2025年，AI 技術(shù)迎來了以自主行動、目標(biāo)導(dǎo)向和環(huán)境交互為特征的 Agentic AI 時代，與此同時，透過機(jī)器人、輔助駕駛等前沿探索，復(fù)雜 AI Agent 系統(tǒng)也正迅速從數(shù)字世界邁向物理世界。在2025云棲大會上，阿里云智能集團(tuán)計算平臺負(fù)責(zé)人汪軍華發(fā)表《大數(shù)據(jù) AI 平臺：構(gòu)筑 Agentic AI 核心基石》主題演講，并帶來阿里云大數(shù)據(jù)AI平臺多款產(chǎn)品升級發(fā)布。

汪軍華表示，模型、AI基礎(chǔ)設(shè)施、數(shù)據(jù)基礎(chǔ)設(shè)施、端到端搭建工具是落地 Agentic AI 的關(guān)鍵四要素，阿里云大數(shù)據(jù) AI 平臺圍繞這四大要素提供有力的技術(shù)支撐。

加速世界模型研發(fā)，PAI 與 NVIDIA Physical AI 軟件棧合作

在大模型能力加速進(jìn)化的今天，除了推理模型和各類 Agentic 能力增強(qiáng)模型，世界模型同樣備受關(guān)注。世界模型能夠理解和遵循物理規(guī)律，具備因果推理、時間推演等能力，是大模型真正深入現(xiàn)實物理世界的關(guān)鍵。

構(gòu)建“全知全感”的世界模型，對基礎(chǔ)設(shè)施和開發(fā)平臺提出了全新要求。一方面，世界模型依賴的數(shù)據(jù)處理工程更加復(fù)雜，需要進(jìn)行符合物理規(guī)律的多模態(tài)數(shù)據(jù)合成、進(jìn)行圖片視頻向點云軌跡等半結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換、以及深層次數(shù)據(jù)理內(nèi)容理解等；另一方面，由于極端場景無法在現(xiàn)實中全面測試，仿真平臺重要性尤為凸顯；此外，多種模型需要云、邊、端多種服務(wù)平臺支持。

為此，阿里云與 NVIDIA 正式宣布在 Physical AI 方向達(dá)成產(chǎn)品合作。PAI 將集成 NVIDIA Isaac Sim、Isaac Lab、NVIDIA Cosmos、Physical AI 數(shù)據(jù)集在內(nèi)的 NVIDIA Phsyical AI 軟件棧，并結(jié)合阿里云在規(guī)?；瘮?shù)據(jù)計算、高性能AI訓(xùn)練推理、大數(shù)據(jù)AI一體化開發(fā)等領(lǐng)域的體系化能力，形成覆蓋數(shù)據(jù)預(yù)處理、仿真數(shù)據(jù)生成、模型訓(xùn)練評估、機(jī)器人強(qiáng)化學(xué)習(xí)、仿真測試在內(nèi)的全鏈路平臺支撐，讓 Physical AI 領(lǐng)域開發(fā)者充分享受云的彈性與靈活，全面加速 Physical AI 創(chuàng)新落地。

目前，PAI 平臺內(nèi)已經(jīng)上架了遙操數(shù)據(jù)采集、數(shù)據(jù)合成、數(shù)據(jù)增強(qiáng)、機(jī)器人模仿學(xué)習(xí)、驗證測試全環(huán)節(jié)五大場景的最佳實踐，以 Notebook 形式供開發(fā)者開箱即用。

預(yù)訓(xùn)練、后訓(xùn)練、推理全流程優(yōu)化，AI 基礎(chǔ)設(shè)施再升級

作為全棧人工智能服務(wù)商，阿里云兼具領(lǐng)先的自研大模型、活躍的開源模型生態(tài)與強(qiáng)大的 AI Infra 體系。應(yīng)對新的模型架構(gòu)和計算特點，阿里云人工智能平臺PAI與通義大模型聯(lián)合優(yōu)化，印證了全棧AI“1+1>2”的效果。

針對 MoE 架構(gòu)模型，PAI 推出大規(guī)模 MoE 訓(xùn)練引擎 paiMoE，采用統(tǒng)一調(diào)度機(jī)制、自適應(yīng)計算通信掩蓋、EP 計算負(fù)載均衡和計算顯存分離式并行等優(yōu)化手段，有效解決工作負(fù)載不同、稀疏 MoE 通信占比高等問題，在 Qwen3 訓(xùn)練過程中實現(xiàn)端到端加速比提效 3 倍，訓(xùn)練 MFU 超過 61%。

