 所以你一开始还是会刚入职场的时候会自己写代码的 ？ **Ronghui** [3:59] 我在阿里还写了好几年代码 。 **Koji 杨远骋** [4:02] OK， 所以你最后一次写代码是哪一年 ？ **Ronghui** [4:05] 最后一次写代码大概是 2017 年、2018 年 。 **Koji 杨远骋** [4:07] 然后因为其实有很多技术管理者 ， 就我们聊到的 CTO 或者技术一号位 ， 都是这个 ，因为大家做管理之后可能就开始想这个战略或者想架构 ， 就不会在一线再有那么多代码工作 。 但是今天 Cursor 回来之后， 很多人感觉又重新找回了那种写代码的快乐 。 **Ronghui** [4:26] 是的是的 ， 就前两天也去拜访了那个达摩院的院长张建峰 ，他也在用 Cursor 写很多的这种代码 。 **Koji 杨远骋** [4:34] 我也很好奇达摩院院长在用 Cursor 写什么 。 **Ronghui** [4:38] 我那天他带我了一个这个游戏 ， 我们知道有 Windows 里面不有一个那个挖雷的那个程序 ？ **Koji 杨远骋** [4:44] 扫雷 ， 对 ， 扫雷的那个程序 。 好 ， 然后我们接下来这个就开始聊 Agent Infra。 我们第一个问题呢 ，是想请二位给大家科普一下， 什么是 Agent Infra， 尤其是这个它和传统的 AI Infra 有什么样的关系 ， 差异点又在哪里 ？ ### Agent Infra全景 **张献涛** [5:00] 首先先回答后半部分 ， 就 AI Infra，因为这个可能大家耳熟能详一点 。 就是在过去几年大家都在这个卷大模型的时候 ，其实大家会关注什么 ？ 关注我这个这个 token 的吞吐 ， 然后首 token 的延时对吧 ，以及我大规模分布式训练的这个这个效率 ， 大规模推理的这个效率 ， 还有成本等等。 这些本质上它们这些问题背后就是 AI Infra。 我怎么通过一个足够好的这个计算集群去实现训练 ， 去实现推理 ， 去实现一个甚至是这个这个我去这个部署或者是发布训练推理的这个任务那个平台 ， 这些我们怎么样把 GPU 的效率怎么把 GPU 的能力提起来 。 对 ， 所以那个时候我们可能会更关注这个这部分的 Infra。 它不完全是 Ice， 它可能会 Pass 什么对吧 ，因为我这个模型还有很多企业会拿这个模型去做 fine-tune 的 ， 比如现在很多开源模型 ， 那个我们统称为 AI Infra。 那么那个时候它最后它聚焦到的是实现一个 model service。 对 ， 那么到今年大家会关注的是上层应用的搭建 。在这个 Agent Infra 的时代 ， 当过去的那个 model service 都变成 Agent Infra 一部分 ， 那我们为了把一个 Agent 应用搭建起来 ， 它除了那个 AI Infra 还有很多其他一个组件对吧 ， 刚刚那个我们那个大家提到的那个 ， 比如 Tool Use、Memory 等等 ， 它们都是 Agent Infra 的一个重要组成部分 。 **Koji 杨远骋** [6:21] 我觉得 Agent Infra 这个词能够被整个业界所共识 ， 那也是因为说它其实也和我们传统意义上的这个 Infra 是有一定的相同的理念 。 比如在算力层面的话 ， 我们要给比如像 Agent 要做一些执行性的动作的时候 ， 比如像刚刚你提到的 ， 它要执行一些代码 ， 或者说它要去浏览一些这种网页啊 ， 那这些其实都需要算力 。 这个算力的提供其实也非常关键 。 还有一个就是存储对吧 ， 那存储的话类似于我们经常提到的在 AI 领域 ， 像上下文的这种长期记忆 ， 那这些能力其实都要去提供 。 像网络 ， 那我觉得网络其实在 Agent Infra 里面 ， 我们可以认为它是连接了更多的这种各种各样的能力 。 比如我们经常提到的一个词叫 MCP，其实你通过 MCP 可以连接更多的工具进来 ， 能够让 Agent 能够通过这些工具去做它以前可能以前可能大模型是聚焦于思考 ， 那现在通过这些工具 ， 它可以实质性地付诸去做一些这个具体的工作 。 那 Agent Infra 为什么在今年， 为什么在这个时点它成为了一个大家的共识 ？ **Ronghui** [7:32] 去年的话 ， 世界人工智能大会上面大家可能讨论的更多的还是大模型对吧 ， 或者说模型的一些 chatbot 相关的一些能力 。 春节之后像 Manus 那个当时爆火了之后 ，其实整个这个业界都在讨论的是通用 Agent 应该怎么去构建 。其实在这个时间点上面 ， 我安陈啊 ， 还有另外一个同事 ， 我们也去受邀参加了美国这个英伟达的 GTC 大会 ，也让我们看到了美国那边在做的 Agent 相关的公司越来越多 ， 甚至英伟达投资的所有的公司几乎都在讲自己的 Agent。 但是我们觉得我们应该是赋能像 Manus 这样的公司 ， 我们应该做一层 Agent Infra， 让这些公司在构建自己的 Agent 时候更加高效 。 所以我们基本上连夜开了个会 ， 开了个会调整了产品的方向 ， 然后结合阿里云在计算存储网络基础设施方面的能力 ， 我们确定了这个今天 Agent Bay 这样的一个研发方向 。 那我觉得经过过去这个四五个月的这个团队的共同努力 ， 我们上周也在这个世界人工智能大会期间也发布了这个产品 ， 这个内外部的反响还是非常好 。 **Koji 杨远骋** [8:39] 我们待会可以展开聊一聊 ， 就是无影 ，因为其实你们也是一个非常成熟的事业部 ， 然后有一个这个增长很好并且收入利润都很好的主要的业务 ， 然后在这样的一个情况之下， 还能够一夜之间就是开了一个会连夜就转型了 ， 一个很大的一个转弯 。 那我们待会想要这个展开聊一聊这个中间的一些管理上的决策啊 ， 或者战略上的思考 ，但我们还是先回到来聊 Agent Infra。 那可不可以再请二位跟我们科普一下， 就是当我们聊 Agent Infra 的时候 ， 这个里面一般有哪些主要的组成部分 ， 然后他们一般这个又稍微展开一下 ，他们意味着对一个 Agent 来讲是什么样的这个价值 ？ **张献涛** [9:20] 当我们在讨论一个 Agent 的一个设计或者说部署的时候 ， 我们有一些有一些那个名词听起来你会有似曾相识的感觉 。 大模型很像以前的一个 CPU， 然后呢那个长期记忆跟短期记忆是比较像以前这个所谓的内存还有存储对吧 ， 它这个临时的缓存和长期存储 。7 月份的时候很火的一个概念叫 Context Engineering 对吧 ， 然后那个记忆的管理 ， 然后那个任务的编排 ， 包括沙箱对吧 ， 我们这个主页 ， 然后还有一些 Multi-Agent 的架构 ， 包括一些这个工具的使用协议等等。 这些其实之前并没有一个人站出来说它就是长这样的 ，但是呢大家默默的都不约而同走向了这些方向 。 这些赛道上逐渐都出现了一些玩家 ， 逐渐的成为一个行业的一个标准的一个范式 。 **Koji 杨远骋** [10:07] 然后我们刚才提到的这个赛道 ， 我们来这个盘点一下哈 ： 第一是记忆 ， 第二是这个工具的使用 ， 第三是任务规划 ， 第四是这个沙箱我们可以叫 ， 然后第五是多 Agent 之间的协作 ， 然后第六是这个安全隐私 。 对 ， 我们稍微每一个我们争取来展开一下 。 那我们先说一下记忆 ， 就在记忆的这个 Agent Infra 的赛道 ， 二位关注的比较多的这个公司和产品可以分享一下吗 ？ **Ronghui** [10:37] 对 ，其实像记忆这个领域 ， 像有个 MemoryZero 这家公司 ，以及 MemoryGPT， 我觉得做的还是相对来说比较有特色的 ，也是这个这个领域里边做的相对来说比较深的 。 像 Tool Use 的话 ， 像算力部分我们看到的像 E2B 啊 ， 还有像这个 Browser Base 啊 ， 这些公司其实要就是类似于像 Computer Use 和 Browser Use 领域 ， 我觉得做的比较好的 。 像 Task Planning 更多的还是说你今天你的模型啊 ，在这个领域你的智能化程度对吧 ， 那当然也结合一些比如像提示词工程啊 ， 这些方面的一些能力 。 这个领域其实各家都在做 ， 很难说哪一家做的比较好比较深入 。 **张献涛** [11:21] 对 ， 关键其实我理解更多是编排吧 ， 一个是编排 ， 一个是协议 ， 就是因为当你去定义 ， 就大家其实现在看到 Agent 都是 Multi-Agent 一个架构 ， 然后你怎么去定义 Multi-Agent， 就写作一个工作流 。 