数据·智能·进化：Agent 时代的数据与 AI 基础设施-IT专家网

当 Agent 进化为自主决策、持续运行的“数字员工”，云计算也在重构。9月22日，2026云栖大会上，阿里云智能集团首席技术官李飞飞指出，Model、Context、Harness 构成智能体落地的关键三要素，阿里云不断迭代创新，打造 Agentic Cloud 助力客户在云上构建全域认知引擎、自主运行与持续进化、可信协作与治理、实时智能决策能力四项 Agent 支柱能力。

大数据 AI 基础设施，是企业构建模型和智能体必不可少的基石。阿里云副总裁、阿里云计算平台事业部负责人汪军华发表《数据·智能·进化：Agent 时代的数据与 AI 基础设施》主题演讲。他表示，数据、智能、Agent 构成了一个自我驱动的飞轮——数据流动产生智能，智能以 Agent 为形态落地应用，进而又产生新的数据驱动整个系统进化。飞轮的转速，取决于模型生产的效率、智能落地的效率、系统进化的效率。围绕这三个效率，阿里云大数据 AI 平台带来了覆盖完整链路的产品升级发布。

一、全模态数据处理与大规模训练，加速从数据到智能的跃迁

当 AI 走向真实世界，数据类型从文本扩展到视频、点云、运动轨迹与传感信号。模型智能的上限取决于数据质量与处理速度，提升数据处理效率与模型训练效率尤为关键。

MaxCompute AI 计算引擎升级，CPU、GPU、大模型 Token 三类计算资源统一调度，MaxFrame 分布式 Python 引擎与 SQL AI Function 引擎均深度集成 Qwen 旗舰模型能力，一行代码即可调用，实现全模态数据理解与计算处理。面向数据开发代码编写、自动驾驶、具身智能三类场景，MaxCompute 首次发布行业 Skill，通过一句自然语言即可搭建完整的数据产线，大幅提升开发效率。

开源大数据平台让全模态数据“入湖即可训”。EMR Serverless Spark 打造全模态具身智能数据处理平台，支持 Spark / Ray / Daft 全模态引擎，原生对接 Paimon / Iceberg 湖表格式，结合 Serverless 秒级弹性服务架构，可以让具身智能数据处理耗时减少40%，PB 级原始采集数据可直接产出 LeRobot / RLDS 格式数据集。

EMR Serverless StarRocks 支撑全模态全场景在线服务，在极速 OLAP 能力上新增全文检索、向量检索与 KV 点查能力，多路召回写进同一条 SQL，实现“一份数据、一套引擎、一条查询”，已广泛应用于智驾、车联网等行业场景。

应对大规模分布式训练的效率挑战，人工智能平台 PAI-DLC 3.0 正式发布，原生支持真武 M890 64卡超节点，结合 HPN 8.0 与 CIPU 2.0，构建多级拓扑、万卡互联的算力底座。推出全新智能诊断 Xfuse 模块，融合算力底座、训练框架、任务运行三层洞察，由 Agent 自动完成根因定位，保障训练任务运行无忧。在模型训练实战中，多模态模型端到端训练提速 2.4 倍，Qwen 3.8 强化学习吞吐提升 3.8 倍。

具身智能是今年最具想象力的赛道之一，但数据、算法、算力的挑战依然严峻，如同三堵高墙。PAI 发布具身智能全栈解决方案：

·在数据层，PAI-EgoX 打通第一视角数据管线，支持单/双目、针孔/鱼眼、多视角视频数据处理，支持 ViPE / VITRA 双管线，结合前后质检，输出高质量数据集；

·在训练层，PAI-RoboX 提供 VLA 模型和世界模型训练框架，支持监督微调、强化学习和评测，支持真机、仿真和第一视角数据联合训练，让不同来源数据共同服务模型学习；

·在算力层，PAI-TurboX 通过数据加载、调度、编译、算子、精度、存储六大维度的优化，为大规模训练任务加速，充分释放算力。

二、Agent 数据平面与企业级推理，加速从智能到生产力的跨越

模型能力强大，不等同于 Agent 就有价值。Agent 想要真正落地，需要连接企业真实业务数据，并运行在高效、安全的推理基础设施之上。

阿里云 OpenLake 进一步迈向 Agentic Lake：OpenLake 以统一、实时的开放湖存储承载全模态数据，推动大数据、搜索与 AI 引擎达到跨引擎协同并达到智能体就绪，通过 DataWorks 构建的跨引擎语义层将数据赋能智能体服务，并以 AI 原生大数据服务 ADA 支撑多智能体协同，企业基于 OpenLake 开放湖仓构建的全模态数据能够服务于 BI、AI 与 Agent，赋能企业步入全模态开放数据湖智能体时代。

