昨天 6 月 11 日，特工们受邀参加火山引擎春季 FORCE 原动力大会，大会上发布多项面向 Agent 定制开发的工具套件，包括 MCP 服务、提示词编排工具 Prompt Pilot、知识管理系统及强化学习框架 veRL 等。
同时，官方宣布将对 Agent 所调用的思考模型按“输入长度”分区定价，其综合成本仅为豆包 1.5 深度思考模型或 DeepSeek-R1 的三分之一。
特工也参与了对火山引擎总裁谭待的媒体采访，媒体采访内容如下。
媒体：企业在落地 Agent 时面临哪些挑战？火山引擎是如何应对的？与竞品相比优势何在？
谭待：我在大会上也提到，从 PC 到移动再到 AI，最核心的变化是“主体的变化”：从 Web 到 APP，再到现在的 Agent。Agent 具备自主规划、反思、执行任务的能力，这也带来了开发范式的转变 —— 过去一切围绕程序员理解业务展开，而如今，很多流程是由模型策略驱动，模型与工具、环境深度交互，对模型和 Agent 平台的能力要求大幅提升。
在基础设施层，数据不再只是服务于 BI，而是服务于 AI，多模态数据成为关键。安全同样重要，今天我们也发布了两款新产品，解决模型投毒、大模型防火墙、端加密等实际问题。整个计算架构也都随之更新。
这一整套体系，我们称为“AI 云原生”，是火山引擎最早在业内提出的，希望从 开发、架构、数据、安全 全方位帮助企业构建 Agent 应用。
具体来看，Agent 的核心是 多模态 + 深度思考的底层模型，否则能力会很初级。豆包 1.6 就是为此设计的。同时，Agent 任务对 Token 的消耗极高，一个复杂任务可能需要 20 万 Token，因此我们还推出了 区间定价机制，帮助企业在高频使用区间将成本压缩至 原来的 1/3（降低 63%）。
此外，我们也发布了包括 Prompt Pilot、Coding Agent、Trip、知识库、多模态数据湖、安全套件 等在内的配套工具体系，确保不仅模型强，还能在平台、数据、安全等方面系统支撑 Agent 落地。
火山的另一大优势在于 C 端豆包 App 有海量真实用户，我们在其中不断试错、优化，总结出一整套 Agent 最佳实践，并通过火山引擎持续向 B 端开放。
媒体：今天我们提到云原生的架构，里面分了基层，安全、基础设施、数据、Agent。因为过去预算都是分 IaaS、SaaS、PaaS，这个是否意味着过去的三层架构会被打破。因为以前云原生商业模式是 IaaS 卖资源、PaaS、IaaS 卖高价值的软件，这个是不是意味着以前的商业模式也会发生一定的变化？
谭待：我认为 AI 云原生中的数据和安全部分，其实既可以归类为 SaaS，也可以归为 PaaS 或 IaaS。传统上，SaaS / PaaS / IaaS 是从技术形态去划分的，但现在很多产品形态越来越混杂，比如 Model 和 Agent 属于 AP，它到底是 SaaS 还是 PaaS，其实不好界定，因为它也承担了非常密集的算力计算。
正因为如此，我们并没有按照传统的云架构三层来划分，而是更贴近业务场景去思考。举例来说，AICC 密态计算是一个典型的 PaaS 产品，它支持端侧加密、知识库加密、密钥管理，也可以用于模型的加密推理。大模型防火墙有可能是 PaaS，也可能是 SaaS，只需要一些配置就能防止推理过程中被攻击或投毒。
换句话说，我们更关注的是每一个层面能为 AI 落地解决什么问题，这种基于业务场景的分类方式，会比传统云架构的划分更贴合 AI 云原生的实际需求。
媒体：这两年有一些友商提出来云原生 AI，我们现在是 AI 云原生，这个跟原来的云原生还有 AI 原生最本质的区别是什么？我们提出 AI 云原生的大概过程历程是什么样的？
