Alibaba Cloud обновила ИИ-инфраструктуру под нагрузку от агентов

На конференции Yunqi 2026 Alibaba Cloud представила масштабное обновление своей ИИ-инфраструктуры. Поводом стала принципиально новая нагрузка: в отличие от человека-инженера, который ждёт результата минутами, ИИ-агент получает ответ и мгновенно запускает параллельно несколько следующих попыток. Такой режим работы умножает вычислительную и управленческую нагрузку на платформу в десятки и сотни раз.

Alibaba Cloud обновила цепочку от загрузки данных до самооптимизации системы. Платформа обработки данных MaxCompute теперь единым планировщиком управляет CPU, GPU и токенами языковых моделей; инструменты MaxFrame и SQL AI Function позволяют напрямую обрабатывать изображения и текст через вызовы моделей.

Для робототехники и автопилота предусмотрен специальный конвейер: обработка данных ускорилась на 40%, а сырые данные в петабайтах конвертируются напрямую в обучающие наборы форматов LeRobot и RLDS.

Скорость сквозного обучения мультимодальных моделей на платформе PAI-DLC 3.0 с модулем Xfuse выросла в 2,4 раза — система автоматически находит узкие места в коммуникациях, загрузке данных и планировщике ресурсов.

Для работы агентов с корпоративными данными Alibaba Cloud развивает концепцию Agentic Lake: открытое озеро данных открывает агентам доступ к вычислительным движкам через интерфейсы Skill и MCP, а платформа DataWorks обеспечивает семантический слой, управление правами и оркестрацию задач.

Новый сервис ADA использует мультиагентную схему: пользователь задаёт вопрос на естественном языке, система сама распределяет работу между движками офлайн-вычислений, реального времени, поиска и ИИ-инференса.

Отдельно CTO Alibaba Cloud Ли Фэйфэй обозначил проблему контроля: агентам с высокой автономией нужна изолированная среда с возможностью отката и аудита всех операций с данными — иначе чем выше самостоятельность агента, тем выше потенциальный риск.

На стороне оптимизации инфраструктуры появился инструмент PAI-CrystalLLM: он эмулирует обучение на кластере из десятков тысяч GPU, используя менее 1% реальных ресурсов, и даёт прирост эффективности обучения (MFU) на 2–10 процентных пунктов. Система Hologres за четыре месяца самостоятельно нашла и внедрила 28 оптимизаций, удвоив производительность оптимизатора запросов и ускорив запросы к озеру данных на 38%.

Робототехническая компания Qiongche на базе MaxCompute, Hologres, DataWorks и PAI построила сквозной конвейер Data+AI: пропускная способность обработки данных выросла более чем в 10 раз, скорость обучения моделей — примерно на 50%.

Источник: GeekPark (🇨🇳)

#AlibabaCloud #QiongcheIntelligence #MaxCompute #EMR #PAIDLC #PAIInferX #Hologres #агенты #облачныевычисления