阿里云基础设施 AI Tech Day｜AI Infra建设方案及最佳实践沙龙圆满结束

原创于 2025-12-09 15:53:23 发布 · 722 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #阿里云 #云计算

阿里云基础设施 AI Tech Day

在这里插入图片描述

在大模型与智能体（Agent）加速落地的时代，AI已从“技术尝鲜”迈向“业务刚需”。而支撑这场智能化跃迁的底层引擎，正是一套高效、弹性、稳定的AI基础设施（AI Infra）。

11月27日，阿里云基础设施 AI Tech Day 深圳站成功举办。本次活动以“智驱未来云网随行：AI Infra建设方案及最佳实践”为主题，吸引了来自VIVO、TCL、金蝶、两面针、嘉立创科技、时空壶技术、犀思云、玉湖冷链、麦风科技、九九互动、技威时代、桥介数物、蓝鲲智创、Bidnex Limited等数十家领先企业的技术负责人与架构师齐聚一堂，与阿里云专家共探AI时代基础设施的演进路径与落地实践。

全栈能力解构：从算力、网络到存储，打造 AI Infra“铁三角”

随着AI应用场景从单点实验走向规模化生产，企业对基础设施的要求早已超越“有GPU可用”——低时延、高吞吐、弹性调度、数据高效流转，成为衡量AI Infra成熟度的核心指标。
在这里插入图片描述
活动开始，阿里云智能集团公共云事业部华南大区资深解决方案架构师姚蛟在开场致辞中强调：“AI的竞争，正在演变为基础设施效率的竞争。唯有构建面向未来的云网存一体化底座，才能真正释放AI的业务价值。”
在这里插入图片描述
随后，阿里云华南大区解决方案架构师陈铖带来《企业AI加速场景解析：从业务价值到基础设施建设》主题分享。他指出，不同发展阶段的企业需采取差异化的AI建设策略——成熟企业重在基础设施复用与效能提升，创新企业则需快速验证、敏捷迭代，而底层Infra必须具备足够的弹性与开放性。

在技术纵深层面，阿里云多位专家系统拆解了AI Infra的关键能力：
在这里插入图片描述
• 面向训练/推理：阿里云智能集团计算产品高级解决方案架构师徐果详解《面向AI的阿里云容器解决方案》，展示如何通过ACK+ECI实现训练/推理任务的统一调度与秒级弹性；容器作为 AI 时代的 infra，在可观测性、资源管理、以及更上层的应用交付等场景都需要提供更多的能力，ACK作为这个入口，将阿里云在 Iaas 层沉淀多年的能力，用更加便捷的方式交付给客户，助力客户在 AI 的场景上提高迭代速度。
在这里插入图片描述
• 面向训练/推理：阿里云智能集团云网络高级产品专家彭昔敏揭秘《VPC RDMA加速网络性能提升的实践与演进》，PD分离的网络方案，让训练任务更高效，同时将分布式训练通信延迟压至微秒级，让“数据跑得比指令还快”；阿里云高性能VPC网络为应对AI应用挑战进行升级。它提供200Gbps大带宽灵骏实例，支持标准网络特性；即将发布的VPC RDMA将降低60%的端到端延迟；ENI Express机制改善了90%的长尾延迟。未来将致力于TCP协议创新、高性能云服务访问和最优时延调度，打造坚实的AI算力网络基础。
在这里插入图片描述
• 面向AI应用部署：阿里云智能集团云网络高级产品专家贺剑分享《基于AI的负载均衡及网络场景化最佳实践》，主要介绍了数据采集、AI训练及推理和AI应用全球化的网络最佳实践。 AI应用在全生命周期给网络带来了新的挑战，本次分享探讨了各个阶段的最佳实践和实战经验，覆盖了如何进行数据采集，训推一体网络的Qos控制、模型代理/MCP工具等推理场景的网关使用，以及AI应用如何全球化，让客户可以快速构建全球算力网络，助力AI应用落地。
在这里插入图片描述
• 面向AI数据存取：阿里云智能集团存储产品解决方案架构师王太平带来《面向AI的阿里云存储方案及最佳实践》，覆盖从PB级训练数据高效读取到模型版本管理的全链路优化。存储作为AI Infra最容易被忽略的部件，却成为制约AI系统性能的关键。从模型训练、推理到AI Agent，阿里云提供了完善的存储选型以及最佳实践，帮助客户解决AI瓶颈，释放算力；并且提供了针对视频监控等场景的场景化AI原生能力，助力客户借助存储AI能力创造新的增值点，扩大营收。

深度碰撞：分组讨论直击企业AI落地痛点

“算、网、存三位一体，才是完整的AI Infra拼图。”一位参会嘉宾在茶歇交流中感慨道。
在这里插入图片描述
技术分享之外，本次活动特别设置沉浸式分组讨论环节。现场嘉宾按行业与业务场景分为多个小组，由阿里云PDSA及产品专家引导，围绕四大核心议题展开激烈探讨：

IaaS 层能力诉求：在AI训练/推理/智能体场景中，哪些基础设施能力最被看重？
数据获取与合规：如何高效、安全地引入外部数据优化模型？
AI 服务部署策略：公网 vs 私网？如何平衡性能、安全与成本？
异构资源融合：CPU/GPU/NPU如何统一调度？资源池化如何落地？

来自金蝶的代表提出：“我们在构建企业级AI助手时，最关注模型调用的稳定性与响应速度，这对网络SLA提出了极高要求。”嘉立创科技的技术负责人则聚焦于“如何在有限预算下实现训练资源的极致利用率”，引发小组关于Spot实例与弹性调度策略的深入讨论。而柳州两面针等传统制造企业，则更关心“如何从0到1构建AI基础设施，避免重复造轮子”。