九章雲極發佈九章智算雲Alaya NeW Cloud 2.0

市場資訊
06-16

  炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!

6月16日消息,九章雲極DataCanvas在“九章雲極智能計算論壇”上正式發佈新一代全棧智能計算雲平臺——九章智算雲Alaya NeW Cloud 2.0,並同步啓動全球首個強化學習智算服務。

據介紹,該平臺基於Serverless技術架構與強化學習技術的深度融合,成功突破“秒級生成百萬token級”的性能瓶頸,旨在爲全球AI創新企業及研發機構提供智能計算基礎設施級服務。

九章智算雲平臺Alaya NeW Cloud 2.0專注於計算密集型應用,創新性地提供高度融合的智能計算基礎設施(AI Infra)與低門檻工具鏈(Tools)。實測數據顯示,平臺可實現萬卡級至十萬卡級規模的異構算力統一調度;針對MoE模型架構,推理優化效率提升數倍;支持用戶通過單行代碼操作即可完成分佈式工作負載編排;獨創的“按實際資源消耗精準計量計費”的創新計價模型,顯著降低了用戶使用成本與應用門檻。

九章雲極DataCanvas公司董事長方磊表示:“從移動互聯網‘帶寬式應用’到AI時代‘計算密集型應用’的結構性變革,亟需新型雲架構支撐。九章智算雲Alaya NeW Cloud 2.0通過‘高度融合的高密度AI Infra + 低門檻工具鏈Tools’的範式重構,爲智算時代提供全棧智算方案。”

在AI基礎設施架構層面,針對AI工作負載的固定性特徵,九章智算雲Alaya NeW Cloud 2.0創新性地採用Serverless技術架構替代傳統虛擬化(Virtualization)模式,構建統一、高效、彈性可擴展的底座,實現算力資源的最大化複用。此舉推動算力調度從“配置機器”向“提交任務”的範式轉變,使AI開發者無需關注底層算力資源調度,得以專注於業務邏輯與模型調用。

基於Serverless技術的九章智算雲平臺,完成了從底層基礎設施到上層應用的全棧優化。實測結果顯示,平臺支持跨AIDC的彈性資源調度,實現秒級響應與無限擴展;支持彈性伸縮,自動完成環境配置、策略加載與任務監控,使得端到端性能提升5倍;其定價策略摒棄了傳統裸金屬租賃方式,獨創的“按度計費”模式可降低總擁有成本(TCO)達60%,讓更多企業和開發者能夠輕鬆擁抱AI算力。

面向AI業務,九章智算雲Alaya NeW Cloud 2.0發佈一系列低門檻智算工具鏈,覆蓋大模型從預訓練、精調直至適配與應用開發的ModelOps全生命週期,大幅降低模型開發與應用的技術壁壘。通過這些工具鏈,用戶無需掌握複雜的GPU配置和集羣管理技術,僅需明確數據來源、選定模型基座、確定優化方向,系統即可自動編排計算流程,真正實現業務人員輕鬆駕馭AI算力。

基於混合專家(MoE)架構,九章雲極同期發佈了九章強化學習雲平臺AgentiCTRL,全球首創性地將強化學習能力深度融入基礎設施,顯著增強大模型推理能力,將AI智能體訓推門檻壓縮至一行代碼。與傳統強化學習方案相比,該平臺端到端訓練效率提升500%,綜合成本下降60%,成爲全球首個支持萬卡級異構算力調度的強化學習基礎設施平臺。

九章智算雲Alaya NeW Cloud 2.0具備典型的新雲特徵,從底層基礎設施到上層工具鏈全方位服務於智算需求。其以Serverless爲特徵的底層基礎設施,與面向強化學習和未來算法的工具鏈深度耦合,將強化學習、Serverless架構等核心技術模塊化,形成可彈性組合的智能計算服務矩陣,支持十萬卡級異構資源調度,實現毫秒級響應延遲。這種創新的“基礎設施即服務”模式,有效地推動AI應用走向規模化落地。

九章智算雲Alaya NeW Cloud 2.0圍繞Agent開發一系列工具,以雲生態方式致力於推進算力普惠的中國方案。爲實現智能體快速普惠的發展目標,九章雲極DataCanvas正從四個層面構建完整生態體系。(崔玉賢)

本文來自網易科技報道,更多資訊和深度內容,關注我們。

海量資訊、精準解讀,盡在新浪財經APP

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10