从聊天到做事，新的负载要求
一次对话问答很简单，但智能体更像一个项目经理。 
比如，销售智能体要处理客户线索，除了读取资料、历史记录，还要查看库存和价格政策，生成跟进话术，创建工单，提醒销售，甚至把结果写回系统；
调度智能体要给工厂排产，需要读取订单、库存、设备状态、工艺约束、交付时间、物流计划，还要在产能、成本、交期之间做权衡，最后输出方案，提交审批。
这就是一条任务链，包括目标理解、任务拆解、数据检索、工具调用、多轮推理、状态保持、异常处理、结果校验等。也由此，带来了新的云工作负载。
它有状态，不是每次都从零开始，要记住任务进度、历史偏好、上下文、长期记忆等；也是长链路的，可能会持续几小时、甚至跨天执行的复杂的任务；有工具、跨系统，必须连接浏览器、Office、数据库、邮件、CRM、ERP、OA、工单系统等等；既具有自主性，自己判断下一步；但又有权限边界，不能想看什么就看什么，想改什么就改什么；还要可审计，因为一旦智能体进入企业系统，每一次查询、每一次调用、每一次修改，都可能影响真实业务，也必须可解释、可回滚。
为了让智能体更丝滑进入生产环境，也需要基础设施具备Harness “驾驭工程”，为智能体搭建脚手架。
对比而言，过去的云，承载的是应用；大模型时代，AI云承载的是模型；而智能体时代，AI云要承载的是任务链。
这就是改变。
Google Cloud在报告《State of infrastructure in the agentic AI era》中也认为，随着智能体工作负载从试点转向生产，83%的组织需要升级基础设施来支持生产级自主系统。
另外，智能体时代，Token（词元）的性质，也和对话消耗不同。不再是计费单位，更像生产资料。
这时的关键，是基础设施要让Token更智能。AI云，除了提供Token，更要能够管理、组织Token，让每一个token尽量转化成有效动作，而不是变成无意义的重复推理。就像百度智能云沈抖在Create大会上所说，AI云的下半场，不是比谁消耗了更多tokens，而是比谁能用好每一个token。
简言之，智能体，不是一个应用功能，而是一类基础设施问题。