阿里云磐久服务器稳定性实践之路
阿里云服务器质量智能管理体系聚焦自研服务器硬件层面的极致优化，应对高并发交付、短稳定性周期、早问题发现和快修复四大挑战。通过“三个重构”（质量标准、开发流程、交付模式）、“六个归一”（架构、硬件、软件、测试、部件、制造）策略，实现芯片、整机和云同步发布，确保快速稳定上量。此外，全场景测试体系与智能预警、分析、修复系统协同工作，保障服务器在萌芽阶段发现问题并及时解决，提升整体质量水平。未来，阿里云将继续深化大数据驱动的质量管理，推动服务器行业硬件质量的持续进步。
PAI训练服务：云上大模型训练新篇章
本文介绍了通用AI时代下的新训练方法及PAI平台的优化。随着大模型时代的到来，算力需求激增，硬件和网络通信成为瓶颈。PAI平台通过自动容错、3D健康检测等技术确保训练稳定性；通过资源配额、智能调度等提高性价比；并推出PAI-TorchAcc和PAI-ChatLearn两大引擎，分别实现高效训练加速和灵活的对齐训练，显著提升训练性能与效果。这些改进解决了大规模AI训练中的关键问题，提升了效率和稳定性。
千行百业，“义”不容辞：通义技术创新与商业实践
千行百业，“义”不容辞：通义技术创新与商业实践。本次分享分为两部分，首先介绍大模型的快速迭代与普及，探讨通义千问在精度和复杂任务执行上的突破；其次聚焦企业级落地，解决安全性、部署路径及模型调优三大问题。通过多模态理解（视觉、语音）和更强的生成控制力，携手伙伴服务各行业，推动技术向生产力转化，并关注公益应用，助力社会进步。
面向AI的服务器计算互连的创新探索
面向AI的服务器计算互连创新探索主要涵盖三个方向：Scale UP互连、AI高性能网卡及CIPU技术。Scale UP互连通过ALink系统实现极致性能，支持大规模模型训练，满足智算集群需求。AI高性能网卡针对大规模GPU通信和存储挑战，自研EIC网卡提供400G带宽和RDMA卸载加速，优化网络传输。CIPU作为云基础设施核心，支持虚拟化、存储与网络资源池化，提升资源利用率和稳定性，未来将扩展至2*800G带宽，全面覆盖阿里云业务需求。这些技术共同推动了AI计算的高效互联与性能突破。
面向AI的服务器计算软硬件架构实践和创新
阿里云在新一代通用计算服务器设计中，针对处理器核心数迅速增长（2024年超100核）、超多核心带来的业务和硬件挑战、网络IO与CPU性能增速不匹配、服务器物理机型复杂等问题，推出了磐久F系列通用计算服务器。该系列服务器采用单路设计减少爆炸半径，优化散热支持600瓦TDP，并实现CIPU节点比例灵活配比及部件模块化可插拔设计，提升运维效率和客户响应速度。此外，还介绍了面向AI的服务器架构挑战与软硬件结合创新，包括内存墙问题、板级工程能力挑战以及AI Infra 2.0服务器的开放架构特点。最后，探讨了大模型高效推理中的显存优化和量化压缩技术，旨在降低部署成本并提高系统效率。