本文整理自 2025 雲棲大會，阿里雲智能集團產品專家，劉宇演講議題《函數計算髮布 FunctionAl:serverless Al 原生應用基礎設施》
在 AI 技術應用落地進程中，目前面臨着五大核心挑戰：開發/學習門檻過高，部署運維階段複雜，AI 應用安全備受挑戰，生態能力方面存在嚴重的割裂與鎖定現象，同時資源成本高昂且利用率低下。這些挑戰極大地阻礙了 AI 技術的廣泛普及以及應用效率的有效提升。
阿里雲函數計算（FC）依託 Serverless AI 基礎設施與全棧能力的創新突破，推出 Function AI（函數智能），精準攻克上述痛點問題，全面推動 AI 應用在開發至運維的全流程中實現降本增效。以下將從四個關鍵維度，詳細闡述阿里雲函數計算（FC）的核心解決方案。
一、函數計算 FC：Serverless 形態的 AI 基礎設施
阿里雲函數計算（FC）全新推出 Serverless AI 基礎設施，以“高可用、低成本、零/低運維”為核心，為企業提供從模型部署到 Agent 開發的全棧解決方案。該平台通過 Serverless 架構的彈性特性與智能化資源管理，顯著降低 AI 應用的開發複雜度與資源成本，助力企業快速實現 AI 落地。
- 開發效率提升：無需關注底層資源，開發者可專注於業務邏輯，模型一鍵轉換為 Serverless API。
- 彈性資源調度：按需付費 + N 分之一卡資源分配（如 1/16 卡），GPU 部署成本降低 90% 以上。
- 免運維特性：實例閒置時自動縮容至 0，資源利用率優化 60%，實現業務運維轉型。
二、核心能力發佈：AgentRun 與模型服務、文生圖服務
阿里雲函數計算全新發布 FunctionAI，基於 Serverless 架構的企業級 AI 應用基礎設施平台，實現從模型託管到 Agent 開發的全流程覆蓋，顯著降低技術門檻並提升跨平台適配性。
AgentRun 全流程解決方案：
Agent Run 通過高代碼與低代碼結合，提升 AI 開發效率，支持主流開發生態。在部署階段，提供輕量、靈活、安全隔離的 AI 運行時，支持多種模型和工具運行時，確保應用安全與擴展性。運維方面，Agent Run 具備全鏈路監控能力，免資源運維，實現業務運維轉型。八大組件共同構建，助力開發者輕鬆構建企業級 AI 應用。
- 全生命週期能力
- 開發階段：高代碼 + 低代碼模式，兼容阿里雲百鍊、CloudFlow、Dify 等生態，開發者可自由選擇框架；
- 部署階段：輕量、靈活、安全隔離的運行時，支持大模型/垂類模型調用，提供安全沙箱隔離機制與 MCP/Function Call 協議雙保障；
- 運維階段：全鏈路監控 + 端到端可觀測性，定位問題並提供優化建議，實現免資源運維。
- 技術架構優勢
- 百萬級併發：基於 Session 親和與多語言引擎，提供企業級沙箱服務能力；
- 毫秒級彈性：內存快照技術實現 CPU 毫秒啓動、GPU 秒級響應；
- 成本降低 60%：支持 GPU/CPU/內存解耦配置（最小 0.25 CPU），實例閒置時自動縮容至 0，按需付費。
大語言模型代理機制
多模型統一接入
- 支持 Cloud、GPT、通義千問等 20 家主流大模型，實現開源模型一鍵部署；
- 通過統一規範管理所有模型，解決 First Token 延遲與負載均衡問題。
動態模型治理
- 自動切換機制：當主模型 First Token 時間過長或負載過高時，快速啓用備用模型；
- 並行處理能力：多模型並行執行，首個返回結果的模型優先作為主模型。
工具生態聯動
- 統一工具接口
- 兼容 MCP/Function Call 協議，適配主流工具與第三方服務，API 集成時間從天級降至分鐘級。
- 智能工具管理
- Tool Hub 插件市場：海量插件一鍵部署，快速構建業務場景；
- 智能路由優化：通過語義分析前置篩選工具，降低調用時間（從 60 秒降至秒級）與 Token 消耗。
模型服務：AI 模型一鍵轉化為 Serverless API
