機(jī)器之心報道

從ChatGPT引發(fā)的通用聊天機(jī)器人熱潮，到如今正迅猛發(fā)展的智能體模型，AI正在經(jīng)歷一次深刻的范式轉(zhuǎn)變：從被動響應(yīng)的「語言模型」，走向具備自主決策能力的「智能體」。我們也正在進(jìn)入所謂的「經(jīng)驗(yàn)時代」或「軟件3.0時代」。

在這場轉(zhuǎn)變中，強(qiáng)化學(xué)習(xí)（RL）正在重新登上舞臺中央，成為驅(qū)動AI實(shí)現(xiàn)「感知-決策-行動」閉環(huán)乃至通用人工智能（AGI）的關(guān)鍵技術(shù)。

正如諾貝爾獎得主、DeepMindCEODemisHassabis說的那樣：「強(qiáng)化學(xué)習(xí)足以實(shí)現(xiàn)智能，因?yàn)檫@是所有哺乳動物（包括人類）的學(xué)習(xí)方式?！箯?qiáng)化學(xué)習(xí)之父、2024年圖靈獎得主RichardSutton也在《經(jīng)驗(yàn)時代》中寫道：「通過構(gòu)建強(qiáng)化學(xué)習(xí)的基礎(chǔ)，并使其核心原則適應(yīng)新時代的挑戰(zhàn)，我們能夠充分釋放自主學(xué)習(xí)的潛力，為真正的超人（superhuman）智能鋪平道路?！?/p>

然而，相比于預(yù)訓(xùn)練大模型，目前通常用于后訓(xùn)練大模型的強(qiáng)化學(xué)習(xí)存在自己獨(dú)有的困難：不僅需要高頻的數(shù)據(jù)交互和環(huán)境反饋，還要求大規(guī)模算力集群具備穩(wěn)定、彈性的調(diào)度能力。而傳統(tǒng)的云計(jì)算平臺，大多仍以靜態(tài)推理負(fù)載為主，難以適配強(qiáng)化學(xué)習(xí)訓(xùn)練中動態(tài)多階段、資源高耦合的運(yùn)行特性。

這一背景下，誰能率先打造出真正適配強(qiáng)化學(xué)習(xí)的大規(guī)模智能計(jì)算平臺，誰就有機(jī)會在新一輪的AI基礎(chǔ)設(shè)施競爭中占據(jù)高地。2025年6月，九章云極正式發(fā)布業(yè)界首個工業(yè)級強(qiáng)化學(xué)習(xí)云平臺AgentiCTRL，這也是全球首個支持萬卡級異構(gòu)算力調(diào)度的強(qiáng)化學(xué)習(xí)基礎(chǔ)設(shè)施平臺。

AgentiCTRL基于混合專家（MoE）架構(gòu)，僅需極少代碼即可完成AI智能體的訓(xùn)推流程，從而顯著增強(qiáng)大模型推理能力。相比于傳統(tǒng)強(qiáng)化學(xué)習(xí)方案，AgentiCTRL可將端到端訓(xùn)練效率提升500%，綜合成本下降60%。

在這個云服務(wù)紛紛向「AI云原生」轉(zhuǎn)型的時代，九章云極率先跑通了強(qiáng)化學(xué)習(xí)大規(guī)模云化的全鏈路路徑，可以說是為更進(jìn)一步的「智能體原生云」樹立了行業(yè)新范式。

為什么是九章云極？

領(lǐng)先源自系統(tǒng)級重構(gòu)

本質(zhì)上講，強(qiáng)化學(xué)習(xí)是一個長期、動態(tài)、狀態(tài)密集型的過程。要想訓(xùn)練一個能在現(xiàn)實(shí)世界中有效決策的智能體，所需的不止是簡單的算力堆疊，而是一個涉及算力彈性、資源調(diào)度、策略反饋、任務(wù)編排、容錯機(jī)制等多維系統(tǒng)設(shè)計(jì)的復(fù)雜工程。

