从Agent到具身智能,腾讯云全力构建AI时代的云底座

10月30日,在2026腾讯全球数字生态大会算力与云基座专场上,腾讯云专家团围绕Agentic AI、具身智能、AI模型训练与推理三大方向,集中展示了计算、存储、网络、操作系统等领域的技术创新与产品升级。

10月30日,在2026腾讯全球数字生态大会算力与云基座专场上,腾讯云专家团围绕Agentic AI、具身智能、AI模型训练与推理三大方向,集中展示了计算、存储、网络、操作系统等领域的技术创新与产品升级。

随着AI从简单的问答交互走向复杂的任务执行,越来越多的Agent开始进入企业业务流程,具身智能也在加速发展,这些变化正在对云基础设施提出新的要求。

腾讯云副总裁李力在开场演讲中表示,未来AI将像互联网一样,依托分布式的云基础设施发展,而无需每个人都拥有强大的硬件。计算、网络、存储、中间件以及各类云服务需要协同工作,才能支撑AI应用规模化落地。

围绕这一方向,本次专场分为三个篇章,展示了腾讯云面向AI时代的基础设施布局,提到了很多有意义的创新。

第一篇章:面向Agentic AI的基础设施

随着Agent从回答问题走向执行任务的阶段,云基础设施不仅要提供计算资源,还需要解决Agent的部署、运行、管理和安全问题。

腾讯云通用计算产品负责人刘洁欣介绍了腾讯云第十代云服务器SA10,SA10重点升级了计算性能与I/O协同能力,包括将整机算力规模提升33%,内存带宽提升66%。

SA10面向Agent需要同时处理模型调用、文件解析、数据检索和工具执行等任务的特点,提升高并发场景下的运行效率与稳定性。

与此同时,腾讯云将面向Agent的云端托管产品升级整合为统一品牌Agent Hosting,覆盖Agent部署、运行、任务托管和企业级管理等需求。

通过Lighthouse和ClawPro等产品,个人开发者能够更加便捷地部署Agent,企业则可以实现Agent批量分发、统一配置和集中管理,降低规模化使用AI的门槛。

在操作系统层面,腾讯云高级产品经理孙亚楠介绍了TencentOS面向Agent场景的升级,真正打造出了更适合AI应用的操作系统。

首先,腾讯云的TencentOS针对2012个热门AI开源项目进行了环境适配验证,并预置常用开发环境,测试显示可将环境启动时间缩短约80%。

同时,针对Agent可能误改系统文件、越权操作等问题,TencentOS引入只读系统镜像、快速回滚以及Agent Guard内核级安全机制,为Agent设置更加严格的操作边界。

此外,腾讯云还将磁盘、网络、内存、安全等领域的24项运维能力内置于系统当中,封装为Skills并开源,让Agent能够通过自然语言完成故障诊断和日常运维。

第二篇章:面向具身智能的全栈AI平台

具身智能的发展,让AI开始从数字世界走向物理世界。机器人不仅需要模型能力,还需要海量数据、高性能算力,以及连接云端和终端的网络。

腾讯云存储产品解决方案总监温涛介绍了面向具身智能的数据飞轮解决方案。方案以对象存储COS为底座,为具身智能行业的数据采集、清洗、标注、管理、交付和模型训练等环节提供统一的存储底座。

据温涛介绍,在相关标杆客户的实际案例中,这套方案可将数据处理时间缩短35%,GPU利用率提升90%以上,训练时间缩短30%以上。最重要的是,其整体的存储成本还能降低30%以上。

腾讯云异构计算产品副总监黄阳进一步介绍了面向具身智能的数据、训仿、推理三大算力底座。

在数据处理阶段,腾讯云通过智能调度系统管理CPU、GPU资源,减少客户的基础设施运维工作。在模型训练阶段,腾讯云提供多芯算力、HyperACC训练加速及HyperTrace效能保障能力,提高训练的效率。在推理阶段,腾讯云则通过算力背包(EaaS)等方案,帮助具身智能企业实现模型的规模化部署与调用。

针对分布在不同地区的机器人数据、训练集群和模型服务,腾讯云网络产品架构师负责人何彬彬介绍了AI Link一张网解决方案。AI Link通过全球网络资源调度、数据传输加速和统一模型路由,连接算力、数据与模型。

腾讯云AI Link通过多路径调度、多网络资源整合和QoS服务分级,提高全球网络带宽利用率。在具身智能客户案例中,成功将香港至美国东部的传输带宽从100Gbps扩展至500Gbps,可交付带宽提升4倍,单位成本降低50%以上。

第三篇章:模型训练与推理基础设施

随着AI模型规模扩大,训练效率越来越依赖计算、网络和存储之间的协同,单纯提升GPU性能已经不足以解决所有问题。

腾讯云高级工程师边英介绍了自研集合通信库HCCL(HyperCCL),它依托腾讯云星脉RDMA网络硬件架构,通过优化双端口均衡问题、多路径动态均衡以及网络拓扑亲和性,从而提高为AI模型训练提供更高效的网络通信。

在实际业务测试中,HCCL帮助一家车企将视觉语言模型的训练时间从约12小时缩短至不到8小时,整体训练效率提升约35%。

在AI存储方面,腾讯云AI存储研发总监程力介绍了COS AI Native系列能力升级。此次升级包括高性能存储Rapid Bucket、向量存储Vector Bucket、面向Agent的Agent Bucket,以及面向具身智能数据处理的Robo-Suite等能力。

其中,Agent Bucket面向智能体的数据存储需求,提供独立空间、权限隔离、文件管理及共享能力。Robo-Suite则覆盖具身智能数据的预处理、质检、标注和脱敏等环节,在相关客户案例中,数据标注效率提升5至10倍。

腾讯云AI存储产品负责人杨飞还发布了新一代AI数据引擎并行文件系统CFS Turbo。CFS Turbo重点增强了S3协议支持,让不同应用能够通过统一存储系统访问数据,减少重复搬迁。

同时,通过更细粒度的数据回热和冷热分层策略,提高数据访问效率,降低存储成本。在实验室测试环境中,其S3访问吞吐相比传统对象存储方案提升数十倍,访问延迟降至约十分之一。

结语

从Agent的运行与管理,到具身智能的数据飞轮,再到大规模AI训练所需的高速通信与存储,腾讯云正在围绕AI应用的新需求,推动云基础设施全面升级。

这些技术升级让我们看到,AI基础设施的竞争,正在从单一硬件性能转向计算、存储、网络和软件的系统级协同。

对于企业而言,未来能否高效使用AI,不仅取决于模型有多强,还取决于底层基础设施能否让模型稳定运行、快速获取数据,并以可控的成本持续提供服务。

这也是腾讯云本次专场传递的核心信息:通过更加完整的云基础设施体系,降低AI规模化落地的复杂度,让企业把更多精力投入到业务创新中。

本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信