綜合報道，在當前人工智能（AI）領(lǐng)域，算力資源的高效利用已成為各大科技公司爭相追逐的目標。近日，阿里云提出的創(chuàng)新計算池化解決方案“Aegaeon”成功入選頂級學術(shù)會議SOSP2025。

　　SOSP（操作系統(tǒng)原理研討會）是由ACM SIGOPS主辦的計算機系統(tǒng)領(lǐng)域頂級學術(shù)會議，每年僅收錄數(shù)十篇論文，被譽為計算機操作系統(tǒng)領(lǐng)域的“奧斯卡”。

　　在過去的幾個月里，阿里云對Aegaeon系統(tǒng)進行了為期超過三個月的Beta測試，結(jié)果顯示，該系統(tǒng)在服務參數(shù)量高達720億的大型AI模型時，所需的英偉達H20 GPU數(shù)量從1192個減少至213個，削減比例高達82%。

　　這一顯著的減少不僅意味著阿里云可以大幅降低硬件采購成本，更是為那些依賴成千上萬張GPU進行模型服務的大型企業(yè)提供了寶貴的經(jīng)驗與借鑒。以服務數(shù)十個720億參數(shù)大模型為例，原本需要1192張GPU才能完成的任務，現(xiàn)在僅需213張即可勝任，硬件成本銳減超80%。

　　通過數(shù)據(jù)分析，阿里云發(fā)現(xiàn)，現(xiàn)有模型市場中，少數(shù)熱門模型（例如阿里的Qwen）承載了絕大多數(shù)用戶請求，而大量不常被調(diào)用的“長尾”模型卻各自占用大量GPU資源。數(shù)據(jù)顯示，曾有17.7%的GPU算力僅用于處理1.35%的請求，資源閑置現(xiàn)象相當嚴重。

　　Aegaeon系統(tǒng)通過GPU資源池化的方式，打破了傳統(tǒng)“一個模型綁定一個GPU”的低效模式，實現(xiàn)了更高效的資源配置。具體而言，Aegaeon將多個GPU的計算、內(nèi)存等抽象成一個資源池，按需分配給不同的任務，避免了單個任務獨占資源導致的閑置。

　　Aegaeon系統(tǒng)的核心創(chuàng)新點在于Token級調(diào)度。該系統(tǒng)的多模型混合服務功能能夠在每次生成下一個token時動態(tài)決定是否切換模型，從而實現(xiàn)精細化管理。通過組件復用、顯存精細化管理以及KV緩存同步優(yōu)化等全棧技術(shù)，Aegaeon將模型切換的開銷降低了97%。

　　這一技術(shù)確保了token級調(diào)度的實時性，使得模型切換響應時間可支持亞秒級的快速反應。據(jù)介紹，Aegaeon系統(tǒng)支持單個GPU同時服務多達7個不同模型，相比于現(xiàn)有主流方案，其有效吞吐量提升了1.5至9倍，處理能力提高了2至2.5倍。

　　Aegaeon的落地將推動算力租賃行業(yè)從“按卡計費”轉(zhuǎn)向“按實際使用量計費”，企業(yè)可通過彈性調(diào)度降低閑置成本。據(jù)測算，采用該技術(shù)的云服務商可將算力租賃價格降低40%-60%，加速AI普惠化。

　　隨著AI技術(shù)的不斷進步，對算力的需求將持續(xù)增長。GPU資源的高效利用，是實現(xiàn)AI規(guī)模化應用的關(guān)鍵。阿里云的Aegaeon方案，為AI算力效率提升提供了新的思路和解決方案，未來有望在更多云計算平臺和AI應用場景中得到推廣和應用。