记忆分散在各处
如果没有运行时层承载记忆，智能体很难跨会话、跨系统、跨交接保持任务状态。
Input AI 原生系统
智能体、工作流、模型服务、业务工具与持续产生的上下文。
Runtime AIR
将记忆、编排、权限、观测和运维放进同一个持续运行层。
Unit HyperNode
面向智能负载的运行单元，承载长期在线、低摩擦扩展和稳定交付。
Problem
AI 项目并不只是在模型层失败。
真正困难的部分通常发生在模型返回之后：上下文如何持续、工具如何协同、权限如何收敛、决策如何追踪，以及长任务状态变化后如何恢复。
行动需要边界
工具调用、审批和敏感操作需要统一策略层，而不是散落在每条工作流里的临时判断。
生产环境需要观测
团队需要在智能任务运行中持续查看成本、延迟、质量、异常和完整调用链路。
Products
面向 AI 原生系统的运行时产品栈。
产品结构保持清晰：AIR 提供软件运行时层，HyperNode 将运行能力延伸到长期在线的智能负载单元。
AIR
AI Infrastructure Runtime，覆盖智能体、记忆、编排、权限、观测与运维。
打开控制台演示HyperNode
面向持续运行智能优化的新一代计算构建单元，让智能负载更靠近业务现场。
查看商业计划书Architecture
在模型和业务系统之间，建立清晰的运行时层。
AIR 是软件运行时，HyperNode 是持续在线的运行单元。二者共同让 AI 原生系统可以运行、恢复、治理和被观测。
Models 大模型与多模态模型
Agents 任务、计划与工作流
Tools API、应用与业务数据
AIR AI Infrastructure Runtime
记忆、编排、权限、追踪、评估、异常处理和运行时运维。
Runtime Unit HyperNode
Deployment 云、私有化与边缘环境
Users 团队、运营人员与业务系统
Scenarios
面向不能停在一次调用的智能场景。
新魔方关注的是模型之后的系统层问题：智能如何被调度、如何保留上下文、如何被观测，以及如何在真实业务里长期稳定运行。
企业智能体
面向销售、运营、研发和支持团队，承载跨工具、跨系统的任务流。
AI 运维与监控
对调用链路、质量波动、成本消耗和异常状态进行持续观测。
行业应用底座
为垂直行业应用提供记忆、权限、工具调用和工作流执行能力。
边缘智能单元
在更靠近业务现场的位置运行智能负载，降低延迟并提升连续性。
Company