1. 首頁 > 生活百科 > >

MaaS做到第一后，火山下一步怎么走？

中國移動貴州電信基站

MaaS做到第一后，火山下一步怎么走？

云廠商突圍 ， 今天已迫在眉睫 。
在市場廝殺多年 ， 云市場早已被“鉗”得窒息——難以遏止的惡性價格戰、難以標品化的項目、難以規?；母咄度肷虡I模式 ， 就像一個泥潭 ， 讓廠商們深陷其中 。
而被市場“炒了又熱 ， 熱了又炒”的大模型 ， 會是云廠商沖破泥潭的突破口嗎？許多人如此相信 ， 但如何突圍 ， 答案還并不明朗 。
12 月 18、19 日 ， 字節火山引擎召開了 2025 年的冬季 Force 大會 ， 以豆包大模型 1.8、視頻生成模型 Seedance 1.5 pro 等新進展 ， 決心在行業的堅壁上砸開一條“渠” ， 把 AI 的“活水”引進行業 。
可以說 ， Agent 是今天 AI 實現突破的“超級共識” ， 但怎么發展 Agent ， 卻仍然是廠商們眾說紛紜的“多元敘事” 。
Agent Infra 平臺——“AgentKit” ， 則是火山為了這場“大考”給出的答案 。
今天 ， Agent 開發者平臺不少 ， 火山做 AgentKit 背后的邏輯是什么？這一切 ， 或許早就可以從火山引擎的發展史中 ， 找到暗藏的草蛇灰線 。
01
火山MaaS登頂 No.1 ， 主要是抓住了 AI 紅利
2025 年 ， 哪家云廠商 MaaS 走得最靠前？答案非火山引擎莫屬 。
IDC 十月的報告《中國大模型公有云服務市場分析2025H1》顯示 ， 今年上半年 ， 中國公有云上大模型調用量達 536.7 萬億 Tokens 。 其中 ， 火山引擎的調用量全國第一 ， 市場份額 49.2% ， 獨占半壁江山 。
而五年前 ， 早期的火山引擎被夾在一眾傳統云大廠中間 ， 在市場上舉步艱難 。
火山引擎 ， 一直等待著一個機會 。 2023 年 ， 大模型帶來了新市場和新機會 。 看到超車窗口 ， 其他競爭者一擁而上 ， 在百模大戰中做了“分母”；而火山則不同 ， 作為中國第一家制定了 MaaS 戰略的云廠 ， 憑借著扎實的技術基礎和穩定的執行 ， 在智駕領域彎道超車 ， 吃下了不少主流廠商的 AI Infra 需求 。
幾年前 ， 仍在 IaaS、PaaS、SaaS 架構下掙扎的云廠商中間 ， 就已經有不少人開始發現 ， 原有的市場模式正在失效 。 而新的 MaaS 架構以模型為核心進行設計 ， 讓云向著 AI 原生的方向又走出了一步 。
從“傳統云”到“AI 云”的范式轉移 ， 火山引擎走得更靠前 ， 也就在 MaaS 的賽道上獲利更早——用人話說 ， 就是把過去傳統云廠“賣算力”的資源生意 ， 變成了今天依托優質模型“賣 Tokens”的服務生意 。
為什么賣 Tokens 比賣算力更先進？火山引擎想明白得更早：調用量不僅僅是銷售數據 ， 更是大模型自身進化的重要催化劑 。
大模型的調用越多 ， 用戶使用和反饋就越多 ， 大模型就能更快地進行迭代和進化 ， 進而收獲更多的調用——這就是大模型的“數據飛輪” 。
理清了這一點 ， 火山才敢于大幅降低價格 ， 把模型開放給開發者調用 ， 讓豆包從以“分”計價變成以“厘”計價 ， 降幅達到 99.3% 。
不少云廠咬緊了牙根 ， 火山卻顯得舉重若輕 ， 原因正是買算力、租 GPU 和 CPU ， 能不能賺到錢 ， 終歸是一城一池的得失；而火山在每一次 AI 的熱潮中都登上一級臺階 ， 促使業務進一步擴張 。
今年年初 ， DeepSeek 在國內攪動乾坤 ， 火山就承接了絕大部分Tokens 調用 ， 抓住了新的 MaaS 成長機會 。
如果說 ， AI 云的架構可以被分成三層：以模型為核心的 MaaS ， 協助 Agent 開發的中間件 ， 與幫助 Agent 在實際場景中大展拳腳的 Agent 運營 。



圖源：火山引擎 2025 冬季 Force大會
