【新智元导读】只会聊天的Agent要下岗了！AI盯直播我方证明注解寰宇杯，懂战略还会切粤语，背后竟藏着一个流式Agent引擎。

2026寰宇杯，正如鱼似水！

人人几亿东说念主盯着兼并颗转移的足球，等一个进球，等一句大叫。

41岁的C罗第六次踏上寰宇杯赛场，38岁的梅西带着卫冕冠军阿根廷赓续追梦，哈兰德第一次站上寰宇杯就杀红了眼，姆巴佩则剑指寰宇杯历史弓手王。

绿茵场上每个一忽儿都在发生故事，每个进球都让寰宇屏住呼吸。

但你有莫得思过，若是让一个AI来及时证明注解这场比赛，它得同期干成几件事？

它得看懂此描摹面里「谁在头球」，得记着「几十分钟前谁踢丢了一脚」，还得调出「上一场比赛、甚而这个球星近几年的数据」。

把这三层信息：当今、刚才、往时，对皆到兼并根时期轴上，再用一种你可爱的方言、可爱的格调讲出来。

这种极限背后，到底是一套什么样的系统在运转？

把直播现场，真金不怕火成及时智能

谜底，就在今天召开的Flink Forward Asia (FFA) 2026大会上。

阿里云郑重通知，Apache Flink 3.0全面干涉Agentic Streaming For AI期间，并推出全模态数据流处理才调。

这是业界第一次，把视频、音频、图像、文本这四类数据，挽救脱进兼并条流式pipeline里调度，让AI能够及时感知、及时衔接、及时回话。

不错让AI及时证明注解寰宇杯的demo，正是这套才调的注脚。

一场直播画面，是怎么在Flink这条活水线上，一步步变成及时证明注解的。

第一步，及时执帧、及时看懂。

Flink及时执取直播画面里正在发生的信息，作念及时多模态数据处理，衔接此刻屏幕上发生了什么。

谁接了球？谁完成了传球？这脚打没打进？

这一步既不错调用大模子API，也不错跑GPU土产货部署的全模态模子，把「看画面」这件吃算力的活儿，压在GPU上高效完成。

第二步，喂给大模子、生成证明注解词。

衔接完的信息被及时喂进大模子，由它推理出一句完满的证明注解——

谁、在什么时刻、作念了什么、变成了什么成果。

证明注解词一朝成型，输出的音色还能唾手切换。

嫌鄙俚话证明注解不带劲？它下一秒就能换成一段隧说念的粤语；亦或是，换上「猴哥」的音色，及时评价C罗等球员的证实。

第三步，千里淀成高下文、随时回看。

所有这个词这些信息，都会在Flink里千里淀为及时高下文，互相之间作念交叉分析。

于是「半场回归」、「精彩镜头集锦」这类需要跨时期回溯的才调，第一次有了水到渠成的杀青旅途——因为该记着的，系挽救直都在记。

视频里，那句「两回合都是大神气先生」的跨场次分析，则同期转换了两层挂念。

大模子把两层挂念一会通，才说得出那句让东说念主起鸡皮疙瘩的话。

如果你在现场看，独一能察觉到它「在职责」的踪迹，是大约25秒的延长。不是说流式，那这个延时又是那处来的？

其中的15秒花在「攒帧」上，视频流得一秒抽一帧，把关节帧攒够一段才能给模子。

剩下10秒是大模子我方推敲：VL模子先看懂视频，LLM再写证明注解词，接着作念格调转换（比如切粤语），中间还卡着一说念合规寻查。

而现时大部分的VL模子的处理延长都相对较大，这才导致了整条链路上的部分延时，如果是流音频模子这部分的延时就会少许多。

好几个小Agent串成一条链，各干各的，一个干完递给下一个。等链子跑顺了，伊始那十几秒的延长就没了。

回头再看这个AI。它在看球，在证明注解，在回忆，在切粤语——全程莫得一个东说念主戳它一下、问它一句。事件流到了，它就动。

这跟往时三年咱们认为的「Agent」，如故不是一个东西了。

这跟会聊天的AI，不是一个东西

之前，ChatGPT、Gemini等聊天AI，底层都是一套：你问一句，它答一句。

