〇 分享简介 〇

在全球AI浪潮与政策推动下，AI大模型掀起全球人工智能浪潮，算力作为其基础“底座”至关重要。各地政策推动算力发展，优化布局，形成了积极的产业环境。构建高效、灵活、稳定的云原生算力管理平台，成为加速大模型落地实践的关键。

云技术以AI浪潮为契机，对算力管理平台的发展与痛点进行了深入细致调研，总结了不同算力供应商都面临的异构或异地算力的难以管理、算力供应与需求之间的矛盾、算力资源利用率的提升等问题与挑战。同时，围绕云原生的能力与价值，确定了云原生是算力基础设施建设的核心技术。为此，设计了基于云原生的算力管理平台，使大规模的训练、推理任务更为高效、可控。

本次分享主要聚焦帮助企业构建云原生算力架构，最大化发挥算力资源效能，让大模型的研发人员能够更好地聚焦于模型的创新、算法的突破，为各行各业的发展提供更为强大的动力。

〇 分享收益 〇

目标：

1、分享云原生算力基础设施的概念和原理，帮助大模型开发者、算力提供者拓展对现代科技基础设施的认知。

2、深入研究云原生算力架构，驱动大模型创新实践，借助实际案例，更好的帮助企业支撑需求，加快大模型迭代开发。 

成功要点：

云原生的算力管理平台，可灵活、扩展、高性能、精细化的统一管理与调度能力，为异构算力统一管理与运营带来一站式解决方案，不仅为大模型应用、算力运营等提供强大的底座支撑，同时加快大模型开发部署效率。

启示：

云原生算力基础设施的建设是为AI领域服务，可以从AI大模型拓展到更多相似的业务支撑场景，在落地具体应用场景时需要充分考虑实际使用场景与未来发展趋势，对基础架构进行更新迭代，更好支撑多样化算力需求的多样化场景。

〇 分享亮点 〇

1、大模型趋势
1）算力对大模型创新实践的重要性

2、面向大模型的云原生算力架构关键要素
1）整合异构分散算力形成强算力
2）分布式并行架构支持大模型的创新效率
3）灵活扩展保证算力底座的可用性

3、面向大模型的云原生算力架构技术介绍
1）技术架构详解
2）双层调度器调度调度原理
3）细粒度资源计费计量技术

4）模型即服务-云原生AI平台

4、未来展望

5 、QA