用人話來說：通過 MaaS 架構把模型能力開放給外部 ， 通過調取 Tokens 的方式 ， 實現商業營收 ， 并同時以數據反饋帶動模型的成長 ， 今天的豆包大模型 1.8、Seedance 1.5 都屬于這一層；
【MaaS做到第一后，火山下一步怎么走？】然而模型的能力是未經過包裝和場景適配的 ， 企業要通過 Agent 來實際解決問題 ， 而又缺乏相關的開發經驗和工具 ， 這就需要 Agent 開發工具為企業完成賦能 ， AgentKit  就是火山為 Agent 開發設計的一柄利器；
最后 ， 當 Agent 被制作出來 ， 實際應用當中 ， 企業中無數的 Agent 又需要被完善納管 ， Agent 運營的重要性也就逐漸凸顯出來 ， 火山今年推出的 HiAgent 則負責這一層的工作 。
到今天 ， 火山引擎似乎已經找到了正確的方向 。 建立好 MaaS 模式 ， 火山的下一步 ， 便開始向 Agent 開發平臺“AgentKit”進軍 。
02
Agent 創新大潮下 ，AgentKit 是順勢而為
如果問 ， 從 2023 年 ChatGPT 橫空出世 ， 到 2025 年冬季競爭格局初定 ， 市場上最大的認知升級是什么？
不少人或許會有一個答案：創業者入局自研大模型 ， 掙錢相當困難；而 Agent 做起來更輕量 ， 距離用戶更近 ， 才是真正能夠賺到錢的好門路 。
簡單來講 ， Agent 就是 PC 時代的門戶網站 ， 移動互聯網時代的 App ， 是今天組成了 AI 生態的“空氣和水” ， 或許將是下一代最炙手可熱的商業標的之一 。
2025 年 ， Agent 大潮迅猛 ， 很多“一人公司”不僅拿到了融資 ， 甚至已經在親子、心理、辦公等領域賺到了錢；而不少大廠出來的創業者 ， 從釘釘的前 CEO 葉軍 ， 到抖音的早期干將卷卷 ， 再到百度的“小度之父”景鯤等等 ， 無數人才帶著熱錢 ， 一起涌入AI Agent賽道 。
作為云賽道難能可貴的活水 ， 這些創業者自然是云廠商夢寐以求的“香餑餑” ， 而要服務好他們 ， 僅憑傳統云服務“賣卡賣算力”的服務還遠遠不夠 。
今天 ， 云廠商的服務模式正受到巨大的挑戰 。 過去 ， 人們常把提供基礎服務的廠商——尤其云廠商——的商業模式 ， 類比成給淘金工人“賣水賣鏟子” 。 但今天 ， “水”和“鏟子”早已不是稀缺資源 ， 要把服務賣到 Agent 創業者心坎里 ， 就必須提供更貼心務實的服務 ， 提供更高效好用的工具 。
“新的時代我們需要新的技術架構 ， 我們希望 Agent 能夠自行通過模型 ， 完成思考和規劃 ， ”2025 冬季 Force 大會上 ， 火山引擎總裁譚待講道 ， “這就需要 Agent 能夠自動的調用工具 ， 自動去使用各種云資源和數據庫 ， 因此我們需要一個全新的面向 Agent 來設計的新架構——這個技術架構就是火山引擎一直在提倡的 AI 云原生架構 。 ”
通過 MaaS 架構 ， 把“賣算力”變成“賣 Tokens”只是第一步 。 火山跟進的第二步 ， 是通過 Agent 開發平臺 ， 把 Tokens 組裝成 Agent ， 并提供包含中間件、SDK 和工具在內的一系列支持 ， 來讓 Agent 能安全高效的運作 ， 并且可以與同體系內成百上千個其他 Agent 協作 ， 適配現有的工作流和系統 。
一句話說：誰能把 Agent 的 Infra 做得更好 ， 誰就能留住 Agent 開發者 ， 并且在他們成長起來之后 ， 長期可持續地把云服務提供出去 。
而在市場上 ， 卻仍然缺乏專為 Agent 規?；\行而設計的基礎設施 。 瞄準這塊重要的市場真空 ， 火山引擎將自家的 AgentKit 全面升級 ， 作為企業 Agent 開發平臺正式對外推出 ， 讓企業能夠更高效便捷地把 Agent 落地到生產環節 。
