PAI的业务架构分为以下四层：
基础资源层（计算资源&基础设施）：
基础设施包括CPU、GPU、高速RDMA网络以及容器服务ACK等。
计算资源包括云原生资源（灵骏计算资源和通用计算资源）和大数据引擎资源（MaxCompute和Flink）。
平台工具层（灵骏智算服务&人工智能框架）：
人工智能框架：包括Alink、TensorFlow、PyTorch、Megatron、DeepSpeed及RLHF等智能框架，用于执行分布式计算任务。
优化与加速框架：包括DatasetAcc数据集加速、TorchAcc训练加速、EPL并行训练框架、Blade推理加速、AIMaster自动容错训练以及EasyCkpt秒级异步训练快照等。
按照机器学习全流程，PAI分别提供了数据准备、模型开发与训练以及模型部署阶段的产品：
数据准备：PAI提供了标注服务，支持在多种场景下进行数据标注和数据集管理。
模型开发与训练：PAI提供了可视化建模（Designer）、交互式建模（DSW）、分布式训练（DLC）以及特征平台（FeatureStore），满足不同的建模需求。
模型部署：PAI提供了模型在线服务（EAS），帮助您快速地将模型部署为服务。
应用层（模型服务）：支持模型服务包括ModelScope魔搭社区、PAI-DashScope、第三方MaaS平台和百炼。
业务层（场景化解决方案）：PAI应用于自动驾驶、科研智算、金融风控、智能推荐等各个领域。阿里巴巴集团内部的搜索系统、推荐系统及金融服务系统等，均依赖于PAI进行数据挖掘。
