7 月 24 日，阿里云飞天发布时刻产品发布会围绕阿里云大数据 AI 平台的新能力和新产品进行详细介绍。人工智能平台 PAI、云原生大数据计算服务 MaxCompute、开源大数据平台 E-MapReduce、实时数仓 Hologres、阿里云 Elasticsearch、向量检索 Milvus 等产品均带来了相关发布的深度解读。

大数据 AI 一体化趋势解读

在 AI 大模型爆发的时代，如何将大数据和 AI 进行更好的融合是阿里云今年重点探索的课题。阿里云大数据 AI 平台产品负责人徐晟带来了阿里云大数据 AI 一体化趋势分享和产品矩阵解读。

徐晟认为，大数据技术的经历了从传统数仓到数据湖，再到数据湖仓一体的演变历程。建设真正的数据湖仓一体，关键在于统一数据湖存储的数据表格式以及统一数仓读写湖数据的 SDK。这样，数据湖上各类数仓引擎无需自建仓内存储，整个湖仓系统中只有一份大数据（One-Copy）被数仓调用，进而达到性能与成本的优化。此外，在数据湖上，除了表格文件，还有文本、图片、视频等各类非结构文件，在大模型训练环节也是至关重要的生产资料，通过上述 One-Copy 的方案，可实现 AI 计算引擎对数据的灵活调用，推动大数据与 AI 更好地融合。

阿里云大数据和 AI 产品体系中，包含批处理、流处理、实时交互式查询在内的大数据计算引擎服务，AI 训练和推理引擎服务，以及上层的大数据和 AI 开发平台。在此之上，今年阿里云将推出统一的大数据和 AI 湖仓能力支持，实现整个系统内数据的高效计算和流转。未来，阿里云将继续在大数据和 AI 领域深耕，为用户带来更优质、高效的服务和体验。

人工智能平台 PAI 升级发布

阿里云人工智能平台 PAI，是一款是面向开发者和企业的机器学习/深度学习工程平台，底层与阿里云基础设施无缝衔接，中间层即 PAI 的产品主体提供了数据标注、模型构建、模型训练、模型部署、推理优化在内的 AI 工程全链路服务，上层无缝衔接 ModelScope、ModelStudio 等各类 MaaS 平台。人工智能平台 PAI 在训练服务、推理服务和 AIGC 场景化实践三方面带来了相应的能力升级。

AI 训练服务

• 发布资源配额 (Quota) 2.0，提供基于 QuotaTree 全场景的可观测和干预操作能力，支持对训练、推理、开发等多类型任务进行统一的资源监控和管理，并新增了节点、用户、拓扑 3 大模块进行多维度展示。此外，PAI 资源配额模块增加了任务、节点、POD、GPU、CPU、Mem 等 100 多项监控 Metrics，满足常态监控和自定义监控和告警需求。企业内部的资源使用情况，通过多维拓扑图实时清晰展现。

• 发布训练竞价任务 (Spot) ，提供任务级别的高可用、高性价比算力，配合 PAI 平台的自动容错和状态恢复能力，兼顾性价比与稳定性。该功能适用于处于探索期的新业务，以及对时延不敏感的任务。

AI 推理服务

• PAI-EAS 在日本 Region 开服，PAI-EAS 累计覆盖全球 16 个 Region，包括欧洲、北美、东南亚等海外地区。

• PAI 异构算力集群全面升级至第 8 代，支持 H20、L20 等全新机型。

• 推出多规格抢占型实例、GPU 资源共享、serverless 模型服务在内一系列全新的服务模式，保证业务在线率的同时降低部署成本，最高可降本 90%。

AIGC 场景化最佳实践

• PAI-ArtLab 是为设计专业人士打造的 AIGC 智能设计平台。PAI-Artlab 支持 ComfyUI 创作工具，支持用户以 workflow 模式进行图像或视频创作。PAI-Artlab 提供单机版和 Severless 版两种模式，开箱即用。与开源社区版本相比，PAI-Artlab 进行了针对性的推理性能优化，模型加载速度和出图速度实现 2~3 倍提升。此外，PAI-Artlab 还提供主子账号管理、生成内容合规等企业级能力。

云原生大数据计算服务 MaxCompute 升级发布

MaxCompute 是面向分析的企业级 SaaS 模式云数据仓库，以 Serverless 架构提供快速、全托管的在线数据仓库服务，为大模型时代提供大数据 AI 一体化的数据基础。

