“大模型将是下一代操作系统，超级AI云是下一代计算机。”

在9月24日的2025云栖大会上，阿里巴巴集团CEO、阿里云智能集团董事长兼CEO吴泳铭抛出了这一惊人的论断。他表示，大模型将允许任何人用自然语言创造无限多的软件应用，而这些软件应用将以Agent的形式存在。

这些判断，蕴含着阿里云走向超级人工智能ASI的战略目标。锚定这一智能革命，阿里云在云栖大会上重磅升级了全栈AI体系，实现从AI大模型到AI基础设施的技术更新，将自身定位升级为“全栈人工智能服务商”。本文将针对其中的AI基础设施升级进行全面解读。

AI计算范式的变革

AI大模型催生应用创新百花齐放，对底层的云计算基础设施却是一场严峻的压力测试。传统的云计算架构，在过去十年支撑了移动互联网和数字化的辉煌，但在大模型训练动辄需要万卡并行、Agent应用要求瞬时海量弹性的新范式面前，仍显得愈发力不从心。

正所谓“旧地图找不到新大陆”，行业已经形成共识：简单的“堆卡”无法构筑真正的AI竞争力，AI对基础设施的需求，绝非在传统云上“打补丁”所能满足。根本性的计算范式变革，将不可避免地发生。

我们看到，在海外，英伟达与OpenAI已在联合发力AI基础设施集群；在国内，华为也在推进其“超节点+集群”的战略布局。

那么阿里云呢？吴泳铭指出，计算正从以CPU为核心，加速转向以GPU为核心的AI计算。这预示着，这场围绕AI原生需求的云计算“供给侧改革”，并非零散的部件更新，而是一次从计算、网络、存储到容器的系统性重构，旨在回答一个核心问题：为AI时代而生的云，究竟该是什么样？

从“通用”到“专用”：阿里云如何为AI重构三大件？

传统云计算的设计哲学是“通用”，追求普适性与规模成本效益。而AI云的设计哲学则是“专用”，一切为极致的AI性能服务。阿里云此次对计算、网络、存储“三大件”的重构，深刻体现了这一理念的转变。

AI大模型训练是典型的高性能计算场景，对算力密度、散热能力和芯片兼容性提出了苛刻要求。传统通用服务器机柜显然无法胜任。为此，阿里云发布了全新自研的磐久128超节点AI服务器。

磐久服务器的核心突破在于“高密度”与“开放架构”：单柜可支持多达128颗AI计算芯片，密度刷新业界纪录；同时，其开放架构能够高效支持产业内多种主流AI芯片。这相当于从最底层的物理基础上，为AI超级计算机打造了一个坚固、高能且灵活的“机身”。

如果说磐久服务器是独立的计算核心，那么高性能网络就是连接万千核心协同工作的“中央神经系统”。在大规模分布式训练中，网络延迟和带宽直接决定了“木桶”的短板。阿里云新一代高性能网络HPN 8.0为此而生。

HPN 8.0采用训推一体化架构，将GPU互联网络带宽提升至惊人的6.4Tbps，并可支持单集群高达10万张GPU卡的高效互联。这意味着，过去因网络瓶颈而难以实现的超大规模集群，如今能够像一台“单一逻辑计算机”般高效运转，网络彻底从“瓶颈”蜕变为“动脉”。

AI工作负载对存储的需求是分裂且极致的。训练阶段，需要以极高速度“投喂”海量数据；而在应用阶段，以RAG为代表的技术则需要对海量的向量化数据进行高效存取。阿里云的解法是分布式存储的“双管齐下”。

一方面，其高性能并行文件存储CPFS再度突破，单客户端吞吐提升至40GB/s，并能提供百万级的IOPS以应对海量小文件处理这一业界难题，彻底解决了训练数据的“进食”效率问题。

另一方面，对象存储OSS创新性地推出了Vector Bucket，为向量数据提供高性价比的海量存储，相比自建开源向量数据库，成本骤降95%。

这样的创新，标志着存储不再只是一个被动的“仓库”，而是一个能理解多模态数据、为上层AI应用提供原生支持的“智能数据引擎”。

从“稳态”到“敏态”：为Agent而生的云原生进化

如果说大模型训练是对基础设施极限性能的考验，那么Agent应用的爆发则考验着云的弹性和敏捷性。未来，数以亿计的Agent将作为人类的“数字员工”24小时不间断工作，其算力需求呈现出“瞬时、海量、碎片化”的特征。这要求云平台必须具备前所未有的动态资源调度能力。阿里云容器服务ACK与ACS的重磅升级，正是对这一未来趋势的前瞻性布局。

针对AI Agent场景的深度优化，阿里云Serverless GPU算力能开箱即用，并创下了每分钟拉起15000个沙箱的大规模并发弹性纪录。同时，模型推理的冷启动速度提升了10倍，GPU故障发现及自愈效率提升了85%。

有了这样的能力，无论是应对突发的推理请求，还是支撑大规模Agent协同工作，阿里云的云原生底座都能实现随需启用、高效响应。这不啻于为即将到来的Agent“洪水”，提前构建了一艘强健且灵活的“诺亚方舟”。

从“黑盒”到“白盒”：全栈优化是终极护城河

在AI时代，单纯提供IaaS层的硬件资源已远远不够，真正的壁垒在于软硬一体的全栈优化能力。如果说基础设施是“身体”，大模型是“大脑”，那么贯穿两者的人工智能平台就是实现身脑协同的“神经中枢”。

阿里云人工智能平台PAI与通义大模型的联合优化，将这种“1+1>2”的全栈协同效应体现得淋漓尽致。通过对MoE模型训练采用统一调度、计算通信掩盖等一系列优化手段，PAI将通义千问模型的训练端到端加速比提升了3倍以上。在推理层，通过全链路优化，推理吞吐TPS增加了71%，时延TPOT降低了70.6%。

这些数据清晰地表明，阿里云正在全力打造一台同时拥有最领先模型和最领先基础设施的“AI超级计算机”，两者在设计和架构上可以高度协同，从而达到极致效率。这种源自内部深度整合的优化能力，是任何外部厂商通过简单采购和拼装硬件所无法复制的，构成了阿里云最深的技术护城河。