AI基础设施‘暗战’：从‘模型即服务’到‘智能体即服务’，云厂商与AI原生公司新卡位

2026年，人工智能产业的发展焦点已从“拥有最强的模型”悄然转向“构建最有效的智能体”。正如我们在《2026年下半年AI Agent三大演进方向》中所观察到的，AI Agent正从执行简单指令的个人助手，向能够自主规划、编排任务流的“企业智能体操作系统”迈进。这一根本性的应用范式变迁，正深刻重塑其底层支撑——AI基础设施。一场从“模型即服务”（MaaS）到“智能体即服务”（AaaS）的产业升级“暗战”，已在云厂商与AI原生公司之间激烈展开。

一、范式迁移：为什么AaaS是必然？

1.1 MaaS的成就与边界

以OpenAI API、Anthropic Claude API为代表的MaaS（模型即服务），在过去几年极大地降低了AI应用的开发门槛。开发者无需训练千亿参数模型，通过API调用即可获得强大的语言、视觉或推理能力。这催生了海量的AI应用创新。

然而，随着应用场景复杂化，MaaS的局限性日益凸显：

• 能力碎片化：单个API调用仅能完成一个子任务，而构建一个能自主完成“市场调研-报告撰写-邮件发送”全流程的Agent，需要开发者自行处理复杂的流程编排、状态管理、错误重试和跨服务调用逻辑。
• 运维负担重：智能体涉及长时间运行、上下文记忆维护、多模型协同（如GPT-5o处理文本，Sora 3.0生成视频），其运维复杂度远超一个无状态的API请求。这引发了关于AI‘幻觉’治理和错误恢复的深度挑战。
• 成本模型不适配：智能体任务可能持续数分钟甚至数小时，其计算资源消耗模式与传统短时API调用截然不同，需要更灵活、更经济的计费方式。

1.2 AaaS的崛起：为智能体而生

AaaS（智能体即服务） 应运而生，其核心是提供一个托管环境，让开发者能够部署、运行、监控和扩展复杂的智能体应用。它不仅仅是模型API的集合，更是一个包含以下核心能力的平台：

• 智能体运行时：安全、隔离的沙箱环境，支持长时间有状态执行。
• 编排与调度引擎：可视化或代码化定义智能体工作流，自动调度子任务、处理并行与依赖。
• 工具与记忆服务：统一的外部工具（如浏览器、数据库、专业软件）接入框架，以及可持久化的上下文与长期记忆存储方案。这与RAG 4.0所追求的可信知识中枢紧密结合。
• 监控与可观测性：实时追踪智能体决策链、资源消耗、任务进度和错误日志。
• 计费与治理：按任务、时长或资源消耗的精细化计费，以及贯穿生命周期的安全与合规管控。这正呼应了全球范围内，如欧盟AI法案带来的合规需求。

可以说，MaaS提供了“大脑”，而AaaS则提供了让这些“大脑”协同工作、完成复杂任务的“神经系统”和“骨骼肌肉”。

二、新卡位战：云巨头与AI原生公司的布局

面对AaaS这片蓝海，主要玩家已从不同维度展开布局，形成了鲜明的竞争格局。

2.1 云巨头的“全栈整合”攻势

以亚马逊AWS、微软Azure、谷歌云为代表的传统云厂商，正利用其全球基础设施、庞大的开发者生态和深厚的行业积淀，构建全栈AaaS平台。

• AWS：其“Amazon Bedrock AgentCore”在2026年已成为AaaS领域的标志性产品。它不仅提供对Claude 4、Llama 3等模型的统一访问，更核心的是提供了完全托管的Agent运行时、与AWS Lambda、Step Functions深度集成的编排能力以及企业级安全与合规框架。其策略是将智能体开发无缝嵌入已有的云开发范式，降低迁移成本。
• Azure：微软凭借与OpenAI的深度绑定及Copilot生态，推出了“Azure AI Agent Service”。其最大优势在于与Microsoft 365、Dynamics 365等企业软件的原生集成能力，能够快速构建操作Office文档、管理CRM系统的智能体，直击企业生产力痛点。正如我们在《深度观察：当AI成为‘副驾驶’》中所分析的，这正推动着组织架构的变革。
• 谷歌云：谷歌将Vertex AI平台全面升级为“Vertex AI Agent Builder”，强调其多模态基础模型（如Gemini Ultra 2）和强大的数据分析与搜索能力。其特色在于能构建深度结合企业内部数据（通过Search and Conversation）和外部知识的智能体，并利用其在端侧AI芯片上的优势，探索混合云边部署方案。