分布式计算框架 MaxFrame

MaxFrame 是阿里云自研的分布式计算框架，支持 Python 编程接口并可直接复用 MaxCompute 计算资源及数据接口，用户可以以更熟悉、高效、灵活的方式利用 MaxCompute 的海量数据计算资源及数据进行大规模数据处理，可视化数据探索分析以及科学计算、ML\AI 开发工作。

优化非结构数据管理 Object Table

湖仓一体为大数据 AI 提供了自研离线近实时数据处理的计算引擎，各类数据统一管理，计算引擎统一对接。针对一些非结构化数据或半结构化数据，MaxCompute 通过 Object Table 进行相关抽像。

Object Table 优势特点：

• 使用灵活，以表的形式管理非结构化数据，使用高效统一，通过 SQL、Python 对作业进行修改、发布，操作简单。

• 缓存加速，缓存对象列表和元信息，减少直接访问 OSS，基于事务表记录每次更新，实现元信息版本化。

• 查询优化，查询实现列裁剪、过滤条件下推，减少数据访问，支持按照数据对象实际切分，消除数据倾斜。

• 写入支持，支持数据写入能力，形成数据流闭环。

EMR Serverless 产品升级发布

E-MapReduce（以下简称："EMR"）Serverless 为企业提供开源、开放、开箱即用的全托管免运维开源大数据产品。

随着数字化进程的加速，企业对数据分析的需求越来越强烈，然而实际操作中往往会面临一系列问题及挑战，常见的问题有数据栈割裂，数据整合统一难，形成数据孤岛，分析效率低下，不同数据栈有不同的元数据和治理模型。其次是自建难，需要投入大量的成本和资源，以及平台优化与扩展复杂，版本迭代依赖开源社区，没有专业技术团队支持。此次 EMR 产品发布了 Serverless Spark 和 Serverless StarRocks 两项新能力。

EMR Serverless Spark 面向企业数据分析的计算产品

阿里云 EMR Serverless Spark 版是一款云原生，专为大规模数据处理和分析而设计的全托管 Serverless 产品。它为企业提供了一站式的数据平台服务，包括任务开发、调试、调度和运维等，极大地简化了数据处理的全生命周期工作流程。

• 内置 Fusion 引擎，性能相较开源 Spark 提升 200%，同时内置 Celeborn，使计算总体成本下降 30%，大幅提高计算效率。

• 实现 DATA+AI 统一治理模型，将数据处理和数据分析相结合，提供 SQL Editor、Notebook、Workflow 等工具，助力用户进行数据分析和 AI 应用开发。

• 具有开放与兼容的生态，100%兼容开源 Spark 编程接口，支持多种数据访问方式和湖格式。

• 云原生特性显著，开箱即用、按需付费、弹性伸缩，降低使用门槛和成本。

EMR Serverless Spark 结合 Fusion Engine 和企业级 Celeborn，为企业提供了全新的数据分析体验，助力企业更高效地挖掘数据价值。

EMR Serverless StarRocks 数据湖分析版发布

EMR Serverless StarRocks 数据湖分析版是一款基于 StarRocks 技术构建的企业级数据查询和分析产品，具备开箱即用、弹性扩展、监控管理、慢 SQL 诊断分析等全生命周期能力。具备开箱即用、弹性伸缩、兼容 Trino/Presto 语法格式、统一的 Catalog 管理、支持 Hive 格式 Paimon/Iceberg/Hudi/Delta Lake 等多种数据湖格式、极致的湖仓分析性能等能力。

此次 EMR Serverless StarRocks 数据湖分析版发布以下功能：

• 弹性伸缩发布，可按需使用，降低计算成本。可应用在业务负载存在时间周期性变化场景，比如 AdHoc 即时分析场景和 ETL 加工等场景。

• 多计算组（Multi-Warehouse）发布，实现资源隔离、数据共享、灵活扩缩容，按需弹性伸缩功能。可应用在不同类型任务资源隔离，跨部门协调分析等场景。

StarRocks 的一系列创新，将为湖仓分析领域带来全新变革，为用户提供更高效、可靠、便捷的服务。

实时数仓 Hologres 产品发布

Hologres 是阿里云自研的一站式实时数仓引擎，支持海量数据写入、实时更新、实时分析、写入即可查，支持标准的 SQL 协议，支持 PB 级数据多维分析和即席分析，支持高并发、低延迟的在线数据服务。与 MaxCompute、FLink、DataWorks 无缝集成。与 DLF、OSS 深度融合，提供离在线一体全栈数仓和湖仓一体的解决方案。支持丰富的开发接口，支持对接十余种主流 BI。