目前，paiMoE 引擎兩項核心技術(shù) Tangram 和 ChunkFlow 已在 Qwen 全系模型的 CPT/SFT 階段作為默認(rèn)方案，Tangram 支持支持多樣化細(xì)粒度 MoE 訓(xùn)練任務(wù)，一套機(jī)制支持不同的計算、通信、顯存與負(fù)載均衡需求。ChunkFlow 針對處理變長和超長序列數(shù)據(jù)的性能問題，提出了以 Chunk 為中心的訓(xùn)練機(jī)制。變長序列數(shù)據(jù)重新組織為等長 Chunk 并且結(jié)合調(diào)度，有效提升訓(xùn)練效率，研究成果被 ICML 2025 收錄。

針對 DiT 架構(gòu)模型，PAI 推出訓(xùn)練推理一體化加速引擎 paiFuser，通過計算圖優(yōu)化、顯存復(fù)用、通信壓縮、動態(tài)調(diào)度等手段，顯著降低資源消耗，提升系統(tǒng)吞吐。在8卡并行推理場景下，視頻生成耗時最高減少80%以上，在保障畫質(zhì)前提下實現(xiàn)“分鐘級”甚至“秒級”輸出，為短視頻生產(chǎn)、沉浸式VR、AIGC創(chuàng)意工具等時效敏感型業(yè)務(wù)提供堅實底座。

在推理層，通過大規(guī)模EP、PD/AF分離、權(quán)重優(yōu)化、LLM智能路由在內(nèi)的全鏈路優(yōu)化，實現(xiàn)推理效率顯著提升：推理吞吐TPS增加71%，時延TPOT降低70.6%，擴(kuò)容時長降低97.6%。此外，PAI-EAS 重磅推出企業(yè)級 EP 解決方案，助力千億參數(shù) MoE 模型以更低的成本、更高的效率服務(wù)于線上業(yè)務(wù)。

大數(shù)據(jù)平臺全面支持 AI 計算和服務(wù)

無論是模型訓(xùn)練還是推理，都離不開數(shù)據(jù)的支撐。阿里云大數(shù)據(jù)平臺宣布面向 AI 產(chǎn)品進(jìn)行全新升級，全面支持AI計算和服務(wù)。

大數(shù)據(jù)平臺 MaxCompute、Hologres、EMR、Flink 等產(chǎn)品數(shù)據(jù)處理全面支持 AI Function，將AI能力深度集成至傳統(tǒng)數(shù)據(jù)處理流程。在SQL或Python作業(yè)中，調(diào)用AI模型如同調(diào)用普通函數(shù)，實現(xiàn)數(shù)據(jù)處理與AI推理的無縫融合。MaxFrame推出面向AI場景的新一代原生分布式Python引擎DPE，數(shù)據(jù)處理性價比提升1倍，支持?jǐn)?shù)據(jù)預(yù)處理，ML訓(xùn)練推理，異構(gòu)資源計算，Python原生UDF以及AI Function等計算場景。

各行各業(yè)都廣泛需要多模分析檢索，大數(shù)據(jù)平臺致力于打造AI應(yīng)用的知識檢索系統(tǒng)，讓數(shù)據(jù)發(fā)揮更大的價值。EMR-Starrocks 全新支持全文檢索，OpenSearch GPU實例驅(qū)動向量索引構(gòu)建，整體性價比提升10倍，Milvus、ElasticSearch、Hologres支持向量+全文混合檢索，其中Hologres 發(fā)布全新向量索引 HGraph，登頂 VectorDBBench 性價比榜單 QPS、Recall、Latency、Load 四項第一。

在數(shù)據(jù)運維方面，大數(shù)據(jù)平臺DataWorks、MaxCompute、Hologres、EMR等產(chǎn)品推出通過自然語言交互即可實現(xiàn)數(shù)據(jù)開發(fā)、運維等操作的智能化交互式產(chǎn)品能力，發(fā)布 Data Agent 組件，全面實現(xiàn) Agentic化。

大數(shù)據(jù)平臺在多項國際評測中登頂榜單。

● 阿里云 PAI 與 DataWorks 團(tuán)隊Agentic 在NL2SQL的 Spider 2.0-Snow 評測中，以 61.24%的執(zhí)行準(zhǔn)確率榮獲榜單第一。

● EMR 榮獲兩項國際榜首， Fusion （企業(yè)級 Spark 內(nèi)核） 和 Stella (企業(yè)級 StarRocks 內(nèi)核) 技術(shù)登頂 TPC 全球榜單。其中EMR Serverless Spark在TPC-DS 100TB測試中，以 QphDS 性能提升100%的成績奪冠。