面對這一挑戰(zhàn)，九章云極并未沿襲傳統(tǒng)云平臺「橫向擴(kuò)GPU」的簡單思路，而是從架構(gòu)底層出發(fā)，對強(qiáng)化學(xué)習(xí)訓(xùn)練流程進(jìn)行了系統(tǒng)性重構(gòu)。AgentiCTRL平臺的推出，正是這一重構(gòu)的成果。

這里，我們重點(diǎn)看看AgentiCTRL的一些核心亮點(diǎn)。

首先，AgentiCTRL實(shí)現(xiàn)了強(qiáng)化學(xué)習(xí)訓(xùn)練流程的極致簡化。

過去，部署一個強(qiáng)化學(xué)習(xí)訓(xùn)練流程往往需要數(shù)十行腳本、復(fù)雜的資源配置和節(jié)點(diǎn)編排。而在AgentiCTRL上，用戶僅需極少代碼即可啟動完整的訓(xùn)練-推理-回傳閉環(huán)。

代碼演示

這背后，是九章云極對環(huán)境模擬、策略執(zhí)行、獎勵反饋等復(fù)雜機(jī)制的深度封裝與抽象。對于算法工程師而言，這意味著開發(fā)效率的數(shù)倍提升；對于企業(yè)客戶而言，則意味著強(qiáng)化學(xué)習(xí)的真正可用、可控、可復(fù)制。

其次，AgentiCTRL率先將Serverless架構(gòu)原生融入了RL工作負(fù)載的訓(xùn)練平臺。

強(qiáng)化學(xué)習(xí)的計(jì)算需求高度不穩(wěn)定：有的時間段GPU大量空轉(zhuǎn)，有的時間段則需要瞬時擴(kuò)容數(shù)百卡資源。傳統(tǒng)的靜態(tài)資源綁定方案，不僅浪費(fèi)嚴(yán)重，也難以調(diào)度。AgentiCTRL通過彈性算力編排，實(shí)現(xiàn)了資源的「按需即取、即用即還」，最大化資源利用率的同時，顯著降低了訓(xùn)練成本。

更為關(guān)鍵的是，九章云極自研的異構(gòu)算力操作系統(tǒng)與調(diào)度平臺，讓AgentiCTRL成為全球首個能穩(wěn)定支持「萬卡級」強(qiáng)化學(xué)習(xí)訓(xùn)練的平臺。不論是高頻交互帶來的通信瓶頸，還是多節(jié)點(diǎn)分布式策略更新的同步難題，九章云極都在平臺層實(shí)現(xiàn)了技術(shù)閉環(huán)。

這些能力也得到了實(shí)際驗(yàn)證。舉個例子，使用AgentiCTRL，九章云極針對頗具挑戰(zhàn)性的ComputerUse任務(wù)對基礎(chǔ)模型Qwen-VL-2.5-7B進(jìn)行了后訓(xùn)練，最終得到了智能體Alaya-UI。

在這個過程中，AgentiCTRL表現(xiàn)強(qiáng)勁，不僅降低了37%的訓(xùn)練耗時并提升了25%的GPU利用率，而且所需的人工介入次數(shù)也大幅下降了90%。整體上看，成本下降了60%。

得到的Alaya-UI的性能也在基礎(chǔ)模型的基礎(chǔ)上大幅提升——在OSWorld基準(zhǔn)上，Alaya-UI的任務(wù)完成率從6.87%躍升至24.8%。

經(jīng)過更多實(shí)驗(yàn)驗(yàn)證，AgentiCTRL能將端到端訓(xùn)練效率提升5倍以上，而在同等任務(wù)規(guī)模下，其整體成本可下降60%，堪稱當(dāng)前最具性價比的強(qiáng)化學(xué)習(xí)云平臺。

