当人工智能真正进入企业生产环境，衡量技术价值的标准已不只是模型能力，更在于能否稳定运行、精细调度、安全运维并持续进化。近日，第五届“鼎新杯”数字化转型应用征集成果公布，阿里云云原生应用平台团队四项实践案例获奖，覆盖智能体运行、大模型流量治理、数智运维和智能体全生命周期优化，集中展现支撑推动企业级AI应用规模化落地的工程能力。
第五届“鼎新杯”由中国通信标准化协会主办、中国信息通信研究院承办，自2026年05月正式启动，历时近 5 个月，聚焦国内政企数智化转型领域的创新成果，旨在为行业提供可复制、可推广的实践参考。
四项创新实践获奖案例，覆盖智能体生命周期
Qoder Cloud Agents 基于 RocketMQ LiteTopic 的大规模智能体托管与运行实践
让智能体大规模“跑起来”，首先要解决长程任务、高并发会话与算力成本之间的矛盾。阿里云 Qoder Cloud Agents 基于 RocketMQ LiteTopic 构建“手脑分离、事件驱动”的云端运行架构：智能体负责决策，执行节点按需领取任务、完成后即释放资源；每个会话拥有独立的有序执行通道，故障后可由其他节点无损接续。目前，该方案已支撑万级会话并发，实现“会话常驻、计算流动、状态可续”，将消息中间件从异步通信工具拓展为智能体运行底座。
RocketMQ LiteTopic 支撑大模型服务平台精细化流量治理
面对百万级租户同时调用大模型，传统限流只能决定“放行还是拒绝”，却难以兼顾稀缺算力的平稳利用与租户体验。阿里云大模型服务平台百炼基于 RocketMQ LiteTopic，以“用户＋模型”为维度构建分布式漏桶，将限流重构为精细化节奏调度。海量租户共享资源池，单个租户的拥塞不会影响其他租户。生产实践中，单个消息代理节点可承载 200 万队列，消费延迟稳定在 12 毫秒，为百万级租户调用数十种大模型提供高隔离、低成本的流量保障。
阿里云 STAROps 助力企业打造业务数智运维体系
当业务系统与 AI 应用日益复杂，运维也需要从事后救火转向主动治理。阿里云全域智能运维平台 STAROps 以统一可观测数据为底座，通过 UModel 运维数字孪生还原应用、资源、告警和变更之间的关系，结合 AI 分析算子与运维智能体，形成“故障诊断—人工确认—自动处置—效果验证”的闭环。该体系已在塔斯汀、畅捷通、精臣等企业落地。其中，畅捷通的故障定位时间由平均 10 分钟以上缩短至 30 秒以内，验证了智能运维在复杂生产环境中的可用性与可控性。
阿里云 AgentLoop 支撑企业级智能体全生命周期观测与优化
智能体上线并非终点，如何发现质量退化、归因成本变化、拦截高风险变更，是规模化运营的新课题。阿里云智能体观测与优化平台 AgentLoop 以智能体运行轨迹为核心，连接观测审计、自动化评估与经验回灌，将推理、工具调用和数据访问从“黑盒”转化为全链路可追溯过程，并把真实业务轨迹沉淀为可回归的评估资产。在阿里云多智能体研发流水线中，团队在保持交付质量的前提下，将单次任务 Token 消耗降低23.4%，让智能体优化从人工试错走向数据驱动的持续进化。
从让智能体跑起来，到跑得稳、管得住、持续进化，四项获奖实践覆盖了 AI 应用从运行、调度、运维到优化的生产级全生命周期，它们既源于阿里云内部及客户真实场景，也已沉淀为可复制的产品能力。阿里云云原生应用平台将继续推进云原生基础设施面向 Agent 时代的创新升级，为企业智能化转型提供更可靠的技术底座。