谭待：其实我也一直在思考这个问题。核心还是在于“主体的变化”。
云原生最初是为移动互联网而生。PC 向移动迁移后，用户触点变多、使用时长变长，对业务弹性和发布节奏的要求也变高了。因此云原生应运而生，服务于 Web 和 APP 的最佳实践，比如弹性扩缩容、容器化、DevOps、微服务等等。很多企业管理软件也是因此互联网化和弹性化的。这一套体系其实已经被大多数互联网公司很好地实现了。
但这两年，相关声音确实变少了，因为原来的问题基本都解决了。那么，AI 云原生与云原生 AI 的区别在哪里？就在于“主体”不一样了。
进入 AI 时代，新的主体是 Agent。虽然它表面上看像是一个 APP 壳，但本质不同。比如我在大会上讲的订酒店例子，如果是传统 APP，我得自己去选房、翻图片看有没有浴缸，想加床还要打电话。但如果是 Agent，它可以主动识别图片、读评论、打电话跟前台沟通，解决的是传统软件无法完成的场景。
所以现在的 AI 云，应该是为这种新的主体 —— Agent 来设计的，技术栈也必须更新。
“云原生 AI” 只是给旧架构加了点 AI，而“AI 云原生”是围绕 Agent 重构架构。Agent 需要更强的模型，模型还要能进一步强化，比如我们有 Prompt Pilot、VIL 模型来解决更具体任务。Agent 处理的也不是传统的结构化数据，而是图像、音频、文本等多模态原始数据。因此，我们还需要构建多模态数据湖，不丢失信息，直接输入模型。
未来，Agent 之间还要能联网、协作、通信，安全防护也变得非常关键。
当你意识到主体变了，你就会明白：要为新的主体设计全新的技术栈，这就是“AI 云原生”的逻辑。它不是一个词序的倒装问题，而是思维方式的彻底转变。
媒体：我看今天很多核心围绕 AI，如果我们现在很多核心出发点变成 AI 的话，跟过去的云计算相比，哪些技术变得不那么重要了？或者哪些技术改变得更彻底了？
谭待：我觉得很多技术是有延续性的。比如说 CPU 重不重要？当然重要。因为大量负载仍然运行在传统架构上，大部分程序依然基于老的开发方式，如何把这部分规模化、降低成本仍然是关键。数据库也一样重要——甚至可以说，Agent 某种意义上就是一个更拟人化、可交互的“数据库前端”，它把原来 Web 或 GUI 做的事情，用更智能的方式实现了。
所以我不是在说“哪些技术不再重要”，而是现在有了更多更新也更重要的技术方向。像 Web、APP 时代的云原生技术体系已经相对成熟了，当然它还会继续稳定和降本，但在“新特性”上很难再出现突破。而 AI 云原生 完全不同：从模型本身，到 Agent 开发工具、多模态数据湖，再到 AI 安全机制，这些都是正在高速发展的新方向。
我相信不仅仅是我们，整个行业接下来都会围绕 AI 云原生不断创新。接下来的几年，大家会看到一系列眼花缭乱的新产品和新思路。过去几年，传统云计算的产品创新确实出现了停滞，但 AI 云原生的出现，将极大加速这一轮真正的突破。
媒体：如何平衡生态构建者和应用工具开发者这样一个双重角色？
谭待：我觉得对于云来说首先把基础设施做好，AI 云也是这样的，所以我们更注重的是把刚才围绕着 Agent 开发这些平台和工具做好，这可能是我们最重要的事情，也是我们擅长的一些能做好的。
应用这一块我觉得主要还是说我们会选一些少数的我们很有能力做好的，比如说 AI coding 这个我们就把这个好好做，其他大部分我们还是愿意跟我们生态伙伴一起来合作。比如说硬件我们火山就不做硬件，之前有媒体说显眼包是火山进入硬件行业，不是的，这次我们也澄清了，这次我们肯定和生态伙伴合作，这是一个很典型的例子。
（文：特工宇宙）