破局算力浪费 阿里云AI成果入选顶会 GPU用量削减82%

近日，阿里云提出的计算池化解决方案“Aegaeon”成功入选顶级学术会议SOSP 2025，该方案可解决AI模型服务中普遍存在的GPU资源浪费问题，大幅提升GPU资源利用率，目前其核心技术已应用在阿里云百炼平台。

SOSP（操作系统原理研讨会）由ACM SIGOPS主办，是计算机系统领域顶级学术会议，平均每年收录的论文数量仅有数十篇，被誉为计算机操作系统界的“奥斯卡”，入选论文代表了操作系统和软件领域最具代表的研究成果。本届SOSP大会上，系统软件与AI大模型技术的融合成为新的趋势。

数据显示，在阿里云模型市场为期超三个月的Beta测试中，Aegaeon系统在服务数十个参数量高达720亿的大模型时，所需的英伟达H20 GPU数量从1192个减至213个，削减比例高达82%（见下图）。GPU用量削减82%意味着公司硬件采购成本将显著降低，这对于动辄使用成千上万张GPU的大型模型服务商至关重要。

在真实的模型服务场景中，少数热门模型（如阿里的Qwen）承载了绝大多数用户请求，而大量不常被调用的“长尾”模型却各自独占着GPU资源。数据显示，在阿里云模型市场中，曾有17.7%的GPU算力仅用于处理1.35%的请求，资源闲置严重。

而Aegaeon系统通过GPU资源池化，打破了“一个模型绑定一个GPU”的低效模式。

Token级调度是该系统的核心创新点，Aegaeon多模型混合服务系统在每次生成下一个token后动态决定是否切换模型，实现精细化管理，同时，通过组件复用、显存精细化管理和KV缓存同步优化等全栈技术，Aegaeon将模型切换开销降低97%，确保了token级调度的实时性，可支持亚秒级的模型切换响应。

据介绍，Aegaeon系统支持单GPU同时服务多达7个不同模型，相比现有主流方案提升1.5-9倍的有效吞吐量，实现2-2.5倍的请求处理能力。

如何从底层系统软件层面优化，以更好地支撑和赋能上层AI应用，已成为全球学术界和工业界关注的焦点。未来AI的发展将不仅依赖于硬件算力的单纯增长，更需要通过系统级的软件创新来深度挖掘现有硬件的潜力。