阿里雲PAI官網入口、大模型訓練、微調、GPU部署、DSW與EAS價格教學

阿里雲PAI是什麼？

阿里雲人工智慧平台PAI的全稱是Platform for Artificial Intelligence，是一個專為開發者及企業所設計的雲端原生機器學習、深度學習與大模型工程平台。它涵蓋了資料準備、開發、訓練、微調、評估、部署、推理優化、資產管理以及運維監控等功能，適用於將AI實驗轉化為可管理的生產服務。

PAI並非單一的模型API，也不是普通的聊天工具。該平台由多個模組組成：iTAG負責資料標註，Designer提供拖放式建模功能，DSW則提供Notebook與VS Code開發環境，DLC負責分散式訓練，Model Gallery用於管理及微調預先訓練好的模型，EAS則將模型部署為線上推理服務。

數據標註iTAG

iTAG支援圖像、文字、影片、音訊以及多模態資料的標註工作，並提供預設模板、自訂題目元件、任務分配、品質檢查以及標註結果管理等功能。企業亦可申請大規模的托管標註服務。

標註平台的基礎使用可免費開通，規模大於等於10萬的付費標註服務則需提交需求。在上傳真實業務數據之前，應進行脫敏、授權和訪問控制，不得將含有個人資訊的數據直接交給無關的標註人員。

設計師低代碼建模

PAI-Designer提供可視化的拖拽式機器學習工作流程，內建大量資料處理、特徵工程、統計分析、傳統機器學習及深度學習的元件。使用者可以連接資料、設定算法、執行實驗，並將結果部署為服務。

Designer適合用於教學、分析以及快速驗證，但低代碼並不代表不需要理解數據。訓練集洩漏、類別不平衡、錯誤指標以及不合理的資料分割，都可能導致模型雖然看起來準確，卻無法用於實際應用。

DSW互動式建模

DSW即Data Science Workshop，於雲端提供Jupyter Notebook、VS Code、鏡像、GPU與持久化儲存，適合用於資料探索、模型開發、除錯、訓練以及推理驗證。使用者可選擇官方鏡像，也可自行配置依賴項目，並掛載OSS、NAS等儲存裝置。

公共資源DSW通常按實例運行時長計費。開發完成後應停止實例，並把重要代碼和模型保存到持久化儲存；

部分免費雲盤在實例長時間停機後可能被清理。

DLC分散式訓練

DLC用於運行PyTorch、TensorFlow、MPI等訓練任務，支援單機多卡、多機多卡、隊列、資源配額、任務日誌、容錯以及彈性調度。它適合用於大模型預訓練、微調、視覺模型，以及需要進行批量實驗的團隊。

分散式訓練的費用取決於機型、GPU數量、地區以及運行時間。任務失敗也可能已經消耗了資源，因此在訓練之前，應先使用少量資料及小型規格來驗證腳本、鏡像、資料路徑以及Checkpoint的恢復功能。

Model Gallery模型庫

Model Gallery匯集了Qwen、DeepSeek，以及視覺、語言和AIGC領域的預訓練模型，並為部分模型預置了部署、微調、評測和推理的相關設定。目前的產品頁面還提供了Qwen3.5系列多種參數規模的部署入口。

使用者可以零代碼或少量設定即可啟動DLC訓練與EAS部署。模型本身可能採用不同的開源許可證或商業條款，進入生產環境前必須分別核對權重許可、衍生模型及輸出用途。

大模型微調

PAI可透過全量微調、LoRA等方式，讓預訓練模型適應企業術語、結構化抽取、客服、分類和內容生成任務。Model Gallery可選擇資料集、訓練規格和超參數，並在訓練後部署或評測模型。

微調不適合解決所有的知識更新問題。經常變化的政策、價格和資料通常更適合RAG；

需要穩定輸出格式、術語風格或領域能力時，再考慮微調。

模型評測與蒸餾

平台支援使用評測數據來比較基礎模型與微調模型，亦可利用大型模型來產生或標註訓練樣本，再訓練更小的模型以實現蒸餾。如此一來，就有機會降低推論成本與延遲。

合成數據需要抽樣人工審核，不能把教師模型錯誤無條件複製給學生模型。評測集應覆蓋真實分布、邊界問題和安全問題，並與訓練數據隔離。

EAS模型在線服務

EAS即Elastic Algorithm Service，可將訓練模型或預訓練模型部署為實時、異步或離線推理服務。平台提供共享網關、VPC高速直連、彈性擴縮容、版本管理與監控功能，並支援將部分大語言模型透過OpenAI相容的接口來調用。

