Forrester：强化学习采纳率达59%，九章云极Serverless RL打响Agent的未来之战
平台内置的GRPO（Group Relative Policy Optimization）算法尤为值得关注——这是一种针对强化学习的梯度优化算法，能通过精准控制模型参数更新节奏，减少“参数反复调整”带来的无效算力消耗，大幅降低奖励工程复杂度，使多步骤智能体训练周期缩短60%以上，GPU利用率从59%提升至84%。测算显示，随着Agent中的大规模应用，企业算力需求将呈指数级增长，其中推理负载占比会显著提升，强化学习是均衡算力、数据、模型的关键技术。
