当大模型从内容生成迈向自主规划、持续执行的智能体阶段，很多企业面临的核心挑战正在发生根本性转变，不再单纯比拼大模型的对话与生成能力，而是如何让大量 AI Agent 安全、稳定、低成本跑在业务生产环境中。算力调度、任务连续性、资源开销、安全隔离、技能复用，一系列底层痛点，倒逼操作系统完成一次范式跃迁。
在 2026 云栖大会上，阿里云正式亮出 Agent 原生操作系统（Agentic OS）完整技术体系与开源生态成果。在 “AI Agent 原生操作系统” 分论坛，阿里云技术团队联合龙蜥社区、芯片与行业伙伴，展示了从内核优化、任务持久化、资源降本，到技能生态、系统自治运维的全链路能力，为企业大规模部署智能体给出基础软件解决方案。这标志着 AI 基础设施的重心，从上层模型应用，下沉到面向智能体原生设计的操作系统底座。
01 智能体时代，操作系统不再只是资源管理器
过去企业落地 AI Agent，更多是在传统操作系统之上做应用层封装。企业信息化负责人普遍会遇到几个现实难题：大量短生命周期 Agent 频繁启停带来巨大资源损耗、长周期任务中断后无法快速恢复、Token 调用成本居高不下、海量智能体并行运行时安全隔离与稳定性难以保障。模型能力很强，但底层基础设施跟不上，直接限制智能体从试点走向业务量产。
阿里云智能集团 CTO 李飞飞在云栖主论坛指出，Agentic OS，即 Agent 原生操作系统，正是针对智能体规模化部署而生。传统操作系统面向应用进程设计，而 Agentic OS 将智能体作为一等公民进行管理，从底层优化智能体运行全链路。实测数据显示，依托 Agentic OS，Token 消耗可节省 30% 以上，沙箱部署密度提升 3 倍，直击企业最关心的成本与效率两大核心诉求。
这一变化的本质，是基础设施定位的重塑。传统操作系统的核心职责是 CPU、内存、存储等硬件资源调度；而智能体时代的操作系统，必须同时承担算力、大模型、工具插件、业务应用之间的连接枢纽。它需要理解 Agent 任务逻辑，支持任务断点保存与恢复，对大量并行智能体做隔离管控，打通模型调用与本地系统能力。操作系统已经升级为 AI 智能体的基础设施底座。
02 内核级创新落地，工作区持久化 + 系统深度调优
智能体处理复杂业务时，往往会执行跨小时甚至跨天的长周期任务，一旦任务中断，中间状态丢失，就需要重新调用模型、重复执行步骤，带来巨大算力与 Token 浪费。针对这一痛点，阿里云智能集团高级研发副总裁蒋江伟在技术主论坛介绍了 Agentic OS 内置的 ws-ckpt，依托 AgenticFS 文件系统，实现单机工作区保存与恢复，并且和块存储深度协同，保障长周期 Agent 任务连续不间断运行。这项原生文件系统能力，不是应用层的简易快照，而是操作系统原生能力，大幅降低长任务中断重试带来的资源损耗。
面向海量短生命周期 Agent 并发场景，阿里云智能集团基础软件产品负责人张鹏程介绍了操作系统 “加速、扩展、新生” 的演进路线。Alibaba Cloud Linux 4 针对 Agent 高频创建进程、频繁内存分配的特征，完成系统级深度优化。借助自适应大页等内核机制，提升 Agent 任务周转效率，减少宿主机内存占用，改善碎片化场景长尾稳定性。 测试结果表明，Agent 任务批次完成时间缩短 11.44%，宿主机内存峰值降低 21.60%。在相同硬件资源条件下，企业可以承载更多 Agent 并发工作。这套底层优化，和 Agentic OS 工作区恢复、安全治理、模型调用能力结合，共同构成生产环境大规模部署智能体的系统根基。