Hologres Serverless Computing

Serverless Computing，提供大作业隔离与弹性处理，并降低 20% 成本。通过共享 Serverless 资源执行 DML 任务，保证大任务隔离与高可用，降低成本并提升性能。同时支持设置单条 SQL 使用 Serverless 的资源上限，支持设置使用 Serverless 资源的 SQL 优先级。

Hologres 2.2 版本发布

引擎能力优化

• TPC-H 性能测试结果相对 V1.X 提升 100%

• 向量执行引擎 HQE 能力提升，Runtime Filter 能力增强

• 查询优化器性能提升，SQL 在 Plan 阶段的处理速度提升 40%。

实时湖仓架构升级

• 湖仓一体，架构升级直读 OSS 性能提升 5 倍以上，支持 Paimon 湖格式，支持多级缓存和谓词下推过滤。

• 实时离线一体，直读 MaxCompute 存储、支持百万/秒 MaxCompute 与 Hologres 之间同步数据，及更多兼容性能力提升。

新增多种高级函数，行为分析、画像分析能力全场景覆盖

• 新增路径分析、留存分析、漏斗分析、画像分析等多种函数，提升分析性能与效率。

• Hologres 相比 ClickHouse 和 Doris 等开源技术栈在各场景分析上提供了完整函数，能高效实现行为分析和画像分析，助力业务获取商业洞察。

阿里云 Elasticsearch-AI 搜索产品发布

1.Elasticsearch-AI 搜索

Elasticsearch-AI 搜索拥有丰富的 AI 搜索能力，基于效果更优的 RAG 全链路模型，加强数据预处理及检索增强能力，支持不同场景的业务应用。以搭建 RAG 场景为例，在数据写入时对知识库内容解析处理，在线查询时进行检索增强。使用自研模型准确解析多样化企业知识库数据，切分文档并生成向量，构建索引。用户搜索查询时，通过模型理解意图，进行三路混合检索和重排获取相关内容，补全上下文形成最终答案。完成 RAG 全链路搭建后可进行测评。

2.搜索开发工作台

阿里云搜索开发工作台内置数据处理、查询分析、排序、效果测评、大模型等服务，结合阿里云搜索引擎及开源引擎，同步打造场景化搜索服务，一键接入 AI 语义搜索及 RAG 能力，帮助企业灵活搭建符合自身业务需要的搜索系统。在实际应用中，AI 搜索开发工作台能够兼容主流开源生态，能快捷搭建语义搜索及 RAG 链路，客户全链路效果随使用能力加强显著提升。阿里云 AI 搜索支持三路混合检索和多路召回，结合重排模型可使准确率达 95%。

向量检索服务 Milvus 版新品发布

阿里云向量检索 Milvus 版是阿里云提供的 Serverless Milvus 全托管服务，100% 兼容开源 Milvus，提供高性能、可扩展、大规模 AI 向量数据库相似性检索服务，具备开箱即用、弹性可扩展、全链路监控告警的能力，同时提供开源 Attu 的可视化工具。

阿里云向量检索 Milvus 版具有以下优势：

• 云原生极速向量检索服务

阿里云向量检索 Milvus 版集成了 Vector 检索库，凭借其高性能、高可用性的特点，支持混合查询，为用户提供高效且稳定的向量数据检索能力。集成商业化内核，相同场景下引擎性能（QPS）是开源社区版的 10 倍，召回率一致的情况下 QPS 有 5 倍提升，而综合考虑 QPS 和召回率也可实现 8 倍的提升。同时对计算、存储资源进一步降低，可达到至少 30%的自建 Milvus 上云成本缩减。

• 企业级运维及易用性

云上全托管的向量数据库服务，不仅极大地缩减了集群维护成本，而且开箱即用，内置配置管理、安全管理等功能，并通过云原生架构实现高性能、可扩展性，支持按需节点化伸缩能力；同时，还提供了全面可视化的监控告警链路，以确保系统稳定运行及高效运维。

• 兼容开源 Milvus 生态

阿里云向量检索 Milvus 版全面兼容开源 Milvus 系统，提供了 Attu 等丰富的开源管理工具，更拥有丰富且活跃的生态社区资源。

在多模态检索方面，结合 AI 推理、训练等工程平台和 Embedding 模型的能力，Milvus 可高效索引和检索不同类型的数据，支持快速精准地跨媒体类型进行信息检索，并提供强大的扩展性和灵活的接口。

智能问答 &大模型中，Milvus 结合大型语言模型实现智能问答系统，通过向量化处理用户查询，利用其高效检索功能快速匹配“私有知识库”中的信息，并结合大模型，生成准确回应，提供即时、精确、交互式的生成式搜索服务。

了解更多飞天发布内容：https://summit.aliyun.com/apsaramoment/apsaramoment_12