index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
阿里云于8月29日在深圳举办AI原生架构与企业实践专场沙龙，吸引了34家有AI建设诉求企业的45位技术负责人参与。活动聚焦企业AI应用规模化实战痛点，分享Serverless、AI网关、可观测、AI消息队列产品解决方案和企业真实实践。多位架构师分享了AI Agent架构新范式、AI网关搭建与落地、RocketMQ for AI的事件驱动架构实践、大模型时代的可观测探索等主题，探讨了如何通过向更先进的架构演进来适应AI时代的快速变化。
💡 沙龙聚焦企业AI应用规模化实战痛点，分享Serverless、AI网关、可观测、AI消息队列产品解决方案和企业真实实践，探讨了如何通过向更先进的架构演进来适应AI时代的快速变化。
🤖 AI Agent正成为下一代应用的核心驱动力，Data+AI成为帮助客户实现业务提效的核心场景，通过自然语言交互、无代码/低代码工具等方式，将数据洞察和AI能力相结合，加速AI在企业内部的普及和应用。
🚀 AI网关作为企业级AI智能流量中枢，旨在解决AI应用爆发增长背景下的多模型集成、安全合规、成本控制及高可用性等核心挑战，其核心能力包括统一接入代理、安全鉴权管理、高可用保障机制和成本优化能力。
📊 RocketMQ for AI的演进，标志着其已从传统消息中间件，全面升级为专为AI时代打造的消息引擎，通过在轻量化通信模型与智能化资源调度方面的‘颠覆性创新’，成为构建高可用、可扩展AI应用的关键基础设施。
🔍 大模型时代的可观测探索，随着云原生、多云架构、大语言模型（LLM）的爆发式发展，企业系统复杂度呈指数级增长，传统可观测技术面临海量数据实时分析、跨模态数据整合、根因定位效率等挑战，大模型为可观测AIOps的演进提供了全新思路。
2025-09-10 08:30 浙江
这是2025年的第101篇文章
（ 本文阅读时间：15分钟 ）
文末点击阅读原文，获得【AI原生架构与企业实践专场】活动PPT。
云为AI提供了坚实的基础设施支撑。聚焦阿里云云原生产品技术领域，阿里云基础设施AI Tech Day深圳站「AI原生，智构未来—AI原生架构与企业实践专场」沙龙于8月29日下午在深圳·LandMarkCoffee蓝马咖啡举办，活动现场吸引了34家有AI建设诉求企业的45位技术负责人参与，行业覆盖移动互联网、药业、AI4Science、汽车、互金、OTA等。本次技术沙龙聚焦企业AI应用规模化实战痛点分享Serverless、AI网关、可观测、AI消息队列产品解决方案和企业真实实践，与企业共同探讨如何通过向更先进的架构演进来适应AI时代的快速变化，为迎接新的增长机会做好准备。阿里云智能集团云原生Serverless高级解决方案架构师 卢萌凯(洛浩)分享了《AI应用正当时，详解基于MCP构建AI Agent架构新范式》，2025年是Agent元年，AI Agent正成为下一代应用的核心驱动力，Data+AI成为帮助客户实现业务提效的核心场景，通过自然语言交互、无代码/低代码工具等方式，将数据洞察和AI能力相结合，加速AI在企业内部的普及和应用。在这个过程中，如何开发和落地AI Agent应用，业界有哪些最佳实践可以参考，通过详解AI应用开发新范式，和广大企业客户一起探讨AI应用落地的趋势、挑战和方案。阿里云智能集团云原生解决方案架构师 姚翔(弑魔)分享了《AI时代的智能流量中枢、AI网关搭建与落地》，AI网关作为企业级AI智能流量中枢，旨在解决AI应用爆发增长背景下的多模型集成、安全合规、成本控制及高可用性等核心挑战。