云数据库RDS：协同优化、降本增效
云原生关系型数据库PolarDB：软硬一体、全栈自研
云原生数据仓库AnalyticDB：硬件加速，极致算力
云原生内存数据库Tair：超高吞吐，超低时延
结合倚天ARM芯片30+项软硬协同优化，性价比提升25%。
弹性RDMA融合PolarTrans首次实现高性能全局一致性，延迟下降5-20%，融合自研Smart-SSD智能固态硬盘技术，实现性能零损耗，数据存储成本最高下降60%。
基于弹性RDMA和用户态网络处理，分布式节点数量交换吞吐能力提升20%，峰值情况网络长尾时延下降90%。
全链路采用弹性RDMA，助力应用程序透明使用，用户态网络处理，整体吞吐提升80%+。
ODPS再出发：存储、调度、元数据一体化融合
数据技术和数据应用的发展，催生了多元计算需求，如交通领域需要实时数据计算来做城市大脑里面人流车流的优化，科研方面，需要AI算法辅助传统物理化学生物研究创新，保险领域需要大量数据聚合来进行更准确的风险精算。
自2009年诞生以来，阿里云一体化大数据平台ODPS不断进行架构升级。2017年将大规模批处理引擎MaxCompute以独立产品形式对外提供服务，2019年为应对数据实时交互分析的需求，上线交互式计算引擎Hologres。
今年，ODPS再升级，实现了存储、调度、元数据管理上的一体化架构融合，支持大规模批量计算、实时分析等服务，提供实时流式计算、机器学习等多种计算能力，能够支撑上述各类数据的高效处理。
“大数据平台和AI平台正在走向融合”，阿里巴巴集团副总裁、阿里云计算平台事业部高级研究员、达摩院系统AI实验室负责人贾扬清表示，不论是大模型生产应用、AIfor Science、还是传统的搜推广服务，典型的AI应用场景背后，都离不开数据的高效流转和分析。
以阿里云与小鹏汽车的合作为例，通过大数据AI一体化平台的建设，实现从海量路采数据的传输存储分析、到AI模型训练推理的全流程提效。基于软硬件协同优化技术，使小鹏汽车自动驾驶核心模型训练提速近170倍，训练性能较开源方案提升30%。
如何持续向全社会各行业普惠大数据+ AI 技术？
对此，达摩院基于大数据+AI一体化产品体系“阿里灵杰”，推出模型开放生态ModelScope和AI开放服务平台OpenMind，进一步推动AI普惠。
阿里云磐久超高性能网络，助力解决AI算力难题
“近年来，人工智能、机器学习相关需求井喷，AI算力需求每3.5个月便会翻一倍，面对这种爆发式的算力需求，简单粗暴的硬件堆砌已不可持续。”阿里巴巴集团副总裁、阿里云基础设施负责人周明表示。
哪怕是算力强大的AI硬件，在内存资源不足时，要么运算停滞，要么会增加数据的无效传输，从而带来额外的的运行开销，增加时间成本。为此，阿里云工程师为此打造了一套“磐久超高性能网络”。
磐久PredFabric采用自研的Solar-RDMA高速网络协议，使处理器可以通过load/store指令访问其他任意服务器的内存，相比传统模式可降低长尾时延90%以上，最低可至2微秒。
同时，为了确保大流量突发场景情况下，整个数据中心仍能保持稳定、高效的运转，阿里云将云服务器的接入带宽提升一倍，并配合上层的融合通信库ACCL，实现AI场景下的通信效率倍增，保障集群算力的线性输出。
小结
从2009年至今，云栖大会已走过14个年头，从云计算到数据智能，从飞天操作系统到城市大脑，云栖见证了中国计算产业的萌发与革新。其间，阿里云也在操作系统、数据库、存储、网络和芯片等技术领域持续深耕并取得一系列重要成果。
“云计算的发展已进入了全新的阶段，未来十年，软硬件一体化的自研计算体系是云服务商的立身之本，只有在核心技术和产品的研发上持续创新才能抢占定义权。”针对未来的技术发展，阿里云智能总裁、阿里巴巴达摩院院长张建锋如是说。
