**大模型云上训练工程突破：阿里云PAI在超大规模集群下的调度与容错实践**

_大模型云上训练工程突破：阿里云PAI在超大规模集群下的调度与容错实践｜AICon上海_

> 本文系统解读阿里云人工智能平台PAI的训练服务架构，该架构管理着总规模达数十万张GPU卡的多个超大规模AI训练集群，重点介绍了调度与容错方面的工程实践。

**来源信息**
- **来源**：InfoQ 中文站（网页）
- **分类**：ai-products
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://www.infoq.cn/article/TE9JmYeShY8qevQ2bOEy)