与此同时，OpenLake 上的计算引擎全面实现 Agentic 化，各个引擎不仅能够围绕同一份数据工作，也将自身能力开放给 Agent，让 Agent 直接调用。在此之上，DataWorks Data Agent 提供统一的数据开发、治理与任务编排能力。用户可以围绕业务目标提出需求，由 DataWorks 组织数据处理流程、调用相应引擎完成计算，无需逐一关心底层引擎的操作方式，也无需为不同引擎各自准备一份数据。

本次云栖大会，阿里云全新发布 AI 原生大数据服务（ADA）。ADA 是一款智能体形态的产品，采用多智能体协同架构。用户在统一的对话入口通过自然语言即可调用离线、实时、流式分析、AI训推、搜索等不同计算引擎，并驱动多个 Agent 协同完成数据分析、工程、治理、运维和数据科学等端到端任务。

数据实时涌入，智能也需实时流动。应对 Agent 行动高实时性的需求，Flink 推出 Flink Streaming Agent，支持全模态数据的变更接入与流式 AI 处理理解，并提供完整的 Agent OS 运行时能力，支持 Per-Record 动态编排与长中短期记忆。

在企业专属模型的训练推理侧，PAI 推出了 PAI-RLS 与 PAI-InferX 组合拳。PAI-RLS 提供云上全托管的强化学习训练服务，结合高性能的强化学习训练架构、全链路轨迹追踪管理、自研训练加速引擎，降低企业模型定制的门槛；PAI-InferX 是面向 Agent 推理负载特性推出的高保障 SLO 推理平台，通过 LLM 智能路由、Cache 感知调度、KV Cache 存储、模型预热与全球算力统筹等核心能力，帮助企业以更低成本、更高 SLO 保障、更强自主可控的方式，构建专属大模型推理服务。

三、系统自我优化，加速从应用到进化的飞轮

随着 Agent 应用产生的新数据和新计算负载，又会成为新的燃料，驱动智能不断进化。

在模型的训练架构上，包括阿里云 Qwen 在内的业界主流模型都已经从预训练演进到 AgentRL，并向 RSI（Recursive Self-Improvement）自我递归的方向迭代，这对模型训练平台提出了新的挑战。

PAI-CrystalLLM 是高保证模型仿真训练引擎，仅不到1%的 GPU 资源消耗，即可 1:1 模拟万卡集群训练效果，帮助算法人员在精细化训练方法创新过程中快速高效地试错。在阿里云内部实践中，PAI-CrystalLLM 已带来训练任务 2%至10% 的MFU绝对提升，相关论文也已被 SOSP'26 顶会接收。

大数据计算引擎也在 RSI 方向获得突破。查询优化器是实时数仓的"大脑"，传统的优化方法依赖“英雄淘金”式的专家经验调优，这种方式一方面难以复制，一方面跟不上负载变化的速度。

Hologres 尝试了一条全新的优化路径——通过 Workload 分析、候选集提炼、最小改动实现、沉淀进化、性能门禁、正确性门禁、持续反馈迭代，把调优变成了持续运行的工程闭环，让查询器学会自主进化。实测中，Hologres 在4个月内自主发现和完成了28项优化点，优化器性能提升100%，湖上查询性能提升38%，Hologres 登顶 TPC-H 3000GB 规模测试，拿到性能与性价比双料第一的成绩。

各行各业的客户在阿里云大数据AI平台上也在不断实现数据智能的进化。义乌小商品城基于 MaxCompute AI Function 完成海量商品图片理解，每日处理量超过100万张，较自建方案性能翻倍。穹彻智能基于 MaxCompute、Hologres、DataWorks 与 PAI 搭建云上 Umi Data + AI Pipeline，实现数据处理全流程自动化，整体吞吐提升超过 10 倍，模型训练效率提升约 50%。央视体育与Flink Streaming Agent深度合作，支撑体育赛事直播实时 AI 解说，Agent 可以结合画面、音频与事件实时理解赛况并自动生成同步解说，极大提高解说效率和观众视听体验。

Agentic AI 时代，数据、智能、应用组合形成密不可分的系统，持续进化，阿里云大数据 AI 平台不断迭代创新，为企业 Agent 创新提供坚实基础。