摘要
当大模型的能力边界不断扩展，真正决定 AI 价值上限的已不再只是算法本身，而是支撑其落地的基础设施体系。本文基于 2026 Agentic AI 超级智能体系统架构峰会演讲，系统阐述了阿里云 PAI 平台如何围绕算力、推理与场景三条主线构建面向 Agentic AI 的全栈基础设施——从数十万卡集群的统一调度与训推一体，到企业级 Token 服务 TokenWorks 的 KV Cache 感知调度与 SLO 保障，再到 Physical AI、自动驾驶、具身智能等场景化方案的落地，以及 Agentic 交互与 AI 原生数据管线的融合，展现了一条从"有算力"到"用好算力"再到"智能驱动"的清晰演进路径。
演讲人： 周文超（阿里云智能研究员，人工智能平台PAI负责人，百炼平台AI搜索负责人）
从算力底座到场景落地，AGI不仅是模型更是千行百业的高效应用
当前 AI Infra 架构可分为以下几个核心层次。
最底层是算力。阿里云人工智能平台 PAI 管理着多种异构计算资源，包括不同规格的 CPU 和 GPU，以及高带宽网络、存储等。该平台承担着资源池化与弹性调度的职责。算力的规模和稳定供给，决定了 AI 智能的上限。
算力层之上是 AI 的两大核心环节——训练和推理。训练环节重点关注 GPU 资源的使用效率（MFU）。将 MFU 从百分之十几、二十几提升至百分之五十甚至更高，直接决定了模型训练的速度和资源消耗。推理环节同样如此。近年来，学术界和工业界的一个核心技术突破是如何实现更高效的 LLM Serving，使大模型在算力平台上完成高效推理。过去一年，该领域涌现了大量新技术：PD 分离、KV Cache 的多层级利用（从本机内存到跨机内存再到 SSD），以及 MTP 技术提升 Acceptance Rate 等。计算效率的提升，是模型生产和应用的基础。
再上一层是企业 Token 服务的保障体系。有了训练和推理能力，便可产出高质量的模型并生成高质量 Token。下一个目标是实现高效率的 Token 产出，并提供稳定的效率保障。确定性的 SLO 至关重要，尤其在 Agentic AI 时代，Token 的稳定性和效率直接决定上层服务的可靠性。SLO 已从单一的 P99 延迟演变为更复杂的指标体系，不仅涵盖整体延迟，还包括 TTFT 和 TPOT 等具体约束条件。在此基础上，需要实现 Token 成本的最小化，并确保 TTFT、TPOT 及成本在较长周期内实现 99.9999% 甚至 99.99999% 的 SLO 达成率。这是企业级 Token 服务乃至 Agentic AI 落地的前提。
最上层是场景化的 AI 工程。Token 产出之后，仍需将其应用于具体场景，以创造真正的业务价值。这需要从通用平台走向行业纵深，覆盖智驾、具身智能、AI Coding、多模态探索等不同应用场景，构建行业纵深的场景化 AI 工程。
阿里云人工智能平台 PAI
阿里云人工智能平台 PAI 的架构分为 IaaS、PaaS、MaaS 和解决方案 四层。
最底层是 IaaS，依托阿里云在云时代的深厚积淀。计算方面，支持 CPU、GPU 等多种计算类型；存储方面，提供 CPFS 等面向 AI 工作负载的高带宽存储；网络方面，具备跨 Region 和 Region 内的两层高速网络，保障 51.2Tbps 的高速互联。此外，结合 MaxCompute、EMR、Flink 等大数据平台，提供 AI+Data 的高效解决方案。
IaaS 之上是 PaaS 层，也是 PAI 投入最多精力构建的部分，在 AI Infra 中具有最大的设计空间和发展潜力。PAI 拥有两个核心引擎——训练引擎 DLC 和推理引擎 EAS，并在引擎之上提供多种大模型开发和应用工具：IDE（DSW，Notebook 式开发工具，支持交互式建模）、Agentic 工具（以 Agentic 方式与平台交互，同时更好地支持 Agent 工作负载）、以及多模态 AI 和 Physical AI 等场景化工具。最终目标是让 AI 算力、智能和数据形成飞轮效应。
PaaS 之上是 MaaS 层。底层的基础设施和 AI 算力平台支撑了 Model as a Service，包括 ModelScope、阿里云百炼，以及 OpenAI、Anthropic、Hugging Face 等第三方 MaaS 平台，通过不同协议使用底层的 AI Infra。
最上面是解决方案层，覆盖 Agent、自动驾驶、具身智能、科研智算等不同行业和场景。
算力的应用效率是AI迭代和应用的关键
PAI统一调度引擎：训推一体的高效调度
PAI 的核心能力之一是统一资源调度。
资源呈现显著的异构性和多元性，体现在多个维度。
