网通社科技快报
Agent技术重塑AI基础设施 阿里云实现全流程升级
Agent技术正在深刻改变AI基础设施的运作方式，其核心优势在于无需等待反馈即可快速验证结果并尝试多种方案，将传统数据平台中的等待周期压缩至秒级。这一高效模式不仅革新了人机交互方式，也对云计算负载提出了更高要求。
阿里云智能集团首席技术官李飞飞指出，智能体落地需满足三个关键维度：Model决定智能上限，Context确保Agent理解业务场景，Harness保障其调用工具完成任务并持续运行。这种多维需求推动AI基础设施进入联合设计阶段，芯片、云平台与模型架构需深度协同以提升整体效率。
针对Agent带来的新挑战，阿里云在多个层面进行了系统性升级。在数据生产环节，MaxCompute实现CPU、GPU与大模型Token的统一调度，MaxFrame和SQL AI Function可直接处理全模态数据。行业Skill提供自然语言组织的数据处理任务功能，EMR Serverless Spark支持多种全模态引擎并与开放湖表格式连接，使PB级原始数据能在短时间内生成LeRobot、RLDS格式的训练集。
训练端优化同样值得关注。PAI-DLC 3.0引入Xfuse技术，对算力底座、训练框架和任务运行状态进行联合分析，自动定位通信、数据读取、算子和资源调度中的问题。测试结果显示，多模态模型端到端训练速度提升了2.4倍。这种优化越来越依赖芯片、云平台和模型之间的协同设计，确保模型架构与硬件特性完美匹配。
对于企业而言，模型能力的形成已演变为一条连续生产线。原始数据处理速度、训练问题定位效率以及算力调度灵活性，都会直接影响模型迭代速度。阿里云通过「芯云模一体」战略，打通了从原始数据到业务决策的全栈路径，为Agent时代的AI基础设施建设提供了坚实基础。
阿里云智能集团首席技术官李飞飞指出，智能体落地需满足三个关键维度：Model决定智能上限，Context确保Agent理解业务场景，Harness保障其调用工具完成任务并持续运行。这种多维需求推动AI基础设施进入联合设计阶段，芯片、云平台与模型架构需深度协同以提升整体效率。
针对Agent带来的新挑战，阿里云在多个层面进行了系统性升级。在数据生产环节，MaxCompute实现CPU、GPU与大模型Token的统一调度，MaxFrame和SQL AI Function可直接处理全模态数据。行业Skill提供自然语言组织的数据处理任务功能，EMR Serverless Spark支持多种全模态引擎并与开放湖表格式连接，使PB级原始数据能在短时间内生成LeRobot、RLDS格式的训练集。
训练端优化同样值得关注。PAI-DLC 3.0引入Xfuse技术，对算力底座、训练框架和任务运行状态进行联合分析，自动定位通信、数据读取、算子和资源调度中的问题。测试结果显示，多模态模型端到端训练速度提升了2.4倍。这种优化越来越依赖芯片、云平台和模型之间的协同设计，确保模型架构与硬件特性完美匹配。
对于企业而言，模型能力的形成已演变为一条连续生产线。原始数据处理速度、训练问题定位效率以及算力调度灵活性，都会直接影响模型迭代速度。阿里云通过「芯云模一体」战略，打通了从原始数据到业务决策的全栈路径，为Agent时代的AI基础设施建设提供了坚实基础。