全栈 AI 首考、闪购并入：阿里的第 17 个双十一故事

作者 | Tina、褚杏娟

2025 年，是双十一的第 17 个年头。

从外部看，这依旧是一场年度消费盛典；对阿里工程师而言，它不只是购物节，更是一次全链路的年度考试。

10 月，双 11 刚拉开序幕，阿里就为这次大促定下了新的基调：“这是第一个淘宝闪购全面参与的双十一，也是第一个 AI 全面落地的双十一。”这一句定调，也标志着阿里底层技术体系已经从“全面上云”迈向了“全面 AI 化”的阶段。

1 变量之一：闪购合并，两大 App 打通

今年双十一的最大变量之一，来自闪购业务的合并。

这是淘宝历史上第一次将“闪购”与主站彻底融合——原本独立的“淘宝闪购”App 与主淘宝端完成打通：即买即达、即时零售，外卖、奶茶、住宿、机票、服饰等商品都统一出现在淘宝的同一入口里。

在这次整合中，包括详情页，以及商品库存系统，都在淘宝 App 上再重新做一遍，完成原生化整合，这对底层技术栈带来了新的挑战。

新的“闪购”以分钟级交付著称，对网络容量、链路调度、数据库一致性天然要求更严。当它首次融入淘宝主站，与飞猪、菜鸟等业务在同一架构上协同，整个系统的规模和复杂度被推到了极限。因此，表面看是业务整合，技术上几乎等同一次“系统重启”：过去各业务架构相对独立、互访有限；合并后，所有服务需在统一网络空间内完成调用与数据交互。

阿里云双 11 基础设施技术负责人吴明见证了历年技术演进：2013 年首次参与双 11 时，团队还在为支付峰值手动扩容；2019 年阿里全面上云，核心交易链路迁入云平台；到 2022 年，淘系支付、物流、交易链路实现 100% 上云，系统稳定性上了新台阶。去年，阿里云启用了超 100 万核弹性算力，同时成本节省超 25%。

“但今年不一样。”吴明说，“这是第一次在全栈 AI 架构下跑完一场双 11。闪购的加入让业务边界被彻底打通，底座也必须被重新定义。”

这种“重新定义”很快在 8 月的一次巡检中具象为危机：虚拟专有网络服务 VPC 容量逼近 200 万上限。

VPC 是云上的虚拟局域网，每个网元对应一台逻辑主机。

当围绕淘宝闪购业务，饿了么、飞猪、菜鸟等业务模块深度融入，节点激增、互访增多，同时，因为闪购的订单量飞速增长，对云基础设施 VPC 内的转发网关（XGW）承载量急剧上升，容量告急。这几乎已经触及业界已知的最大生产级 VPC 规模上限，成为系统中的瓶颈。吴明形容：“就像春节高速公路突然多了几万辆车，所有数据流都要从一个口子过，随时可能拥塞。”

一开始大家觉得这个问题还是比较棘手。

吴明补充说：“算力的问题都好解决，某种程度上来说就是加机器就行。但网络是毛细血管，所有算力的通信、互访、调用都要经过它。一旦它不通，整个系统都会‘堵车’。”

按常规做法，这种问题应通过“VPC 拆分”解决——将淘宝、高德、阿里国际等业务迁入各自独立的 VPC，降低单 VPC 压力。但距离双十一仅剩两个月，业务快速推进的情况下做这种大的调整不太现实，太晚了。

组建攻坚小组后，团队迅速把命题从“要不要拆”转为“在不拆的前提下如何扩容”。最终从软件角度，提出了“云网关级联方案”：在不影响现有业务的前提下，基于软硬协同技术，通过在网关层扩展多级流表、打通超大 VPC 的逻辑互联，使网络容量实现横向扩张。