第一是算力的异构与多样性。CPU、GPU 以及日趋丰富的 GPU 类型——包括英伟达 GPU、阿里云 PPU 和国产生态 GPU——种类繁多。能否在统一的资源池中实现混合调度，在调度时将不同卡型统一管理，是关键能力所在。
第二是网络的多样性。卡与卡之间可能处于同一机器、同一机架、跨机架甚至跨机房等不同拓扑位置，网络带宽和延迟保障差异显著，直接影响大规模训练和推理的整体效率。因此调度时需考虑网络拓扑亲和性——例如使用 Tensor Parallel 进行训练或推理时，应将相关任务优先分配到高速互联的 GPU 上。
PAI 的统一调度引擎综合考虑了算力多样性、网络多样性以及多种调度策略（FIFO、Round Robin、是否允许抢占等）。配额分配后的使用模式——固定配额还是允许闲时复用和抢占——进一步扩大了调度空间。
PAI 平台将所有这些调度能力集成于统一的调度器中，结合阿里巴巴训练 Qwen、Wan 等大模型积累的实践经验，在管理的数十万卡算力集群中实现了 90% 以上的有效算力利用率。
资源、调度和工作空间三层体系：实现算力精细化管理
另一个关键维度是易用性。企业中与 AI 算力相关的角色包括：资源购买方（决定采购规模）、资源分配方（管理不同团队的资源配比）和资源使用方（模型开发团队、数据开发团队等）。
不同角色需要不同的资源管理视图。
资源购买阶段，PAI 提供 AI 资源组的概念，可统一管理 GPU、CPU、内存、存储等资源，实现可观测、可管可控。
资源分配阶段，通过定义 Quota（资源配额）来保障各团队的资源互不干扰，每个配额内可自由使用。
资源使用阶段，在 AI 工作空间内进行资源绑定，例如将部分 GPU 用于训练、另一部分用于推理，在使用层面实现资源管控。
购买、分配、使用三层体系协同，实现了算力的精细化管理，这也是 PAI 平台在业界广受认可的核心能力。
PAI-DLC 超大规模分布式训练服务
训练服务是另一个与算力密切相关的核心领域。
在调度引擎之上，训练引擎针对多种训练任务和阶段进行了深度优化，涵盖预训练、后训练、MoE 模型训练和多模态模型训练等。
以 MoE 训练为例，PAI 引入了 Chunk Flow 技术。由于训练的 Context Window 长度可变，定长训练会导致大量 GPU 空跑和资源浪费。PAI 将变长训练组织为等长的 Chunk，显著提升了训练效率，在 MoE 模型训练中可实现约三倍的资源使用效率提升。
此外，PAI 集成十余种主流训练框架，支持一键启动复杂的训练和 Rollout 操作。
综合来看，在训练方面：10 万卡算力集群管理的卡数过去一年增长约三倍；MoE 训练 MFU 最高超过 80%；训练任务量过去一年增长超百倍，每月有超过 4000 万个训练任务在平台上运行。
Agentic时代的推理服务
进入 Agent 时代，推理服务领域发生了根本性变化。Agentic Inference 具有以下四个显著特征。
单次对话如同一次长跑——可涵盖数十轮交互，上下文可达数十万 Token。Prefill 和 Decode 分离已成为标配，无论是 Coding 场景还是 Agentic 场景，上下文日趋冗长，两阶段分离势在必行。同一查询还需多个实例协作，甚至在探索 Attention 与 Forward 的进一步分离（AFD 分离）。
KV Cache 已成为核心资产。过去一年，KV Cache 从一项辅助优化手段演变为核心议题。其命中率从 60%—70% 持续攀升，在部分 Coding 场景下已超过 95%。每一个百分点的提升都意味着推理时 GPU 资源的节省——尤其从 95% 到 96%，看似仅提升一个百分点，但未命中率从 5% 降至 4%，实际资源节省达 20%。在阿里内部和 PAI 平台上，KV Cache 的优化是重点投入方向，确保在多轮对话和 Coding Agent 环境中充分发挥其价值。
网关同样至关重要。传统网关已基本失效——Round Robin 和一致性哈希等方式无法感知 KV Cache，必然导致命中率下降并影响 TTFT 和 TPOT。现代网关需要实现 KV Cache-Aware Routing。网关还承担着更多职责：在 MaaS 或推理场景中需要处理多种协议（如 Anthropic 协议、Responses 协议），同时承担翻译、调度和计费等功能。
SLO 的定义也发生了根本性变化。当前工业实践中的 SLO 本质上是一个约束优化问题——约束条件涉及 TTFT 和 TPOT，优化目标是单 Token 成本或百万 Token 成本。推理的服务单位也从资源快速演进到了 Token：在 LLM 时代，推理经历了从同步推理到异步推理再到流式推理的演进，以 Token 作为服务粒度。
Agent 时代由于上下文极长，推理过程有时如同在 Token 中摸索前行——可能消耗大量 Token 而编码进展有限。因此需要实现高效、低成本、高质量的 Token 利用。
