热点方向二：面向 AI 场景的 PaaS 数据平台层技术 . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3.1 面向智能应用的 Serverless 计算平台技术 . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3.2 面向大模型时代的智能数据平台技术 . . . . . AI运维 故障预测 AI增强 云游戏 ... 新型协议 新兴架构 通算+智算云 推理API 预训练 大模型 精调即服 务 模型评估 AI for Cloud 计算 Serverless AI云函数 RDMA AI+PaaS 数据库 Hypervisor 轻量虚拟化 资源超分 DC节能 能耗管理 自动调频 租户安全 故障隔离 软硬协同 轻量化 函数沙箱 冷启动 训练与推理的高性能智算云平台。同时，云操作系统通过 AI 驱动的资源调度、能耗管 理与故障预测，实现数据中心的高效、低碳运行，践行绿色可持续发展。 在系统框架层，AI PaaS 正在重塑开发者体验。Serverless 计算平台结合冷启动加速、函数压缩与工作 流编排，支持 AI 应用的极致弹性与快速迭代；面向 AI 开发的一站式平台集成训练框架、推理优化、向 2 CHAPTER 1. 面向下一代云计算的研究

DAYU平台：一站式数据运营平台 敏捷可视能力 自助分析能力 全局治理能力 高效探索能力 快速开发能力 数据消费 数据 服务 DAYU 数据服务 Serverless架构 Serverless架构 面向多种任务，最新的大数据和AI能力 • Serverless，根据负载自动伸缩 • 原生接口，企业应用无缝迁移 数据湖底座 数据采集 采集，同步 数据资产 数据血缘，全局视 图 数据规范

规范 并发 质量 架构分层 技术标签 逐 层 优 化 高可用 服务集群 数据备份 熔断降级 核心思路 数据冗余 / 故障转 移 监控运维 SERVERLESS- 组件 SERVERLESS- 区块 SERVERLESS- 案例 最佳实例 DEEPEXI DCP 产品 /DEEPEXI DR 产品 一周完成，可视化搭建，所见即所得成 DEVOPS- 云原生交付 DEVOPS-

：根据负载和业务 SLA ，自动调整资源调度 运营 +AI ：脏数据发现，数据潜 在关系发现 用户 应用 分析 》 数 据 服 务 面向多种任务，最新的大数据和 AI 能 力 • Serverless ，根据负载自动伸缩 • 原生接口，企业应用无缝迁移 数据采集 采集，同步 数据规范 数据表 / 模型 设计，约束规 则定义 数据治理 标注，智能 ETL ，治理 数据资产 数据血缘，全 -DAYU 敏捷可视能力 自助分析能力 快速开发能力 全局治理能力 高效探索能力 DWS/Hive/DLI/RDS Serverless 架构 数据 湖底座 DAYU 可管理丰富的数据源类型 Native 生态接口 离线 迁移 实时 接入 DAYU 平台：一站式数据运营平台 11 DAYU 数据集成

贡献度国内 No.1 TencentOS 自研操作系统 腾讯云遨驰 Orca 分布式云操作系 统 云原生 云基础产品 分布式云 基础设施 容器服务 serverless 微信云开发 低代码微搭 计算 存储 网络 数据库 中间件 AI/ 大数据

语言大模型 + 多模态大模型 AI 服 务 模型服务 ( 灵积、魔搭 LLM 、 Embedding) ( 异构算力 :GPU+CPU) 20% 成本 2-10 倍压缩，冷热分离 Serverless 弹性计算 百 PB 规模 存算分离，在线扩容 千万吞吐，毫秒延迟 一站式 数据不出库 在线服务 + 离线分析 +AI 40% 头部车企

的弹性并发 能力，以满足高并发访问时的计算需求，还要有效降低推理服务成本， 实现经济效益最大化。对于实时性要求较高的请求，在边缘云上使用 GPU 的成本问题尤为突出。 现有公有云通过 Serverless 容器的方式为 AI 推理提供弹性能力， 但由于 AI 镜像和模型文件较大，导致冷启动问题严重，这极大地影 响了用户体验。此外，公有云通常无法提供城域级的边缘云服务，难 以满足部分对实 步骤一：任务发布 算力使用者通过调度中心发布推理任务，明确指定推理任务的计 算需求（CPU、GPU 型号 / 数量、框架、价格）、网络需求（IB、 RDMA）、地域需求以及任务类型为 Serverless。这些详细的参数设定， 确保调度中心能够精准匹配最合适的边缘算力资源，满足任务的多样 68 化需求。 ① 总分调度架构 此架构下，资源需方直接在算网协同调度平台发布业务需求。 图 （CPU、GPU，框架，价格），指定内部网络需求（IB、RDMA)，并 要求对训练任务镜像进行存储预热；对于推理任务指明确计算需求 （CPU、GPU，框架，价格），指定地域需求，任务类型为 Serverless， 要求对推理任务镜像进行存储预热，指定所需的存储类型和存储介质。 这些详细的参数设置，为调度中心提供了准确的任务信息，便于进行 82 合理的资源调度。 ① 总分调度架构 此架构

比、平台锁定和服务模式等因素。对于效费比，通常引入无服务器计 算（Serverless）作为关键技术，通过事件驱动、函数即服务（FaaS） 和按需计费，实现资源动态扩缩容与细粒度调用，屏蔽底层管理，显 著降低成本并提升效率。对于平台锁定，通过采用多云多平台容灾备 份机制，保障业务连续性与数据安全。在服务模式方面，构建开放共 享的算力生态圈，促进多维有序协作。资源编排通过整合 Serverless、 微服务、容器化等技术，实现算力资源的高效、灵活、安全调度，是

微服务。阿里云云原生AI套件集成众多LLM应用架构方案，包括Dify、 Flowise 等 RAG 方案，Nvidia NIM 大模型推理加速方案等，助力客户 的云原生 AI 系统与社区连接。阿里云 Serverless 平台内置 MCP 运行 时，支持开发者通过函数计算 FC 控制台直接部署预置的 MCP 模版。 四、智算发展潜力评估 1、评估方法 （一）ICDP-EM 框架 智算发展潜力评估模型（Intelligent

�.�一键实现多可用区部署 构建风险可控的安全运维体系，还需遵守严格的部署与变更管控流程，具体体现在数据库的自动 化部署、扩缩容等方面。 就TDSQL而言，无论实例形态是预置资源还是 Serverless，都具备多可用区部署的功能。与单一 可用区的部署策略相比，多可用区部署显著增强了系统的容灾能力，有效保障了数据库的安全， 以防数据库实例出现故障或所在可用区发生服务中断，能够抵御包括机房整体故障在内的多种