那有些业界比较常用的一些框架的 ， 比如 Run Graph， 或者是你也可以去用 OpenAI Agent SDK 对吧 ， 然后我们自己其实也有 ， 只是我们没放出来 ， 我们自己也是纯自研的一套 Agent 写作框架 。 对 ， 这是一个 。 另一个的话可能就是像那个谷歌那个 A2A， 它本质上也是想定义一个 Agent 协作的一个范式 。 对 ，不过它实现上会更激进一点 。 对 ， 这是一个 。 然后在安全领域的话 ， 我觉得某种意义上我们现在做的这个产品也算是一个安全相关的一个产品 ，因为代码的这个执行 ， 你需要一个云端的一个隔离的环境来做 ， 跟比如说多租户之间的这个安全隔离 ， 还有对本地的那个零侵入 。 对 ， 这是一个 。 另一个现在业界有一些比较好的公司在做什么 ？ 在做这个代码的这个安全围栏对吧 ， 然后包括一些就是在国内的这个就是这个比如说这个敏感保护等等。 **Ronghui** [12:23] 对 ， 我觉得这个领域里面还有一点比较值得关注的就是这个生态的管理 。 比如就像我们经常看到的在 Computer Use 阶段 ， 当一个 Agent 操作电脑 ， 然后去访问不同的网站的时候 ， 这些网站怎样才能够通过生态管理做到自动化 ， 自动的认证啊 ， 这些其实这些领域还是非常值得研究 ， 我们也在布局这个领域 。 **Koji 杨远骋** [12:45] 我们前面提到的这么多的这个 Agent Infra 目前的细分的这个赛道 ， 你们会认为其中有哪一环是最重要的吗 ？ **张献涛** [12:53] 其实都很重要 ， 尤其是对于 Agent 的开发者来说 ， 你会发现任何任何一个组件都是刚需的 。 比如说沙箱可能对于用户来说 ，他们尤其是一个 coding 的一个沙箱 ， 很多用户可能是感感知不到的 。 然后比如说像 Memory 这个是大家都所有做 Agent 的工作都一定一定会遇到挑战 ，因为你有上下文窗口一个限制 ， 你要用户对于效果或者说这个 Agent 执行的这个任务成功率的这个要求 。 所以说大家都不约而同的会去找一些 Memory 这个组件 。 所以说我理解这里面可能没有一个优先级的先后 ，但是大家在感知上 ，在实现上是有一个先后的次序的 。 **Koji 杨远骋** [13:29] OK， 所以你们观察到这个今天 Agent 的开发者 ， 我们刚才提到的这些 Agent Infra 的各个组成部分 ，他们绝大多数是会自研 ， 还是几乎全部都会去考虑这个用三方的服务呢 ？ **Ronghui** [13:41] 就是其实在 Agent Infra 这个概念没有生成之前 ， 我相信各家做 Agent 你就会发现每一家可能都想垂直的把这个事情给打破 ，但是你会发现其实还蛮难的 。 就像刚刚这个开头讲的对吧 ， 你如果一个员工如果进去进到一家公司 ， 如果从桌椅板凳到网线到电脑都要自己去操持的话 ，其实效率还是蛮低的对吧 。 这也是至于我觉得 Agent 能够快速爆发的一个问题点 。 所以从这个点上来讲的话 ， 如果说我们能够提供一个非常好用的这种 Agent Infra，Agent Infra 里边的这各个组件的能力都可以很系统化的 ， 或者说这个非常高效的能够提供给这些 Agent 厂商的话 ， 那他们在开发 Agent 的时候相对来说变得容易很多 。 **Koji 杨远骋** [14:25] 明白 。 **屈立威** [14:26] 就是又要跑步又要修路是很难的 。 **Koji 杨远骋** [14:29] 对 。 **屈立威** [14:30] 那你们就是比如说接触的这些 Agent 的客户 ，他们在选这个 Agent 服务的时候 ， 你觉得他们最看重的是什么 ？ 就是既然每一个环节都很重要的话 。 **Ronghui** [14:40] 其实每一家关注点我们看到还确实不太一样 。 国内某大模型厂商他们也在打造自己的 Agent， 那底层最早的话 ，他们也是自己去构建这个一个虚拟的代码执行环境 ， 或者 Browser Use 呀 ，Mobile Use 呀 。 但是你会发现他们做了一半的时候 ， 当他们发现比如我们有 Agent Bay 的时候 ， 或者说有这样一个好用的 Agent Infra 的时候 ，他们马上会切过来 。 因为它需要的是说怎样能够提供 20 万级甚至是 40 万级级别的这种并发 ， 虚拟机的并发 。 那对于一家模型公司来讲的话 ， 它的能力不在于这个 。 那也有一些就是我们看到 ， 比如就像某汽车公司 ，他们在打造智能体的时候 ，因为他要记住这个司机他的一些以前询问过的各种问题 ， 所以他就要在这个长期记忆方面有非常强的诉求 。 比如我们也基于我们的相量数据库去搭建这种长期的记忆系统 ， 能够让他们的用户在使用他的这个智能体的时候 ， 可以做到长期的这种记忆的能力 。 **Koji 杨远骋** [15:46] OK。 **屈立威** [15:47] 就是你们 customize 定制的能力很强 。 **Ronghui** [15:50] 其实我们提供的是通用能力 ，但是每一家公司在做自己的 Agent 的时候 ，他最关注的那个点可能不太一样 。 **Koji 杨远骋** [15:57] 那在我们刚才提到的这些模块里面 ， 你们有认为其中哪一个模块它长期非常重要 ，但是在今天很容易被 Agent 的这个开发者所忽视的 ？ ### AgentBay **Ronghui** [16:07] 对 ，其实刚才提到两点 ， 一个是生态管理 ， 另外一个就是安全 。 这两个领域的话呢 ， 就是在早期我们在做任何一件事情的时候 ，有很多公司在做一些这种系统的时候 ， 可能安全或者说生态管理啊 ， 这些可能不是他们最重要要考虑的事情 ， 可能大家更聚焦于说效率是不是最高 。 但是在云厂商其实我们是被训练出来的 ， 数据隐私保护方面对我们来讲是天然的 ， 我们这个基因里边 ， 或者说做任何一个服务都需要重点考虑的地方 。 **Koji 杨远骋** [16:38] OK， 了解 。 这是某种这个做云服务的肌肉记忆 。 **Ronghui** [16:42] 是的 。 **Koji 杨远骋** [16:42] 因为如果一旦出问题的话 ， 它带来的这个是灾难性的后果 。 **Ronghui** [16:46] 是的 。 **Koji 杨远骋** [16:47] 我们再来聊一下阿里云做的这个 AgentBay 这个事啊 。 我们知道其实整个这个 Agent 的元年其实带来了一系列和 Agent 和 Agent Infra 相关的创业机会 ， 然后你们是怎么想到要做 AgentBay 的 ？ **Ronghui** [17:02] 是 ，因为随着大模型的发展 ， 或者说 Agent 的发展 ， 我们也看到是说 Agent 它也需要有一些比较趁手的工具对吧 ， 就像人使用电脑和浏览器 ， 可以获得更多的信息一样 ， 可以提升自己的效率一样 。 那当给大模型或者智能体配上电脑 ， 或者配上浏览器这些方面的能力的时候 ， 我们相信它可以获得的能力 ， 那其实是更强的 。 所以最早我们是在想打造的类似于像 Computer Use、Mobile Use 以及 Browser Use 这些类似的这些简单的能力 。 但是随着我们做的深入 ， 我们也发现客户对于这些基础能力是需要 ，但是远远还不够 。 这就是为什么我们做着做着发现 ， 客户对于长期记忆的需求 ， 对于生态管理的需求 ， 对于安全的需求其实都是存在的 。 所以把这些能力规划出来给做出来 ， 这成为了我们第二阶段其实更加聚焦的一些事情 。 **Koji 杨远骋** [17:59] 明白 。 我们知道的 E2B 也好 ， 或者 Browser Use 也好 ， 或者 Run Graph，他们都还是是就是只做自己的一个垂直领域啊 ， 好像只有比如说 AWS 的 AgentCore 和咱们 AgentBay 才会是这个 。 **Ronghui** [18:12] 相对来说比较系统化的来规划这个事情 。 **Koji 杨远骋** [18:15] 对 ， 十项全能每个我都要做 。 那这个你们有感觉到就是注意力被稀释 ， 就是可能没有办法在某些垂直领域和这种专门的 startup 去打吗 ？ 你们怎么看这个问题 ？ **Ronghui** [18:27] 我们一直觉得 to be 的业务它是一个长期赛道 。 所谓长期赛道就是在各个领域都是一个相对来说比较长期的投入 ， 我们很难说在很短的时间内把各个领域都做得非常非常的好 。 但是我们要做的是相对来说能力比较均衡 ， 每一个领域它可能都处于一个中等偏上 ，但是呢加到一起它的整体的能力会非常强 。 那并且这些组件之间 ， 我们希望它是一个系统化的东西 ，而不是完全割裂的 。 **Koji 杨远骋** [18:58] 那咱们如果面临着比如说我们做的这个沙箱 ， 去和 E2B 去比较 ， 那咱们的这个沙箱比起它有哪些差异 ， 或者有哪些优势呢 ？ **张献涛** [19:08] 如果要回答这个问题 ， 我首先先回答杨老师您上一个问题 ， 就是现在业界这种在垂直领域里面做的比较好的 startup，他们更多面向什么 ？ 面向是头部的开发者 ， 就相当于我牛逼的这个 AI 公司或者是 Agent 公司 ，他们有能力自己去拼凑不同的积木 ， 搭成一个自己的一个复杂的这个应用系统 。 但是云计算厂商其实本身想做的东西是不会的生意 。 我们希望说把这些复杂的组件最后都变成一个这个一个低代码的 ， 或者是一个就是说中小型创业公司都能够很容易把它搭建起来一个平台 。 所以说这是我们跟他们那个定位的差距 。 所以说再回到您这个问题的时候 ， 第一个我觉得应该是应用性会更简单一点 ， 我们面向很多的中小开发者 ， 所以你会看到我们这个产品一上来我们先干啥 ？ 我们先支持 MCP 对吧 ？ 第二个的话呢 ， 就是我们的这个产品的相对来说完整性会更强一点 。 所以说您会看到我们的沙箱里面 ， 除了这个就是这个纯 code 的环境 ， 我们其实还有着 mobile 的环境 ， 把 browser 的环境 ， 然后我们还上传 agent service 底下的统一的自救化系统 ， 包括未来可能会出现的这个 memory、context 等等 ， 它相对来说是完整的 。 所以说对我们的这个客户来说 ， 它可以在这个本质上它可能就不是一个垂直的一个产品了 ， 它可能是个平台了 ， 对 Agent 建设平台了 。 所以说这是第二点完整性上 。 然后第三个呢 ， 就是我们可能会更关注一些就是长远的 Agent 的发展方向的一个组件 ， 比如说你像那个当前可能一些头部的开发者 ，他希望你给我个原子化的一个沙箱 ， 至于这个沙箱我怎么去感知跟控制 ， 那是交给我来干的 。 这个例子比如说我是 Manus， 你给我个云上的一个环境就好了 。 但是未来大家会发现就是随着你接触的这个 SMB 的开发者越来越多 ，其实他们希望说我虽然是个 Multi-Agent 的架构 ，但是我不想去管理你那个沙箱里的这个 Agent， 所以就要求你把这个 Agent 再往上再粗项一层 。 然后呢 ， 我们这个 service provider 你自己去提供这个环境的一个超强的一个感知和控制能力 ， 所以就要求我们再往应用层再走一走 。 我们举个例子啊 ， 比如说我现在给您一个 browser 的这个容器 ， 您自己来调度它 ， 那可能最简单的您可能会去装一个那个比如开源的 Prevoy 对吧 ， 然后通过那个 DumpTree 等等来做这个可视化的操控 。 但是您要知道在一个浏览器环境里面 ， 你不是说通过 DumpTree 就能拿到所有内容的对吧 ， 比如说你现在建的是一个 iframe 或者一个视频 ， 那么对模型来说 ， 你如果只有文本的输入来说 ， 它就抓瞎了 ， 它不知道当前这个画面发生了什么 。 所以作为一个提供了 browser use 的一个我们这种 service provider 来说 ， 必须要结合一个多模态的模型 ， 才能把这个 agent service 提供给你 。 我要能够去自己去研发去组装一个模型 ， 能够感知到当前浏览器的画面正在发生什么 ， 我要有多模态的这个输入 ， 我还有多模态的输出 ， 然后呢才能帮我的这个最终的这个提升我们的这个 customer， 这整个环境的这个驱动 ， 还有感知完整给做出来 。 **屈立威** [22:11] 那感觉从战略上是你们更强调普惠 ， 更看重 SMB 客户 。 **Ronghui** [22:17] 是的 ， 比如所有的能力我们都以 API 的形式对外去开放 ， 那开发者可以很简单的通过 API 的简单调用 ， 就可以获得相应的一些能力 。 **屈立威** [22:25] 对啊 ， 符合阿里的风格 ， 让天下没有难做的 Agent。 **Koji 杨远骋** [22:31] 我们知道 AWS 也推了 AgentCore 嘛 ， 怎么看这个 AgentCore 和 AgentBay 你们的这个定位啊 ， 或者一开始的这种优先级的选择啊 ， 可不可以给大家讲一讲你们的相同和不同 ？ **Ronghui** [22:42] 因为 AWS 发布 AgentCore 之后， 我们其实大概是在 4 月 7 号在我们的一个峰会上面发布了 AgentBay，但是在那个阶段更多的还是一些概念性的东西 ， 产品设计相关的一些东西 ， 我们也是做了一些简单的能力给到外部的一些客户去用 。 到这个世界人工智能大会期间 ， 我们发布了商用 ， 那更多的是让这些中小型开发者可以通过我们的官网可以使用一个正式的产品 。 当然同期的话 ， 我们也看到 AWS 发布了自己的 AgentCore， 发布了之后我们也进行了一些分析 ， 我们发现云服务厂商其实在看 Agent Infra 的时候 ， 大家的观点还是蛮一致的 。 从产品的能力及对应的接口的定义 ， 到这个整个产品的布局 ， 我们来看到的话几乎相似度还是非常高的 。 **Koji 杨远骋** [23:32] 你有感觉到这个 ， 比如说 AWS 也好 ， 或者火山也好 ， 或者其他的云服务厂商也好 ， 谁在这个 Agent Infra 上投的力量是最大的吗 ？ 就是资金 、 团队规模 ， 就是或者一号位的大老板的决心等等 ，有这种感知吗 ？ **Ronghui** [23:52] 这个因为 Agent 是一个对业界来讲是 AI 的一个重要的一个应用方向 ， 那各家公司其实在这个领域 ， 我相信啊 ， 都是会非常非常重视的 。其实在阿里云内部的话 ， 就是吴妈啊 ， 我们 CEO 其实对于 AgentBay 啊 ， 对于 Agent Infra 这件事情还是非常非常关注的 ， 尤其是在今年年初 ， 我们这个我们全员启动会上 ，他重点就提到了 Agent Infra 这件事情 。 那我们上周其实也和这个我们产品发布之前啊 ， 我们也和这个吴妈进行了这个新一轮的汇报啊 ，他其实对整个 AgentBay 当前的进展还是非常满意的 。 那其实在这个领域的话 ， 这个我们这周也看到了啊 ，在这个领域其实老板还是很舍得投入的啊 ， 这周又给我们加人加钱加资源对吧 ？ 那我觉得对 ， 我觉得在这个领域的话 ， 那阿里云内部其实在这个层面 ， 我觉得从一号位到我们各个事业部啊 ， 到具体的知情的同学 ， 大家也都是非常看重并且认可这是一个正确的方向 。 **Koji 杨远骋** [24:52] 为什么这么看重呢 ？ 是因为觉得这个事情它是一个防守策略 ， 还是这是一个进攻策略 ？ **Ronghui** [24:57] 其实我相信从一号位的视角来看的话 ， 这可能还不是把它看成一个生意 ，而是更多的是说今天 AI 在应用的过程中遇到的这些问题 。 如果说云服务厂商 ， 比如你有资源 、 有资金 、 有能力 ， 你不去构建这个能力的话 ，其实它会影响 AI 的整个进程 。 我再补充一点 ， 就是老板虽然给我们加了这么多的人， 加了这么多的资源 ，但是从来没有给我们提过说你们要营收多少 ，而是说有多少客户在用这件事情 。 **Koji 杨远骋** [25:27] 这个很有意思 ，因为本来我们下一个问题就是想问说又加钱又加人又加资源 ， 那 OKR 有没有加 ，KPI 有没有加 ？ **Ronghui** [25:35] OKR 这个确实啊 ， 这个是没有加的啊 ， 这个老实讲是没有加的 ，因为我们在这个阶段的话呢 ， 我们对于 AI 的判断还是处于一个相对来说比较早期的阶段 ， 还是需要更多的像阿里云这样的公司大家一起参与进来 ， 把这个整个的生态能力给构建起来 。 **Koji 杨远骋** [25:53] 所以你们看的一个比较主要的这个数字或者一个指标是有没有更多的人在用咱们的服务 ，是 ，而不是他在这个时候就为这个服务付了多少的费用 。 **Ronghui** [26:02] 是 ， 钱不是永远不是考虑的 ， 这钱目前肯定是也不是 。 **Koji 杨远骋** [26:08] 对 ， 所以我想象你们可能也不需要这个帮阿里云去卖云服务对吧 ？ 这个也不是一个一个指标 。 **Ronghui** [26:14] 这个肯定是没有的 ， 没有这方面的指标 。 **屈立威** [26:17] 那这个 AgentBay 在阿里云的 AI 的整个的这个战略里面 ， 它是一个什么位置 ？ **Ronghui** [26:23] AgentBay 其实我们可以看到哈 ， 就是其实在过去的两年， 我们看到大家都在卷积木对吧 ？ 