這是火山的重大機遇 。 豆包基礎模型能力夠強 ， 自身客戶經驗更足 ， 更了解開發者和創業者的實際需求 ， 能把工具做到人心里去 ， 火山手里的牌已經相當齊整 。
在 Agent 的大潮下 ， 花心思做好 AgentKit ， 比起跟風追漲 ， 更像是火山引擎的順勢而為 。
03
各家都在做工具 ， 火山的 AgentKit 到底牛在哪？
先說結論：
作為面向企業級 Agent 開發設計的開發平臺 ， AgentKit 可以覆蓋 Agent 應用落地的全生命周期 ， 并且實際解決企業 Agent 落地過程中真正的挑戰 。
簡單來說 ， 和市面上不少其他平臺相比 ， AgentKit 不是“管殺不管埋”的玩具 ， 而是要讓企業能更簡單地做出 Agent ， 并且做了就能用上 ， 能安全 ， 能提效 ， 能賺錢 。
2025 冬季 Force 大會上 ， 火山引擎總裁譚待直言：“根據我們的調研、其實真正能開發好好的Agent的企業并不是非常多 ， 而在這里面能夠把Agent運營的好、能讓智能體被大規模使用的企業就更少了 。 ”
對有一定 AI 能力的企業來說 ， 做一個 Demo 級的 Agent 不難；但要讓 Agent 實際落地并且生產可用 ， 中間或許要經歷數個月的工程化改造 ， 并且舊有的平臺鮮少有標準化的開發框架和部署流程 ， 就讓這個過程更加的困難 。
即使完成了 Demo 的創建 ， 缺乏合適的鑒權、觀測和評估體系 ， Agent 也很難對抗與之而來的風險 ， 距離部署到生產環境實際可用 ， 就又多了一大段距離 。
而 AgentKit 的目標 ， 就是讓這些 Agent 都能順利從“花瓶”蛻變成“道具” ， 實際為企業降本增效 。
Agent Infra 的路徑 ， 火山引擎在海外也有“同路人” 。 AWS 自建了 AgentCore 平臺 ， 微軟也在十月做了新的 AI Agent SDK ， 除此之外 OpenAI、谷歌都有相應的布局 。
而包括上面提到的 AWS、微軟等公司在內 ， 不少云廠做 Agent Infra ， 提供的是一個個封裝成 SDK 的能力 ， 本質上還是“賣水賣鏟子”；
而 AgentKit 背靠著更強的 AI 云原生能力 ， 做的是一個完整的、開箱即用的云原生 Agent Infra——這也讓火山引擎在國內云廠的競爭中脫穎而出 。
為什么火山能把 AgentKit 做出來？除了云原生的技術硬實力 ， 火山對企業用戶的洞察夠深 ， 足夠了解用戶的痛點 ， 才能針對性地做出調整 。 而用戶要做好、用好 Agent ， 則不得不面臨著三座“大山” 。
首先 ， 安全問題 ， 是 Agent 實際開發和使用中難以逾越的第一座大山 。
對于 Agent 來說 ， 它必須是一個能夠主動執行任務的智能體 ， 代表用戶去調用服務、訪問資源——那么 ， Agent 身份管理的問題也接踵而來 。
一般來說 ， 用戶使用 Agent ， 就必須為 Agent 設定權限 。 權限低了 ， Agent 沒法干活；權限高了 ， Agent 又可能越界；加之 ， Agent 還必須考慮到黑客攻擊的風險 ， 如果原本不屬于用戶意圖的請求被混入 Agent 的執行過程 ， 手握“大權”的 Agent 就可能成為讓“千里之堤”潰塌的“蟻穴” 。
在日常的工作流使用當中 ， 通常是數十 ， 乃至上百個 Agent 同時運行 ， 并且和工具反復互相調用 ， 鏈路長且復雜 ， 很多時候還會通過第三方的 API 穿越不同的“信任域” ， 憑證管理復雜不說 ， 還面臨跨域和跨服務的信任問題 。
如果你的私人秘書 ， 手中掌握你和公司的大量關鍵事務 ， 卻沒法說清“自己在何時做了什么” ， 任誰都會坐立不安 ， 沒法放心——這就是 Agent 身份缺失帶來的巨大安全風險和合規隱患 。
而火山引擎 AgentKit 的 Identity（身份）模塊 ， 就是為了解決這些問題而設計的 。
