GPU用量減少82%，阿里云研究成果入選SOSP2025

  ICC訊 近日，頂級學(xué)術(shù)會議SOSP2025在韓國首爾舉行，本屆會議僅收錄66篇論文，其中阿里云提出的GPU池化服務(wù)多模型研究成果成功入選，該研究提出多模型混合服務(wù)系統(tǒng)Aegaeon，可大幅提升GPU資源利用率，目前其核心技術(shù)已應(yīng)用在阿里云百煉平臺。

  SOSP(操作系統(tǒng)原理研討會)由ACMSIGOPS主辦，是計算機系統(tǒng)領(lǐng)域頂級學(xué)術(shù)會議，平均每年收錄的論文數(shù)量僅有數(shù)十篇，被譽為計算機操作系統(tǒng)界的“奧斯卡”，入選論文代表了操作系統(tǒng)和軟件領(lǐng)域最具代表的研究成果。本屆SOSP大會，關(guān)于系統(tǒng)軟件與AI大模型技術(shù)的融合研究成為新的趨勢。

  全球模型的數(shù)量仍在持續(xù)增長，據(jù)統(tǒng)計，HuggingFace已托管了超100萬個模型。在真實服務(wù)場景中，少量熱門模型占據(jù)了總請求的絕大部分，而超過90%的模型則調(diào)用頻率較低。當前的事實標準解決方案是為每個模型至少預(yù)留一個推理實例，這造成了GPU資源的大量浪費。

  阿里云百煉團隊在論文中創(chuàng)新性提出多模型混合服務(wù)系統(tǒng)Aegaeon，首次將調(diào)度實現(xiàn)在token級別，在每次生成完下一個token之后，都可通過精確的執(zhí)行時間預(yù)測和創(chuàng)新的token級調(diào)度算法規(guī)劃是否需要切換模型，從而實現(xiàn)多個模型混合服務(wù)且滿足延遲要求;通過組件復(fù)用、顯存精細化管理和KV緩存同步優(yōu)化等全棧技術(shù)，Aegaeon將模型切換開銷降低97%，確保了token級調(diào)度的實時性，可支持亞秒級的模型切換響應(yīng)。據(jù)介紹，Aegaeon系統(tǒng)支持單GPU同時服務(wù)多達7個不同模型，相比現(xiàn)有主流方案提升1.5-9倍的有效吞吐量，實現(xiàn)2-2.5倍的請求處理能力。

  目前，Aegaeon核心技術(shù)已在阿里云百煉平臺部署，服務(wù)數(shù)十個模型的推理，將服務(wù)這些模型所需的GPU數(shù)量減少了82%。

  據(jù)介紹，阿里云百煉平臺已上線Qwen、Wan、DeepSeek等200多款業(yè)界領(lǐng)先的模型，過去一年，阿里云百煉平臺的模型調(diào)用量增長了15倍。