研报总结
Serverless在解决什么问题
Serverless通过优化资源供给能力，降低用户保有资源的成本，提高资源利用率，降低资源使用成本；同时，通过加强云产品及周边生态的集成，降低用户业务构建的门槛，减少业务发布和扩容运维时间，提升业务效率。其目标在于实现按需付费、极简运维、灵活定制，具体策略包括平台及体验能力升级，如事件驱动、云服务集成、流程编排、应用模版、计费优化、观测能力集成。
AI 应用基本要素与Serverless擅长领域
AI应用基本要素包括大模型、领域模型、业务逻辑、领域抽象、BaaS服务和流程编排。Serverless擅长领域在于提供开箱即用、一键托管、可观测、完备、低成本的服务，以及领域适配、业界标准、活跃生态。Serverless在AI应用开发中具有门槛高、迭代快、效果好、低成本的优势。
模型服务+Serverless GPU实现降本增效
行业痛点包括开源/微调模型做成镜像有门槛，商业模型按token计费贵且有速率限制，高峰流量大、资源成本高、运维管理复杂，冷启动延迟高。平台价值在于快速托管主流模型，封装vLLM/SGLang/Ollama/Hugging Face Transformers实现推理加速、轻量化部署，提供API Key管理；通过负载感知调度、资源池化实现更高的弹性和资源利用率，平衡推理速度、稳定性、成本。
领域模型加速落地：图像生成
行业痛点包括SaaS昂贵且无法自主可控，虚机/容器自建弹性效率弱、利用率低、成本高，文生图WebUI/API开发门槛高，模型/插件下载国内网络不可用。平台价值在于深度集成Serverless GPU，兑现弹性降本优势、快速出图，提供专属工作空间，增强企业级特性。FunctionAI图像生成支持SD WebUI/CompyUI一键部署，提供专属工作空间和网络加速能力，支持上传、下载自定义模型及插件，开发调试一键发布Serverless API。
智能体应用中间件服务
智能体应用包含感知、决策、行动，行动需要灵活、快速、轻量的运行时，函数是最合适的形态。Serverless是Agent的最佳运行时承载，通过MCP/Function Calling、Hosting Services、Serverless GPU实现智能体模型服务工具的价值。
智能体应用集成：MCP
MCP server的优势在于稀疏调用、非稳态调用、脉冲型调用特征明显，算力规格要求小，适合弹性；Nodejs、Python主流，启动快，适合FaaS运行时；多租隔离，满足安全要求；内置负载均衡以及安全防护，支持集成网关实现更高阶流量管理。劣势在于大部分MCP server都是STDIO模式，不支持多并发，不具备鉴权能力；SSE会话亲和性特性，不适合Serverless按量弹性不同实例；SSE协议长连接特性，造成函数实例长时间活跃，持续产生费用；本地调试困难，问题难定位，缺少开发及部署MCP的最佳实践。厂商应对之道包括FunctionAI MCP广场提供模板一键部署、自定义MCP服务；提供隐私变量管理、服务鉴权、内网访问能力；提供Serverless Devs工具本地部署函数计算MCP Runtime，内置MCP Proxy，存量STDIO无改造直接生成SSE/Streamable Http服务，具备单实例多并发能力；发布MCP会话亲和性调度，保证相同sessionID会话绑定到相同实例；发布长连接闲置计费，最高降低87%成本。
流程式编排：AI 工作流
引入LLM、Agent、MCP、工具节点完成复杂业务场景，工作流具备理解上下文、自适应、自我进化的能力。AI工作流重塑企业自动化流程，自动化->智能化。Serverless工作流组装式、连接云服务，事件驱动，高效处理图片、音视频等非结构化数据，典型场景ETL；无缝连接各种云服务，完成云上自动化任务；弹性自动扩展、按量付费；多地域容灾、高可用、低代码。Serverless AI工作流FunctionAI Studio基于Serverless工作流，引入AI节点：LLM、Agent、MCP、工具，使用云服务完成RAG流程：OSS、Tablestore、PolarDB。
总结
Serverless优势助力AI应用研发提效，弹性扩展、按需付费、无服务器运维，解决AI开发中的资源瓶颈与成本压力。Serverless作为AI时代的基础设施与未来价值，正成为AI应用的“基石”，支撑从数据预处理到模型部署的全链路AI。需要Serverless的‘弹性’，Serverless需要AI的‘智慧’。