AgentKit 為企業的 Agent 們設計了一套清晰、可審計的身份系統 ， 不僅明確了其行為的邊界 ， 更將它代表誰執行任務、調用工具管理得明明白白 。 讓 Agent 安全可控 ， 才是一切 AI 實踐的起點 。
除此以外 ， 在 AgentKit 的 Gateway（網關）模塊上 ， 火山為 Agent 設置了統一的入口 ， 無論是人、系統還是 Agent ， 訪問路徑、鑒權和策略都在這里統一收斂 。
就如同一座金庫 ， 只有一個入口 ， 就降低了外界威脅入侵的風險 。
身份模塊是 Agent 的“身份證” ， 標注它的權限和職責；網關模塊是一個嚴格把守的入口；而 Guardrails（圍欄）模塊 ， 則是 AgentKit 為企業提供的安全護欄 ， 讓 Agent 把規則、合規和邊界內建進自己的運行過程 ， 為 Agent 安全又添一層保障 。
三箭齊發 ， AgentKit 讓企業的 Agent 使用放寬了不少心 。
以某汽車廠商為例 ， 在該廠的車載終端 Agent 上 ， 每天都會遭遇海量的提示詞注入攻擊與惡意數據投毒 。 而火山的 AgentKit 為這間車廠提供了一套全方位的安全、身份和授權管理體系 ， 從開發到負載、工具調用的整體鏈路把控安全問題 ， 提供實施風險掃描和安全加固、圍欄的能力 ， 把企業 Agent 的安全隱患降到了最小 。
解決了安全問題 ， 讓企業級 Agent 難以快速落地的另一座大山 ， 是原有數據系統的改造難題 。
發展至今 ， 不少企業其實已經有了一套行之有效的業務管理系統 。 而要用 AI 對原有的系統進行改造 ， 并不總是“喜上加喜” ， 而是要把原有系統幾乎推倒重來的“改頭換面” 。 大量代碼面臨重構 ， 數據流、交互等模塊都需改造 ， 企業成本高、風險大 ， 引入 AI 的熱情自然就小了不少 。
如果只是耗費人力物力 ， 或許對企業來說 ， 或許還不是阻止他們 AI 改造的“死結”——企業原先積累在系統中的知識和數據 ， 通常體量大、欠梳理、質量差 ， 業務知識更隱性 ， 這也讓 Agent 更加難以理解企業的 Knowhow ， 進而實際為生產力提供幫助 。
到了 AgentKit 這里 ， 其自帶的 Memory（記憶庫）模塊 ， 則給企業帶來了 Agent 長期、可管理、可治理的上下文記憶 ， 通過幫助他們重構一套可更易部署、行之有效的數據體系 。
在醫療行業 ， 藥店的許可證件體系復雜 ， 文件格式也從 PDF 到壓縮文件不一而足 ， 有時連運營專員也容易犯錯 ， 而 AgentKit 則可以幫助他們更好地處理這些事務性工作 。
管理文件 ， 重要的是準確——而準確的基礎 ， 則是一套能處理復雜知識體系的知識圖譜 。 AgentKit 可以提供更細致的業務知識梳理和向量數據庫檢索方案 ， 落地一套醫藥門店資質管理 Agent 知識庫 ， 來幫助企業快速建店 ， 或打通線上外賣業務 ， 處理好資質查詢、審核、經營許可校驗等繁雜且精細的事務 。
處理好安全和系統改造的問題 ， Agent 想做好 ， 還必須得跨過 AI 的“黑盒困境”和評估缺失這最后一座“大山” 。
AI 推理過程不可解釋 ， 就像一個密不透風的“黑盒” ， 常常被稱為 Transformer 架構大模型的“原罪”——多 Agent 協作、去幻覺、事實性驗證等領域面臨的困難 ， 大多可以歸咎于此 。
不僅推理不可解釋 ， Agent 的評估也很難量化 。 今天 ， 不僅市面上面向專業 Agent 的評估體系仍然缺失 ， 實驗室的評估環境與 Agent 實際落地的場景也有云泥之別 ， 測試用例構造困難 ， 工具調用的評估也并不簡單 。
這一切 ， 如果聘請人工評估、調整 ， 企業則面臨著高昂的成本——一套可觀測、可評估、支持更優質開發環境的 Agent 開發平臺 ， 便承擔了企業用戶太多的期待 。
