没有意外，随着模型规模的持续增长和应用场景的日益复杂，AI Infra 也自然的从"单体架构" -> "分布式架构"进行演进，例如：
在大模型训练和推理阶段，随着模型规模的增长，需要通过多维度并行技术（数据并行、张量并行、流水线并行等）并发使用数百甚至数千个 GPU 才能满足训练需求；
在智能体应用阶段，从能对话、写文案的 Chatbot 到如今能自主规划、工具调用、多 Agent 协作，工具越来越智能，调用链也越来越复杂；
再到各行业落地时，应用的业务主路径开始集成 AI 能力，也对部署架构本身的高可靠、高可用及高性能提出了更多的要求
然而这个从单体架构到分布式架构的升级，最核心的变化就是通过消息中间件让数据、模型、服务之间能够异步、可靠、松耦合地协同工作，从而构建可扩展、可维护、可演进的 AI 平台的基础设施。
Pulsar 作为消息中间件的中流砥柱，以其更鲜明的存算分离、云原生特性，可发挥着更大的价值。
传统的单模态模型，如自然语言处理（NLP）模型仅处理文本，计算机视觉（CV）模型仅处理图像，自动语音识别（ASR）模型仅处理音频，它们彼此独立。多模态 AI 旨在让机器能够像人类一样，通过融合和理解来自多种感官通道（如视觉、听觉、语言）的信息来进行感知、推理和交互。这个给多模态训练增加了不小的难度；
多模态 AI 系统处理的数据类型远超传统文本，包含了图像、视频、音频、3D 点云等大体积的非结构化数据。这些数据单个文件的大小就可能从几 MB 到几 GB 不等。其他的消息队列系统往往对单条消息的大小有严格限制（例如，Kafka 默认单条消息上限约 1 MB，调参后虽可放大，但需权衡副本同步压力。），这迫使开发者在传输大文件时采用复杂的变通方案，如将文件存储在对象存储中，然后在消息中只传递文件的路径或 URL。
这种方式虽然可行，但增加了系统的复杂性和处理延迟，并且无法充分利用消息队列在数据流管理和处理方面的优势 。
然而 Pulsar 原生支持超大消息体，即 pulsar 的 chunk message，Pulsar 的 Chunk Message 是多模态训练的数据管道利器，它解决了大消息传输的完整性、顺序性、简化性三大问题，可显著降低多模态数据管道的工程负担，使开发者聚焦模型逻辑而非传输细节。
Pulsar Chunk Message（分块消息） 是 Apache Pulsar 提供的一种用于透明处理超大消息（>5MB）的机制。它允许生产者端自动将大消息拆分为多个小块传输，并在消费者端自动重组，业务层无需感知分块细节。
多模态 AI 需要处理和融合的数据类型极其多样化。系统需要同时处理文本（自然语言描述）、图像（像素矩阵）、音频（波形信号）、视频（图像序列和音频流的组合）等多种异构数据。
在许多场景中，不同模态的数据在时间上存在紧密的依赖关系。例如，在视频理解任务中，音频中的对话内容需要与视频中人物的口型、动作在时间上精确对齐；在自动驾驶场景中，激光雷达的点云数据、摄像头的图像数据和 GPS 的定位数据必须在同一时间点或时间窗口内进行融合，才能构建出对周围环境准确的感知。因此，消息中间件不仅要能传输数据，还需要提供机制来保证跨模态数据的时间同步和顺序性 。
利用 Pulsar 的 keyshare 消费模型，可以将同一 key 的数据总是被路由分配到同一实例完成聚合，方案如下：
时间同步：选定一个物理时钟源（PTP/NTP/ 帧时钟），所有模态 Producer 在本地打时间桶 ID（t-bucket），粒度 = 1 ms 或 1 帧间隔。
Produce 发送：每条消息把 t-bucket 放在 Pulsar 的事件时间（ eventTime ，SDK 原生字段）里，同时作为路由 Key。
消费者使用 Key_Shared 订阅，Key = t-bucket，Pulsar 可保证相同 Key 的消息只会发给同一消费者实例
收到模态 A、B、C 的同一桶消息后，再打包成一条 MultiModalFrame 喂给模型；
Key_Shared（键共享） 是 Pulsar 的一种订阅模式，它在 Shared 模式的基础上增加了按消息 Key 的路由规则：相同 Key 的消息始终被分配到同一个消费者，而不同 Key 的消息可分布在多个消费者上并行处理，实现 Key 级别的有序性与负载均衡。
模型训练周期长、数据量大、集群规模大，出现中断的概率显著提高，且重启代价高昂；
所以通常会使用 Checkpoint 机制来加速恢复的过程，但保存 Checkpoint 耗时较高，若存储服务瞬时故障，写入请求直接丢失，导致训练状态丢失。
引入 pulsar 作为中间层后，可以将异常数据跳过、Checkpoint 异步缓存、任务级重试等操作都交给 pulsar 的特性来解决，方案如下：
