-
编辑 删除
客户说｜哔哩哔哩基于阿里云PolarDB与千问大模型构建全域内容洞察新框架
哔哩哔哩联合阿里云 PolarDB for AI，构建“大模型+小模型”协同的全域内容洞察体系，基于去标识化公开互动数据，实现视频、评论等内容的结构化分析，精准识别品牌、类目、用户反馈属性，助力营销效果量化与策略优化。
-
编辑 删除
PolarDB支撑悠悠有品多地域业务，实现库存毫秒级智能检索
悠悠有品作为国内最大CS:GO饰品交易平台，面临亿级数据毫秒检索、多地域强一致、智能排序等挑战。依托 PolarDB MySQL 版，集成PolarSearch（一体化搜索）、GDN（全球数据库网络）和 PolarDB for AI，实现存储-检索-推荐全链路升级，大幅提升转化率与系统弹性。
-
编辑 删除
PolarDB一站式记忆管理重磅上线：让记忆成为数据库最有温度的力量
大型语言模型（LLM）在理解和生成上下文连贯的对话方面取得了巨大成功。然而，它们固有的“记忆缺陷”——即有限的上下文窗口——严重制约了其在跨会话、跨应用的长时间交互中保持一致性的能力。一旦对话超出上下文长度，LLM 就会像一个“失忆”的伙伴，忘记用户的偏好、重复提问，甚至与之前确立的事实相矛盾。想象一下这个场景：你告诉一个AI助手你是素食主义者且不吃乳制品。几天后，当你向它寻求晚餐建议时，它却推荐
-
编辑 删除
立春破冰！阿里云Tair KVCache重磅发布：开源商业双轮驱动，击穿大模型“显存墙”
立春之际，阿里云瑶池发布 Tair KVCache——面向大模型推理的缓存加速方案，开源 KVCache Manager 与 HiSim 仿真工具，推出企业级云服务。联合 NVIDIA、SGLang 等共建“计算-存储-调度”一体化AI基础设施，突破显存瓶颈，降低90%+显存占用，助力高效低成本 AI 推理。
-
编辑 删除
阿里云《PolarDB AI 实践全景：加速企业大模型应用落地》电子书重磅上线！
阿里云云原生数据库 《PolarDB AI 实践全景：加速企业大模型应用落地》 电子书现已正式发布！本书系统阐述了阿里云核心自研云原生数据库 PolarDB 与 AI 融合的技术路径、核心场景及未来趋势。重点解读了 PolarDB 面向 AI 的关键能力，给出了可复用的解决方案与架构路径，覆盖典型场景的选型、集成与落地要点；并通过客户实践案例还原了从 PoC 到生产的关键决策与实践经验。站在 AI
-
编辑 删除
Cache 新春 | Tair KVCache 商业化暨开源发布会邀您线上观看！
随着 DeepSeek R1、Qwen 2.5 等长文本模型与 Agentic AI 的爆发，推理系统的瓶颈正从“算力”向“显存”转移。GPU 显存告急、扩容成本高昂、长序列推理卡顿，是否成为了阻碍业务创新的“显存墙”？立春之日，破冰之时，阿里云诚挚邀请您参加《Tair KVCache 商业化暨开源发布会》，一同推开 AI 推理效率的新大门！💻技术盛宴：六大核心议题，全景揭秘下一代推理底座从理论突
-
编辑 删除
「瑶池 Data Agent 入门训练营」火热报名中！1月21日正式开讲，参营可得多重好礼！
「瑶池 Data Agent 入门训练营」先导课上线！零基础也能学，通过自然语言对话实现数据查询与分析。2026年1月21-29日每个工作日下午17:00直播授课，完成任务赢结营证书、精美礼品及大奖。立即报名，开启数据驱动之旅！
-
编辑 删除
阿里云瑶池 Data Agent 入门训练营火热报名中
还在为数据报表烦恼？阿里云瑶池数据库 Data Agent 让你用自然语言对话完成数据分析与报告生成！「瑶池Data Agent入门训练营」1月21日开营，7节实战课程带你从零掌握自然语言驱动数据分析，快速生成专业报告。
-
编辑 删除
从极速复制“死了么”APP，看AI编程时代的技术选型
本文以复刻“死了么”APP为例，探讨AI编程时代的技术选型变革。借助Qoder等AI编码工具与Supabase无服务器后端，开发者可快速实现全栈应用，大幅降低开发成本与运维复杂度。通过声明式架构、自动化服务与合理技术组合，让创意高效落地，展现AI时代敏捷开发的新范式。
-
编辑 删除
阿里云 Tair KVCache 仿真分析：高精度的计算和缓存模拟设计与实现
阿里云 Tair 推出 KVCache-HiSim高保真 LLM 推理仿真工具。在 CPU 上实现＜5%误差的性能预测，成本仅为真实集群的1/39万，支持多级缓存建模与 SLO 约束下的配置优化，助力大模型高效部署。
-
编辑 删除
阿里云Tair KVCache Manager：企业级全局 KVCache 管理服务的架构设计与实现
导读【重磅】阿里云 Tair KVCache 团队联合阿里巴巴智能引擎、基础设施与稳定性工程团队即将开源企业级全局 KVCache 管理服务 Tair KVCache Manager，本文详细介绍该服务的架构设计与实现细节。随着 Agentic AI兴起，以推理引擎为中心的传统单机分层方案已无法满足新时代的 KVCache 存储需求。随着 KVCache 池化存储在大规模 Agent 推理场景中走
-
编辑 删除
阿里云 Tair 基于 3FS 工程化落地 KVCache：企业级部署、高可用运维与性能调优实践
阿里云 Tair KVCache 团队联合硬件团队对 3FS 进行深度优化，通过 RDMA 流量均衡、小 I/O 调优及全用户态落盘引擎，提升 4K 随机读 IOPS 150%；增强 GDR 零拷贝、多租户隔离与云原生运维能力，构建高性能、高可用、易管理的 KVCache 存储底座，助力 AI 大模型推理降本增效。
-
编辑 删除
阿里云 Tair 联手 SGLang 共建 HiCache，构建面向“智能体式推理”的缓存新范式
本文系统剖析面向智能体推理的 KVCache 技术演进，针对传统机制在长上下文、多轮决策与多智能体协同中的状态膨胀、持久化缺失和缓存孤立三大瓶颈，介绍阿里云 Tair KVCache 团队联合 SGLang 社区推出的 HiCache 分层缓存体系。该方案通过显存-内存-3FS 多级卸载与全局共享，实现缓存命中率提升至80%，TTFT 降低56%，推理 QPS 翻倍，支撑智能体时代的大模型高效推理。