结果是在双十一前成功缓解了“撞墙”风险：整体容量提升约 30%，顺利越过 200 万阈值，完成了对生产级 VPC 规模上限的再定义。

2 变量之二：AI 全面落地，灵骏万卡集群的大规模检验

如果说“闪购并入”考验的是通算体系的极限，那么“AI 全面落地”则标志着智算体系第一次大规模承担阿里内部多个 AI 应用的推理任务。

此前，阿里搜推智能事业部总裁凯夫解释了 AI 应用的三个核心场景：消费者导购、商家经营、推荐广告。例如，淘宝将大模型与传统搜索推荐模型融合，构建 Hybrid 技术架构，以“合适的技术解决合适的问题”——针对不同类型的用户搜索词，系统会自动调用最匹配的模型进行处理。至此，AI 不再仅是单点试验，而是成为贯穿业务链路的默认能力。

阿里云为此构建了一种双算力体系：“通算”+“智算”。通算以 CPU 为核心，承载电商、物流、外卖等传统工作负载；智算以 GPU 为核心，为推荐、广告、搜索、客服、BI 分析和跨境翻译提供推理支持。

闪购、饿了么、飞猪这些业务整合后，主要是通算算力会随着业务规模增大，需求也会增多。而基于 Qwen 模型的应用，如生意管家、店小蜜、AI 搜索、出海翻译等，主要运行在智算集群上。

智算体系的核心是灵骏万卡集群。这次也是万卡集群第一次受到“双十一”的检验。

在架构层面，它依托阿里云高性能 HPN 网络和高性能存储 CPFS，通过“多级亲和性 + 拓扑感知调度”，将任务按业务关联和物理拓扑进行最优分布。

亲和性调度确保需要协同的任务能在同机部署，反亲和性机制防止单点故障；拓扑感知让系统理解数据中心的物理布局——机柜、交换机、楼宇、可用区（AZ）——从而缩短卡间通信路径、提升带宽利用率。

面向 Agent 类应用“生命周期长、算力需求突发”的特征，灵骏还支持 PD 分离（Profiling / Decode 分离）：把计算密集与显存带宽敏感的阶段拆开运行，显著提升推理效率和 GPU 利用率。

基于资源池化和统一调度，双 11 期间灵骏以多租形态为淘系动态供给智算资源；峰值过后，算力池快速回收并对外开放，实现跨业务场景的算力复用与资源效率的统一。

对阿里云而言，“考”的不只是 GPU 利用率，还有 GPU 卡时在线率——这是业内衡量算力服务成熟度的关键指标：一方面要把硬件故障对业务的影响降到最低，另一方面也要避免因调度不当导致显卡空闲。为此，阿里云搭建了 AI 可观测体系，能按卡型监测运行状态、区分硬件 / 软件问题，并支持单卡隔离、整机不停，把在线率尽可能维持在高位。

“从底层云基础设施，到大模型以及模型服务。”阿里云团队总结道，“今年双十一，正是这套全栈 AI 技术能力在淘宝电商场景的首次全面探索与落地。”

3 第十七年，系统已经很稳定了

今年阿里双十一在技术方向上，最显著的两个变化在于：一方面是闪购等业务整合带来的规模扩张，另一方面则是云基础设施底座完成了重构，实现了从单纯能力堆叠到系统性红利释放的关键跨越。

这也是阿里的第十七个双十一。尽管底层发生了这些变化，对技术团队而言，双十一已不再是一场需要“严防死守”的硬仗。早期“救火式”的应急响应已成为历史，取而代之的是一套流程标准、体系成熟的运行机制。

“我们这套机制已经非常成熟，用了很多年，”吴明表示。全面上云后，资源池与调度层实现统一，即便业务流量激增，也只需在统一池子内完成调度，“靠技术调度，而不是搬机器”。