但是 AI 怎样能够用好 ，其实 Agent 是一个很重要的方向 。 所以在整个 AI 的大图里边 ， 我们是一个承上启下的作用 ， 即使能够把我们的模型能力怎样通过 Agent Infra 对外去开放 ， 当然上面的话 ， 我们可能还会构建一些像 Agent 的开发框架 ， 能够让更多的用户在开发 Agent 的时候可能变得更加简单一些 。 ### 安全与并发 **Koji 杨远骋** [26:52] 然后我们上周有去参加一个直播 ， 就是周鸿祎他在直播做一个新产品的发布 ， 然后叫纳米的这个智能体蜂群 ， 然后他里面就讲到了一个他们在做 Agent 的时候的选择是没有选择云端沙箱 ，而是选择这个本地 。他提到一个非常重要的点 ， 就是他觉得云端沙箱不安全 ， 一个用户把自己的密码也好 ， 个人身份认证信息也好放到云端 ， 这个会有可能出大事 ， 所以 他们就这个选择本地 。 这是感觉听起来他一个做安全的老炮 ， 就是非常坚定的一个路线选择 。 所以想问问看二位 ，因为 AgentBay 的这个沙箱就是云端的 ， 然后你们刚才也提到其实这个阿里云也好 ， 或者你们之前的从业经历也好 ， 都是把安全放在最高优先级的 。 这里可不可以讲一讲 ， 就是你如何让开发者们相信说咱们 AgentBay 的这个云端沙箱它就是非常安全的 ？ **Ronghui** [27:47] 其实这个本质上就是云能不能提供一个更加安全的环境 。 我大概是从 05 年开始做云计算相关的一些技术研究 ，14 年加入阿里云 ，其实我最早其实对云的认知哈 ， 对 Cloud Infra 的认知 ， 我也觉得说是不是把自己的数据啊 ， 自己自建一个数据中心放在自己的数据中心可能会更安全 。 到我加入阿里云之后， 我觉得第二年其实改变了我的一些认知 。 那我当时遇到了一些客户或者遇到了一些问题 。 因为在自己的线下数据中心的时候 ，他们发现自己开发一个新游戏 ， 今天发布 ， 可能对手用那个时候用比特币啊 ， 用一个比特币可能都不需要 ， 买了 5GB 的流量就把你的数据中心 ， 把你自建的数据中心给你打垮了 。 但是他在阿里云上， 阿里云上的这种抗 DDoS 的能力是超级强的 。 那在这种情况下， 这个很多的游戏厂商都纷纷把自己这个游戏的基础设施迁移到云上 。 公共云最大的和这些线下所建立基础设施不一样的能力 ， 就是它在不断的迭代 。 我们知道只要是软件 ， 只要是系统 ， 它可能都会存在漏洞 。 但是云的厂商 ， 比如像我们大概有几千人的上级 ， 两三千人的这种安全的团队 ，在去实时守护着这些数据的安全 。 但是如果说你一家企业自建一个数据中心的时候 ， 你会发现你可能招不到这么 ， 首先招不到这么优秀的安全方面的工程师 ， 另外一点的话 ， 你的成本会是极高的 。 你为了保护一个你线下的数据中心 ， 你要投入是巨大的 。 你刚刚提到的这个案例里面 ，其实我不是特别 ， 我不认同啊 ， 原因是因为我真正的在做了这十几年的云计算之后， 我是深刻的感受到公共云可以提供一个企业所提供的这点安全能力要强得多的安全能力 。 **Koji 杨远骋** [29:42] OK， 那我理解这里面有一个不同在于说这个它用云端的沙箱和用本地的沙箱 ， 它本地沙箱并不是本地云 ，而是就是用户自己的这台电脑而已 。 **Ronghui** [29:52] 是 ， 我觉得这里边有 ， 首先我们先从能力上来讲啊 ， 我觉得再来看安全 。 首先从能力上来讲 ， 如果使用本地的沙箱 ， 就像前几天那个 Manus 的创始人肖红讲的 ，他可以同时调 100 个这个做 Agent。 **Koji 杨远骋** [30:06] Wide search。 **Ronghui** [30:07] 对 ， 做 wide search。 那这种工作的话 ，其实很难在本地电脑上来完成 。 那这个其实只有靠云 。 当然我觉得这这是第一个层面啊 ， 我觉得从能力来讲的话 ， 这个本地运行在本地 ，其实尤其是随着 Agent 这个技术的发展 ， 看来是不太现实的 。 另一方面 ， 就是假如运行的云端 ， 我们提供了哪些方面的安全能力 ， 那其实从沙箱的整体的设计到我刚才讲的整个 Agent Infra 层面的安全这个架构来来讲的话 ， 那我们其实提供了端到端的这种安全数据保护的能力 。 那就像你比如把钱是放在自己家里面还是放在银行里面 ， 安全其实是一样的 。 那云厂商 ， 任何一家云厂商 ， 数据安全都是生命线 ， 都是生命线 。 所以云厂商都会投入大量的这个人力资源啊 ， 安全方面的资源去确保这件事情不会 ， 你的数据不会被泄露 ，不会被别人看到 。 **Koji 杨远骋** [31:04] 那这里其实也是一个路线的选择吧 ，有些人会觉得放在本地 ， 还有一个好处是不用登录的时候让用户提供新的用户名密码 ，因为他就是自己的浏览器本来就存着 cookie。 所以你们现在要怎么说服 ，因为我相信这里面路线可能 Agent 的开发者还是会有一些选择的 ， 你们会怎么说服他们进来 ？ **Ronghui** [31:23] 是 ， 就像你刚刚提到的 ， 像这个比如浏览器 ， 我可能里边有很多 cookie， 保留存了很多用户名和密码 。其实在这种程度上， 你其实选择向性的是操作系统服务厂商和 browser 的这个厂商 ， 对吧 ？ 因为操作系统厂商和 browser 厂商肯定是可以拿到这个数据的 ， 对吧 ？ 但是为什么我们今天去向性微软或者向性谷歌不会动这些东西 ， 为什么不可以去选择向性一家云厂商呢 ？ 对吧 ？ 只不过数据是你觉得说存在本地安全 ，但是其实我们可以看到本地电脑上面 ， 比如你的系统里面可能有木马呀 ，有病毒啊 ， 这些方面的一些东西更容易造成泄露 。 而今天你把这些厂商托管到第三方一个安全的保险库里边的时候 ， 你会发现那个地方的环境相对来说比较单一 ， 比较纯粹 。 **Koji 杨远骋** [32:09] 还有一个说法就是云端沙箱是我不管在上面跑什么代码 ， 跑崩了是他的事 ， 我本地是安全的 。 **Ronghui** [32:15] 有一个段子说 ， 一前一位是段子 ， 就是他在本地的沙箱里边 ， 可能因为这个模型主动去删除了一个目录 ， 原来我一直以为是段子 ， 我前几天才知道这是真的 。 因为他在做完一件事情的时候 ， 模型其实发了一条命令 ， 就是把一个目录给删掉 ，但是他真正的把这台电脑的目录给删掉了 。 但是这在沙箱里面其实是没有问题的啊 。 **Koji 杨远骋** [32:41] OK，因为云端的沙箱删了之后， 这个沙箱反正它可以对再恢复嘛 ， 或者它是虚拟的 ， 它不会伤害到你本地的这个你自己的个人的文件啊 ， 或者你存的隐私信息等等。 那比如说我们正好刚才也说到了 Manus 上周发的这个 wide search，也看到这个其实有一个趋势 ， 就是去年大家还觉得这个 token 的消耗好像是不是快到头了 ， 这个英伟达的卡要卖不动了 ， 确实我们也看到在降价 ，但今年这个 Agent 一出来就发现哦 ，不是的 ， 就是能力一下子变强之后，token 的消耗是十倍甚至百倍的在增加 。 那你们有看到你们的客户 ，他们的这个高并发的能力 ， 现在最强的客户对你们的要求是达到什么样的这个级别吗 ？ **Ronghui** [33:25] 就像我刚才提到的国内一家做 Agent 的厂商 ， 我们提的是在就是在这种日常啊 ， 像白天大概要做到 20 万的并发 ， 就是 Session 要做到 20 万的并发 ， 就是这个数字的话 ， 我觉得还是挺让我们惊讶的 。 因为这个当然我们仔细分析了之后， 确实还是非常合理的 。 因为它的比如它是一个 APP， 对吧 ？ 或者说它是一个应用程序 ， 那它的用户有多少 ，其实决定了你的并发上限 。 **Koji 杨远骋** [33:55] 这 20 万是说 20 万用户一起发出 Agent 任务 ， 还是有可能背后只有比如说 1 万个 Agent 任务 ，但是它会再发 20 个 ， 分别发 20 个子任务 。 **Ronghui** [34:04] 对 ， 这个是并发的这个子任务 。 **Koji 杨远骋** [34:08] OK， 那这个确实这个感觉会飞速的增加 。 **Ronghui** [34:13] 是的 。 **Koji 杨远骋** [34:13] 因为 Manus 的 wide search 的案例全是一个主任务 ， 一下子开支散页出 100 个 、200 个子任务出来 。 **Ronghui** [34:20] 这个我们也相信 ， 这是未来整个通用 Agent 发展的很重要的一个方向 。 **Koji 杨远骋** [34:25] 那感觉上这个也挺赚钱的 。 **Ronghui** [34:30] 我们确实就像刚才所讲 ， 还没有考虑到赚钱 ， 我们怎样能够把产品的功能能够更好的满足像 Manus 这种企业所需要的能力 。 **Koji 杨远骋** [34:39] OK， 所以现在没有一个非常明确的这个收费模式上的一个定论是吗 ？ **Ronghui** [34:43] 我们也看了一些这个领域 ， 当然我们其实在构建这个产品的时候 ，其实目前阶段还是怎样能够把产品的能力给做出来 ， 能够满足这么多的 Agent 的开发的需求 。 但是长期来讲的话 ， 我相信它肯定还是一个商业行为 。 **屈立威** [35:00] 未来这个领域有可能出现什么新的商业模式吗 ？ 就是以前你们的收费方式跟以后会有什么 ， 比如说根据客户的需求的一些在这个时期的一些变化 ， 会有什么不一样的 ？ **张献涛** [35:11] 当前我们做一个云计算公司的话 ，其实我们更多的是应该说是不能说路径依赖吧 ， 反正我们从设计计费上还是一个以算力为主的一个售卖模式 。 说白了就是你买我多少资源 ， 比如说你要你这个 Manus 你要给我开 100 个并发 ， 那我就收这 100 个沙箱的钱是吧 ？ 但是我理解啊 ， 就是以后可能我们会更像一个会走向应用层的一个收费 。 当举个例子 ， 当您的这个需求过来的时候 ， 我可能提供的不只是一个算力环境或配套的一些其他的模块 ， 比如说我可能有一些多模态的模型的推理的一些成本 ， 对吧 ？ 可能有一些就是你这 100 个并发的这个沙箱里面怎么去做状态一致化管理的这个成本 ， 一大堆的东西加进去以后， 那算力可能在里面就是个很 minor 的一个成本了 。 那这个时候我们可能就是个服务化的一个收费模式 。 **屈立威** [36:00] 那你们现在有感受到这个客户的需求 ， 它的一个曲线大概是什么样子 ？ **张献涛** [36:06] 非常指数的一个曲线吧 ， 就是我们 。 **Ronghui** [36:11] 其实你可以看到它这个倍增了 ，其实每天都会有非常多的用户进来 ， 非常高的并发能够上去 。 所以今天早上在来之前 ， 我们还开了一个会 ， 怎样能够让我们做到全球资源的调度 。 ### 增长与转型 **Koji 杨远骋** [36:24] 因为听十字路口的播客的这个朋友 ， 很多都是创业者或投资人， 对我觉得听到这里 ， 然后你们讲到指数增长 ， 我觉得所有人肯定都想问一个问题 ， 就是你们看到的除了通用的这种 Agent 之外， 有在哪些垂直的领域 ，不管 2B 的还是 2C 的 ，有看到哪些增长的非常快的这样的这个 Agent 吗 ？ 对 ， 哪些领域吗 ？ 因为这对大家来说就意味着投资机会或者创业机会 。 **屈立威** [36:48] 卖水的公司肯定感受的非常明显 。 **Ronghui** [36:51] 我们以前做云计算有一个说法 ， 就是你可以很清晰的看到整个业界各个行业的变化 。 **张献涛** [36:58] 是的是的是的 。 我们现在就是 首当其冲的是通用 Agent 还有 Coding Agent， 这个大家作为消费者也能感受到 ， 对吧 ？ 就是他们是 Coding Agent 可能是商业化或者商业模式相对成熟的范围也是最广的 。 然后第二通用 Agent 呢 ，是从 Manus 发布了以后， 所有的这个厂商都在做改造的一个方向 ， 这两个是大家都能感受到 。 然后其次的话呢 ， 基于这些 Agent 通用这个框架 ， 或者说它的整个 Infrastructure 逐渐成熟了以后， 我们能看到很多传统的这些一些应用也在做 Agent 的话的一个改造 。 更多的当前是可能是企业内部的 ， 这个消费者可能感受不到 。 举个例子 ， 比如说我们 ， 比如说一些电商企业 ， 电商企业传统的业务上有大量的自动化的工作在 ， 比如 RPA 的工作 。 举个例子 ， 比如说您是个运营 ， 你要做这个多平台的底价 ， 对吧 ？ 或者说这个产品的上架呀 ， 主图的设计啊等等 ， 很多以前这些大量的重复性的工作流 ， 现在都用 Agent 去改造了 。 包括我们现在接的很多大客户 ，他其实他不是说集成 Agent 被去提供一个对外的 service，他更多是内部的 OA 的自动化 ， 或者说这种重复性的工作的自动化 。 所以它可能体现在什么 ？ 体现在自动化运营上， 体现在财务的一些重复性的工作上， 然后一些内部的客户上等等的 。 这个是潜移默化的 ， 它是在一个大企业内部的一个提效的工作 ，而不是面向客户的 。 **Koji 杨远骋** [38:13] 了解 。 面向客户的呢 ？ **张献涛** [38:16] 面向客户的可能大家能够就是我能够接触到 ， 比如说 HR 的这个 Agent 的 ， 就是人力资源相关的 ， 然后呢 ， 这个金融领域的 ，有时做投资建议相关的 ， 很多人在做 。 **Koji 杨远骋** [38:30] 这个非常多人做 ，因为这个离钱近嘛 ，而且投资它是非常容易闭环的 ， 全是数字 ， 对吧 ？ 金融全是数字 。 **张献涛** [38:37] 对对对 ， 我自己前段时间都做了一个嘛 ， 这个 。 **Koji 杨远骋** [38:41] 帮你炒股是吗 ？ **张献涛** [38:42] 对对 ， 做投资 。 因为现在那个大家都知道 ， 就是消息面很重要嘛 ， 对吧 ？ 所以说这个时候你怎么去广泛的获得数据 ， 然后呢 ，AI 帮你分析 ， 对吧 ？ 这个很多人在做 ，而且这个大家都知道 ， 就是量化是离钱最近的地方 。 所以说这个投资建议相关的 。 另外还有就是民生医疗相关的 ， 对 ， 你看美国现在的这个医疗科技的那个指数发展的也很好 ， 对吧 ？ 其实就是因为大模型能够给他们创造更多的一些价值 。 **Koji 杨远骋** [39:10] 我们播客其实之前聊非常多的创业者 ， 然后其实我们蛮少有这个大厂的高管来上我们的播客的 。 所以我自己其实也有很多关于这个在大厂里面 ， 就是做业务做管理的一些问题 。 所以也希望今天这个可以请教一下旭卿 。 首先是就是我知道其实无影事业部是一个做云电脑的一个事业部 ， 对 ，而且之前和二位的交流里面我们也得知其实是增长非常快的 ， 然后也有还不错的这个盈利的一个事业部 。 所以在这样的一个情况之下， 我理解要去做转型 ， 它是需要有决心的 ， 或者说它是就是有很大的机会成本的 。 因为也可能这个就是你们选择的这个新的转型的方向 ， 它需要很长的时间 ， 需要很多的耕耘才能慢慢的看到它的回报 。 它不会像原来的业务那样 ， 可能再做一做 ， 或者全球化再做一做 ， 比较快就会有增长的数字出现 。 那到年底汇报的时候 ， 可能原来的业务它更容易出业绩 。 对 ， 所以我不知道这个是不是方便分享一下， 就你们是怎么做的如此一个这个大的一个决定 。 **Ronghui** [40:21] 我对这个 2B 业务的看法啊 ，其实呢 ， 任何一个 2B 的业务相对来说都是比较长期的 。 它不像我说我们今天去卖个手机 ， 比如你设计比较好 ， 先给某些用户的欢迎 ， 马上就可以卖爆了 。 那其实 2B 的业务永远都是一个相对来说可能长周期的投入 ， 它的见效相对来说比较慢 。 我记得很清楚的是 16 年春节之前 ， 当时马老师其实当时到阿里云跟我们讲了一件事情 。他说在阿里做任何一个 2B 的业务 ， 投资周期都是 10 年， 像淘宝从 03 年、04 年开始做到 14 年上市 ， 然后当时也举了像支付宝 ， 可能那个 06 年开始做 ， 那可能到 16 年可能相对来说 就会比较成熟 。 当然阿里云是 09 年， 当时的预测可能到 19 年做的会比较好 。 那其实我觉得从这件事情也可以反馈出来 ，其实阿里在这些这个 2B 的业务投资上面 ，其实 10 年之内基本上不会说让你一定要做到什么样的程度 ， 或者一定要挣多少钱 ，而是说在这个赛道里面怎样能够去深耕 ， 能够做出价值 ， 能够做出长期价值 ， 尤其是 。 所以我们其实我在做任何一个事情的时候 ，其实也都是以时间为单位 。 去年是这个吴妈来了之后， 把无影升级成了这样一个一级事业部 ， 然后在这个这个其实也是把它当做一个非常重要的赛道 。 我们去年把无影和大模型当做阿里云云智能集团最重要的两个战略性的产品 。 **Koji 杨远骋** [41:45] 那你今年把这个去年认为非常重要的云电脑的这个赛道就做了调整 ？ **Ronghui** [41:50] 没有 ， 这个可能是大家对这件事情的一些误解啊 ， 就是整个无影我们这几年的增长增速还是非常高的啊 ， 我们也以非常高的这个三位数在往前 ， 从业务层面啊 ， 我觉得往前去增长 。 那我觉得这个是我们这就是为什么去年我们把它作为这个终端云计算里面最重要的战略战略性的产品 ， 然后再进行推进 。 