Serverless有什么新进展？

本文目录导读：

1. 冷启动问题的“终极解决方案”走向成熟
2. 与AI/GPU工作负载的深度融合（这是最大的趋势）
3. 更强的计算边界与“Serverless化”趋势
4. 成本模型的进一步优化与可预测性
5. 开发体验与工具链的持续进化
6. 当前Serverless的几大趋势

Serverless领域在近一两年（2023-2024年）确实有不少值得关注的新进展，主要集中在性能与冷启动优化、新型计算范式（尤其是AI集成）、成本与资源效率以及开发体验这几个方面。

以下是几个核心新进展：

冷启动问题的“终极解决方案”走向成熟

曾几何时，冷启动延迟是Serverless最大的痛点,各大云厂商和开源社区已经基本解决了这个问题。

• 快照与恢复技术（Snapshot & Restore）： 这是目前最主流的技术，AWS Lambda 和 V8 isolate 技术、Cloudflare Workers 都支持将函数执行环境（包括内存中的状态、连接池等）序列化为快照，下次请求时直接恢复，而不是从头初始化，这可以将冷启动时间缩短到毫秒级（甚至1ms以下）。
• 运行时预置池： 云厂商会维护一个与用户函数配置（内存、架构等）匹配的“热”运行时池，当新请求到来时，直接从这个池子里拿一个已经启动好的实例,用户几乎感知不到冷启动。
• 微虚拟机（MicroVM）优化： AWS Lambda 和 Firecracker 持续优化，使得创建一个微虚拟机的开销极低，即便是Java、.NET这类启动重的语言,冷启动也基本不再是问题。

与AI/GPU工作负载的深度融合（这是最大的趋势）

Serverless正在向GPU密集型任务和AI推理场景强力渗透，这改变了过去“Serverless只适合轻量、I/O密集任务”的认知。

• GPU作为Serverless资源： 主流云厂商（如AWS、Google Cloud、Azure）和新兴平台（如RunPod、Banana Dev、Replicate）都提供了按需GPU调用的Serverless方案，你可以为模型推理创建一个函数，在请求到来时才加载模型并启动GPU实例，处理完立即释放,计费精确到秒或毫秒。
• AI推理加速与模型优化： 专门为Serverless环境设计了模型加载缓存、请求批处理（batching） 等机制，当一个GPU实例被多个并发请求共享时，平台会自动将请求合并为一个批次进行推理,大幅提升吞吐量并降低成本。
• Serverless LLM（大语言模型）部署： 像Hugging Face的推理端点、RunPod的Serverless GPU，都允许你部署Llama 2、Mistral、Stable Diffusion等大模型，你无需管理复杂的Kubernetes集群和GPU卡，只需上传模型或指定模型ID，平台会自动处理扩缩容、负载均衡、冷启动等问题。
• 事件驱动的AI工作流： 将Serverless函数与AI服务（如图像识别、自然语言处理）结合，构建事件驱动的AI流水线，用户上传图片 -> 触发Serverless函数 -> 调用AI模型进行识别 -> 结果存入数据库。

更强的计算边界与“Serverless化”趋势

Serverless的概念正在超越传统的FaaS（函数即服务）,延伸到更复杂的计算类型。

• Serverless容器： AWS Fargate、Google Cloud Run、Azure Container Apps 已经非常成熟，它们让你“只关心容器镜像，不关心集群”，你可以运行状态长期、端口监听的服务（如Web应用、后端API），而平台自动管理扩缩容和计费,这比传统的Kubernetes更简单。
• Serverless数据库： 数据库的Serverless化（如Aurora Serverless v2、Cloud Spanner、PlanetScale、Neon）实现了存储与计算分离，并且能根据负载自动、无感地扩缩算力，你可以创建一个数据库实例，它从0个ACU（Aurora Capacity Unit）开始，有请求时瞬间拉起，空闲时缩回0，按实际使用的读取/写入量计费。
• Serverless工作流/状态管理： AWS Step Functions、Azure Logic Apps、Temporal.io（与Serverless结合） 让你能用声明式的方式编排多个Serverless函数、API调用、人工审批步骤，这解决了FaaS“无状态”带来的编排难题,让复杂业务流程变得简单。

成本模型的进一步优化与可预测性

用户对成本的抱怨一直是Serverless的弱点（请求量虽小但处理时间长导致费用高）,新进展正在改善这一点：

• 更细粒度的计费单位： 从过去的100ms步进，变成1ms步进（如AWS Lambda、Cloudflare Workers），这意味着一个耗时50ms的请求，你只需为50ms付费,而不是100ms。
• 预留并发与预置并发： 允许用户“购买”一定量的并发实例（按小时或按月付费），保证其始终处于热状态，同时享受Serverless的弹性，这样可以混合使用“低成本、但有冷启动风险”的按需实例和“高成本、但零延迟”的预置实例,平衡成本和性能。
• “无服务器函数”与“托管服务”的混合计费： 许多平台将数据库、对象存储、消息队列等托管服务与FaaS深度集成，这些服务间的数据传输和调用通常免费或价格极低,鼓励用户采用事件驱动架构。

开发体验与工具链的持续进化

• 更好的本地调试： AWS SAM、Serverless Framework、Azure Functions Core Tools、LocalStack等工具已经能非常逼真地模拟云环境，你可以像调试本地服务一样，断点调试Serverless函数、查看日志、模拟事件源。
• 基础设施即代码（IaC）的深度整合： Terraform、Pulumi、CDK（如AWS CDK）是现代Serverless应用的标配，你可以用编程语言（TypeScript, Python, Go）直接定义整个Serverless应用（函数、触发器、数据库、API网关）,并像管理代码一样管理基础设施。
• 无服务器后端框架（如Winglang, Ampt）： 一些新兴的专用语言或框架试图构建一个“完全屏蔽云概念”的抽象层，你只需要写业务逻辑，框架自动为你生成必要的云资源（如API Gateway、DynamoDB表、IAM角色），并处理部署、日志、监控。

当前Serverless的几大趋势

1. 冷启动不再是障碍：快照、预置池等技术让冷启动几乎无感知。
2. AI是最大增量：GPU被纳入Serverless资源,LLM推理和AI工作流成为核心场景。
3. 边界在扩大：Serverless从函数扩展到容器、数据库、工作流、状态管理。
4. 成本更可控：1ms计费、预留并发、混合计费模型让成本变得更可预测。
5. 开发者体验逼近本地开发：本地模拟、IaC、一键部署成为标配。

对于开发者来说，这意味着：

• 你可以更放心地使用Serverless构建核心业务,而不再担心冷启动和性能瓶颈。
• 你无需再为AI/ML工作负载管理复杂的GPU集群,Serverless将简化这一过程。
• 你的应用架构可以变得更“事件驱动”和“无服务器化”,充分利用按需付费和自动扩缩容的优势。

如果你正在处理AI推理、高并发API、事件驱动架构、或者希望降低基础设施运维成本,现在的Serverless生态确实比过去成熟和强大得多。