摘要：不知不觉当中，各种大模型成了我们工作中不可分割的一部分，职场牛马也终于体会了一把当主子的感觉。

今天，被一张网传图给笑岔气了。

这张图太能代表大模型用户最近几天的心情了。

我本将心向明月，奈何明月宕机了

不知不觉当中，各种大模型成了我们工作中不可分割的一部分，职场牛马也终于体会了一把当主子的感觉。

可是，你越离不开大模型牛马，它就越爱玩失踪。

不只是如今万千宠爱于一身的DeepSeek，过去一年里，前代“网红大模型”ChatGPT，可算是崩了又不崩。

有时是因为访客太多崩，有时是因为系统bug崩，有时是因为配置错误崩，甚至因为机房停电崩。

这么说吧，每次崩，都让深度依赖它的小伙伴们抓狂。

道理很简单，我对你那么上头，你却那么让我下头，这可还行？

DeepSeek也好，GPT也好，我们希望这些大模型要死扛住厚望，提供高可用的服务。

要想大模型不宕机、不作妖，我们首先就要搞清楚“供养”大模型的都是啥。

AI大模型其实是典型的云上原生业务，稳健的大模型离不开既有弹性又有韧性的云服务。

云服务需要为“大模型牛马”提供牛棚、饲料以及整个成长周期的呵护。

❶要想“牛棚牢固”，就需要「AI基础设施」高可用：

从可用区的架构搭建，到基础设施硬件的RAS设计，从GPU实例、容器服务，到存储服务、网络传输服务…，不能有任何一块短板。

❷要想“饲料充足”，就需要「AI数据处理」高可用：

数据采集、清洗、供给的链条不能断链。

否则，训练时吃不饱，大模型会发育不良，智商不够。推理时断了炊，大模型也会大脑短路，反应迟钝。

那优质“饲料”的供给如何保证呢？

这依赖于数据存储、数据处理服务的高可用设计与故障快速恢复。

数据库、数据湖、数仓、数据治理服务等等，凡是负责“饲料”采存、清洗、存储、供应的设施，都要稳如泰山。

❸要想“牛马茁壮成长”，就需要AI训推&应用开发高可用：

这个环节，需要围绕训练、模型推理部署、AI应用开发、AI应用服务的整个生命周期，保障训推平台、MaaS平台、开发平台、API网关的可靠性和安全性。

让大模型开发者和AI应用的使用者，享受持续的服务和卓越的体验。

这么说吧，从基础设施到数据供给再到训推和AI应用开发，就像三脚架的三个支点，缺一不可。

必须全栈高可用，三个都稳，则大模型稳。任何一个支点有短板，则大模型危。

那么，这样的全栈高可用方案，怎么才能获得呢？

我们以阿里云为例，来看看他们是怎么干的↓

最近，阿里云推出了全栈AI负载高可用架构，给业界展示了生成式AI时代的云到底应该如何架构。

⬇️

接下来，我们来看在每个层面，阿里云具体都有哪些高可用的保障。

01、「AI基础设施高可用」

部署过算力集群的老司机都知道，甭管是哪家的GPU，故障率都很高，很多训练中断，都是因为GPU作妖。

而阿里云磐久服务器基于AI算法，可以对GPU的故障进行精准预测，从而提前预判故障，及时进行物理节点自动化切换。

同时，磐久服务器有CIPU2.0加持，这是阿里云自研的一种云基础设施处理器，除了具备性能加速能力外，还可以提供全方位安全能力增强，让整机稳定性提升20%。

单机稳定是集群稳定的基础，阿里云还通过集群健康检测、故障感知和自愈、HPN7.0集群网络的冗余设计等手段，进一步提升训练业务的稳定性和计算资源的使用效率。

最终，由磐久服务器、HPN7.0高性能网络组成的灵骏智算集群，在大规模训练作业中有效训练时长占比高于99%，披星戴月“肝出”大模型。

这份“披星戴月”的战斗力，还需要算、存、网的集体加持↓

在存储服务上，阿里云推出了Regional ESSD，这是一种多可用区级的ESSD，基于飞天盘古同城冗余架构，支持多重挂载，容忍可用区级别故障。

即便单个IDC故障，仍然可以保证数据不丢失、保障数据一致性。

除了Regional ESSD，阿里云存储服务还有同城冗余和数据保护能力↓

