今天，被一張網傳圖給笑岔氣了。

這張圖太能代表大模型用戶最近幾天的心情了。

我本將心向明月，奈何明月宕機了

不知不覺當中，各種大模型成了我們工作中不可分割的一部分，職場牛馬也終于體會了一把當主子的感覺。

可是，你越離不開大模型牛馬，它就越愛玩失蹤。

不只是如今萬千寵愛于一身的DeepSeek，過去一年里，前代“網紅大模型”ChatGPT，可算是崩了又不崩。

有時是因為訪客太多崩，有時是因為系統bug崩，有時是因為配置錯誤崩，甚至因為機房停電崩。

這么說吧，每次崩，都讓深度依賴它的小伙伴們抓狂。

道理很簡單，我對你那么上頭，你卻那么讓我下頭，這可還行？

DeepSeek也好，GPT也好，我們希望這些大模型要死扛住厚望，提供高可用的服務。

要想大模型不宕機、不作妖，我們首先就要搞清楚“供養”大模型的都是啥。

AI大模型其實是典型的云上原生業務，穩健的大模型離不開既有彈性又有韌性的云服務。

云服務需要為“大模型牛馬”提供牛棚、飼料以及整個成長周期的呵護。

?要想“牛棚牢固”，就需要「AI基礎設施」高可用：

從可用區的架構搭建，到基礎設施硬件的RAS設計，從GPU實例、容器服務，到存儲服務、網絡傳輸服務…，不能有任何一塊短板。

?要想“飼料充足”，就需要「AI數據處理」高可用：

數據采集、清洗、供給的鏈條不能斷鏈。

否則，訓練時吃不飽，大模型會發育不良，智商不夠。推理時斷了炊，大模型也會大腦短路，反應遲鈍。

那優質“飼料”的供給如何保證呢？

這依賴于數據存儲、數據處理服務的高可用設計與故障快速恢復。

數據庫、數據湖、數倉、數據治理服務等等，凡是負責“飼料”采存、清洗、存儲、供應的設施，都要穩如泰山。

?要想“牛馬茁壯成長”，就需要AI訓推&應用開發高可用：

這個環節，需要圍繞訓練、模型推理部署、AI應用開發、AI應用服務的整個生命周期，保障訓推平臺、MaaS平臺、開發平臺、API網關的可靠性和安全性。

讓大模型開發者和AI應用的使用者，享受持續的服務和卓越的體驗。

這么說吧，從基礎設施到數據供給再到訓推和AI應用開發，就像三腳架的三個支點，缺一不可。

必須全棧高可用，三個都穩，則大模型穩。任何一個支點有短板，則大模型危。

那么，這樣的全棧高可用方案，怎么才能獲得呢？

我們以阿里云為例，來看看他們是怎么干的↓

最近，阿里云推出了全棧AI負載高可用架構，給業界展示了生成式AI時代的云到底應該如何架構。

??

接下來，我們來看在每個層面，阿里云具體都有哪些高可用的保障。

01、「AI基礎設施高可用」

部署過算力集群的老司機都知道，甭管是哪家的GPU，故障率都很高，很多訓練中斷，都是因為GPU作妖。

而阿里云磐久服務器基于AI算法，可以對GPU的故障進行精準預測，從而提前預判故障，及時進行物理節點自動化切換。

同時，磐久服務器有CIPU2.0加持，這是阿里云自研的一種云基礎設施處理器，除了具備性能加速能力外，還可以提供全方位安全能力增強，讓整機穩定性提升20%。

單機穩定是集群穩定的基礎，阿里云還通過集群健康檢測、故障感知和自愈、HPN7.0集群網絡的冗余設計等手段，進一步提升訓練業務的穩定性和計算資源的使用效率。

最終，由磐久服務器、HPN7.0高性能網絡組成的靈駿智算集群，在大規模訓練作業中有效訓練時長占比高于99%，披星戴月“肝出”大模型。

這份“披星戴月”的戰斗力，還需要算、存、網的集體加持↓

在存儲服務上，阿里云推出了Regional ESSD，這是一種多可用區級的ESSD，基于飛天盤古同城冗余架構，支持多重掛載，容忍可用區級別故障。

即便單個IDC故障，仍然可以保證數據不丟失、保障數據一致性。

除了Regional ESSD，阿里云存儲服務還有同城冗余和數據保護能力↓
比如OSS對象存儲也支持同城多機房容災，滿足RTPO=0的苛刻要求，Tablestore表存儲同城冗余。
提供數據災備和合規管理，并支持備份點病毒檢測，快速識別干凈數據完成恢復。

