极客网·人工智能（杭州）9月21日，2024云栖大会，阿里云发布全新的 AI 原生全栈可观测平台，首次实现云上 AI 大模型从训练到推理再到应用的全链路实时观测、告警与诊断。同时，阿里云可观测产品家族也实现了全新升级，最常用的日志服务 SLS 相较于自建体系，运维监控综合成本可降低 30% 。
AI 模型的深入发展，导致了数据处理方式与技术架构的深刻变化，相关应用产生的日志、链路等可观测数据规模呈指数级增长，数据结构复杂度也与日俱增，而AI部署的异构环境、资源及平台也越发多元，都给可观测性的准确、实时、高效与智能化发展带来了巨大挑战。
“以阿里云可观测产品家族为代表的云原生可观测工具，正引领着 AI-native 可观测加速迈向智能化。企业用户可以像‘搭积木’一样轻松、灵活地构建可观测体系，更高效地管理与观测 IT 资源与服务，为 AI 创新夯实技术底座。”阿里云云原生应用平台负责人丁宇表示。
在2024云栖大会上，日志服务 SLS、云监控 CMS、应用实时监控服务 ARMS 等阿里云可观测产品家族实现了重磅更新，面向模型训练、推理及应用提供全链路的可观测服务。
在模型训练场景中，云监控 CMS 与阿里云 AI 算力产品及平台深度集成，全面采集计算、存储、网络调度等 AI 基础设施的可观测数据，有效覆盖数据准备、模型开发、训练和部署等环节，确保模型训练全流程可感知、可观测，为企业在 AI 基础设施的容量管理和可用性保障保驾护航。
在模型推理场景中，可观测性更多聚焦于推理性能提升、模型输入输出的质量优化及资源消耗的有效管理。应用实时监控服务ARMS 推出符合 OpenTelemetry 标准的自研 Python Agent，全面支持通义千问/ LLamaIndex / LangChain 等国内外主流框架和模型，采集丰富的指标、链路及持续剖析数据，借助开箱即用的数据可视化大盘与性能诊断功能，确保用户实时掌握模型运行状态及潜在瓶颈，为大模型应用的稳定运行与高效运维提供坚实的基础。
与此同时，日志服务 SLS 与大模型服务平台百炼深度集成，实现百炼模型 API 层面的可观测指标全覆盖，并应用于性能观测、稳定性评估、成本管控、安全合规等不同应用场景，帮助企业优化资源配置和业务决策。同时，SLS 核心能力大幅提升，扫描性能提升 10 倍，达到 1GB/s 以上;处理性能提升至 TB 级每分钟，单 GB 处理成本降低60%。此外，SLS 推出 Elasticsearch 兼容方案，相较于自建其综合成本可降30% 以上。
据悉，阿里云已为全球80余个国家的百万企业级用户提供高效便捷、安全稳定的可观测服务。茶百道基于ARMS快速建立运维观测与响应能力，故障恢复效率提升 50% 以上；传音借助 Prometheus、Grafana 等可观测产品，业务上线效率提高 60%；极氪基于阿里云可观测产品推行的应急响应机制与 ChatOps 协同机制，告警平均恢复耗时缩短 50%。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
