卡脖子的不是模型，是“用不對”的算力。

作者丨岑峰

編輯丨陳彩嫻

2025 年的 AI 圈，終于從 “大模型崇拜” 走進(jìn)了 “應(yīng)用現(xiàn)實(shí)主義”。

當(dāng)百度文心、阿里通義、騰訊混元等基礎(chǔ)模型的參數(shù)競賽告一段落，當(dāng) “百模大戰(zhàn)” 變成 “百業(yè)應(yīng)用”，企業(yè)們突然發(fā)現(xiàn)：曾經(jīng)被當(dāng)作 “基建” 的算力，成了應(yīng)用落地的 “勝負(fù)手”—— 不是沒有算力，而是找不到 “剛好能用” 的算力；不是算力不夠，而是 “用不對地方” 的算力在浪費(fèi)；不是買不起算力，而是 “不會用算力” 的成本在吞噬利潤。

而 Oracle 與 OpenAI 簽下 3000 億美元的算力大單同樣是行業(yè)變化的風(fēng)向標(biāo)：這不是簡單的 “賣算力”，而是 “生態(tài)綁定”：OpenAI 需要 Oracle 的超大規(guī)模算力集群支撐 GPT-5 的訓(xùn)練與推理，Oracle 則通過綁定頭部模型公司鎖定未來十年的算力需求。這反映了全球算力市場的兩個(gè)核心趨勢：

其一是 “算力需求從集中走向爆發(fā)”。大模型訓(xùn)練需要巨量算力（GPT-5 的訓(xùn)練算力是 GPT-3 的 10 倍），而多模態(tài)、Agent（智能體）等應(yīng)用的推理算力更是指數(shù)級增長。比如一個(gè)直播 AI 中控，要同時(shí)處理視頻流、語音識別、觀眾互動，其推理算力消耗是普通文本模型的 5 倍；

其次， “算力供給從規(guī)?；呦蚨ㄖ苹?/strong>。市場需要的，不是 “通用算力”，而是 “匹配模型需求的算力”：比如 NVIDIA 的 H20 芯片，因高顯存（80GB）、低功耗（350W）成了 “推理圣體”，而國產(chǎn)芯片如華為昇騰 950，因支持 FP8 精度，在短視頻推理場景下性價(jià)比超過 H100。

回到國內(nèi)，我們有世界第二大的計(jì)算規(guī)模（788 百億億次每秒），有 200 多個(gè)超算 / 智算中心，但供需錯(cuò)配 、技術(shù)錯(cuò)配 、模式錯(cuò)配、認(rèn)知錯(cuò)配的痛點(diǎn)，正在給智算市場帶來新的機(jī)會和挑戰(zhàn)。

正是在這樣的背景下，雷峰網(wǎng) GAIR Live 于 9 月 18 日推出 “算力變革下的生存之道” 主題論壇。三位 “起而行之” 的實(shí)踐者，善思開悟四川分公司 CEO、AGI 產(chǎn)品負(fù)責(zé)人余溢、超云方案與生態(tài)部總經(jīng)理張春雨、矩向科技 CEO黃朝波進(jìn)行了分享。

這場討論沒有 “高大上” 的技術(shù)名詞，只有 “接地氣” 的問題：

• 模型公司找算力時(shí)，到底是 “選便宜的” 還是 “選好用的”？

• 算力廠商面對同質(zhì)化競爭，如何從 “賣設(shè)備” 轉(zhuǎn)向 “賣服務(wù)”？

• 應(yīng)用公司用算力，是 “堆 GPU” 還是 “云邊協(xié)同”？

• 未來的算力市場，是 “英偉達(dá)一家獨(dú)大” 還是 “國產(chǎn)芯片崛起”？

這些問題，不是 “理論問題”，而是 “生存問題”—— 當(dāng)大模型的 “技術(shù)紅利” 消失，剩下的就是 “算力效率” 的比拼：誰能把算力用對地方，誰能把算力成本降下來，誰能把算力與應(yīng)用綁定，誰就能在應(yīng)用爆發(fā)期活下來。