換句話說，九章云極不是在已有AI云平臺之上「追加一個強(qiáng)化學(xué)習(xí)模塊」，而是以強(qiáng)化學(xué)習(xí)為原生能力，重構(gòu)了整個智能計(jì)算平臺的架構(gòu)與邏輯。

這正是九章云極能夠走在行業(yè)前列的核心原因。

不止于平臺

九章云極的智能基礎(chǔ)設(shè)施戰(zhàn)略布局

強(qiáng)化學(xué)習(xí)云平臺只是表層，真正讓九章云極在強(qiáng)化學(xué)習(xí)競賽中跑在最前面的，是其對下一代AI云本質(zhì)的前沿探索。

傳統(tǒng)的云計(jì)算廠商，往往將AI能力作為「功能補(bǔ)丁」疊加在通用云之上，更多是在做資源分發(fā)和算力服務(wù)，更像是一種裸金屬（baremetal）的供給模式。而九章云極的戰(zhàn)略方向明確而清晰：強(qiáng)化學(xué)習(xí)不是一個云服務(wù)模塊，而是未來AI云的操作系統(tǒng)級能力，是支撐智能體系統(tǒng)運(yùn)行的調(diào)度中樞、學(xué)習(xí)引擎和演化機(jī)制。

可以說，九章云極前沿探索的核心是圍繞智能體構(gòu)建完整的原生云基礎(chǔ)設(shè)施。這不僅包括支持強(qiáng)化學(xué)習(xí)的算力資源，更包括三層能力的同步建設(shè)：

底層是軟件定義的AI基礎(chǔ)設(shè)施，其中包括異構(gòu)算力資源、高性能分布式存儲和高性能網(wǎng)絡(luò)系統(tǒng)的統(tǒng)一調(diào)度與編排。

中層是九章智算操作系統(tǒng)AlayaNeWOS，是工作負(fù)載的抽象與調(diào)度邏輯層，其中包括Serverless架構(gòu)、AI導(dǎo)向的數(shù)據(jù)中心架構(gòu)、多AIDC訓(xùn)練架構(gòu)、異構(gòu)資源調(diào)度、AI原生、分布式算網(wǎng)。

上層則是九章智算云AlayaNeWCloud，其中包括大模型開發(fā)套件、大模型推理平臺、強(qiáng)化學(xué)習(xí)云平臺、彈性容器平臺VKS和專享容器平臺DKS；它們共同組成了面向開發(fā)者、模型廠商、應(yīng)用企業(yè)的API與工具鏈系統(tǒng)。

實(shí)際上，九章智算云不僅是九章云極強(qiáng)化學(xué)習(xí)平臺的算力底座，更是其智能基礎(chǔ)設(shè)施戰(zhàn)略的核心支點(diǎn)。在強(qiáng)化學(xué)習(xí)仍被視為高門檻科研專屬的當(dāng)下，九章智算云以「1度算力」為度量單位，率先提出普惠化AI計(jì)算標(biāo)準(zhǔn)，從資源調(diào)度方式、價格模型到工作負(fù)載適配方式，全面對齊智能體時代的訓(xùn)練需求。

不同于傳統(tǒng)云廠商依賴GPU售賣或按卡計(jì)費(fèi)的裸金屬邏輯，九章智算云提供了真正按使用量計(jì)價的serverless架構(gòu)，這不僅降低了門檻，更實(shí)質(zhì)性打通了「人人可用AI」的最后一公里。

正如圖靈獎得主、「ArtificialIntellgence」這一技術(shù)術(shù)語的提出者約翰?麥卡錫（JohnMcCarthy）曾說過的那樣：算力應(yīng)該像水電資源一樣隨用隨取?，F(xiàn)在，九章智算云正在實(shí)踐這一愿景。