● Hologres 全新向量索引 HGraph 登頂 VectorDB Benchmark 榜單，1000 萬向量召回數(shù)據(jù)集在召回率第一的情況下，QPS 亦全球第一。

構(gòu)建 AI 數(shù)據(jù)底座，OpenLake 面向全模態(tài)數(shù)據(jù)量身定制

在 Agentic AI 時代，阿里云OpenLake同樣進(jìn)行了全方位升級，滿足客戶面對物理世界全模態(tài)數(shù)據(jù)時所需的一體化數(shù)據(jù)存儲和管理系統(tǒng)。

DLF 3.0 拓展全模態(tài)數(shù)據(jù)支持，湖倉目錄服務(wù)（DLF）作為湖倉存儲層統(tǒng)一管理核心，將存儲格式從傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)，拓展至全模態(tài)數(shù)據(jù)場景，支持面向 AI 場景的 Lance、Iceberg以及文件數(shù)據(jù)、格式化表格數(shù)據(jù)等全類型。

計算生態(tài)方面，OpenLake 通過多引擎平權(quán)聯(lián)合計算架構(gòu)，可實現(xiàn)數(shù)據(jù)無需搬家、多引擎協(xié)同處理，湖倉存儲層（DLF+Managed Storage）作為單一份數(shù)據(jù)源，向上對接全鏈路大數(shù)據(jù)&AI 引擎。OpenLake同時 推出 OpenLake Studio 多模態(tài) Data&AI 一體化開發(fā)平臺，實現(xiàn)一站式數(shù)據(jù)開發(fā)-治理-運維閉環(huán)，降低多模態(tài)數(shù)據(jù)+AI 的開發(fā)門檻。

淘天集團(tuán)在面臨數(shù)據(jù)孤島、多引擎協(xié)同、運維成本高等問題上，采用OpenLake “存儲層統(tǒng)一→計算層整合→湖流一體化”的技術(shù)路徑，最終實現(xiàn)“實時化、一體化、低成本、高效率”的數(shù)據(jù)湖倉升級目標(biāo)，為業(yè)務(wù)創(chuàng)新與降本提效提供了堅實數(shù)據(jù)基礎(chǔ)。

Agentic Search 發(fā)布：AI 搜索邁入自主協(xié)作時代

大模型的爆發(fā)式發(fā)展，傳統(tǒng)搜索流量逐漸轉(zhuǎn)向AI驅(qū)動的搜索工具，這一轉(zhuǎn)變背后將重構(gòu)用戶搜索的交互邏輯、數(shù)據(jù)形態(tài)與技術(shù)架構(gòu)。為此，阿里云正式發(fā)布 Agentic Search架構(gòu)，該架構(gòu)通過多Agent協(xié)同、多模態(tài)數(shù)據(jù)處理與任務(wù)自主規(guī)劃，構(gòu)建了從“問題提出”到“方案自主生成”的智能閉環(huán)，補(bǔ)齊實現(xiàn) Agentict AI 的最后一公里。

多模態(tài)數(shù)據(jù)處理：支持文檔、圖像、代碼、視頻等內(nèi)容的解析、實體抽取與向量化，覆蓋向量引擎、數(shù)據(jù)庫、知識圖譜等多引擎協(xié)同；

自主任務(wù)規(guī)劃：依托Qwen3大模型與短期/長期記憶能力，主Agent可動態(tài)調(diào)用Code Agent、Browser Agent等工具，實現(xiàn)復(fù)雜問答與多跳推理；

權(quán)威測試領(lǐng)先：在OpenAI的BrowseComp與Deep Research評測集中，Agentic Search檢索與推理能力超越Gemini、OpenAI等國際主流方案，復(fù)雜任務(wù)準(zhǔn)確率提升超40%。

智能輔助駕駛&機(jī)器人數(shù)據(jù)預(yù)處理與模型訓(xùn)推解決方案發(fā)布

根據(jù)相關(guān)預(yù)測，2025年 L2+ 車型銷量將從100萬輛飆升至1000萬輛。智能輔助駕駛的廣泛應(yīng)用帶來了海量數(shù)據(jù)，在技術(shù)架構(gòu)層面，也正經(jīng)歷從傳統(tǒng)分階段小模型架構(gòu)向端到端多模態(tài)大模型的技術(shù)范式遷移，當(dāng)前智駕系統(tǒng)實現(xiàn)了感知、決策、控制模塊的深度耦合。這也推動底層的大數(shù)據(jù)AI工程架構(gòu)不斷升級，促使數(shù)據(jù)收集、數(shù)據(jù)處理、模型訓(xùn)練、模仿學(xué)習(xí)、仿真驗證在內(nèi)的工程鏈路進(jìn)一步融合。同時，我們在機(jī)器人研發(fā)落地的場景中，也發(fā)現(xiàn)了相似的趨勢與需求。