在這次分享中，三位嘉賓從各自的實(shí)踐出發(fā)，沒有講 “應(yīng)該怎樣”，而是講 “正在怎樣”—— 他們的判斷，是算力市場從 “混亂” 走向 “有序” 的關(guān)鍵線索；他們的經(jīng)驗(yàn)，是 AI 應(yīng)用從 “實(shí)驗(yàn)室” 走向 “產(chǎn)業(yè)” 的實(shí)用指南。如果你是模型公司的 CTO，想找 “性價(jià)比最高的算力”；如果你是算力廠商的 CEO，想破 “同質(zhì)化競爭” 的局；如果你是應(yīng)用公司的創(chuàng)業(yè)者，想 “用算力降本增效”，三位嘉賓會給你最直接的答案。

以下是此次圓桌討論的精彩分享，AI 科技評論進(jìn)行了不改原意的編輯整理：

01

AI 算力市場的變革

岑峰：大家晚上好！我是雷峰網(wǎng)的岑峰。上周，Oracle 與 OpenAI 簽下了3000億美元的算力大單，這不僅標(biāo)志著 AI 算力需求的大爆發(fā)，也預(yù)示著全球計(jì)算市場的深刻變革。從技術(shù)路徑到產(chǎn)業(yè)布局，再到供需關(guān)系和競爭規(guī)則，一切都在重構(gòu)。

與此同時(shí)，我國的計(jì)算規(guī)模已達(dá)788百億億次每秒（788 EFLOPS），擁有200多個(gè)計(jì)算中心，但同時(shí)也面臨諸多挑戰(zhàn)。因此，我們今天將圍繞算力供給、模型研發(fā)和應(yīng)用落地等多個(gè)方面，探討如何在計(jì)算變革中找到生存之道。

今晚，我們有幸邀請到三位嘉賓：善思開悟四川分公司 CEO、AGI 產(chǎn)品負(fù)責(zé)人余溢、超云方案與生態(tài)部總經(jīng)理張春雨、矩向科技 CEO 黃潮波。我們期待今晚能進(jìn)行一場深入的討論。

首先，讓我們請三位嘉賓分別介紹一下自己和他們的公司。

余溢：大家好，我是余溢。這是我的第一次創(chuàng)業(yè)，之前在阿里和字節(jié)主要從事國際支付合規(guī)與反洗錢業(yè)務(wù)，2023年我才開始進(jìn)入智算領(lǐng)域。我們公司“善思開悟”致力于提供一站式 AI 解決方案，主要有三條業(yè)務(wù)線，首先是算力業(yè)務(wù)，在雅安建有西南地區(qū)規(guī)模最大的超算中心，并提供超算和智算的租賃等服務(wù)；第二個(gè)是數(shù)據(jù)業(yè)務(wù)， 擁有獨(dú)立團(tuán)隊(duì)負(fù)責(zé)數(shù)據(jù)基站的數(shù)據(jù)標(biāo)注服務(wù)；第三則是AI應(yīng)用業(yè)務(wù)，由我負(fù)責(zé)的四川公司和 AGI 團(tuán)隊(duì)，專注于“AI +行業(yè)解決方案”的應(yīng)用落地。我們的生態(tài)位覆蓋了從基礎(chǔ)設(shè)施到下游應(yīng)用的各個(gè)環(huán)節(jié)。

張春雨：大家好，我是張春雨。我目前在超云負(fù)責(zé)解決方案和生態(tài)合作工作，整個(gè)工作經(jīng)歷都在算力相關(guān)廠商，曾任職于浪潮信息、H3C 等。

超云公司全稱是超云數(shù)字技術(shù)集團(tuán)有限公司，公司成立于2010年，是中國電子 CEC 和云基地聯(lián)合注資成立的國家高新技術(shù)企業(yè)、工信部專精特新“小巨人”企業(yè)，超云專注于數(shù)據(jù)中心產(chǎn)品及服務(wù)；產(chǎn)品覆蓋加速計(jì)算、通用計(jì)算、信創(chuàng)及私有云等領(lǐng)域，可幫助客戶快速構(gòu)建 AIDC 算力基座；依托北京、南京、廣深三大研發(fā)中心及全國營銷技術(shù)服務(wù)體系，服務(wù)于互聯(lián)網(wǎng)、金融、電信、制造、教育、能源及公共服務(wù)等多個(gè)行業(yè)。

