DigitalOcean 云平台(NYSE: DOCN) 凭借其推理云平台（Inference Cloud Platform）以及与 AMD 的软硬件深度协作，成功助力全球领先的 AI 娱乐平台 Character.ai 实现生产环境推理吞吐量的 2 倍增长。Character.ai 运行着目前市场上需求最苛刻的生产推理任务，每日处理的查询量高达 10 亿次。
Character.ai 是全球领先的 AI 娱乐平台，拥有约 2,000 万用户。Character.ai 的应用具有高容量、高并发且对延迟极度敏感的特点，其底层通过混合使用私有模型和开源模型来驱动。在将相关工作负载迁移至 DigitalOcean 推理云平台后，Character.ai 在严守延迟标准的同时，实现了请求吞吐量的飞跃。与标准的通用 GPU 基础设施相比，这一转型不仅将**单 Token 成本降低了 50%**，还为终端用户显著扩展了可用容量。
Character.ai 合作伙伴关系高级副总裁 David Brinker 表示，这一成果远超预期："我们对 DigitalOcean 在性能、延迟和规模方面提出了极其严苛的要求。而 DigitalOcean 提供了极其稳定的性能，释放了更高的持续吞吐量并优化了经济模型，这为我们平台的持续增长提供了直接动力。"
这一里程碑式的进展也标志着 DigitalOcean 在服务 Character.ai 等大规模 AI 客户方面的势头愈发强劲，进一步支撑了平台的全球扩张及更丰富的多模态体验。
软硬一体化：深度协同的性能优化
DigitalOcean 与 Character.ai 及 AMD 紧密合作，部署了专为推理任务优化的 AMD Instinct™ MI300X 和 MI325X GPU 云服务器。在 DigitalOcean 的平台中，GPU 服务器不再只是被视为通用的硬件资源，而是通过其平台集成的"硬件感知调度"和"优化推理运行时"，将每个节点的持续性能榨取到了极致。
AMD 在其开放的端到端 AI 软件栈 ROCm™ 上投入了巨资。通过三方的深度协作，各团队针对 Character.ai 在 DigitalOcean 平台上运行的 AMD Instinct™ MI300X 及 MI325X GPU ，对 ROCm 配合 vLLM、AITER（AMD 专为 Transformer 工作负载打造的优化框架）以及部署配置进行了专项调优，最终实现了吞吐量的翻倍。
这种性能飞跃在处理超大规模 MoE 模型（例如 Qwen3-235B ）时表现尤为卓越。通过 DigitalOcean 独特的分布式并行策略，单服务器的请求密度提升了近 91%，这意味着客户可以用更少的硬件支撑更多的并发用户。客户不仅可以节省成本，还能提升产品的表现。
AMD 人工智能高级副总裁 Vamsi Boppana 指出："当平台侧与芯片侧团队深度联手解决实际生产痛点时，所迸发的潜力是巨大的。通过结合 AMD Instinct GPU、开放的 ROCm 软件栈以及 DigitalOcean 的平台级优化，我们正在为运行大规模、低延迟的生产级 AI 工作负载打造一个高性价比且可扩展的基石。"
在实际调优过程中，DigitalOcean 的工程师精准权衡了延迟、吞吐量与并发量。这些优化手段在相同延迟约束下将吞吐量提升了 2 倍，显著降低了客户的总体拥有成本（TCO）。
重定义大规模 AI 推理：不仅是算力，更是成果
这一成功案例体现了 DigitalOcean 的核心理念：GPU 固然重要，但最终的业务产出（Outcomes）才是一切。 DigitalOcean 致力于设计并运营能为客户提供极致稳定性与性能的系统。
事实上，DigitalOcean 不仅提供GPU 算力，更提供端到端的交付体验。其 Kubernetes 托管服务(DOKS) 预装了所有必需的驱动与优化组件，结合DigitalOceanNFS **（Managed Network File Storage），可使大模型的加载速度提升了 15%**，确保企业能够实现"即时部署、即刻扩展"。
不同于其它仅强调"GPU 供应"的传统云厂商，DigitalOcean 的推理云平台专为 AI 生产环境而生。它提供了一个"硬件 + 软件统一范式"，通过底层的统筹编排与系统级调优，为大规模生产级 AI 负载带来了卓越的性价比、可观测性和操作便利性。
DigitalOcean 首席执行官 Paddy Srinivasan 表示："Character.ai 运行着全球最具挑战性的实时推理任务之一。这次合作有力地证明了，当顶尖硬件遇上专为推理设计的平台时，会产生怎样的化学反应。我们不只是在提供运行更快的模型，我们还在让大规模 AI 应用的运营变得更简单、更经济。"
Character.ai 的部署模式反映了 AI 基础设施评估标准的行业转型：随着推理规模的扩大，客户正逐渐将性能的可预测性、操作的极简性以及成本效率置于原始硬件参数之上。