阿里雲函數計算推出的模型服務，以 Serverless 架構為核心，通過生態兼容性、技術能力與成本優化三位一體，為企業提供從模型部署到服務調用的全鏈路解決方案。該服務顯著降低 AI 應用開發門檻，同時保障高可用性與資源高效利用，助力企業快速構建生產級模型服務。
-
生態兼容性
- 覆蓋大語言模型與垂類模型，兼容 ModelScope、HuggingFace 等主流平台；
- 支持 vLLM、SGLang、Ollama、Transformer 等技術架構的一鍵部署。
-
技術能力
- 提供 100+ 模型在線體驗，200+ 模型一鍵部署；
- 六大框架一鍵託管，與 Agent 服務無縫集成；
- DevPod 在線環境支持代碼調試與鏡像自動構建，無需掌握 Dockerfile。
-
成本優化
- Serverless GPU 技術結合按量付費模式，N 分之一卡資源分配（如 1/16 卡）；
- 部署成本降低 90% 以上，資源閒置時不計費，支持百萬級併發與毫秒級彈性；
- 與 ComfyUI、Dify 等生態實現一鍵聯動，消除資源預置顧慮。
文生圖/聲音/視頻：多模態AI創作平台
多模態AI創作平台以“零門檻生成”為核心，通過全鏈路工具與生態聯動，覆蓋電商設計、遊戲渲染、營銷物料、教育培訓等全行業場景。平台提供開箱即用的文生圖/視頻/聲音能力，結合高性價比算力與自動化資源管理，顯著降低創作門檻與成本。
- 文生圖與文生視頻
- 集成 ComfyUI 與 Stable Diffusion 工具，解決本地部署複雜度與顯存資源限制；
- 支持全場景內容生成，從設計到渲染實現端到端自動化。
- Lora 模型訓練
- 提供 Muse Lora 等專業訓練器，覆蓋數據標註到模型訓練的全流程；
- 適配垂類場景需求，快速生成定製化模型。
- 企業級 Serverless API 調用
- 一鍵部署 Stable Diffusion、ComfyUI 等模型，自動轉換為 Serverless API；
- 高性價比 GPU 彈性算力 + 自動擴容，支持同步/異步靈活切換。
三、Agent 最佳全棧實踐：Function Q，你的雲上助理
Function Q 是專業的函數計算智能助手，集成了基於大模型的代碼自動生成、智能運維診斷和系統架構設計三大核心能力，顯著提升 Serverless 應用的開發效率。整體技術棧基於函數計算 FC、API 網關、RocketMQ、SLS 等阿里雲成熟基礎服務構建，遵循雲原生設計原則，提供企業級的高可用性、安全性和可觀測性保障。
- 智能開發助手
- 意圖驅動部署：用户通過自然語言描述需求（如“獲取本地天氣”），Function Q 自動生成代碼並部署至函數計算，提供按量付費的 API 接口；
- 示例場景：輸入“獲取本地 IP”，Function Q 自動查詢 API 並生成可調用服務，無需手動編寫 Dockerfile 或配置資源。
- 運維診斷專家
- 問題自動分析：針對資源費用異常、函數運行錯誤等問題，調用 MCP 工具鏈定位根源並提供解決方案；
- 實時監控支持：支持全鏈路可觀測性，縮短故障排查週期，提升運維效率。
- 架構設計顧問
- 業務遷移指導：通過業務描述分析，推薦切分方法或整體打包策略，適配函數計算架構需求；
- 場景覆蓋：解決開發者對 Serverless 架構遷移路徑的困惑，實現零門檻上雲。
四、擁抱開源，與開源共成長
阿里雲函數計算將堅定擁抱開源、與開源共成長。AI 並非單純商業化產品，而是開放共贏的技術生態平台。當下，我們已與 Agentscope、LangChain、dify 等平台開展開源託管及代碼集成工作。
未來，還有兩大關鍵動作：一是開源 AgentRun SDK，助力快速集成上層開源框架；二是推出 model plugin，讓所有垂類模型可像插件般，快速接入 dify、N8N、Stable Diffusion\ComfyUI 等現有生態。我們期望藉此不僅擁抱開源，更能反哺開源，攜手共進。
