问题显现： 3月29日21时35分，正值用户使用高峰，该平台网页端与移动应用突发服务中断，页面提示“服务器繁忙”；故障持续至次日9时左右，其间曾两次短暂恢复后再次崩溃。监测数据显示，有关话题迅速登上微博并引发破亿阅读量，大量用户反映学术研究、编程开发、商务办公等工作被迫中断。一名高校研究生在采访中表示，论文关键章节的智能辅助撰写突然停止，影响了毕业答辩准备进度。 原因剖析： 平台技术团队确认，本次事故主要由算力供需失衡引发。数据显示，2025年以来平台日均活跃用户同比增长66.7%，达到2亿规模，但服务器算力储备同期仅提升8.3%。毕业季与招聘旺季叠加，长文本生成、复杂代码调试等高算力需求集中上升，最终触发系统熔断机制。 从技术架构看，其采用的混合专家模型（MoE）在极端并发场景下暴露瓶颈：依赖的动态路由系统在流量峰值时出现调度延迟，平均响应时间较正常水平翻倍。同时，用户高频调用“深度思考”等高耗能模式，更加剧资源紧张。 社会影响： 事件显示，智能服务已深度进入教育、办公等日常流程。教育领域，多所高校师生反映研究与写作被打断；企业层面，包括互联网公司在内的多个行业出现项目延期；个人用户则普遍感到工作效率明显下降。中国人工智能产业发展联盟专家指出，这表明智能服务正从“尝鲜工具”转向“基础设施”，其稳定性直接影响社会生产效率。 应对措施： 平台已启动三级应急响应，通过临时扩容云计算节点、优化任务调度算法恢复服务。工信部相关司局表示，将督促企业完善灾备体系，并推动关键平台按“双活数据中心”标准建设。 在用户侧，专业人士建议采用多平台备用方案；对敏感数据，可考虑本地化部署以降低对单一云端服务的依赖。目前主流显卡已可支持轻量化模型本地运行，虽与云端性能存在差距，但可满足基础使用需求。 发展前瞻： 业内认为，此次故障为智能服务产业敲响警钟。未来三年，头部平台或将加速分布式计算架构升级，国家新型基础设施建设也可能进一步向智能算力倾斜。清华大学人机交互实验室提出，应建立行业级服务连续性标准，在提升能力的同时强化系统可靠性。
这次长时间宕机提醒人们，智能服务正从“效率工具”走向“关键支撑”。当它被广泛纳入学习与生产流程，稳定与可信赖不再是可选项，而是底线。只有在算力扩容、工程治理、应急透明和用户保障上同步补齐短板，技术红利才能在高频使用的现实场景中更可持续、更可预期。