那在这个过程中的话 ， 我们知道大模型 AI 这件事情啊 ， 智能体这件事情也在发生 。 那我们就在看这个无影这个业务怎样能够和 Agent 和 AI 这件事情进行很好的融合或者结合 。 那给这个未来啊 ， 长期为无影这件事情提供更大的一些能量加持 。 那我们怎样让云电脑在大模型时代给 AI 或者给 Agent 给大模型提供一个非常好用的电脑 ， 或者说手机 ， 或者一个代码执行环境 。 那当时我们是基于这样的一个思考 ， 然后才开始去布局这样一个方向 。 就像刚才所讲 ， 真正的下定决心去做这个方向还是在 GTT 之后 。 那我们思考清楚了之后， 它和无影啊 ， 你可以认为是一个兄弟关系 ， 或者说是做的一个无影这个产品能力上， 或者是技术能力上做的一个扩展 。 当然说起来简单 ，但是真正的是说你要去做这件事情的时候呢 ， 首先要有资源 ， 要有人， 对吧 ？ 要有更多的这个人力投到这件事情上面来 。 那我觉得在过去的这个半年的时间 ， 我觉得我还蛮纠结的 ， 对吧 ？ 因为一是要保证这边的业务高速增长 ， 另外一个在保证新赛道上我们不踏空 ， 能够及时的高效的把这件事情给干了 。 **Koji 杨远骋** [43:25] 对 ， 这个挺不容易的 。 **Ronghui** [43:26] 这个确实挺不容易的 。其实内部在协调的时候你会发现 ， 哦 ， 尤其是有些同学他可能非常想做 AI， 举手报名说我一定要加入 。 有些同学觉得我现在还做的挺好的 ，并且我这边还有很重要的工作 ， 你就直接把我硬调过来了 。 当然这里边我觉得有非常多的一些权衡 ， 或者非常多的一些这个沟通啊 。 ### 管理心得 **Koji 杨远骋** [43:46] 因为我理解这里面其实有一个非常难的点 ， 就在于感觉 AgentBay 好像是一个这个未来非常光明的一个机会 。 会不会有一些还在做无影的同事就感觉比较这个失落 ， 没有被你们调到 AgentBay 了 ？ **Ronghui** [44:02] 这个的话呢 ， 领导的意思吧 ， 我相信肯定是有的哈 ， 我相信肯定是有的 。 但是总体上来讲的话 ，其实两边都是战略业务啊 ， 只不过说这个 AgentBay 可能更长期一些 ，而无影今天已经落地 ，并且也保持一个非常好的增长势头 。 我相信做两边都还是蛮有成就感的 。 **张献涛** [44:23] OK， 老板来发表个暴论 。 老板可能觉得不太方便讲 ， 就是我稍微激进一点啊 。 我觉得其实无影做云电脑这个事情一直以来也是比较 ， 就是我们我们过去我们概念叫什么端侧算力上云 ，因为我们认为这个个人用户对于算力的要求一定是你传统那个 PC 是满足不了的 。 所以呢 ， 我们过去做的事情呢 ， 很多时候是服务于特种行业 。 举个例子 ， 就这两年很多这种个人的设计师啊 ， 用那个 SD 的 ， 用 FLUS 的 ， 对吧 ？ 还有一些做那个一些做仿真的一些同学 ，他需要那种高弹性的高 GPU 资源的这些算力 ，他会跑到云上去用云电脑 。 当然还有一些这种安全的客户 。 然后呢 ，他很多时候普罗大众是没有感知的 ，但是今年你会发现不一样啊 。 今年电脑这个概念我觉得又被重构了 ， 就是我们很多人说今年是什么 ？ 是超级个体的一年， 对吧 ？ 是个人云计算的一年， 就是你个人对于算力的要求不是说传统拿个电脑就能完成了 。 举个例子 ， 我现在一个任务要跑 100 个环境 ， 那本地完全是满足不了的 。 所以说在这个时代 ， 云电脑会真正的去把端侧算力上云这个事情去实现掉 。 所以以后我们认为普罗大众所有人都需要用到云电脑 ， 这也是我们过去一年的过去几年一直在做的事情 。 然后 AgentBay 同时呢 ， 我们在服务一些 2B 客户的时候 ，其实我们也服务于云电脑 。 我们现在在打造一台就是逻辑上的云电脑 ， 这台云电脑是这样的 ， 就是第一 ， 它可以是持久化的 ， 就咱们的那个状态 ， 咱们数据都在上面 。 再其次呢 ， 它是高并发高弹性的 ， 就是这台云电脑你可以在有大规模任务调度的时候 ， 可以镜像出来 100 台 ，在云上去做大规模的任务的并发的运行 。 然后第三呢 ， 它是可以随处漫游的 ， 它是多端的 ， 比如说我今天给他手机上用 ， 明天我可以在那个 Pad 上用 ， 后天可以拿一个电脑来用 ，但我们有自己的硬件 。 最后呢 ，是它是可以通过自然语言驱动的 ， 这个是现在当前的很多这种传统的电脑可能做不到的东西 。 但是 AgentBay 我们做的事情本来就是让 AI 来使用一台电脑 ， 对吧 ？ 所以说我们认为以后就是电脑这个事情 ， 它第一它是基于云的 ， 第二它是高并发 ， 最后这个上到上到 80 岁老人， 下到 70 岁小孩 ，他都可以通过自然语言来驱动一个电脑 。 所以这个时候我们觉得他云电脑真正的是迎来他历史使命的时候 。 所以说我们传统那块业务的同学 ， 现在依然是有相当多同学是在为这个业务的升级改造去做奋斗的 。 **Koji 杨远骋** [46:50] 了解 。 **Ronghui** [46:51] 对 ， 这个本质上来讲还是个 Agent 驱动电脑 。 比如无论是我们在睡觉 ， 还是说我们在接这个大家在聊天的时候 ，其实你的那个就是 Agent 驱动的那台云电脑 ， 都可以在帮你在做一些事情 。 我们也提到了这个数字员工的概念 ， 我们希望是说一个员工可能还有一个数字分身 ，他其实在云上利用今天这个智能体的能力 ， 利用云电脑的这些能力 ，他可以在你休息 ，在你任何一个时间 ，他可以并行的帮你去干很多复杂的任务在云上啊 。 我们前几年还提到了一些说这个这个这个叫窥探共生 ， 对吧 ？ 更多的是说这个云上的这个数字人更多的是个窥击的啊 ， 这个和真实的人之间他们能够进行很多的一些协调和互动 。 **Koji 杨远骋** [47:37] 其实我理解这个二位应该从这个参加工作以来 ， 就是大量的会去各种各样的这个展会 、 技术峰会 ，但听起来就是这一次 GTC 给你们带来了非常强烈的震撼 ， 就震撼到当天晚上就要连夜定这个未来好几年的战略规划 。 这个在之前的职业生涯有过这样的感受吗 ？ **Ronghui** [47:56] 哦 ，16 年、17 年我去美国参加一个展会 ， 具体名字我有点忘了 。 那年荣企在那个会上其实是非常火的 ， 那各家公司都在谈荣企 ，并且有这么多的这个荣企相关的一些创业公司 。 但是真正的荣企跑运行在无论是物理机上面还是虚拟机上面 ， 性能都会受损 。 因为从文件系统层面来讲的话 ， 它用了 Overlay FS， 它的性能相对来说它虽然很方便 ，但是用起来相对来说性能会下降 。 那它的网络也是 ， 它的网络都是使用的最原始的虚拟网络 ， 那所谓的虚拟网络技术用软件去虚拟化的 。 那我觉得这些都会非常这个严重的啊 ， 影响这个荣企的大规模沿用 。 所以在那个点回来了之后， 我们还布局了一个新产品 ， 就是后来的那个叫神龙服务器 ，17 年正式发布 ， 到整个后来业界全 follow 我们的标准 ，在做这个 DPU 啊 ，在做裸金属啊 ， 虚拟化呀 。 ### 职业经历 **Koji 杨远骋** [48:50] 我们之前给一个朋友说这个旭卿要来上十字路口 ， 然后那个朋友说哇 ， 这个弹性计算的神级大佬 。 对 ， 然后然后当时其实我就有另外一个想法 ， 我说嗯 ， 神级大佬现在是不是要转型了 ？ 因为然后我看到这个 ，因为最近我们刚发了一期 ，其实是这个 AI 时代的程序员站在十字路口 。 因为我们发现美国最近有一个刚出来的一个数据 ， 就是今年毕业的本科的计算机学生 6.2% 的失业率 ，但是艺术学生只有 3%。 就今天学计算机的失业率是两倍于这个艺术生 。 所以当我看到说这个啊 ， 弹性计算的神级大佬 ， 当我觉得非常开心 ， 我们迎来这样一位这个重量级嘉宾 。 但另一方面我也会在想 ，其实今天不只是应届毕业生 ，其实很多人到了职场的这个中间阶段 ， 然后突然面对 AI 这么一个大的冲击过来的时候 ， 那你会有曾经感受到就是心慌吗 ？ 就觉得就是好不容易成神级大佬了 ， 怎么现在突然又来一个那么大的技术浪潮 ， 会不会改变一切 ？ 有过这样的时刻吗 ？ 就是你是怎么去理解和面对 ？ **Ronghui** [50:00] 回顾我这十几年、 二十年的这个职业生涯啊 ， 我是觉得我是一个还是相对来说比较善于思考或者勤奋思考的一个人哈 。 就是其实在一啊 ，在我我原来在来阿里之前 ，其实在英特尔工作了 9 年， 三年实习 ， 六年工作啊 ， 从 08 年到 14 年 。 **Koji 杨远骋** [50:20] 实习了三年 。 **Ronghui** [50:21] 实习了三年， 我应该是英特尔为数不多的几个实习三年的学生啊 。 因为在那个阶段的话 ，因为我当时还在读博士 ， 当时全世界都在讨论云计算到底是什么 ， 或者云计算应该往哪个方向发展 。 所以在那个阶段我非常幸运的是说 ， 我加入了英特尔的一个叫系统虚拟化的团队 ， 主要做开源技术 。 开源技术就是后来比如被用到云计算里边的这个 Zen 啊 ，KVM 呀 ， 或者 Chromium 啊 ， 这些开源项目 。 那我觉得我非常幸运加入了这个团队 。 当时和我当时和我一起去的还有另外一个同学 ，他可能啊 ， 就是不不是特别看好 ，因为这个东西用的用的人数太小众了 。 就是那个在那个阶段大家研究虚拟化技术的 ，其实整个世界上也只有 VMware 公司呀 ，VMware 和微软和剑桥大学和斯坦福大学 ，其实就这几个地方在研究这个技术 ， 可能加一块整个这个领域的技术人员不超过 100 人。 那大家有些人就会认为说他是个小众赛道 ， 毕业之后可能都不一定好找到工作 ，但是我不这么认为 。 我是觉得这个技术本质上， 我进去之后其实就有点痴迷的感觉 ， 原因就是因为原来对这个像 CPU 啊 ， 操作系统啊 ， 或者底层的这些技术就比较向往 。 进去了之后我真正的发现是说这个可以研究的领域 ， 或者说可以研究的这个技术的深度 ， 可能又又下探了很多层 。 那我觉得对我来讲吸引力比较大 。 那但是在那个阶段 ， 大家都可能对云计算呀 ， 对云计算需要什么样的技术啊 ， 更没有概念 。 但是我我是觉得它是这么高深的一个技术 ， 未来一定有重要的这个使用的方向 。 结果还没等我毕业呢 ，07 年、06 年这个 AWS 就 AWS 做云就已经出露锋芒了 。在那个点上， 全世界的人都到我们那个团队去挖人。 我们那个团队总共二十七八个人， 大概就光被挖到美国公司的就近十来个 ， 都是拿到了美国 offer 啊 ， 然后直接就迁迁移到美国去了 。 因为全世界熟悉这个领域 ， 云计算在核心技术的这个领域 ， 可能不超过这个 ， 我当时讲是不超过 50 个人， 现在想想可能也不会超过 100 人吧 。 **Koji 杨远骋** [52:31] 听起来很像今天做大模型研究的一批人。 **Ronghui** [52:33] 对 ， 所以在那个时间点上面的话呢 ， 这个我我觉得我还是蛮幸运的 ， 所以参与了云计算的这个浪潮 。 大概 14 年的话我就去了阿里 。 我当时给我的 leader 就在讲 ， 我说我们怎样能够打造一个服务千万级客户的这种计算平台 。 那个时候大家都觉得可能是天方夜谭 ， 对吧 ？ 但是当时我们很坚定的是说哦 ， 那整哪一些技术架构不利于我们往这种千万级客户去拓展 ， 我们就要把它废掉 ， 我们就要重新来过 。 那我觉得在 14 年这个时间点上， 我们选对了啊 ，因为 15 年移动互联网爆发了 ， 就是现在的各种 APP 爆发了之后， 你就会发现这些客户上来的时候 ， 我们产品已经准备好了 。 到 16 年的时候 ， 当时我们优化这个比如虚拟机的性能 ， 我们优化到和物理机相比可能也就是差三五个点 ， 大家都觉得这是业界极限啊 ， 三五个点已经是业界标杆了 。 但是我当时就在想 ， 我说我们需要为未来去思考 ， 比如你要牺牲一些 CPU 资源把性能提上去 ， 这绝对不是一个正确的方向 。 所以 16 年这个我其实每天都在思考这些问题 ， 所以就像刚才提到的 ， 去参加那个展会的时候 ， 哎 ， 我就看到说比如像容器啊 ， 像这些新的技术 ， 容器它是性看似性能无损 ，但是其实底层还有很多性能有损的东西存在 。 那我们应该怎样在软件协同 ，在芯片设计 ，在这些领域怎样能够提升计算性能 。 所以这就是为什么 16 年的话我们去布局了神龙 ， 那一举成为业界最标杆性的这个这个产品 。 那几乎所有的业界的云计算公司现在用的这个底层的技术架构都去都和神龙是没有什么差别 ，因为我发布之后全世界都在都在 follow。 那当然你提到这个问题就是说比如像 AI 这个领域 ， 那 AI 大概我在 15 年的时候我就开始去布局今天所谓的 AI 的基础设施 ， 原因是因为当时我看到阿里巴巴集团内部啊 ， 我们在使用当时的那个英伟达的卡叫 K2。K2 是一个现在看来是计算力非常差的一张卡 ， 所谓的去做这个计算 。在 15 年的时候我们用用于机器学习 ， 然后做一个叫拍立陶 ， 就是 类似于现在那个淘宝上面拍图啊 ， 拍一个东西 ， 然后识图 ， 然后去把相相似的东西给你推荐出来 。在那个阶段的话 ， 我们呃看我看到了这样一个方向之后， 那我觉得那未来那阿里有这个需求 ， 那外部的公司也有这个需求 。 所以 15 年我们就开始布局这个 AI 基础设施 。 到 16 年底的时候 ， 我们产品已经做出来了 。 真的非常巧的是说在 16 年底上一轮 ， 比如像深度学习啊为主的这个计算机视觉语音为主的这个 AI 的上一波浪潮就爆发了 。 所以我们在上一波浪潮里面 ， 我们服务了超过中国 ， 我们号称是超过中国 80% 的科技公司的 AI 算力的需求都在阿里云上 。 那是因为我们在 15 年就布局了这个产品 ，但是在那个时间点上 AI 没有爆发 。 那在 17 年的时候我们做出了神龙 ， 当时我们就在布局说那面向未来大规模参数的这种 AI 基础设施到底是什么样的 。 所以我们后来就布局了这个 GPU 的超级计算集群这样一个产品 。 那其实在过去的这么多年啊 ， 我觉得看下来的话 ， 总体上来讲的话还是说我们我觉得要要为未来思考一些 ， 尤其是做技术管理之后， 你会发现你要为未来两到三年可能发生的一些事情做一些预言的工作 ， 做一些准备性的工作 ，而不是说等到浪潮再来到的时候 ， 浪已经到了 ， 然后你再去 防御 。 对 ， 那个阶段可能就晚了 。 **Koji 杨远骋** [56:15] 那现在你在看 AgentBay 为未来做的这些事情里面 ，有哪一件事情是你会有点担心说我可能会赌错的 ？ **Ronghui** [56:22] 我们做了这些东西 ， 我倒不担心它哪一件事情会赌错 ，而是说由在这个整体的布局里边 ， 或者说哪一块我没有想到 ， 这是我每天在思考的问题 。 **Koji 杨远骋** [56:32] OK， 就不知道自己不知道什么 。 **Ronghui** [56:34] 对 ， 这个是最可怕的 。 **Koji 杨远骋** [56:36] 明白 。 **张献涛** [56:37] 现在我觉得一个大势所趋 ， 好像就是听到很多人都说这个 ， 就是你要什么都要会一点 ， 然后特别是呃 ， 就一人公司 ， 一个人可以干很多的事情 。 你会建议就是比如说一个初阶一点的工程师 ， 或者是一个稍微就是可能工作了几年的工程师 ，是在自己的这个领域就是增强自己的能力呢 ？ 还是说看看到现在这个大势所趋 ， 就是你好像什么都要会一点 ？ **Ronghui** [57:04] 对 ， 我是觉得这可能在不同的阶段 。 如果说是一个刚入职场的这些工程师 ，其实真正的还是聚焦于某一个领域 ， 把它做深 。 如果说你的知识面 ， 知识面当然也很重要了 ，但是如果说你的在某一个领域里边的知识深度 ， 如果没有很强的积累的话 ， 你其实未来整体的发展还是会受限的 。 原因是因为不是说你知道了多少 ，因为现在大模型什么都知道 ， 你问他什么样的问题 ，他都能给你讲的非常深入 。 但是说你让他做一些非常专业的 ， 非常这个这个 ， 尤其是在某些技术领域需要深度钻研的东西 ， 那今天大模型可能还没有那么擅长 ， 或者说要进行 ， 尤其是说要结合人的这种大脑的思维活动哈 ， 能够有些东西可能并不是说大模型这些东西知道的宽泛就可以解决的 。 所以对一个人工程师来讲的话 ，也是就是我我的建议还是就像我当年一样 ， 我是觉得我需要把这个虚拟化技术研究深入之后， 你怎样再看结合你今天所从事的业务 ， 怎样把它的价值充分的给发挥出来 。 那这样的话 ， 就是从一个技术你到周边的这些技术 ， 你都要去能够融会贯通起来 ， 这样做出来的产品才会有竞争力 ， 你的业务才会有个更好的增长 。 **张献涛** [58:18] 对 ， 人的要求还是越来越高的 。 **Ronghui** [58:21] 对 。 **Koji 杨远骋** [58:22] 哎 ，其实我比较好奇啊 ， 就听起来这个旭卿 ，不管是在实习的时候 ， 还是在 15 年、16 年的时候啊 ， 一开始看到云计算 ， 后来看到弹性计算 ， 然后包括到现在 ， 这个也是在 bet 未来的这个 Agent Infra 的增长 ， 然后至少往前看 ， 你的非常多的这个预判都后来被验证是就非常正确的 。 你验证就是你预判到了这个科技世界最大的潮流 ， 对 ， 你有抽象总结过自己为什么可以这个做出这样的成功的预判吗 ？ 