在首爾舉辦的第31屆操作系統原理研討會上，阿里雲推出的Aegaeon計算池化解決方案獲大會收錄。該研究針對AI模型服務中存在的GPU資源浪費問題，提出了創新性解決路徑。

目前雲服務商普遍面臨算力利用失衡的挑戰。以阿里雲模型市場為例，17.7%的GPU算力僅處理1.35%的請求，資源閒置現象突出。Aegaeon系統通過GPU資源池化技術，實現單個GPU動態服務多個AI模型，成功打破傳統綁定模式。

經過三個月測試，該系統在服務720億參數大模型時，將所需H20 GPU數量從1192個降至213個，降幅達82%。這項由北京大學與阿里雲合作的研究，為行業提供了全新的優化方案。