DigitalOcean 打造 AI 原生云,帮助 AI 应用大幅降低成本与运维复杂度

news2026/4/30 22:29:04
人工智能行业存在一个复合型的瓶颈而这个瓶颈并非模型本身而是推理。过去仅仅是一次模型调用如今已演变成一个持续交互的系统。现在的应用程序会编排多个模型检索并合成数据执行工具并在生产环境中重复这一循环。这些不再是“无状态请求”而是更像基础设施而非软件特性的动态系统。以下四个变化正在重新定义基础设施必须具备的能力推理已取代训练成为重心推理模型正成为默认选择自主智能体正在大规模运行开源模型正以极低的成本达到与闭源模型相当的质量大多数技术栈从未为此而设计。超大规模云服务商提供了数百种服务但依然需要将它们拼接在一起。推理提供商则坐落在别人的算力之上额外增加了一层利润空间。GPU 供应商提供芯片但不提供系统。推理已悄然成为现代技术栈中最昂贵、却又最无人真正掌控的一层。每一项新能力都被叠加在一个碎片化的基础之上而其底层的复杂性则在不断累积。最终你遇到的问题不再是模型问题而是技术栈的问题。今天在 Deploy 2026 大会上DigitalOcean 发布了 DigitalOcean 的 AI 原生云这是一个面向生产级AI工作负载的全栈系统。DigitalOcean 的 AI 原生云建立在 DigitalOcean 的核心云服务之上涵盖计算、存储、网络和托管服务并针对AI系统在实际生产中的运行方式扩展了专门设计的能力。目标很简单精简技术栈让构建者能够专注于构建而不是把各种系统拼凑在一起。在这里开源不是附加功能而是基础。DigitalOcean 去除了不必要的抽象层消除了供应商之间的利润叠加让开发者可以直接访问构建和扩展AI系统所需的原语。这并非空谈。像 Workato 这样的客户在 DigitalOcean 上运行了数万亿次自动化任务成本降低了67%。Character.ai 部署于DigitalOcean 云平台上每天处理超过 10 亿次查询推理吞吐量提高了2倍。Hippocratic AI 医疗平台支持超过 2000 万次患者交互延迟降低了40%。这三个客户案例表明 DigitalOcean AI 原生云已在生产环境中稳定运行。面向现代AI系统的五层技术栈AI应用程序不是单一系统而是由多个相互作用的层组成这些层必须持续协同工作。DigitalOcean AI 原生云将这五层整合为一个统一的系统包括 托管式Agents、数据与分析、推理引擎、核心云服务、基础设施。如下图所示DigitalOcean AI原生云的新增能力这些并非概念上的层次而是实际运行的系统。DigitalOcean 正在扩展产品服务提供涵盖推理、数据和存储的生产级能力使其能够大规模运行。Inference Router推理路由器公测版一个具备策略感知能力的控制平面可根据成本、延迟、质量与数据合规性动态路由请求。团队无需硬编码模型逻辑只需定义意图系统即可在不同模型提供商和部署方式之间自动优化执行路径。例如LawVo 运行着 130 AI 智能体每周处理超过 5 亿 Token在无需修改代码的情况下将推理成本降低了 42%。专用推理与 Bring Your Own Model支持在专用 GPU 基础设施上运行自定义或微调模型全面掌控性能、扩展和配置。开发者可以从 Hugging Face 或自有环境部署模型通过预调优的推理栈和托管编排实现高吞吐运行而无需承担 Kubernetes 的复杂性。扩展模型与服务通过统一系统运行和评估文本、图像、音频和视频模型。模型库持续更新包含 25 新模型并支持“Day 0”首发接入例如 NVIDIA Nemotron 3 Nano Omni在 DigitalOcean 首发。该高效开源多模态模型整合视觉、语音、语言与工具调用能力并通过 NVIDIA TensorRT-LLM 在内核层优化。内置评估工具可在上线前对质量、成本和延迟进行基准测试。PostgreSQL和MySQL高级版公测托管式PostgreSQL和MySQL高级版提供超大规模云服务商级别的可靠性和扩展能力与标准版并行提供。托管式 Weaviate预览版提供可用于生产环境的向量数据库基础设施无需运维负担并与 Serverless Inference 原生集成具备可预测定价。Knowledge Bases知识库一个完全托管的 RAG 服务处理数据摄取、分块、嵌入、检索和重排序并为智能体框架提供 MCP 支持。让你的团队只需几天就能从原型走向生产。旨在简化同时不限制灵活性优势并不在于任何一个单独的层而在于它们如何协同工作。当智能体、推理和数据运行在同一个系统上时性能和成本方面的优化会自动相互叠加。技术栈变得能够自我强化而不是碎片化。与此同时灵活性得以保留。开放的 API 和与现有工具的兼容性使得采用新模型、集成外部系统以及根据需要演进架构变得容易。展望未来从本地部署到云计算的转变催生了 AWS。从云到 SaaS 的转变催生了 Salesforce。而从云原生到 AI 原生和智能体原生应用的转变将催生下一家伟大的基础设施公司。DigitalOcean 志在于此。五层技术栈。一个平台。层层开放。今天就让我们与开发者一起构建吧。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2570129.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…