除云侧操作系统优化之外，龙蜥社区同步推进软硬协同创新：Loongkit 面向真武 PPU 优化模型训练效率；Anolis OS 27 开启 AI Native 研发探索，SkillHub 沉淀可复用系统技能，推动 System for AI 与 AI for System 双向迭代。 本次大会上，系统智能专家 SysAgent 正式开启公测。SysAgent 把 Agent 能力嵌入操作系统运维体系，覆盖安全体检、GPU 性能诊断、故障排查场景，角色从给出建议的 “排障副驾”，升级为能够调度多个 Agent 协同处理复杂故障的 “系统主驾”。对企业 IT 团队而言，这意味着基础设施运维本身也开始智能化，海量 GPU 集群、云主机的运维压力有望显著降低，减少人工介入成本。
03 搭建可信技能生态，解决 Agent 能力复用难题
AI Agent 想要落地业务，除底层系统保障，还需要大量可复用的技能。分散、孤立的技能脚本，存在质量参差不齐、安全风险未知、难以评估效果等问题，很多企业信息化负责人很难放心引入生产系统。龙蜥社区在本次分论坛正式发布 SkillHub 推荐系统，补齐智能体规模化落地的生态短板。
SkillHub 建立一套多维度评估体系，从功能可信度、运行增益、静态代码质量、动态运行安全四大维度，对社区内 Agent 技能进行量化评估，并发布首批技能榜单。论坛现场同步举办颁奖仪式，表彰优质技能贡献者与最佳实践项目，个人开发者、阿里云、浪潮、Intel、AMD、曙光、Arm、中兴通讯、信雅达等企业代表共同参与。
SkillHub 的价值，不只是一个技能仓库。它构建起可信评估、能力推荐、复用组合、生态激励的完整闭环。企业 IT 团队可以基于平台筛选经过安全校验、实测验证的技能组件，按需组合，快速搭建业务 Agent，不必从零开发，大幅缩短项目周期。对于企业来说，标准化、可审计、可评估的技能市场，能够有效管控 Agent 引入业务带来的未知风险，降低智能体应用的试错成本。
龙蜥社区理事长、阿里云智能集团基础软件负责人马涛在论坛致辞中强调，智能体时代操作系统创新，离不开产业开放协同。目前龙蜥社区已捐赠至开放原子开源基金会，依托阿里云多年云上落地经验，装机规模达到千万级，汇聚超 1000 家生态伙伴，为 AI 原生操作系统共建打下扎实的产业基础。开源模式能够加速技术迭代，降低各企业、芯片厂商、软硬件厂商的适配成本，避免厂商锁定，这也是企业信息化负责人选择底层基础设施时重点考量的因素。
04 开放生态共建 Agentic OS，夯实 AI 时代基础软件底座
Agentic OS 并非单一操作系统产品，而是一套覆盖云、边、端，打通芯片、基础软件、智能体应用的完整体系。鼎道智联、中兴通讯、Arm、AMD、Intel 等众多伙伴，从端边云协同架构、AIOS 研发、多芯片适配等方向深度参与共建。从操作系统内核原生能力、生产场景验证，到阿里云全栈技术实践，再到开源社区、产业链伙伴协同，Agentic OS 正在形成持续迭代的技术与生态体系。
AI 基础设施建设已经进入新的阶段。过去，企业采购算力、部署大模型、开发 Agent 应用，关注点集中在上层业务效果；而进入规模化生产阶段，底层操作系统、存储、内核、安全隔离、技能生态的短板，会直接成为业务落地瓶颈。Agentic OS 的出现，代表基础软件行业正在主动适配智能体新范式，把 Agent 作为系统一等公民，从底层解决成本、稳定性、任务连续性、运维复杂度问题。
AI 智能体的价值，最终体现在持续执行业务流程、替代重复性工作。想要把试点项目复制到全业务线，企业负责人必须把基础设施规划从 “模型优先” 调整为 “系统 + 模型协同”。一方面依托 Agentic OS 这类 AI 原生操作系统降低资源开销、保障任务稳定；另一方面借助开源生态与 SkillHub 沉淀可信技能，快速组装业务智能体。
可以预见，接下来一段时间，面向 Agent 原生的操作系统、内核优化、智能自治运维、跨芯片适配、可信技能市场，将成为企业 AI 基础设施采购与建设的核心赛道。依托开放开源、全栈软硬协同，Agentic OS 正在为智能体规模化商用筑牢基础软件底座，支撑更多企业将 AI 智能体从概念、POC 测试，推向真实生产业务场景。
END
素材来源官方媒体/网络新闻