Checkpoint 数据具有明显的历史消息无效的特性，如果发生积压时，只有最新的一条 checkpoint 才有价值，这时可以使用 Pulsar 的压缩 Topic(Compaction Topic)，压缩 topic 将 Checkpoint Topic 从日志流变为 KV 存储，仅保留每个 Key 的最新消息，自动清理历史版本，这样对比传统方案（扫描 S3 文件列表 → 排序 → 下载）需要耗时 3-5 分钟到直接接收最新 Key 的方案，耗时<1S;
Compaction Topic 是 Apache Pulsar 提供的一种基于消息 Key 的日志压缩机制，它会自动清理主题中每个 Key 的旧版本消息，仅保留最新版本，从而显著减少主题体积、加速消费回溯，适用于"只关心最终状态"的场景。
在大规模模型训练中，数据是驱动整个训练过程的“燃料”，特别是针对拥有数十亿甚至万亿级参数的深度学习模型，能高效且稳定的确保“燃料”能够持续、稳定地供应给计算引擎（如 GPU 集群）是关键所在。
训练这些庞然大物需要海量的训练数据，这些数据通常以 TB 甚至 PB 计。数据加载和预处理的速度直接决定了 GPU 这一昂贵计算资源的利用率。有数据表明 I/O 延迟使 GPU 每步等待数百毫秒，空闲率可达 30-50%。为了充分利用昂贵的计算资源，必须确保数据能够以足够快的速度被加载到每个计算节点的内存中，如果数据供给速度跟不上模型消耗数据的速度，就会有大量时间浪费在等待数据上，即所谓的“数据饥饿”问题。
历史的架构中，数据预处理模块与训练模块存在耦合的情况，然而耦合的模块可能相互影响从而降低了 GPU 的读取效率；
这种架构中，非常适合引入 Pulsar 在其中作为缓冲层，在数据平面预处理服务独立扩展，训练节点只专注消费，利用 Pulsar 的高吞吐特性，“喂养”GPU 的数据高速且稳定；
并且当 GPU 消费慢时，还可以利用 Pulsar 的背压机制，预处理消费时自动降低预取速率，避免 OOM，从而让整个链路更加健壮；
不止如此，还可以继续针对 topic 的消费进行积压监控，如果出现积压，辅以 K8S 的 KEDA 机制 + Pulsar 的 Share 消费类型可以整个扩缩容过程更加平滑和稳定；
背压（Backpressure） 是 Pulsar 中用于防止生产者过载消费者的流量控制机制。当消费者处理速度跟不上生产者发送速度时，系统通过多级反馈控制主动减缓上游生产速率，避免内存溢出、数据丢失和系统崩溃。
KEDA（Kubernetes Event-driven Autoscaling），是一种基于事件驱动的自动扩容解决方案，支持通过外部事件源动态调整 Pod 副本数；
Share 消费类型（Shared Subscription）是 Apache Pulsar 的一种订阅模式，允许多个消费者绑定到同一个订阅名上，消息通过轮询机制分发给不同的消费者，每个消息仅会被分发给一个消费者，不保证消息顺序，适合高吞吐、无需顺序消费的场景。
模型迭代日新月异，企业正在积极把 AI 能力嵌入业务流程。然而，企业应用从调用传统微服务应用 API 接口 到 调用大模型“生成式”的 API 接口过程中，一个显著的特征是任务处理时耗变的很长，传统微服务应用通常能实现毫秒级响应，而 AI 应用的处理周期跨度极大——从几分钟到数小时不等；
这就意味着原本微服务间的同步调用就不再适用，可将同步调用改为异步通知来解决长耗时的阻塞；改为异步通知后，那又如何能实现同步调用的即时通信呐，可以采取以下模型：
Agent1 在启动时注册一个专属于自己的用于接收回包的非持久化 Topic（non-persistent Topic），非持久化 topic 非常轻量化，数据不落盘存储，生命周期可由 TTL 自动 或人工回收，Agent1 可使用独占消费模型进行消费该 topic
当 Agent1 有长耗时的调用模型请求时，向正常 topic 发送请求，并由模型处理模块处理；该 Topic 为常规 topic，具备消息持久化、消息回放、海量积压等队列特性
当 LLM 处理模块完成后，根据请求包中的回包地址进行回包投递
基于此模型，可以利用 Pulsar 的 Persistent-topic，将长时耗任务进行异步化处理，利用 pulsar 的高可用、低延时的特性来保障请求任务的可靠、解耦和削峰填谷；又可以利用 pulsar 的 Non-Persistent-topic 的轻量化，实现百万级创建，快速回收等能力
