加速智能体开发：从 Serverless 运行时到 Serverless AI 运行时
本文整理自 2025 云栖大会，阿里云智能集团产品专家，洪晓龙演讲议题《函数计算：AI 时代的最佳运行时》
在云计算与人工智能深度融合的背景下，Serverless 技术作为云原生架构的集大成者，正加速向AI原生架构演进。阿里云函数计算（FC）率先提出并实践“Serverless AI 运行时”概念，通过技术创新与生态联动，为智能体（Agent）开发提供高效、安全、低成本的基础设施支持。本文从技术演进路径、核心能力及未来展望三方面解析 Serverless AI 的突破性价值。
一、从 Serverless 到 Serverless AI ：技术演进的必然选择
在 AI 时代，Serverless 正经历从 Serverless 到 Serverless AI 的进化。这一转变是由于 AI 应用对基础设施的新要求，包括围绕 Agent 为中心的开发范式变化、状态持久化需求、任务驱动协作方式以及容错自愈能力等四个主要方面。AI 原生范式下，Agent 的开发方式从服务化或 API 为中心转向以 Agent 为核心，且要求基础设施支持多样化任务、弹性扩展、数据隔离安全特性及主动任务协同调用方式。
AI 原生应用开发的四大核心需求
- Agent 中心化开发范式
- 传统 API 驱动模式已无法满足 Agent 自主决策、主动执行任务的需求。AI 原生开发需围绕 Agent 生命周期设计，强调任务驱动协作而非被动响应。
- 状态持久化支持
- Agent 需保存对话记忆、人格设定等状态信息，要求基础设施原生支持状态管理，避免依赖外部存储组件。
- 动态任务执行能力
- Agent 需执行代码、浏览器操作、工具调用等多样化任务，运行时需具备轻量化、强扩展性，适配不可预测的流量模式。
- 容错与自愈机制
- 面对大模型生成代码的不确定性，需从防御性编程转向运行时自愈能力，降低安全风险对开发效率的影响。
技术架构对比：Serverless vs. 传统容器/虚拟机
AI 原生架构的演进主要有两条路径，一是通过虚拟机/容器运行时逐渐演变为以智能体运行时为代表的 AI 原生架构；二是直接从 Serverless 运行时进化为以智能体运行时为代表的 AI 原生架构。
Serverless 架构与 AI 时代需求具有天然契合性，其具备任务类型多样、流量突发性强、数据安全隔离以及轻量级、高弹性等优势，使得 Serverless 架构在状态管理、资源分配和运维方面展现出优势，成为 AI 时代最短的技术进化的路径。
| 维度 | 传统架构（容器/虚拟机） | Serverless AI 运行时 |
|---|---|---|
| 资源分配 | 静态资源分配，弹性不足 | 动态弹性伸缩，按需调用 |
| 状态管理 | 依赖 Redis/DB 等外部组件，跨节点迁移困难 | 天然支持状态持久化与会话亲和性 |
| 调用模式 | 被动响应式 API 调用 | 主动规划式任务协同 |
| 运维成本 | 需投入大量人力运维 | 免运维，零服务器管理 |
Serverless 架构因其动态弹性、免运维特性，成为 AI 原生架构的最短路径。开发者可专注于业务创新，无需关注基础设施细节。
二、Serverless AI 运行时
作为 AI 时代的最佳运行时，函数计算 FC 业界首推从 Serverless 进化为 Serverless AI，推出三大核心运行时底座：
- Serverless 模型运行时：
支持超 20,000 + 热门开源模型一键部署为生产级 API。通过异构算力池、请求感知调度、毫秒级闲置唤醒、1/N 卡切分技术实现实时/准实时推理场景冷启动加速，实现 RT 抖动减少 80%，最高降本 93.75%。
- 智能体与工具运行时
首创 Serverless 级会话亲和/隔离架构，通过毫秒级启动和上下文保持大幅提升智能体开发、部署和运行效率，性能超越传统方案 100 倍。
率先推出十万函数、百万实例级别的大规模沙箱服务（如 Code Interpreter API ），并内置 Python/Node.js/Java/PHP/Shell/.NET 等 50 余种多语言环境，支持 OCI 标准镜像，原生兼容 MCP 和 Function Call 协议标准。
这三大运行时均基于函数计算构建，为开发者提供0 运维、极致弹性、成本最优的 AI 原生基础设施，并联动阿里云、通义实验室、魔搭社区等生态，全面加速 AI 应用创新。
Serverless AI 的实践验证与生态联动
1. 魔搭社区：模型托管的标杆案例
- 应用场景：支持2万个热门模型一键托管，用户无需关注底层集群配置，30秒内生成生产级 API。
- 技术支撑：依托 Serverless 模型运行时，实现自动弹性伸缩与高可用性。
2. Qwen3 Coder 训练：沙箱环境的高效利用
- 强化学习：通过函数计算沙箱环境，Qwen3 Coder 的代码生成能力显著提升，无需维护训练集群。
- 多语言支持：内置运行时环境适配模型生成代码的直接运行需求，零运维、毫秒级计费。
3. 百炼 MCP 市场：工具服务的原子化部署
- 功能亮点：开发者可通过 Serverless 运行时将工具服务部署为企业级 MCP，支持冷门工具低频调用与热门工具高频响应的灵活适配。
4. 全链路 Serverless 生态联动
- 产品协同：整合阿里云日志、网关等产品，实现端到端链路追踪、全栈可观测性及精细化成本控制。
- 开发效率：AI 网关提供多模型协议适配与语义缓存，模型调用成功率提升至99.9%。
三、未来展望：Serverless AI 的无限可能
- 智能体应用的普惠化
- 非技术开发者可通过 Serverless 平台快速构建智能体应用，降低 AI 开发门槛。
- 全栈弹性与原子化能力
- 通过 Serverless AI 运行时，实现从模型、智能体到工具的全链路弹性资源调度与原子化服务编排。
- 生态开放与行业落地
- 推动 Serverless AI 技术标准化，助力企业实现 AI 原生应用规模化落地，覆盖智能座舱、工业自动化等场景。
Serverless AI 运行时的诞生，标志着云计算与 AI 技术的深度耦合。阿里云函数计算通过三大核心技术（请求感知调度、毫秒级唤醒、异构算力切分），为 AI 应用开发提供了免运维、高弹性、低成本的基础设施。随着生态不断完善，Serverless AI 将持续为企业和个人创造更多价值，驱动更多创新应用的诞生。