2.2 AI原生公司的“垂直与生态”突袭

另一股重要力量来自以智能体为核心产品的AI原生公司，它们没有历史包袱，在垂直场景和开发者体验上更具锐气。

• Cognition AI（Devin）：作为AI编程智能体的先驱，其Devin 2.0已不再是简单的代码助手，而是一个能理解复杂项目、自主完成开发、调试、部署任务的“AaaS实例”。它直接面向开发者提供“软件开发智能体即服务”，其定价和体验设计完全围绕长期任务。在我们的《Agent-native IDE深度测评》中，可以看到这类工具正在重塑开发工作流。
• H Company (Higgsfield)：该公司专注于多智能体协同框架，其平台允许企业像搭积木一样，将不同能力的专家智能体（如市场分析智能体、供应链优化智能体）组合成一个“智能体团队”，共同解决复杂商业问题。这代表了AaaS向企业流程深度自动化演进的方向。
• 开源社区力量：以LangChain、AutoGen等框架为核心的开源生态，正在定义AaaS的工具链和接口标准。许多AI原生公司直接基于这些框架构建托管服务，形成了“开源框架+商业托管”的快速渗透模式，正如《AI原生应用开发范式变迁》所指出的，这正在成为新的开发范式。

三、商业模式与开发者生态的重塑

AaaS的兴起，不仅改变了技术栈，更在深层重塑商业模式和开发者关系。

3.1 从“按调用计费”到“按结果计费”

MaaS时代，主流是按API调用次数或Token数计费。而在AaaS时代，商业模式变得更加复杂和灵活：

• 任务计费：完成一个完整的智能体任务（如“生成一份竞品分析报告”）收取固定或阶梯费用。
• 订阅制：为智能体的持续运行（如一个7x24小时的客服智能体）提供包含一定计算资源的月费套餐。
• 成果分成：在销售、市场等领域，云平台可能尝试根据智能体带来的实际业务成果（如转化的线索数）进行分成。这种模式对平台的智能体效能评估能力（参考AI Agent评估新范式）提出了极高要求。

3.2 开发者角色的升维与挑战

对于开发者而言，AaaS既是福音也是挑战：

• 福音：开发者得以从繁琐的底层基础设施、状态管理和编排逻辑中解放出来，更专注于智能体的核心逻辑、工具设计和业务领域知识。他们更像是“智能体设计师”而非传统程序员。
• 挑战：
  1. 平台锁定风险：AaaS平台深度绑定特定的编排、记忆和工具框架，迁移成本高。
  2. 新的技能树：需要学习智能体架构设计、提示工程（进阶）、工具封装、以及评估与调优等新技能。
  3. 调试复杂性：智能体的非确定性行为使得调试和测试变得异常困难，对平台的可观测性工具提出了更高要求。

四、前瞻：融合、标准与边缘智能体

展望未来，AaaS领域的竞争将围绕几个关键方向展开：

1. 云边端融合：AaaS不会只存在于云端。随着端侧AI芯片性能提升，以及iOS 19、Android 16等系统级AI Agent的普及，未来AaaS平台将需要无缝管理从云端到个人设备（AI PC、AI手机）乃至具身智能终端的分布式智能体。
2. 标准化与互操作：当前各平台生态割裂，智能体、工具包难以复用。业界迫切需要类似于容器（Docker）和编排（Kubernetes）的智能体描述标准和互操作协议，这将是开源社区和标准组织角逐的下一个焦点。
3. 垂直行业AaaS：通用AaaS平台将逐渐分化出针对金融、医疗、法律、制造等行业的专用AaaS解决方案，内置行业知识图谱、合规工具和专业软件连接器，形成更高的行业壁垒。

结语

从MaaS到AaaS的演进，本质是AI能力商品化程度的深化。当模型能力趋于普惠，竞争的制高点便转向了支撑复杂应用落地的“水电煤”——基础设施。这场“暗战”不仅关乎技术优劣，更是对开发者生态、行业理解、商业模式创新的全面考验。

对于开发者和企业而言，选择AaaS平台已不再是技术选型，更是战略押注。它决定了未来智能体应用的构建效率、扩展边界和成本结构。而一个健康、开放、富有活力的AaaS生态，将是推动人工智能从“有趣的实验”走向“可靠的生产力”的关键基石。