千呼萬喚始出來 ， AgentKit 則把這些功能 ， 都集成到了自己的平臺上面 。
針對大模型不可解釋的“原罪” ， AgentKit 設計了一套 Observation（觀測）能力模塊 ， 讓 Agent 的每一次決策、每一步調用 ， 都可被用戶以完整鏈路追溯 ， 把“黑盒”變成透明的“白盒” 。
AgentKit 同樣為 Agent 增設了一套 Evaluation（評測）體系 ， 不用感覺評價 Agent 好不好用 ， 而是用量化的指標、數據、回放持續評估 ， 讓廠商能讓自家的 Agent 取長補短 。
時至今日 ， AgentKit-Evaluation 已經累計對一萬多個 Agent 進行了 20 萬次的評估 ， 在這樣的積累下 ， 火山揀選出了超過 50 個標準化的官方評測器 ， 幫助企業快速地完成冷啟 ， 完成智能體能力的量化評估 。
而為了讓 Agent 能在更貼近實際生產場景中得以開發 ， AgentKit 還內置了 Runtime（運行時）和 Sandbox Tool（沙箱工具）兩個模塊 ， 前者讓 Agent 能夠脫離腳本和 Demo ， 直接跑在穩定、彈性、可隔離的生產環境當中 ， 后者則讓可能帶來系統風險、訪問敏感數據、執行不可信代碼的調用 ， 被限制在一個封閉的環境當中 ， 保證系統在 Agent 開發時的安全性和高效性 。
這些功能模塊 ， 在金融場景中給企業帶來了不小的提效 。
在某券商金融大模型持續迭代的過程中 ， SWE 鏡像儲存文件大、共存版本多 ， 導致存儲需求增長 ， 成本也居高不下 ， AgentKit 為企業提供了 SWE Bench 的自動評測集功能 ， 把存儲、維護的顯性成本和隱性成本壓低了不少 。
而在金融大模型的強化學習優化階段 ， AgentKit 的沙箱工具 ， 則支持高效的任務調度 ， 批量毫秒級相應 ， 讓訓練效率突飛猛進 ， 有效地縮短了實驗的周期 。
就在今年的冬季 Force 大會上 ， 火山引擎展示了使用 AgentKit 制作的“智能會議助手” ， 內置“會前智能推薦Agent”“智能簽到Agent”“智能總結Agent”三個智能體 。 相比傳統開發模式 ， 基于火山 AgentKit 開發的“智能會議助手”代碼量減少了96% 。
04
結語
說回最初的邏輯：云廠商在過去面臨的最大困境 ， 是極致高壓的存量市場中 ， 鮮有供廠商出頭的機會 ， 行業的僵化也就不可避免 。
而大模型的機會來了 ， 不少云廠商卻依著自己的慣性 ， 走原先的老路 ， 就又不可避免地落入到舊有競爭格局的窠臼當中 。
屬于云廠商的 AI 新路怎么走？雷峰網總結了一下：
傳統云要突圍 ， 關鍵點在 AI；
AI 云要突破 ， 就必須從簡單賣算力 ， 進化到建設以 MaaS 為中心的模型和商業飛輪；
而要做好 MaaS ， 讓更多企業和開發者入駐 ， 核心則是做好 AI Infra 的建設 ， 幫助更多專業用戶能做出專業 Agent ， 實際完成降本增效、賺到真金白銀 ， 進而讓更多人用上 AI 云 ， 反哺云廠商的商業 。
火山本次發布的 AgentKit ， 意義就可見一斑 。
下半年 ， 在同時期公布的日均調用量上 ， 火山引擎的數據已經接近谷歌；而今年冬季 Force 大會上 ， 火山引擎公布的日均 50 萬億 Tokens 調用量 ， 國際第三已屬第一梯隊成績 ， 僅次于OpenAI和Google ， 國內則以頭名身份傲視群雄 。
要在領先的地位上待得長久 ， 用戶的飛輪則是一切的關鍵 。
正是看到了這一點 ， 火山引擎以 AgentKit 作為矛頭 ， 殺向專業級的 Agent 開發賽道 ， 在核心用戶群體中做精做深 ， 讓人真正用起來 ， 再逐步輻射愛好者和一般用戶 ， 一個個地擊穿用戶圈層 ， 進而實現 AI 云的大發展 。
這就是火山引擎的 Agent“陽謀” 。

    推薦閱讀