黃朝波：大家好，我是黃朝波。我個(gè)人以前是做算力芯片的，做的是 CPU 芯片研發(fā)，也曾在公有云公司優(yōu)刻得負(fù)責(zé)底層軟件協(xié)同創(chuàng)新。因此，我們的核心技術(shù)優(yōu)勢在于既懂軟件又懂硬件，擅長底層的軟硬件協(xié)同創(chuàng)新。

我們將這一技術(shù)體系凝練為“融合計(jì)算”，包含三個(gè)維度：計(jì)算架構(gòu)的異構(gòu)融合、軟硬件堆棧的融合，以及云邊端的平行擴(kuò)展融合。我們的理念是“授人以漁”，不直接做算力云，而是將這些技術(shù)賦能給合作伙伴，幫助他們以低門檻、專業(yè)化的方式建立自己的智算云。我們的目標(biāo)是協(xié)助國內(nèi)涌現(xiàn)幾十家甚至更多的專業(yè)智算云公司。

02

洞察市場變局

岑峰：我們都看到了 Oracle 和 Open AI 的大單，這背后不僅有算力需求的爆發(fā)，還有云廠商和大模型公司之間更深層次的一個(gè)戰(zhàn)略綁定和生態(tài)合作。我想請三位從各自的專業(yè)角度出發(fā)去解讀這樣的一種超級大單的一個(gè)現(xiàn)象，他會可能產(chǎn)生怎樣的一些機(jī)會和挑戰(zhàn)？余總，您認(rèn)為這種變化趨勢的根源是什么？

余溢： 核心矛盾在于結(jié)構(gòu)性失衡，機(jī)遇挑戰(zhàn)并存

余溢：我認(rèn)為這個(gè)問題本質(zhì)上是供需關(guān)系的不匹配。2023年，國內(nèi)算力市場曾處于供不應(yīng)求的狀態(tài)，促使企業(yè)和國家大量超前建設(shè)算力；然而到了2024至2025年，供應(yīng)在局部地區(qū)大于了需求，但頭部模型廠商和大型企業(yè)仍然面臨算力緊缺的問題。

這背后有一個(gè)關(guān)鍵認(rèn)知：算力不是電力，它不是一個(gè)通用的指標(biāo)。不同的設(shè)備（GPU的算力( TFlops ）， 顯存大小， 顯卡帶寬， 機(jī)器內(nèi)卡間連接方式，機(jī)器間連接方式等）規(guī)格各異，導(dǎo)致算力無法像普通商品一樣自由流通。這就好比鋼鐵，有普通生鐵，也有高精尖的特種鋼，用途和價(jià)值完全不同。

我認(rèn)為，雖然局部供需錯(cuò)配依然存在，但整體亂象正在趨于緩解。我的判斷基于三點(diǎn)：需求方、供給方和政策導(dǎo)向。

首先，從需求端看，訓(xùn)練和推理需求都非常旺盛。大模型參數(shù)量越來越大，對算力的需求不斷“堆高”。同時(shí)，多模態(tài)和 Agent（智能體）應(yīng)用的爆發(fā)，導(dǎo)致推理任務(wù)的計(jì)算量激增，算力消耗未來會越來越大。盡管像 DeepSeek 這樣的稀疏模型提高了算力利用率，但總體需求仍然呈上升趨勢。

其次，從供給端看，國產(chǎn)化芯片正在發(fā)揮作用。過去，國產(chǎn)芯片在基礎(chǔ)模型訓(xùn)練上難以與 NVIDIA 競爭，但在以推理為主的應(yīng)用趨勢下，其性能不斷優(yōu)化，獲得了很好的利用。這讓部分原本閑置的國產(chǎn)算力得到了有效消耗。同時(shí)，服務(wù)器和芯片的消耗量證明整體供給是有人買單的。