最近上线的Claude Tag，则往「更主动」走了一大步，把AI嵌进东说念主的职责流。可它终究照旧得有东说念主 @ 那么一下。

而Flink要作念的，是把这层「等东说念主启齿」的壳通盘掀掉，转向了「流式Agent」新路。

Flink此次给流式Agent下的界说很明晰，叫Event-Driven Agent（事件驱动型Agent）。

它和对话式Agent的根柢别离，不错拆成四点：事件触发对东说念主提问反应、7×24永久在线对一问一答即停、自主决策对被迫反应、挂念自保养对靠东说念主喂高下文。

如果问哪一种方式，更接近「AI信得过替代东说念骨干活」的末端，谜底应该是后者。

信得过撑起一个产业的，从来不是会聊天的助手，是会我方上班的职工。

干这件事的主角，是Apache Flink。如果你不在时间圈，可能没听过这个名字。但人人流筹画这一块，它便是事实圭臬。

Netflix的及时推选、Uber的行程调度、阿里双11零点的洪峰——背后跑的都是Flink。国内你叫得上名字的互联网大厂，字节、好意思团、快手，它的及时数据管说念里大约率躺着兼并个引擎。

还有一层配景。这样一个统帅人人的Apache顶级步地，背后最中枢的孝敬者和激动者，是中国团队——阿里云及时筹画Flink团队。

Apache基金会里，由中国团队主导、还作念到了人人第一梯队的基础软件步地，Flink是凤毛麟角的一个。每年一度的Flink Forward Asia大会，是亚太流筹画圈的旗舰嘉会。

便是这样一个如故在人人跑了十几年、被考证过大批次的工业级引擎，此次把我方透彻重作念了一遍。从「算报表的及时筹画框架」，跳到了「养Agent的流式智能体基座」。

卡了三年，此次一次解开

流式Agent这个思法，其实并不新。

「让AI连续运转、连续感知、自主决策」——这果真是所有这个词东说念主最早对Agent的思象。问题从来不是「思不思作念」，而是「作念不出来」。它卡在一个特地具体的、又特地底层的所在：数据。

在这套AI-Driven的新逻辑眼前，现存主流决策暴露出三说念硬伤。

第一，全模态数据洒落一地。

Agent要感知的寰宇，早就不是表格和数字，是文本、图像、音频、视频的夹杂流。可它们躺在皆备不同的管说念里，对不皆时期——AI拿笔直的，是一堆「拼图碎屑」。

第二，批处理撑不住「永久在线」。

一次性打包7天数据喂模子，这套离线寻查的老主义没问题。可面临7×24辍毫栖牍的事件流，「攒一批、跑一批」坐窝力不从心——等数据攒够、模子跑完，该发生的早发生了。

第三，关节信号被祛除。

数据攒成一大坨一皆喂，AI的扎目力就被稀释了。一次特地往复、一个蓦然的进球、一台机器的特地心跳，祛除在海量数据里。系统用得越久，反应越慢，越沉重。

成果便是：大模子再强，也空费。

Flink 3.0透彻告别「打补丁」式的融合，从底层完成重构。

对应第一说念，全模态数据对不皆/Flink 3.0给的是全模态Agentic Streaming Engine。

它把视频、音频、图像、文本第一次挽救进了兼并条流式pipeline。不是各自处理后拼起来，是从一运转就在兼并根时期轴上调度。

事件时期、气象责罚、精准一次这些流筹画的本钱行，和多模态衔接、大模子推理这些新需求，对皆到兼并根轴上。

AI拿到的不再是拼图碎屑，是完满、连贯、对皆的寰宇。CPU和GPU夹杂调度，把整条活水线的资源打满。

对应第二说念，批处理撑不住永久在线。这本来便是Flink的主场。

Flink是纯流式引擎，从第一天起处理的便是「无尽流」，不是攒成批的存量数据。雷同是pipeline架构，Spark、Ray处理的是躺在对象存储里的批量数据，而Flink处理的是录像头视频流、直播流、讯息部队里永不住手的流。