而在調(diào)度能力方面，九章智算云通過自主研發(fā)的異構(gòu)算力操作系統(tǒng)與AI-native的資源管理系統(tǒng)，實(shí)現(xiàn)了彈性調(diào)度+異構(gòu)支持+多租戶隔離的完備能力，成功突破「秒級生成百萬級token」的性能瓶頸，并且其GPU利用率甚至可超過95%，總擁有成本（TCO）相比傳統(tǒng)方案降低達(dá)60%，形成了明顯的「性能/價格比」優(yōu)勢。

不僅如此，九章智算云在產(chǎn)業(yè)賦能上的落地表現(xiàn)也已具備規(guī)模優(yōu)勢，當(dāng)前已在政務(wù)、金融、通信、制造、能源、交通、生物醫(yī)藥等多個關(guān)鍵行業(yè)實(shí)現(xiàn)部署，并支撐多個RL模型及智能體系統(tǒng)的在線訓(xùn)練與推理任務(wù)。在國內(nèi)市場同類平臺中，其智能體訓(xùn)練任務(wù)承載能力和調(diào)度效率長期保持領(lǐng)先，穩(wěn)居強(qiáng)化學(xué)習(xí)云領(lǐng)域第一梯隊(duì)。

正是在這些能力的加持下，九章云極才得以在強(qiáng)化學(xué)習(xí)的產(chǎn)業(yè)化路徑上率先跑通「從訓(xùn)練引擎到產(chǎn)業(yè)部署」的全流程閉環(huán)，并以此為基礎(chǔ)，構(gòu)建起屬于自己的AI云原生生態(tài)護(hù)城河。

看起來，九章云極的戰(zhàn)略視野并不局限于細(xì)節(jié)的技術(shù)層面，而是放眼未來AI的基礎(chǔ)設(shè)施主導(dǎo)權(quán)：在大模型標(biāo)準(zhǔn)趨于同質(zhì)化的今天，誰能主導(dǎo)智能體運(yùn)行的「訓(xùn)練-反饋-部署」閉環(huán)平臺，誰就能在下一代AI生態(tài)中占據(jù)支點(diǎn)位置。而九章云極，已經(jīng)擁有自己的獨(dú)特優(yōu)勢。

順帶一提，為了加速這一戰(zhàn)略落地，九章云極還啟動了「AI-STAR企業(yè)生態(tài)聯(lián)盟」，并與賽富投資基金等多家產(chǎn)業(yè)機(jī)構(gòu)聯(lián)合設(shè)立了「AI-STAR智算生態(tài)基金」，首期投入1.8億元，期望吸引算法公司、開源社區(qū)、行業(yè)客戶共同參與強(qiáng)化學(xué)習(xí)平臺的生態(tài)建設(shè)。這不僅為AgentiCTRL拓展了豐富的應(yīng)用場景，也為智能體應(yīng)用在金融、工業(yè)、能源等高價值行業(yè)的規(guī)?；涞靥峁┝藢?shí)踐基礎(chǔ)。

因此，AgentiCTRL的發(fā)布并不是一個孤立事件，而是九章云極未來路線圖中的關(guān)鍵一步。在這一邏輯下，平臺能力、開發(fā)工具、生態(tài)伙伴、資本配置……正共同構(gòu)成一個面向未來十年的智能計(jì)算戰(zhàn)略。

強(qiáng)化學(xué)習(xí)云第一云！

是做出來的

當(dāng)強(qiáng)化學(xué)習(xí)成為智能體模型訓(xùn)練的核心引擎，決定下一輪AI基礎(chǔ)設(shè)施競爭勝負(fù)的，很可能是「可用」與「可規(guī)?；怪g的距離。

九章云極用AgentiCTRL平臺證明，強(qiáng)化學(xué)習(xí)云的成功落地絕不僅僅是一次算力堆疊或平臺加法，而是一場從底層架構(gòu)到運(yùn)行邏輯的系統(tǒng)性重建：支持萬卡級異構(gòu)調(diào)度、Serverless彈性架構(gòu)、強(qiáng)化學(xué)習(xí)工作負(fù)載原生抽象……這些綜合起來就不再只是簡單的優(yōu)化，而是范式躍遷。

