2026年9月22日，阿里巴巴集团CEO吴泳铭在杭州云栖大会指出，机器正成为思考主力，未来机器思考总量将达人类1000倍以上。与技术底座演进同步，阿里研发方式加速向AI Native转变，Agent逐步进入需求、开发、测试、发布和运维各环节。9月23日，以“智启原生 研见未来”为主题的阿里巴巴AI Native研发实践论坛举办，多位技术专家围绕AI Native实践展开深入交流，探讨代码生成提速后软件交付的新瓶颈与破局之道。
基础设施与工程系统：Agent走向生产的基石
许晓斌：Agent进入生产需要完整的工程系统
阿里巴巴研发基础设施负责人许晓斌从内部实践切入，探讨Agent如何融入真实生产链路。首先面临的是运行环境与结果验证问题。阿里开源的OpenSandbox每周创建量已超千万，服务于Agent运行、训练和评测；同时，环境体系已支持数千个应用的独立复原，并计划扩展至万级规模。环境已成为Agent持续执行任务的基础设施。
在运行环境成熟后，生产操作开始交由Agent。Guardrail已在数十个应用及百人团队中用于灰度发布和运维，目标半年内让一半生产系统的发布由Agent自主完成，人类仅负责最终确认与高风险决策。许晓斌指出，编码通常仅占软件交付总时长的20%-30%，局部提速与整体提速存在差距。他将AI Native研发拆解为需求、上下文、环境、身份和证据等部分，提出“一个需求，一组事实”的理念，强调产品文档、技术方案等需围绕需求形成连续上下文。同时，Sandbox为Agent提供可执行空间，应用环境复原则让其在接近真实的条件下完成开发。当Agent走向生产，系统还需构建复合身份，用于授权、审计和高危操作确认。
图 / 阿里巴巴研发基础设施负责人许晓斌
黄挺：基础设施的用户从工程师变成Agent
蚂蚁集团平台技术事业群总架构师黄挺分享了Agent参与线上问题修复后的基础设施演进。蚂蚁将问题分派、云上Agent、隔离评测和人工确认串联成Badcase修复链路，使单个Badcase平均修复耗时降至原有的四分之一，人工投入从天级降至一小时内。
支撑该链路的ARCA隔离沙箱具备200毫秒容器冷启动、单沙箱8MB内存开销及日均超60万次创建量等高性能指标。黄挺指出，基础设施的用户正从工程师转变为Agent。过去依赖人的经验和谨慎维持的边界，现在需要转化为标准接口、权限分层、隔离环境、限流和审计能力，以适应Agent连续调用工具、修改文件的特性。
图 / 蚂蚁集团平台技术事业群总架构师黄挺
研发流程与团队协作：打破局部提速瓶颈
李英各：统一上下文与验证机制降低交付成本
千问事业部杰出技术专家李英各指出，AI编码效率的大幅提升并未带来同等幅度的整体交付提速。长链路、跨角色协同导致的上下文缺失及繁重的上线前验收仍在消耗大量成本。针对此问题，他提出Context & Verifier Driven Developer模式，让产品、设计、研发和测试在同一工作台协同，通过需求评测Agent提升PRD质量，研发作为代码质量第一责任人，与测试完善编码验证机制，从而降低验收成本。
千问团队将实践痛点总结为“一个发现、一个高估、两个低估”：个人效率不会自动转化为团队吞吐；团队易高估编码提速和代码质量，低估跨角色沟通和验证复杂度。在组织方式上，千问正推动多角色围绕同一目标、上下文和质量证据工作，通过虚拟团队缩短跨角色链路，让信息连续流动、结果共同验证。
图 / 千问事业部杰出技术专家李英各
陈烨：把AI放到需求入口，重塑研发流程
飞猪CTO陈烨从业务研发链路出发，将AI前置到需求入口。飞猪通过领域知识库和PRD Gate检查需求自洽性，将后续研发流程标准化。其平台技术团队需求端到端周期由2-4周缩短至1周。过去一年，超三成平台型业务需求由AI流程支撑，住宿业务超60%应用接入AI研发，商旅业务组件生产效率提升超70%。
陈烨用阿姆达尔定律解释局部与整体效率的差异，强调当局部环节极速提升时，等待和沟通会成为新瓶颈。他将AI研发划分为辅助的Copilot阶段、主导执行的Agent阶段，以及Agent成为团队成员的AI Native阶段。在AI Native阶段，流程需围绕Agent重新设计，人的角色向任务定义和风险决策转移。陈烨认为，“AI Native不仅是技术选择，更是组织选择。”
图 / 飞猪CTO陈烨
理论探讨与跨界观察：界定AI边界与组织演进
彭鑫：用“可驾驭性”判断AI作用边界
复旦大学计算与智能创新学院副院长彭鑫从软件工程研究视角指出，组织重构不意味所有任务都适合AI。他提出用“可驾驭性”评估AI的作用边界，即任务能否清晰定义、结果能否客观验证、环境能否被Agent理解与操控。面对复杂系统，需持续记录需求、架构和演化历史，构建与代码对应的“数字孪生”。
图 / 复旦大学计算与智能创新学院副院长彭鑫
李亚洲：个人效率提升后工作流需持续演进
机器之心联合创始人、主编李亚洲从内容生产场景分享观察。借助Agent，单篇论文报道的完成时间从一上午缩短至一个多小时，编辑部承接工作量增至三倍。但他指出，尽管个人产出提高，若缺乏统一工作流，个人效率仍无法转化为稳定的团队流程。这一跨界案例同样印证了AI Native研发中工作流标准化的重要性。
图 / 机器之心联合创始人、主编李亚洲
总结与展望：AI Native研发范式手册发布
六位嘉宾的实践共同描绘了Agent从辅助编码走向真实生产的路径。随着Agent深入研发全链路，交付瓶颈已转移至完整链路的打通。需求清晰度、上下文连续性、环境可复现性及生产可治理性，成为决定最终交付速度的关键。技术系统、交付流程与组织方式必须同步演进，Agent才能真正融入生产。
论坛现场正式发布了《AI Native研发范式实践手册》。该手册由阿里十余名工程师及实践者共同编写，汇集基础设施、开源项目和一线业务经验，为AI Native研发提供了可复用的落地指南。
手册下载地址：https://ai-native.alistatic.com/app/ainativeinfra/ai-native-handbook-web/index（复制链接到浏览器打开即可下载）
