推理网络是什么？大模型推理服务对网络提出了哪些新要求
本文深入剖析大模型推理网络的核心诉求，对比训练与推理在网络延迟、IOPS、协议效率、拥塞控制及通信解耦五大维度的本质差异，提出可量化的技术指标（如P99≤10ms、IOPS≥100K）与企业自检框架，助力构建“答得快、答得稳、扛得住并发”的推理基础设施。（239字）
阿里云国际代理商：Kimi K3 部署实录
2026年7月，月之暗面Kimi K3（2.8万亿参数、896专家MoE）开源引发企业私有化部署热潮。本文详解GPU选型避坑指南：MoE不省显存，需全专家权重常驻；40G A100无法承载原生模型；H100/H200集群+RDMA网络为刚需，并提供Q4量化与FP16部署的实测配置建议。（239字）
聚搜云专业运维团队：阿里云E-HPC MPI任务集群配置性能实战
阿里云E-HPC把集群调度、MPI运行环境和RDMA网络打包成一项托管服务，研发团队不用从零配置SLURM或编译OpenMPI，就能直接提交并行作业。对于那些跑仿真、做计算化学或者训练中小规模模型、希望把“阿里云E-HPC运行MPI并行任务”这件事变得像提交命令一样简单的团队，这层封装可以大幅缩短从硬件到上线的时间窗口。
【洛神公开课】第6期：AI网络白皮书-02训练网络篇
阿里云AI训练网络“三层引擎”（Scale-Up/Out/Across）突破万卡集群瓶颈：NVLink实现单机8卡全互联，HPN+eRDMA将跨机通信时延压至2μs，CEN+TR支撑跨域Tbps级协同。三者协同达成96%线性加速比，显著破解GPU空转难题。（239字）