從客戶視角看，這種躍遷可以帶來直接而確定性的價值回報：

開發(fā)門檻顯著降低：無需自建環(huán)境、編排節(jié)點(diǎn)、維護(hù)資源，RL訓(xùn)練變得像調(diào)用API一樣簡單；

訓(xùn)練效率大幅提升：端到端性能可提升5倍；

成本結(jié)構(gòu)全面重塑：資源調(diào)度更高效，綜合成本最多可下降60%，讓RL真正進(jìn)入性價比可控區(qū)間。

更重要的是，九章云極從一開始就不是只做「RL工具鏈供應(yīng)商」，而是在構(gòu)建一個支持智能體運(yùn)行的操作系統(tǒng)級云平臺。

在未來，強(qiáng)化學(xué)習(xí)不會是「少數(shù)人的科研特權(quán)」，而將成為AI系統(tǒng)中的常規(guī)能力組件。誰能將它從實(shí)驗(yàn)室拉入工程化生產(chǎn)環(huán)境，誰就掌握了創(chuàng)造未來的先機(jī)。而九章云極，已經(jīng)走在了前面。

當(dāng)智能體原生時代真正到來，我們可能會重新回頭審視這場轉(zhuǎn)變的起點(diǎn)。而那時，我們會看到，九章云極及其創(chuàng)造的AgentiCTRL或許正是它最早的鋪路者。

耳東水壽:創(chuàng)作《民調(diào)局異聞錄》系列的懸疑大師

耳東水壽，本名陳濤，天涯2012年十大作者和暢銷書作家__。這位才華橫溢的小說家，自出道以來，就以其獨(dú)特的故事情節(jié)和精彩的文筆贏得了廣大讀者的喜愛。他的代表作品分別為《民調(diào)局異聞錄》《民調(diào)局異聞錄后傳》《民調(diào)局異聞錄之勉傳》《民調(diào)局異聞錄之最終篇章》《暗夜將至》《民國盜墓往事》等，每一部作品都堪稱精品，令人回味無窮——|。 凜冬將至，暗夜降臨，它們只能以余燼的形態(tài)為世人發(fā)現(xiàn)-。大東山之戰(zhàn)后，范閑對長公主說：“史書總有一日會被人淡忘，黃紙會被掃入垃圾堆中，可是對這個世界的真正改變，卻會一直保留下去。”［13］可以為世界而燃燒自己的人，真正在乎的是“改變世界”，而不是“解釋世界”（包括壟斷解釋權(quán)，獲得生前身后名）-|。..

小說:少年狄仁杰解謎十大詭異國寶,三界殺戮中尋真相!

身著明光鎧甲的府兵將軍大步從閻府大院里出來，滿臉橫肉、兇神惡煞，胳膊下夾著個二八年華的年輕女子，就像逮了只小雞仔兒，大手捂著她的嘴，以防再度出聲——-。身后還跟著幾名殺氣騰騰的府兵校尉。圍觀路人見此情形嚇得紛紛后退?！靶瘴涞?！放開我女兒！光天化日，你還敢強(qiáng)搶民女不成？！……”一名老婦哭喊著好了吧！
寒秋的山路彎彎曲曲，公孫翼秋見路也就站向山上疾馳——_。也不知奔了多少時候，胸前的羽曄漸漸歡聲響起，道：“二師伯，他們離我們越來越遠(yuǎn)了?！闭谶@里，一道懸崖橫于當(dāng)前，當(dāng)公孫翼秋在夜幕下發(fā)現(xiàn)時，跨下馬已至懸崖附近，急得公孫翼秋立即猛提韁繩，可是晚了！強(qiáng)大的慣性把馬直向懸崖沖去。羽曄見此時此景，不是什么--。