从“堆硬件”到“系统重构”：阿里云如何破解AI算力损耗难题？
在AI大模型与智能体（Agent）全面爆发的今天，算力早已成为支撑技术演进的“水电煤”。然而，随着模型参数迈向万亿级别、智能体并发需求呈指数级增长，企业正面临着算力供给的巨大压力。单纯依靠“堆硬件”的传统模式已触及天花板，如何在有限的空间、能耗与成本下，提供极致高效、绿色的算力底座，成为全行业必须跨越的鸿沟。阿里云通过全栈AI技术体系的深度重构，给出了一套系统性的解题思路。
打破千卡并行瓶颈，让算力“跑满”不损耗
智能计算不同于通用计算，在海量数据训练与模型同步环节，算力损耗问题尤为突出。过去，千卡以上规模的算力输出效率往往仅有40%左右，导致智能算力成本高昂。为彻底改变这一现状，阿里云在飞天智算平台中引入了体系化的核心技术。
在网络通信层面，阿里云采用自研的高性能Solar-RDMA网络，实现端对端最低2微秒的极低延迟；配合无阻塞通信技术，将计算过程中的数据交换速度最高提升5倍。在AI开发层，阿里云提供分布式训练框架，对分布式策略进行自动组合与调优，将AI训练效率提升11倍以上。通过软硬协同，阿里云成功将千卡并行计算效率提升至90%以上，让昂贵的算力真正转化为产业价值。
面向智能体时代，重构底层计算架构
随着AI应用从单次对话工具向成百上千个智能体协同工作演进，算力底座正面临从“支撑单一模型推理”向“支撑群智协同与多模融合”的升级。
针对这一趋势，阿里云在服务器与网络基础设施上进行了全面迭代。在2025年云栖大会上亮相的新一代磐久128超节点AI服务器，单柜即可支持128个AI计算芯片，刷新了业界密度纪录；配合新一代高性能网络HPN 8.0，可支持单集群10万卡GPU的高效互联。同时，阿里云通过智能调度技术提升CPU利用率，并推出综合存算互连架构，实现更长的缓存与更低的推理延迟，让CPU与GPU的协作更加高效，从容应对海量智能体的并发调度与稳定在线需求。
绿色算力底座，探索“东数西算”与自研芯片新路径
在追求极致性能的同时，阿里云也将“绿色低碳”作为智算中心建设的核心指标。通过自然风冷、液冷等先进散热技术以及智能运维，阿里云智算中心的PUE（电能利用效率）最低可达1.09，大幅降低了单位算力的碳排放。
在区域布局与底层技术上，阿里云正加速构建全栈自主的算力网络。例如，在建的阿里飞天云智能华东算力中心（上海金山）不仅设计PUE值控制在1.18，还将重点部署平头哥“真武”芯片，打造从底层芯片到上层应用的全栈自主算力底座。结合张北、乌兰察布等超大规模智算中心，阿里云正形成一张覆盖全国、绿色高效的算力网络。
AI for Science：用极致弹性加速科学突破
强大的算力底座最终要服务于产业实践。在AI for Science领域，深势科技基于阿里云的云原生计算与存储服务，构建了分层的数据基础设施。面对科学计算对资源的极致弹性需求，阿里云实现了亚分钟级甚至秒级的资源准备，并将原本需要数年的药物筛选与优化工作缩短至几个月甚至几周，极大加速了新药研发进程。
从底层芯片、超节点服务器到分布式存储与智算集群，阿里云正以“1+1>2”的全栈AI协同优化，重塑下一代计算机的形态。在智能体时代，唯有跳出“堆硬件”的惯性思维，从真实运行场景出发重构算力系统，才能真正释放AI的产业潜能。