最后，政策導(dǎo)向也起到了關(guān)鍵作用。政府及時(shí)進(jìn)行窗口指導(dǎo)，治理了許多亂象，鼓勵(lì)企業(yè)先有需求再進(jìn)行建設(shè)，而不是盲目地先建設(shè)再找客戶。這有效減少了套取補(bǔ)貼等行為。

總的來說，過去那些閑置的中小型算力池，特別是國產(chǎn)算力，在推理任務(wù)的爆發(fā)中得到了很好的利用。與要求嚴(yán)苛的訓(xùn)練任務(wù)不同，推理對算力的要求相對更靈活。這一變化讓許多閑散的算力資源得到了盤活，緩解了市場的錯(cuò)配問題。

岑峰：謝謝余總，余總之前曾用“大煉鋼鐵”來形容計(jì)算中心的建設(shè)，現(xiàn)在國家的政策也在促進(jìn)合作，這與 Oracle 和 Open AI 的生態(tài)合作方向是一致的。在國產(chǎn)芯片算力得到更好應(yīng)用的新供需局勢下，您認(rèn)為會帶來哪些新的挑戰(zhàn)和機(jī)遇呢？

余溢：我認(rèn)為這是一個(gè)機(jī)遇與挑戰(zhàn)并存的局面，主要體現(xiàn)在兩個(gè)方面：生態(tài)建設(shè)和技術(shù)創(chuàng)新。

首先是生態(tài)建設(shè)。對國產(chǎn)芯片企業(yè)來說，這是一個(gè)絕佳的時(shí)機(jī)。目前，市場對推理算力的旺盛需求正推動它們快速完善生態(tài)、提升技術(shù)和服務(wù)。許多國產(chǎn)芯片公司正積極上市，市場前景一片看好。但生態(tài)建設(shè)的護(hù)城河很高，就像 NVIDIA 一樣，即便是其新卡發(fā)布后，生態(tài)兼容性也需要時(shí)間去完善。

對國內(nèi)企業(yè)而言，這是一個(gè)挑戰(zhàn)，但更是機(jī)遇。有了市場的需求，就會有更多企業(yè)去實(shí)踐、去“踩坑”，從而形成解決問題的經(jīng)驗(yàn)，逐步建立起自己的生態(tài)。值得一提的是，一些頭部國產(chǎn)芯片企業(yè)也開始放棄純自研，轉(zhuǎn)而兼容 NVIDIA 的生態(tài)，這說明“開放”是發(fā)展正道，通過兼容帶動整個(gè)上下游共同發(fā)展。

此外，技術(shù)創(chuàng)新也帶來了新機(jī)遇。

我覺得未來僅僅比較 GPU 的算力值，也就是多少 PFLOPs ，意義真的不大了。像A100和4090，如果只論純 GPU 算力它們差不多，但A100有 Nvlink 和 80GB 顯存，這使其能用于訓(xùn)練大型模型，這是4090無法比擬的。算力并不是簡單地把不同的卡堆疊起來就能解決問題，也不能強(qiáng)行將不同型號的卡統(tǒng)一處理任務(wù)。最終我們還是要看整體算力的利用率。

現(xiàn)在，隨著推理業(yè)務(wù)的爆發(fā)，我們看到了一個(gè)有趣的現(xiàn)象。當(dāng)前主流模型，比如基于MoE（Mixture of Experts）稀疏架構(gòu)的模型，像 DeepSeek 或千問，雖然其基座模型的總參數(shù)量可能達(dá)到萬億級別，但在單次推理時(shí)，并非所有參數(shù)都會被激活。推理一個(gè)300B的模型，可能實(shí)際只使用了30B的參數(shù)，相當(dāng)于只激活了十分之一的專家。這意味著對算力的實(shí)際消耗變少了，但對顯存的需求卻大大增加了，因?yàn)樗袑＜疫x擇的邏輯都需要存儲在顯存中。

這種變化帶來了一個(gè)重要機(jī)會：GPU 的顯存利用率變得至關(guān)重要，而純算力可能出現(xiàn)冗余。這就是為什么現(xiàn)在做推理時(shí)，24GB 或 48GB 顯存的4090，甚至一些魔改芯片，會非常好用——只要能把顯存放大，就能發(fā)揮很好的效果。

