中國AI加速出海 阿里云提供全棧能力支持快訊
LiblibAI基于阿里云全棧AI能力打造全球統(tǒng)一云原生技術架構,阿里云全球基礎設施滿足了MiniMax多地域計算資源互聯(lián)的需求,就基于阿里云全球節(jié)點和領先的AI產(chǎn)品。
【TechWeb】7月9日消息,在2025阿里云中企出海峰會·北京上,Vidu、Question.AI、LiblibAI等頭部AI應用已與阿里云合作,在海外市場躋身第一陣營。

阿里云智能集團副總裁、公共云事業(yè)部首席架構師韓鴻源介紹,今年以來,阿里云正加速打造全球云計算一張網(wǎng),在全球每個節(jié)點部署全棧AI能力,增強出海合規(guī)、服務和生態(tài)團隊建設,全力服務出海中企。
隨著中國云基礎設施和中國大模型的不斷成熟,中國AI得以在海外快速落地。一方面,新興AI原生企業(yè)自創(chuàng)辦起,就基于阿里云全球節(jié)點和領先的AI產(chǎn)品,為全球用戶提供多樣化的AI應用;另一方面,傳統(tǒng)企業(yè)通過接入通義大模型升級產(chǎn)品,加速開拓海外市場。
借助阿里云AI基礎設施,生數(shù)科技旗下視頻生成應用Vidu已覆蓋200多個國家與地區(qū),B端服務客戶數(shù)量及調用量環(huán)比增長300%。基于阿里云全球一張網(wǎng),生數(shù)科技打造海內外統(tǒng)一的技術架構:阿里云跨地域、云邊端一體化的彈性資源池,幫助Vidu能夠平滑應對流量的峰谷變化;基于阿里云推理加速技術(DeepGPU),相比IDC同等算力下, Vidu生成不同分辨率的視頻速度提升10%+;借助阿里云提供的高性能存儲帶寬、容器服務 ACK 和鏡像倉庫ACR服務能力,Vidu模型預熱時間縮短50%;基于阿里云全球覆蓋,穩(wěn)定、高效、靈活的跨地域組網(wǎng)能力,就近接入可降低時延40%以上,為Vidu提供高可用的全球網(wǎng)絡。
作為國內第一個AI原創(chuàng)圖像社區(qū),LiblibAI全球用戶訪問量已超1億。從全球基礎設施、模型訓推到業(yè)務部署、數(shù)據(jù)分析,LiblibAI基于阿里云全棧AI能力打造全球統(tǒng)一云原生技術架構:阿里云海外基礎設施的合規(guī)能力,保障了LiblibAI海外業(yè)務數(shù)據(jù)安全、隱私保護等合法合規(guī)性,支持圖像生成服務在多個國家順利落地,順利承接全球流量的快速增長;基于阿里云OSS等技術,PB級數(shù)據(jù)通過冷熱分層得到存儲,F(xiàn)link與Maxcompute通過數(shù)據(jù)實時計算與分析,幫助LiblibAI快速決策,同時PAI-Rec提供了最佳搜索推薦策略。在社區(qū)層面,LiblibAI通過接入通義系列模型實現(xiàn)多模型并發(fā)調用與推理成本控制。據(jù)悉,LiblibAI的海外上線效率提升60%,研發(fā)運維效率提升79%,版本迭代實現(xiàn)90%加速。
MiniMax憑借強大的模型技術和全球化的產(chǎn)品布局,成為AI出海的重要力量。為了滿足MiniMax日益增長的業(yè)務需求,從數(shù)據(jù)采集、處理、存儲到模型訓練、推理,阿里云提供全面支持:在模型訓推方面,阿里云靈駿大規(guī)模訓練集群以高通信效率保證了訓練的穩(wěn)定性;阿里云ACK對GPU和CPU資源的統(tǒng)一管理和調度能力,有力支撐了模型的強化學習;云上數(shù)十萬核大規(guī)模ECS彈性計算和ACS算力,滿足了MiniMax數(shù)據(jù)處理和Agent Infra彈性的算力需求;阿里云CPFS與OSS的協(xié)同分工,滿足了模型數(shù)據(jù)處理和訓練不同階段的需求。此外,阿里云全球基礎設施滿足了MiniMax多地域計算資源互聯(lián)的需求,為全球用戶提供了穩(wěn)定的網(wǎng)絡保障。
韓鴻源表示:“今天,AI疊加出海帶來了更多的可能性。中國企業(yè)不缺能力,缺的是走向海外后快速找到基礎能力的機會。阿里云作為領先的AI云,要把中國企業(yè)習慣和依賴的基礎能力在國內和海外廣覆蓋,幫助中國企業(yè)在海外順暢開展業(yè)務。”
據(jù) IDC的最新報告,2024年中國AI基礎設施(AI IaaS)市場份額,阿里云占比23%,位列中國市場第一,超過第二名和第三名總和。近日,阿里云將于馬來西亞和菲律賓新增數(shù)據(jù)中心,全球基礎設施布局將擴展至29個地域、90個可用區(qū),進一步滿足全球日益增長的云計算與AI需求。(果青)
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范,任何轉載的稿件都會明確標注作者和來源;
2.TMT觀察網(wǎng)的原創(chuàng)文章,請轉載時務必注明文章作者和"來源:TMT觀察網(wǎng)",不尊重原創(chuàng)的行為TMT觀察網(wǎng)或將追究責任;
3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補充。