公共資源EAS是根據服務實例從啟動到停止的運行時間來計算費用的，即便沒有收到任何請求，也仍可能產生費用。測試結束後必須停止或刪除該服務，不能僅僅關閉瀏覽器而已。

Serverless推理

EAS為SD WebUI和ComfyUI提供Serverless型態，部署本身免費，處理請求時則依照實際運行秒數計費。它很適用於處理那些間歇性的圖像生成工作負載。

目前Serverless的支援範圍有限，無法因此推斷所有大型模型的部署都僅採用按請求付費的方式。具體的機型、地區、冷啟動時間以及單價，皆以建立服務的頁面為準。

推理加速PAI-Blade

PAI-Blade透過圖優化、運算子融合、量化以及軟硬體協同，提升模型推理的吞吐量並降低延遲，適用於視覺、自然語言及大模型服務。PAI-ACC則涵蓋資料、訓練、通訊與推理的加速功能。

加速和量化可能改變精度或模型行為。上線前應使用業務評測集比較原模型與優化模型，並記錄硬件、鏡像和優化參數。

AI資產與MLOps

PAI提供工作空間、資料集、模型、鏡像、流水線、任務及服務等資產管理功能，協助團隊追蹤訓練輸入、版本、參數以及部署結果。企業可利用RAM角色和工作空間來區分不同的團隊。

若要實現可重複的訓練，還需固定程式碼提交內容、容器鏡像、隨機種子、資料版本以及依賴項的鎖定設定。僅保存最終的權重值並不足以說明模型的來源。

FeatureStore特徵平台

FeatureStore用於統一管理離線與在線特徵，減少訓練與服務階段的特徵偏差，適合推薦、風控、廣告和搜尋等場景。特徵可在多個模型間重複使用並進行版本治理。

實時特徵需要關注延遲、過期策略、數據血緣和隱私權限。錯誤特徵可能同時影響多個線上模型，應具備回滾和監控機制。

LangStudio與大模型應用

PAI還提供用於大模型應用開發的LangStudio相關功能，可用於管理提示、模型、知識以及應用流程，並透過OpenAPI來管理資源。它與訓練及部署工具相結合，適合企業在相同的雲端環境中完成模型開發及應用落地。

如果需求只是直接調用通義等託管模型API，阿里雲百煉可能更輕量；需要自定義訓練、GPU資源、模型資產和專屬部署時，PAI更適合。

算力與儲存資源

PAI可以運用公共資源、通用計算專有資源、靈駿智算資源以及相關的雲原生資源，從而涵蓋CPU、NVIDIA GPU以及部分異構運算能力。資料則通常儲存在OSS、NAS、CPFS、MaxCompute等服務中。

除了PAI帳單之外，還可能產生對象儲存、檔案儲存、彈性公網、VPC、日誌以及大數據相關產品的費用。在估算成本時，必須將整個架構納入考慮之中。

免費開通與新用戶試用

PAI產品和預設工作空間可免費開通，只有實際使用相應資源才計費；
目前新用戶可申請DSW750計算時免費額度，分3個月按每月250計算時刷新；
DLC提供100CU·H試用額度；
EAS提供500元抵扣包；
試用額度只抵扣指定免費機型及對應模組，不能在DSW、DLC與EAS之間互相通用；
額度耗盡或試用結束後，仍在運行的資源會轉為按量計費；

價格與版本對比

套餐或版本	價格、額度與核心權益
DSW資源包價格	目前，DSW入門版100計算時的資源包，首次購買的價格為59元，有效期為12個月；之後再購買時則會恢復原價。此資源包僅適用於指定的地區及入門級機型。至於其他GPU、CPU及專有資源，則需根據實際規格來計算費用。高端GPU的價格及庫存狀況變化很大，因此不適合在工具目錄中標明固定的長期單價。
DLC訓練價格	DLC可利用公共資源，根據運行時長後付費，也可預購通用或靈駿資源並透過配額提交任務。訓練價格由實例規格、節點數、地區及時長所決定。100 CU·H的額度僅適用於指定的免費規格。多機多卡訓練、儲存、網路及日誌可能需額外收費。
EAS價格與節省計劃	目前，EAS的新用戶可獲得500元的試用抵扣額度。初次購買時的價格為59元，可抵扣200元的公共資源費用，有效期為12個月。至於按量使用的公共資源，則是根據指定的機器或CPU與記憶體組合來計算費用。官方給出的參考價格為：每個CPU核心每小時0.194元，每GB記憶體每小時0.024元；不同型號和地區的價格則有所差異。共享網關是免費的，而專屬網關、額外的系統磁碟以及公網資源則需要另外計費。