阿里云與客戶在共建智能產(chǎn)線的過程中，總結(jié)并發(fā)布了面向智能輔助駕駛和機(jī)器人研發(fā)的數(shù)據(jù)處理與模型訓(xùn)推解決方案。

方案底層統(tǒng)一的元數(shù)據(jù)管理（DLF）實現(xiàn)對百PB級數(shù)據(jù)的高效管控，顯著降低因數(shù)據(jù)備份、流動和處理帶來的成本，并提升處理效率。數(shù)據(jù)僅需存儲一份，即可被多種計算引擎調(diào)用，結(jié)合緩存加速與全模態(tài)壓縮技術(shù)，進(jìn)一步優(yōu)化研發(fā)流程。

數(shù)據(jù)處理依托MaxFrame/Spark/Ray等分布式計算引擎，在CPU/GPU異構(gòu)集群中實現(xiàn)高效調(diào)度與資源復(fù)用，并借助Data Juicer算子框架加速預(yù)處理。經(jīng)預(yù)處理生成的訓(xùn)練樣本，通過大模型數(shù)據(jù)挖掘產(chǎn)生新標(biāo)簽與Embedding。方案提供自研與開源兩套檢索引擎，支持在百PB數(shù)據(jù)中快速檢索所需樣本。

在模型訓(xùn)練與推理階段，人工智能平臺 PAI 及 paiTurboX 加速框架通過多系統(tǒng)聯(lián)合優(yōu)化，實現(xiàn)至高3倍性能提升，最大化硬件資源利用率，提升研發(fā)效益。

卓馭是國際領(lǐng)先的智能輔助駕駛供應(yīng)商，提供行業(yè)一流的量產(chǎn)輔助駕駛和高級別智能輔助駕駛系統(tǒng)（覆蓋L2~L4），已與大眾汽車、上汽通用五菱、比亞迪、奇瑞汽車、長城汽車等十余汽車品牌達(dá)成深度合作，聯(lián)合推出 30 余款量產(chǎn)新車型，還有 30 多款車型即將量產(chǎn)落地。在智駕系統(tǒng)最核心的算法方面，卓馭創(chuàng)新性地采用端到端世界模型和VLA方案，基于自回歸架構(gòu)和強(qiáng)化學(xué)習(xí)，實現(xiàn)智駕系統(tǒng)的Scaling Law，不僅實現(xiàn)安心擬人的駕駛體驗，也為用戶提供駕駛Agent的智能化交互體驗。

卓馭 AI 首席技術(shù)官陳曉智表示，依托阿里云，卓馭搭建了超過 3 EFLOPS 的 AI 智算平臺和大數(shù)據(jù)平臺，支撐十億級別的場景數(shù)據(jù)處理、全維度的業(yè)務(wù)洞察、以及端到端世界模型及VLA模型的高效訓(xùn)練。未來，卓馭將攜手阿里云，持續(xù)打造全球領(lǐng)先、全球共享的智能輔助駕駛系統(tǒng)。

自變量機(jī)器人是國內(nèi)最早采用完全端到端路徑實現(xiàn)通用具身智能大模型的機(jī)器人公司之一，其自研的具身智能大模型 WALL-A 具備自主感知、推理、長程決策交互、世界模型與高精度復(fù)雜操作能力，多個維度能力處于全球領(lǐng)先水平?；谧匝械幕A(chǔ)模型，自變量推出全自研高自由度靈巧手、輪式雙臂仿人形機(jī)器人“量子2號（Quanta X2）等硬件，已在多步驟復(fù)雜任務(wù)場景中逐步落地應(yīng)用。

機(jī)器人是高度分散式的終端，但又需要和云緊密結(jié)合。自變量創(chuàng)始人&CEO 王潛表示，“我們需要算力、大數(shù)據(jù)、人工智能平臺三位一體的、適用于具身智能的云上AI基礎(chǔ)設(shè)施架構(gòu)。阿里云靈活、高性能的大數(shù)據(jù) AI 平臺，能夠完美符合并滿足機(jī)器人數(shù)據(jù)預(yù)處理、分布式部署、分布式訓(xùn)練、數(shù)據(jù)大規(guī)模遠(yuǎn)程回傳等各方面的需求，極大提升研發(fā)及模型迭代效率。”