因此，對于國產(chǎn)芯片而言，這是一個(gè)巨大的機(jī)會。我們需要發(fā)展能夠提高顯存容量，并能更好地滿足推理需求的芯片。同時(shí)，對于現(xiàn)有計(jì)算中心而言，那些相對老舊的A系列或三零系列設(shè)備，如果直接淘汰將是巨大的浪費(fèi)。但如果將它們重新利用，投入到推理項(xiàng)目中，可以大大提升現(xiàn)有資源的利用率，這是一個(gè)很好的老舊設(shè)備重利用機(jī)會。

最后，從運(yùn)營模式上看，傳統(tǒng)的粗放式運(yùn)營，即一個(gè)項(xiàng)目就將整套裸金屬資源包給一兩個(gè)大客戶的方式，在當(dāng)前市場下可能不再有效。未來的趨勢是，計(jì)算中心，特別是作為第三方平臺時(shí)，需要有能力將一個(gè)大的算力集群更精細(xì)化地切分和調(diào)度，去服務(wù)大量中小型、長尾客戶，特別是那些做垂直領(lǐng)域或小型模型的企業(yè)。這種精細(xì)化的運(yùn)營模式將能更好地匹配多樣化的算力需求，也是一個(gè)重要的市場機(jī)會。

岑峰：余總作為 AGI 應(yīng)用的專家，剛才更多是從模型公司的需求以及算力提供方的角度，探討了雙方的互相促進(jìn)。您認(rèn)為在共建生態(tài)的整體趨勢下，未來的模型公司和算力提供方之間，如何才能實(shí)現(xiàn)共贏？

余溢：這個(gè)問題很有意思，因?yàn)檫@意味著目前雙方可能并未完全達(dá)到共贏狀態(tài)。我認(rèn)為核心原因在于，當(dāng)前市場供需匹配存在結(jié)構(gòu)性失衡：只有少數(shù)幾家頭部模型公司對大量算力有需求，但算力供應(yīng)商卻有上千家。這些供應(yīng)商提供的服務(wù)相對同質(zhì)化，都是標(biāo)準(zhǔn)化的設(shè)備、組網(wǎng)和合同，最終導(dǎo)致的結(jié)果就是大家陷入了純粹的價(jià)格競爭，價(jià)格被壓得很低。

要實(shí)現(xiàn)共贏，首先自然需要市場自身的調(diào)節(jié)。這并非一個(gè)特許經(jīng)營市場，價(jià)格最終會回歸價(jià)值，市場會進(jìn)行分流和淘汰。對模型廠商而言，尤其是一些非頭部企業(yè)，他們的資金多來源于融資，因此會非常謹(jǐn)慎地尋求最低成本的算力。他們自己也還在摸索盈利模式，所以對價(jià)格敏感度極高。

在這種環(huán)境下，算力提供方需要大幅提升自身競爭力。僅僅提供同質(zhì)化服務(wù)是行不通的。一些能將價(jià)格壓得很低的競爭者，往往是通過“羊毛出在豬身上”的邏輯來盈利，例如通過二級市場獲利、獲取政府補(bǔ)貼、爭取綠電指標(biāo)，或從其他合作項(xiàng)目中獲得收益，這些都在經(jīng)濟(jì)合理范圍內(nèi)。所以，提升自身競爭力的核心在于優(yōu)化效率，避免純粹的同質(zhì)化服務(wù)。

此外，我們已經(jīng)看到一些外部因素正在引導(dǎo)市場進(jìn)行健康分流。例如，政府的“窗口指導(dǎo)意見”，明確要求在沒有下游消納方的情況下，不得超前建設(shè)。這本質(zhì)上是為了打造更健康的產(chǎn)業(yè)鏈，避免盲目投資。那些沒有明確下游需求而超前建設(shè)的供應(yīng)商將逐步退出。同時(shí)，那些自身運(yùn)營效率低、缺乏資金優(yōu)勢的供應(yīng)商，也將被市場淘汰或轉(zhuǎn)向服務(wù)長尾客戶。