关节就在这：在线筹画、及时把大模子才调集成进去，才是能开释更高业务价值的所在。离线批量也能用AI，但唯独及时在线，才能让AI信得过嵌进坐褥经过。

对应第三个说念，关节信号被祛除。Flink用Streaming Agent-OS来解。

它不单让Agent看到数据，还给Agent配了一套「操作系统」Flink孵化了Flink Agens步地，包含Agent DSL、Agentic算子，外加Flink原生的流处理、气象责罚、故障容错。

Agent无须每次都重新衔接一遍寰宇。它的短期挂念和耐久挂念由这套系统保养。

7x24h，永久在线的Agent

Agent要永久在线，它背后的数据底座也得永久在线。

这便是FFA2026上同期发布的Agentic Lake。

Apache Paimon 2.0负责全模态数据的千里淀和挽救责罚，Apache Fluss 1.0负责及时数据的流转和Agent高下文供给，两者双向自动互通，组成湖流一体。

至此，一个能7×24自转的流式Agent，第一次有了完满的工程化旅途。

全模态引擎让它「看得清」，Streaming Agent-OS让它「紧记住、思得通」，Agentic Lake让它「饿不着」。

要衔接此次升级的重量，得先看明晰一件事：在AI期间，数据处理这件事本人的命题，如故换了。

往时十几年，数据基础方法劳动的是BI——作念报表、跑分析、算贪图。它处理的对象，是订单、点击、日记这类结构化数据，整整皆皆躺在数据库里。

驱动这一切的逻辑，是BI-Driven：东说念主来提问，系统给出图表。

但今天，喂给AI的「燃料」变了。

在AI Agent期间，进来的数据变成了图像、语音、PDF文档、录像头信号、车联网等全模态数据。

这意味着数据筹画的驱能源，如故从BI-Driven转向了AI-Driven。

若数据底座如果还停留在「为报表劳动」的旧范式里，AI就只可困在Demo阶段。

这恰正是Flink 3.0升级之后，所重塑的底层逻辑。

它会在那处先上岗

流式Agent不是空中楼阁，如故有具体场景在跑。

起初跑降坐褥力的，是智能运维。

企业的IT系统里，机器心跳、底层日记、讹诈信息、业务事件每秒钟都在海量涌出，自然便是事件密集的战场。

往时靠运维众人盯，当今镶嵌AI才调之后，系统不错我方看matrix、看log，判断要不要作念负载平衡、换机器、提前预警。

直播监控是另一个自然场景。海量直播流涌进来，系统不仅能作念骨子监控，甚而能给导播及时提供智能化淡薄。

还有告白及时订价。用户点击、商品浏览、竞价波动，每一个事件都在及时产生。

把它们及时拿获、分类，千里淀成短期与耐久高下文，模子就能及时判断告白要不要重新订价、怎么投放。

这里还藏着一个被许多东说念主诬蔑的点：AI来了，规则就该被推倒？

模子驱动和规则驱动，是会通模式，不是皆备替换把历史推倒。

数据量太大，全交给大模子不践诺；更机灵的作念法，是用规则作念预处理与初筛，再让AI对剩下的部分作念加权式的增强判断。

甚而，端蓝本人都不错由大模子动态生成、连续迭代。

这亦然流式Agent能比对话式Agent更快走进坐褥场景的原因之一。它不条款你推翻现存的规则系统，它条款的是把你现存的事件流，接进一条能让AI及时介入的管说念。

以前咱们认为，Agent便是ChatGPT那样会聊天的东西。Flink 3.0指示的是另一种可能——一个不靠东说念主提问、靠我方运转起来的AI。

它不是更强的用具。它是第一次体育录像/图片，我方活了起来。