这背后需要哪些素质也好 ， 工作习惯也好 ， 思维的这个方式也好 。 **Ronghui** [58:59] 我觉得是这样的啊 ，其实就是对未来会发生什么 ，其实要从今天发生的事情要寻找一些蛛丝马迹的 。 就像我刚才提到的 ， 比如像 16 年，16 年当时是我们双十一总结会 ， 我们那个 CTO 就是现在党委委员长张建峰 ， 提出来说虚拟化技术你们今年做的很好 ， 只有 3% 到 5% 的性能损失 ，但是你们能不能做到没有性能损失 ， 这是他提的第一个要求 。 如果说我今我不参加那个双十一的这个会议啊 ， 或者说他讲了这句话我就忽略掉了 ， 我觉得这哪可能呢 ， 对不对 ？3% 到 5% 一定是极致了 ， 为什么你给我提给我看了老板不懂 ， 对不对 ？ 你如果是这种思考的话 ， 那你可能不会有进步 。 而我当时就觉得说哦 ， 那我是这个领域里面的技术一号位 ， 那老板提了这样一个需求 ， 看似不可能 ， 我们能不能换一个思路 ， 然后看看未来它会不会发生 。 所以在那个时间点上面 ， 我又去参加了一些展会 ， 你会发现很多相关的技术都在如火如荼的发展 。 那你把这些错综复杂的这些因素或者线索你放在一起的时候 ， 你就我当时给给他们讲 ， 我说你看有一个东西可能要发生了 ， 叫软硬件协同设计 ， 或者软硬件深度协同优化可能要发生了 。 那在我们这个领域 ， 能不能通过软硬件的协同设计和优化 ， 带来一些革命性的技术变革 ？ 那我就提出了这样一个话题 。 那我也也在每天不断的思考说 ， 我要想完成这样的一个任务的话 ， 或者完成这样的一个预设目标的话 ， 哎 ， 哪些技术可能今天还不够 ， 哪些技术使用今天的 ， 比如芯片的技术或者系统软件的技术还做不到 ， 那我是不是要去布局一颗芯片 ， 我是不是要去布局一个这个哪一项 ， 比如系统技术的研发 。 那当这些东西都想明白的时候啊 ， 那我觉得最后可能他要去布局一颗芯片 ， 那我们就开始去做那个神龙芯片 。 那我就说服管理层说啊 ， 你给我投入去做这样一颗芯片 。 那当然阿里其实还没有做 ， 没有人去做过芯片 ， 你知道吧 ？ 那在那个时间点上面的话 ， 我觉得我需要去说服 。 如果说看到了这个机会 ， 你没有说服管理层给你投资 ， 可能三五年之后被验证了 ， 那可能不是打脸的事情 ，而是说公司可能会错过了一个很重要的战略转型机会 。 所以我基本上都是从今天发生的事情里边去寻找一些线索和或者说今天遇到的一些困难 ， 我们看似解决不了的问题 ， 那未来有没有解决的可能 。 **Koji 杨远骋** [1:01:28] 我想起这个反正我们都很喜欢的一篇文章 ， 就 Paul Graham 写的 ，他叫 《 如何成就伟大事业 》。 这里面讲到就是呃 ， 你要找到那种就是你自己干起来毫不费力 ，但是别人觉得很难的事情 ， 然后那个事情很可能就是你这个做出呃别人做不到的事情的一个起点 。 对 ， 所以呃你会有这种感觉吗 ？ 就一路以来 ，其实在外人看来 ， 好像你做的很多事情都很难 ， 就是困难程度非常高 ， 挑战也巨大 ，但是其实你自己好像还是这个做起来挺快乐 ， 挺得心应手的 ， 就找到了自己所谓的这个啊 ， 自己做起来可能没有那么费力 ，但是别人看就觉得很难很难的事情 。 **Ronghui** [1:02:08] 恰恰相反 ， 加入云特之后 ，在那个团队里边 ， 我看到我周边的那些技术大牛们啊 ， 真的呢 ，因为他们一开会的话 ， 你会首先会感受到的是说 ，他们说的每一句话还都不是英文 ， 都是中文 ， 你都听得懂是是是字面意思 ，但是都不知道他们在讨论什么 。 但是我当时就觉得是说 ， 我需要用半年的时间能够听懂他们去做什么 ，他们在讨论的是什么 。 那我觉得我听不懂这件事情的话 ，其实就是我成长进步的可能性在这 。 但是如果说哎 ， 我听不懂我就放弃了 ， 那我觉得可能也不是我的个性 。 **Koji 杨远骋** [1:02:43] 哎 ， 你觉得自己的这样的这个性格是 ， 或者这样的学习的这种欲望习惯 ， 它是怎么在你身体里面发生的呀 ？ **张献涛** [1:02:51] 从小就是好学生 。其实我觉得这个可能真正的和个性有关 ，其实个性可能就是与生俱来的 。 这个你说它叫要强也好 ， 你说它叫其他的什么个性也好 ， 我觉得总体上来讲的话 ， 我是我是喜欢看到困难的东西 ，而不是喜欢看到一件很简单的事情 ， 好这么简单搞定了 ，而不是这个 ，而是更更喜欢挑战性的一些东西 。 **Koji 杨远骋** [1:03:15] 对 ， 就是明知山有虎 ， 越是这样的山越喜欢 。 哎 ， 那你觉得你今天做 Agent Infra 面对的这个挑战和过去曾经面对的挑战 ， 这是一个什么级别的难度 ？ **Ronghui** [1:03:27] 呃 ， 我觉得做整个在布局 Agent Infra 来讲的话 ， 就是你刚才问的那个问题 ，其实呃对我来讲的话 ，其实要学习很多新的东西 。 我经常要找他 ， 找产品经理 ， 找我们的技术研发 leader 去探讨各种各样的事情 ，因为他可能和我以前学到的东西和我以前所熟知的东西不太一样 。 那对我来对我个人来讲 ， 我觉得是一个很很有挑战性的事情 ， 我需要把它搞懂 ， 对吧 ？ 我才能跟他进行平等的交流 ， 对吧 ？ 不然的话他忽悠我我也不知道 ， 对吧 ？ 所以所以我觉得对我来讲的话 ， 这个这个还是挑战性还是蛮大的 ， 还是有的 。 **张献涛** [1:04:02] 刚刚说到就是当你看到一个前面未来的一个方向 ， 然后你希望公司能够投入去发展这一块 ，但是它可能是一个未知的东西 ， 然后你要去说服老板 ， 你是怎么说服老板的 ？ **Ronghui** [1:04:16] 啊 ， 这个就很有意思了 。 就比如像我要做那个神龙啊 ， 我们内部叫帽卡 ， 可能业界现在都把它叫成 DPU， 对吧 ？ 呃 ，因为当时说实在的 ， 我来我进阿里也才两年， 在 16 年的时候我进阿里才两年， 但是确实在 16 年之前 ， 就像你刚刚提到的 ， 我做了很多决策 ， 大家都还是比较信服的 ，因为无无论是救火的 ， 还是说我们长期的架构决策 ， 大家一个一个的都被验证了 。 但是到 16 年突然给老板讲说哎 ， 我要去做个芯片 ， 这件事情对任何一个老板来讲都是很有挑战的 。 对 ， 确实很有挑战的 。 呃 ， 我当时我的 leader 是现在的那个阿里云正企业总裁 ， 就是李金啊 。 我当时几乎啊 ， 几乎每天早上， 甚至是说他到公司了 ， 那我就到公司了 ， 我就就给他讲这个东西有多么的重要 。 然后大概我跟他讲了半个月之后， 我终于把他说服了 。 后来当然也被验证的是正确的 。 当我们在 17 年云集大会发布的时候 ，其实世界全世界云计算公司都觉得哦 ， 还可以这么干 。 以前大家觉得虚拟机的上线是物理机 ， 现在是虚拟机的上线是没有上线 。 那当这个理念被认可的时候 ， 那我觉得当然这个团队的成就感也来了 。 **张献涛** [1:05:28] 因为我觉得这是一个职场挺容易出现的那种现象 ， 就是一线的人 ，他未必不是看不到 ， 就是今后可能会怎么样 ， 然后公司应该投入做什么 。 但是可能对他来讲的一个挑战是 ，他要怎么样说服老板来投资源 。 **Ronghui** [1:05:41] 所以我还是希望我的团队的员工 ， 我大家能够遇到这些困难的时候 ， 能够这个迎难而上， 能够来说服我啊 ， 需要做这些方面的一些投资 。 **Koji 杨远骋** [1:05:53] 好 ， 然后刚才其实这个旭卿有提到你们呃今年拿了这个更多的人的 headcount，也拿了更多的钱和资源 。 对 ， 所以现在要不要在这里这个招聘一下 ？ ### 结尾彩蛋 **Ronghui** [1:06:03] 哈哈哈 ， 谢谢 。 当然我们也是非常希望更多的真正的认同这样一个方向的这个 ， 无论是刚毕业的大学生 ， 还是有在 AI 领域有非常有经验的这些资深的开发人员加入我们团队 ， 大家一起来共筑啊未来这个 Agent Infra 这个平台 ， 能够让更多的企业在开发自己的 Agent 的时候会更加高效 。 **Koji 杨远骋** [1:06:25] 好 ， 那今天谢谢二位 。 **Ronghui** [1:06:27] 好 ， 谢谢谢谢 ， 辛苦了 。 **屈立威** [1:06:32] 如果你认为有朋友也会喜欢本期 《 十字路口 》 的内容 ， 请转发微信推荐给他们 。 最后欢迎你加入 《 十字路口 》 的会员群 ， 我们鼓励大家在群里聊天互动交朋友 ， 寻找未来的同路人。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。