比如OSS对象存储也支持同城多机房容灾，满足RTPO=0的苛刻要求，Tablestore表存储同城冗余。

提供数据灾备和合规管理，并支持备份点病毒检测，快速识别干净数据完成恢复。

在网络服务上，阿里云HPN高性能网络已经进化到8.0，提供400G/800G低延迟无阻塞多路径网络连接。

还有一个“近水楼台”的独特功能，用户可以通过Privatelink私网通道高速访问通义大模型家族，既高效又安全。

当然，在基础设施层面，还有多Region和多AZ的云架构，阿里云作为一线大云，这属于弹性和韧性方面的标配，我们就不多说了。

02、「AI数据处理高可用」

在数据处理这一层，底座有阿里云对象存储OSS，作为PB级、EB级超大规模数据统一承载，并与多种计算引擎、AI框架进行深度集成。

提供多副本冗余、同城容灾、大文件端点续传、批量和多线程数据操作等融合手段，来保障数据服务的高可靠。

在稳固的数据底座之上，阿里云构建了大数据、搜索、AI一体化解决方案：OpenLake。

OpenLake基于开放的数据湖仓格式，支持大数据、搜索和AI多引擎对接，实现引擎平权协同计算。并且OpenLake支持多级容灾体系，能够让“饲料”供应链稳健运转。

同时，阿里云通过DMS+DTS（数据管理服务+数据传输服务），构建了针对AI场景的数据库多AZ、跨Region高可用与容灾方案。

无论传统的关系型数据库，还是针对AI训推的向量数据库，都可以通过DTS的实时双向同步、就近读写、负载均衡，实现跨Region的强一致性，保证AI数据服务高可用。

03、「AI训推&应用构建高可用」

在这一层级，阿里云有两大高可用平台：一个是用于模型训推的PAI，另一个是用于MaaS服务和应用开发的百炼。

在训练环节，PAI提供弹性容错引擎AI Master，可以自动发现并修复出错的任务，并且可以各种底层监控，发现问题节点，就启动自愈。

故障任务分钟级恢复，大幅提升训练效率。

在推理环节，PAI-EAS（模型在线服务平台）可以分钟级弹性自动扩缩，每分钟可以扩展10000Pod，再高的突发推理负载也不怕。

同时，PAI-EAS在承载各种实时推理、近实时推理任务时，可以感知每个推理请求的执行进度，进行智能任务调度，提升扩缩容效率，保障服务体验。

在模型托管服务和开发环节，百炼MaaS平台核心模型服务API达到99.99% 的SLA，并对实时AI语音交互、实时AI搜索这种高性能场景，提供超低延迟API响应。

此外，阿里云所讲的「全栈」，不只是三大支点（基础设施、数据处理、训推&应用构建）高可用，还提供AI开发的全链路可观测。

通过实时的监控和分析，来进行健康性检查和开发体验持续优化。

现在，从牛棚搭建到饲料供给，从育种呵护到监管防疫，方方面面全部到位。

AI和大模型牛马的连续性、响应速度、稳定性和安全性都有了保障。

不止如此，在全栈AI高可用的基础上，阿里云与用户携手，共同努力打造AI原生的智能化、自动化、可持续的云上IT治理体系，推出「阿里云卓越架构」。

这套架构，是阿里云根据多年服务客户的经验，总结出来的方法论和架构设计原则，从安全、稳定、效率、成本、性能五个层面，来提升系统整体韧性和运营效率。

合理借鉴这些方法论和实践经验，无论传统云上生产业务，还是AI大模型“新贵”业务，都可以更安全、更稳定、更高效、更有性价比的用好云。

写在最后

宕机不可怕，就怕没规划

这些导致宕机的“雪花”，就是贯穿大模型全生命周期的每个环节、每个细节，涉及云服务商、模型服务商/开发者、AI用户等不同角色。

云服务商要“搭好台”，确保全栈服务的高可用；大模型服务商、开发者要“唱好戏”，采用先进的设计、选择合适的服务、搭建正确的架构↓

当每片“雪花”都落对了地方

大模型服务就能够高效稳健运转

打工人的各种大模型“牛马”

才能扛起生产级的硬活儿

来源：特大号