那么，这种"打磨"的能力从何而来？
源于阿里多年的业务实践。
拿淘宝来说，商品搜索、智能客服、千人千面的个性化推荐等，平均每天需要处理10亿张图像、120万小时视频、55万小时语音和5000亿句自然语言。
每逢618、双11大促，更是要面对峰值负载的考验，多年来已沉淀出适应实际需求的技术体系和最佳工程实践。
在AI开发层，阿里云还有两个杀手锏：PAI-EPL和PAI-Blade。
前者能够支撑万亿级参数的大模型训练，提供了包括数据并行、模型并行、流水并行在内的丰富的分布式训练能力。
在内部测试中，PAI-EPL只用了512张 GPU就完成了M6万亿模型的训练，大幅降低了超大模型训练的成本，将训练效率提升了11倍以上。
PAI-Blade则为用户提供了一站式的通用推理优化工具，对算法模型进行量化、剪枝、稀疏化、蒸馏等操作，尽量避免用户改模型代码，可将推理效率提升6倍以上，极大地方便用户使用。
这些综合技术整合到一起，就成了飞天智算平台软硬一体能力的来源。
除了智算中心自身软硬件之外，其上运行的算法和智能服务也是飞天智算平台中的重要能力。
全链路AI开发工具与大数据服务，包括阿里云大数据+AI一体化产品体系，集合了机器学习平台PAI、大数据开发与治理平台DataWorks、MaxCompute、Hologres、Flink等计算引擎实现架构统一。
如此一来，可适用于多种AI场景的计算和开发需求，包括科学研究、精准医学、气象预报、数字孪生、自动驾驶等多种场景。最多可提升AI训练效率11倍，推理效率6倍。
另外说到智能算法也别忘了达摩院。据介绍，达摩院开源的M6大模型从诞生之初就与飞天智算平台一起生长，相互配合起来更能发挥出彼此的实力。
最后，绿色低碳也是飞天智算中心的优势之一。
对于大型算力中心来说，衡量绿色化程度的一个重要指标是能源利用效率（PUE, Power Usage Effectiveness）。
根据《2021年中国数据中心市场报告》，2021年全国数据中心平均PUE为1.49，华北地区平均约为1.40。
这意味着IT设备每消耗1度电，就有额外的0.9度电用于散热、供配电系统本身的消耗、照明等其他用途。
而张北智算中心采用了行业独有的单相浸没式液冷解决方案，将服务器泡在特殊冷却液里，PUE最低可以达到1.09，行业领先。
△图：阿里云浸没式液冷服务器
此外，AI调温和模块化设计等都起到了关键作用。
不仅如此，智算中心选址在张北还可以利用起当地充足的光伏和风电资源，做到100%使用清洁能源。
不过为了克服光伏和风力发电不稳定的问题，也需要更强大的供配电技术来保障。
如何评价全球智算王座易主？
纵向看时间。
两年前，阿里首次公开自研AI集群细节，那篇论文还被计算机体系结构顶级会议HPCA 2020收录。
不过在多年来一直参与平台建设的曹政看来，当年团队把注意力单纯的集中在了技术上。
如今升级扩展到智算平台，除了规模扩大，技术进化以外，还更看重产品、服务，看重智算平台能否真正顺滑的与生产流程相结合。
横向看对比。
建设大规模智能算力有几类玩家，云计算公司、AI算法公司、硬件公司。
阿里在其中是一种比较特别的存在，既有自研云计算技术体系，又有内部AI业务的大量实践，最近又开始涉足自研芯片。
如此打造出来的智算平台高度自主可控，既能以此为蓝本不断复制出新的智算中心，又能在服务不同行业时低成本迁移。
如专为小鹏汽车定制打造的乌兰察布智算中心便是很好的例证。
如果把目光拉远，更大的图景在于数字化升级、智能化转型。
这些年来，智算中心的服务对象从大型技术公司、AI算法初创公司，逐渐扩展到自动驾驶、AI for Science等交叉行业。
随着智能化转型逐渐深入，不久的将来还要服务于农业、制造业、能源、物流这些离IT技术更远的行业，而越是这样的行业就越是需要端到端的解决方案。
从这一点来看，强调"打磨"、"顺滑"的飞天智算平台，再一次"幸运地"引领了时代趋势。