其核心能力包括：统一接入代理，支持OpenAI协议及MCP协议适配，实现多模型（如百炼、DeepSeek）与工具服务的统一调用；安全鉴权管理，通过API-Key托管、消费者权限分级及内容安全检测，保障访问控制与数据合规；高可用保障机制，通过限流策略、Fallback容灾（如PAI服务故障时切换至百炼）及Redis缓存优化，提升系统稳定性；成本优化能力，结合AI缓存、Token消耗监控及多API-Key轮询，降低资源浪费。在落地实践中，AI网关针对典型场景提供解决方案：例如，通过模型名称匹配实现单一域名下多模型动态切换，降低服务分发成本；通过消费者授权机制实现用户分级管控，结合审批流自动化API-Key管理；利用Redis缓存与向量化检索减少重复请求，突破模型服务配额限制；集成夸克联网搜索优化模型幻觉问题，提升推理准确性。此外，其MCP代理能力支持企业构建统一工具市场，实现内外部API的鉴权收口与运行时管理。典型应用场景覆盖自建模型服务（如FC GPU部署）的稳定性增强、多供应商模型的统一接入管控，以及Dify等AI平台的观测治理升级。通过协议转换、存量服务无改造接入及Nacos动态版本管理，AI网关助力智慧停车、汽车座舱等垂直领域实现智能化升级。阿里云智能集团消息队列产品解决方案架构师 邹星宇（吉宪）分享了《RocketMQ for AI 的事件驱动架构实践》，RocketMQ for AI的演进，标志着其已从传统消息中间件，全面升级为专为AI时代打造的消息引擎。通过在轻量化通信模型与智能化资源调度方面的“颠覆性创新”，RocketMQ突破了传统消息中间件的能力边界，成为构建高可用、可扩展AI应用的关键基础设施，展现出其在AI工程化体系中的核心价值。RocketMQ for AI的增强能力已在阿里巴巴集团内部以及阿里云大模型服务平台百炼、通义灵码等产品中经过大规模生产环境的验证，充分证明了其在高并发、复杂的AI场景下的成熟度与可靠性。我们坚信，通过持续的技术探索与开放共建，RocketMQ for AI将推动“AI原生消息队列”（AI MQ）成为行业标准，助力全球开发者更轻松、更高效地构建下一代智能应用，共同推动AI工程实践的标准化、普及化与生态繁荣。阿里云智能集团云原生可观测解决方案架构师 宋明强（鸣溯）分享了《大模型时代的可观测探索》，从“互联网+”到“人工智能+”，随着云原生、多云架构、大语言模型（LLM）的爆发式发展，企业系统复杂度呈指数级增长，传统可观测技术面临海量数据实时分析、跨模态数据整合、根因定位效率等挑战。基于云监控2.0的统一数据模型UModel，结合Qwen大模型推理能力与数据理解能力、可观测领域算法构建，大模型为可观测AIOps的演进提供了全新思路，将极大提升Operation效率和系统智能化水平。另一方面技术也在反哺AI领域：模型训练需要可观测性保障资源效率与稳定性，LLM应用落地依赖实时监控以优化性能与用户体验。37手游运维负责人 王钊金分享了《云原生为基，AI为翼：三七手游运维质效双升智能化探索之路》，讲述了37手游成功完成云原生化架构的转型与升级，并通过构建低延迟、高可用、智能化的一站式可观测平台，助力37手游运维质量和效率提升上取得了显著成效；同时分享了当前基于阿里云百炼+可观测mcp服务进行智能运维AI探索，通过流程编排及LLM以自然语言交互模式，极大提升运维高频查询分析类场景效率。在最后的客户互动讨论环节，来自阿里云云原生团队的PDSA、PD和研发同学，与到场客户一起围绕企业级AI应用构建现状、AI Agent生产环境下的落地场景、当前核心挑战等问题进行了深度讨论和热烈交流。点击阅读原文，获得【AI原生架构与企业实践专场】活动PPT
阅读原文
跳转微信打开