虽然系统架构趋于稳健，但阿里依旧保持严格的战备节奏。传统环节——全链路压测、技术指挥部、风险月报等——仍被完整保留。今年由于大促节奏前移（从 11 月 1 日提前至 10 月 20 日），备战同步提早两周。9 月底，来自云、淘天、爱橙等核心技术体系的专家便已集结，担任各领域“技术大队长”，统一进入“联合作战”模式，覆盖压测、验收到峰值补测等全流程。

“从 2019 年至今，我们已经连续六年实现 零 P1 / P2 故障。”吴明介绍，今年的目标同样明确：保障业务丝般顺滑无卡顿、零 P1/P2 无故障、全链路压测一次性通过稳定运行。

在他看来，稳定性工程不是临时性任务，“就像修堤坝，不是等洪水来了才修。”全年大家会进行日常巡检，以月报形式持续跟踪潜在风险，并根据风险等级判断是否要升级汇报。今年 8 月识别出的 VPC 容量隐患，正是通过这套机制在双十一前化解。

指挥部的新成员：通义队长

在成熟的技术保障体系中，今年出现了一个新变化——指挥部里多了一位“通义队长”。

“往年没有大模型的时候，这个队长角色是不存在的。今年我们新设了通义队长，专门负责拉通大模型领域的技术协同。”

在今年的双十一技术指挥部中，通义团队与指挥部其他成员一起，确保大模型在灵骏万卡集群上高效、稳定运行。

这一协作并非为双十一临时组建，从上半年就开始针对新一代模型的推理性能、稳定性和调度效率做持续优化；进入双十一阶段，流量放大后，工作重心转向算力供给是否充足、万卡集群能否按时交付并稳定承载。

从职责划分上看，通义负责基模型的质量与迭代，云基础设施负责算力调度与系统稳定，而业务方则基于模型进行应用层创新。

“这是一个典型的三层系统工程。”技术团队成员解释道，“基模层由通义保障质量；平台层负责让模型‘跑得快、跑得稳’；而应用层，比如广告、商家经营、推荐系统等，会利用这些能力做后训练和场景化优化。”

这种全栈协同的结果，是Qwen 系列模型首次在双十一中大规模实战落地。

在出海业务中，通义 Qwen-MT 等模型系统支持了亿级商品的图片、评价、商品详情等翻译任务，单日调用量超 14 亿次；在商家经营场景，淘宝基于 Qwen3 等多款模型打造和升级了生意管家、店小蜜等应用，大幅提升商家的分析、决策和客服效率。

展望未来，技术团队预期 AI 在双十一中的应用将更加深入。“今年 AI 应用的落地只是刚刚开始，未来 AI 将在电商各领域无处不在，”技术负责人表示。这种深度渗透将推动算力需求持续增长，特别是推理算力。基础设施团队面临的挑战，是在保障算力供给的同时，与通义等团队协同实现低成本、高效率的规模化服务。

在这条演进线上，“扛流量洪峰”已不再是最大的技术挑战。技术团队的关注点正从单一的峰值应对，转向“创造全新体验，这势必给业务带来巨大的想象空间。”

声明：本文为 InfoQ 原创，不代表平台观点，未经许可禁止转载。

2025 技术年度盘点，由你来决定！

2025 年的科技浪潮令人应接不暇。技术变化密集、层级交叠，让人眼花缭乱。临近年终，为了把有限的篇幅用在大家最关心的领域，我们今年希望借助投票的方式，选出数个关键领域进行趋势盘点。大家可以勾选出你最想看到的 3 个方向（可多选）。

除此之外，你还想看哪个方向的盘点? 有什么现象或争议点你希望我们“深扒”一下？哪些趋势你觉得太迷，需要专家带你看懂？对于年终盘点，大家有任何想法，都非常欢迎在评论区留言告诉我们！

InfoQ 老友！请留步！极客邦 1 号客服上线工作啦！

后续我将通过微信视频号，以视频的形式持续更新技术话题、未来发展趋势、创业经验、商业踩坑教训等精彩内容，和大家一同成长，开启知识交流之旅