PAI TokenWorks 企业级推理服务
PAI 推出了 TokenWorks——企业级专属推理服务，支持数据不出域的私有化部署，提供具有 SLO 保障的推理服务。TokenWorks 针对前述每个问题都进行了专项优化。
流量高效调度方面，实现了 KV Cache-Aware 的网关流量调度，确保 KV Cache 命中率足够高。通过从 HBM 到内存再到 SSD 的多层缓存架构，命中率可稳定在 90% 以上，部分场景可达 95%。
引擎深度优化方面，针对不同 Attention 机制（从 DeepSeek V4 到 K3 等），实施算子融合，采用 D-Spark、D-Flash 等技术提升推理引擎效率。
此外还包括模型预热缓存、用户 Token 管理等功能，实现成本可核算、可治理。这些技术能力最终以 Token 形式交付——对客户而言，即为具有 SLO 保障的专属 Token 服务，数据可管可控、不出域、安全。
场景化是AI业务价值体现的必经之路
以物理 AI 为例，可以清晰地看到 AI Infra 的演进方向。
Physical AI 是当前备受关注的领域，其发展呈现双轮驱动格局：一侧通过 Physical AI 模拟物理世界，捕捉物理规律，生成符合物理规律的世界仿真；另一侧通过 LLM/VLM 提炼和抽象人类知识。两者相互促进——Physical AI 中基于仿真的反馈可用于 LLM/VLM 的强化学习训练，而 LLM/VLM 在数据标注、清洗和扩增等方面也反向推动了世界模型的训练。
PAI 平台构建了 Physical AI 的全栈能力。底层是算力层，统一管理不同 GPU 和资源。中间层集成了 Physical AI 领域主流的仿真、训练和测试框架。上层是场景化的平台能力：Notebook Gallery 组件沉淀了数百个业界最佳实践模板，支持一键启动；DSW 提供交互式开发环境，支持自定义环境的探索验证与调试，以及低延迟可视化的机器人仿真环境。模型的上线和部署则依托训练平台 DLC 和推理平台 EAS。
完整的解决方案还涵盖数据合成、真机与仿真数据的联合管线、模型训练验证与上线。PAI 与 Isaac、Cosmos 等合作伙伴持续协作，不断提升 Physical AI 全栈能力。
Physical AI 的研发全流程包括：数据生产（真机采集数据，如车辆和人形机器人，数据不足时通过仿真进行扩增和增强）、数据加工（标注、筛选、画质增强等）、模型训练（预训练、后训练，含微调和 RLHF）以及模型评测。PAI 平台在该研发全流程中与客户和合作伙伴共同打造，使之更贴合 Physical AI 的研发实践。
Agentic PAI：AI驱动的PAI操作入口
AI 正加速进入千行百业，PAI 平台本身也积极拥抱 Agentic 交互方式。
Agentic PAI 将平台能力以自然语言交互的方式呈现，从资源管理到训练、部署、运维乃至故障排查，均可以 Agentic 方式进行，支持 CLI 和 Chat 等交互形式。 PAI 平台已沉淀了大量训练、推理和 RL 任务，训练本身即是一项复杂的系统工程，Agentic 方式能够帮助客户更高效地完成模型训练、部署和运维。
这也便于客户将 PAI 能力快速集成到企业内部 AI 平台。大型企业通常拥有自有的 AI 部署管理和观测平台，通过 Agentic 接口，PAI 的能力可快速融入企业自有的 AI 平台体系。
不同角色从中获得的收益各有侧重：算法工程师和模型训练者关注开发效率和训练稳定性，可将数百个 Worker 的日志交由 AI 分析，专注于模型本身，无需在海量日志中人工排查 Loss 异常；部署和推理工程师关注服务上架、运维和性能，部署、扩缩容、灰度发布和故障排查可一站式完成；平台资源管理者和成本负责人可快速实现成本洞察，查看 GPU 利用率、排名和环比趋势等。
Agentic 全模态数据处理管线
模型训练离不开数据。对阿里云而言，AI 与 Data 紧密相连。在 Agentic 时代，全模态数据处理管线同样备受关注。
数据管线涵盖数据治理、资源管理、开发体验和多模态数据纳管等方面。阿里云大数据平台正从传统数仓向 AI Native 数据平台转型，可将复杂的 AI 推理场景简化为一行 SQL，使熟悉 SQL 的开发者将 AI 能力直接嵌入已有的开发平台和流程中。通过异构资源的灵活调度，多种模型覆盖全场景。这是大数据平台与人工智能平台联合打造的成果，将大数据产品从传统数仓平台到 AI Native 数据平台的转型。
结语
从算力到智能体，作为行业从业者可以看到一条清晰的趋势——从单纯关注算力，到算力如何更好地支撑智能体，AI Infra 层面正在经历深刻的演进与变革。阿里云大数据AI 平台将持续助力千行百业，共享 AI 红利。