Non-persistent Topic：是 pulsar 的一种 topic 类型，是“不落盘、纯内存” 的消息通道——数据不会写入磁盘、不会做副本复制，Broker 宕机或进程重启即丢失，因此极致轻量、低延迟，适合“可丢、可重试、要快、要大量”的短时消息场景。
AI Agent 的概念正在经历一场深刻的变革，从简单的对话式 AI（Chatbot）向复杂的独立实体转变。AI Agent 就是将一个大模型（大脑）和一系列工具（感官与四肢）组装起来，形成的一个能够感知和改变外部环境的智能程序。
以创建一个营销 Agent 为例，采用 ReAct 的模型，Agent 可能首先从 CRM 中提取客户数据，使用 API 收集市场趋势，并在新信息出现时不断调整策略。通过通过记忆保留上下文并迭代查询，Agent 能够生成更准确、更相关的输出。
当外部接口越来越丰富，Agent 需要不断的扩展收集信息来源，包括其他 Agent、工具和外部系统等等，以便做出更精准的决策。
而这，从系统架构设计的角度上讲，就是一个分布式系统问题。这和微服务时代面临的挑战相似，因为在微服务中，各个组件必须高效地进行通信，而不产生瓶颈或僵化的依赖关系。也和微服务架构系统一样，它们的输出不仅仅应该回流到 AI 应用程序中，它们还应该流入其他关键系统，如数据仓库、CRM、CDP 和客户成功平台。所以完全可以将 Agent 理解为：有“大脑”的微服务；
从微服务的架构演进来看，Agent 的未来是事件驱动的，事件驱动的架构需要一个高效的消息中间件作为“基建”，因为消息中间的特性可以很好的匹配事件驱动需要的横向扩展性、低延迟、松耦合、事件持久化等诉求
Pulsar 除了以上在消息中间件的优势外，还提供了 Function Mesh 的能力，利用 Function 的能力可以更近一步简化 AI Agent 的架构：
ReAct 模式：ReAct（Reasoning and Action）是目前应用最广泛、最经典的 AI Agent 运行模式之一 。其核心思想是模拟人类解决复杂问题的过程，通过一个 “思考（Thought）→ 行动（Action）→ 观察（Observation）”的循环来逐步推进任务 。
Pulsar Function ：Pulsar 提供的轻量级、Serverless 流处理框架，定位是“用写普通函数的代码量，完成 ETL、过滤、聚合、打标签等实时计算”。它把“消息 → 计算 → 消息”的闭环直接跑在 Pulsar 集群内部，简单场景不需要额外部署 Flink、Storm 等重型流处理引擎。
在具身智能的场景中，既需要处理传感器读数流（连续、有序的数据），也需要处理独立的指令或任务（这些任务需要独立处理）；
例如：一个机器人 agent 在处理任务时，首先机器人的视觉或遥测传感器持续发布事件流，这些事件需要按顺序来处理或者来理解当前所处环境的变化；然后当机器人的 AI 决定采取行动，例如“拾取物体”或“导航到位置”时，这些任务会被添加到工作队列中。这些行动消息可能需要多个执行器模块（消费者）会分担这些任务。每个任务消息会被分配给一个执行器，执行器在完成任务后会进行确认。如果任务失败，执行器可以发送负向确认（表示失败），然后另一个实例可以重试。
我们回顾上述的过程，虽然都是利用消息管道进行消息传递，但是这是两种不同的数据类型：
类似传感器流，生产者将数据追加到一个无界、有序的日志（即流）中。消费者随后按顺序从这个日志中读取数据，并维护流中的偏移量（offset）。每个分区内的顺序是有保障的，消息在消费时不会被移除，这就是 kafka 专注的 stream（流）场景，它提供了高吞吐量和分区的严格排序，这使得它非常适合处理有序的事件流。
类似任务消息，生产者将消息发送到队列，每条消息只由一个消费者处理（即使有多个消费者在监听）。消费者从队列中拉取消息，并在处理完成后确认每条消息，消息随后会从队列中移除。队列擅长分发可以并行处理且无需全局排序要求的任务或工作。这就是 rabbitmq、rocketmq 专注的 queues（消息）场景，专注于每个消费者只处理一条消息，并具备消息重试和死信队列等能力。
然后，在越来越多的 ai 场景，需要两者兼具，因为 AI 代理在实时环境中观测，同时必须执行可靠的操作。这正是 pulsar 持续专注的方向，将流 + 消息进行融合，Pulsar 原生支持多种消息语义。其灵活的订阅模式（独占、共享、故障转移、键共享）让你能在同一平台上为不同任务选择合适的工具。这意味着系统扩展更少，组件间集成更简单——这对复杂的 AI 代理架构来说是一个很大的优势。
Pulsar 的流（Streaming）和消息（Messaging）场景结合，通过 Key-shard（键共享）、Failover（故障转移）、Exclusive（独占）、Shared（共享）四种订阅模式来实现