在網絡服務上，阿里云HPN高性能網絡已經進化到8.0，提供400G/800G低延遲無阻塞多路徑網絡連接。

還有一個“近水樓臺”的獨特功能，用戶可以通過Privatelink私網通道高速訪問通義大模型家族，既高效又安全。

當然，在基礎設施層面，還有多Region和多AZ的云架構，阿里云作為一線大云，這屬于彈性和韌性方面的標配，我們就不多說了。

02、「AI數據處理高可用」

在數據處理這一層，底座有阿里云對象存儲OSS，作為PB級、EB級超大規模數據統一承載，并與多種計算引擎、AI框架進行深度集成。

提供多副本冗余、同城容災、大文件端點續傳、批量和多線程數據操作等融合手段，來保障數據服務的高可靠。

在穩固的數據底座之上，阿里云構建了大數據、搜索、AI一體化解決方案：OpenLake。

OpenLake基于開放的數據湖倉格式，支持大數據、搜索和AI多引擎對接，實現引擎平權協同計算。并且OpenLake支持多級容災體系，能夠讓“飼料”供應鏈穩健運轉。

同時，阿里云通過DMS+DTS（數據管理服務+數據傳輸服務），構建了針對AI場景的數據庫多AZ、跨Region高可用與容災方案。

無論傳統的關系型數據庫，還是針對AI訓推的向量數據庫，都可以通過DTS的實時雙向同步、就近讀寫、負載均衡，實現跨Region的強一致性，保證AI數據服務高可用。

03、「AI訓推&應用構建高可用」

在這一層級，阿里云有兩大高可用平臺：一個是用于模型訓推的PAI，另一個是用于MaaS服務和應用開發的百煉。

訓練環節，PAI提供彈性容錯引擎AI Master，可以自動發現并修復出錯的任務，并且可以各種底層監控，發現問題節點，就啟動自愈。

故障任務分鐘級恢復，大幅提升訓練效率。

推理環節，PAI-EAS（模型在線服務平臺）可以分鐘級彈性自動擴縮，每分鐘可以擴展10000Pod，再高的突發推理負載也不怕。

同時，PAI-EAS在承載各種實時推理、近實時推理任務時，可以感知每個推理請求的執行進度，進行智能任務調度，提升擴縮容效率，保障服務體驗。

模型托管服務和開發環節，百煉MaaS平臺核心模型服務API達到99.99% 的SLA，并對實時AI語音交互、實時AI搜索這種高性能場景，提供超低延遲API響應。

此外，阿里云所講的「全棧」，不只是三大支點（基礎設施、數據處理、訓推&應用構建）高可用，還提供AI開發的全鏈路可觀測。

通過實時的監控和分析，來進行健康性檢查和開發體驗持續優化。

現在，從牛棚搭建到飼料供給，從育種呵護到監管防疫，方方面面全部到位。

AI和大模型牛馬的連續性、響應速度、穩定性和安全性都有了保障。

不止如此，在全棧AI高可用的基礎上，阿里云與用戶攜手，共同努力打造AI原生的智能化、自動化、可持續的云上IT治理體系，推出「阿里云卓越架構」。

這套架構，是阿里云根據多年服務客戶的經驗，總結出來的方法論和架構設計原則，從安全、穩定、效率、成本、性能五個層面，來提升系統整體韌性和運營效率。

合理借鑒這些方法論和實踐經驗，無論傳統云上生產業務，還是AI大模型“新貴”業務，都可以更安全、更穩定、更高效、更有性價比的用好云。

宕機不可怕，就怕沒規劃

這些導致宕機的“雪花”，就是貫穿大模型全生命周期的每個環節、每個細節，涉及云服務商、模型服務商/開發者、AI用戶等不同角色。

云服務商要“搭好臺”，確保全棧服務的高可用；大模型服務商、開發者要“唱好戲”，采用先進的設計、選擇合適的服務、搭建正確的架構↓

當每片“雪花”都落對了地方

大模型服務就能夠高效穩健運轉

打工人的各種大模型“牛馬”

才能扛起生產級的硬活兒