另一個(gè)重要的共贏路徑是，算力持有方應(yīng)積極開辟“第二曲線”。舉例來說，有些大廠既是算力需求方也是提供方，在投資其他模型公司時(shí)，會把算力作為投資款的重要組成部分，這是一種非常良性的投資方式。有能力的算力服務(wù)商也可以借鑒，將算力作為投資，投向與自身下游相關(guān)的初創(chuàng)企業(yè)。這需要一定的投資能力和對AI應(yīng)用的理解力，但無疑是提升競爭力和開辟新增長點(diǎn)的有效方式。

最后，宏觀調(diào)控也將持續(xù)發(fā)揮作用。早期我們看到了對算力建設(shè)的大力支持，但當(dāng)出現(xiàn)亂象后，政策迅速收緊。未來，可以期待更多宏觀調(diào)控政策出臺，對市場進(jìn)行進(jìn)一步規(guī)范。對于模型買方，目前期望他們主動改變現(xiàn)狀可能不現(xiàn)實(shí)，但一個(gè)明顯的趨勢是，國產(chǎn)化替代會越來越強(qiáng)勁。無論是擁有自研芯片的大廠傾向于內(nèi)采，還是政府政策的積極鼓勵(lì)，都在推動整個(gè)行業(yè)向國產(chǎn)化方向邁進(jìn)。

張春雨： 服務(wù)商的綜合服務(wù)能力越來越重要

岑峰：張總，像 Oracle 和 OpenAI 這樣大單的算力合作，您認(rèn)為會給國內(nèi)智算力市場帶來怎樣的沖擊或者說影響？

張春雨：我認(rèn)為影響比較有限，國內(nèi)市場會按自己的節(jié)奏走。雖然國外市場是全球風(fēng)向標(biāo)，英偉達(dá)曾引導(dǎo)“算力規(guī)模決定模型質(zhì)量”的理念，但 DeepSeek 出現(xiàn)后，這一觀點(diǎn)已出現(xiàn)多元化路線。

盡管國外投資規(guī)模龐大，國內(nèi)也在大力投入，如阿里三年投資3800億人民幣，騰訊、字節(jié)等也有相當(dāng)規(guī)模的投入。重要的是，國內(nèi)的建設(shè)節(jié)奏已受政策引導(dǎo)。年初的“窗口指導(dǎo)”正是針對此前算力摸底中發(fā)現(xiàn)的盲目、小規(guī)模建設(shè)導(dǎo)致的嚴(yán)重浪費(fèi)。

現(xiàn)在國家正引導(dǎo)算力建設(shè)向八大樞紐、十大集群集中，并對規(guī)模、地點(diǎn)和參與方進(jìn)行規(guī)范。因此，國外的大單更多是揭示未來算力趨勢，對國內(nèi)具體路徑的影響有限。

前面余總也提到，目前國內(nèi)算力建設(shè)已經(jīng)更加謹(jǐn)慎。過去為爭指標(biāo)而盲目建設(shè)的現(xiàn)象減少，取而代之的是“先有客戶再建設(shè)”的模式，甚至采取輕量化運(yùn)營，積極利用閑散算力。從具體市場看，今年訓(xùn)練側(cè)的建設(shè)明顯放緩，項(xiàng)目減少且大項(xiàng)目決策周期拉長。但在推理側(cè)，采購需求依然旺盛，尤其互聯(lián)網(wǎng)客戶對 RTX 50系顯卡等消費(fèi)級算力需求量大，許多頭部算力提供商也通過間接方式服務(wù)互聯(lián)網(wǎng)行業(yè)。

岑峰：剛才您提到了算力需求的改變，現(xiàn)在市場用戶在尋找計(jì)算中心資源時(shí)，最關(guān)心的核心要素是什么？未來計(jì)算中心在技術(shù)架構(gòu)和商業(yè)模式上可能出現(xiàn)怎樣的演變？

張春雨：目前來看，整個(gè)市場仍處于一個(gè)供大于求的階段，這一點(diǎn)從高端 GPU 甚至整機(jī)價(jià)格的下降就能看出來。因此，客戶在選擇算力資源時(shí)，首先關(guān)注的肯定是價(jià)格，特別是對于那些兩三年以上的長期合作訂單，價(jià)格因素至關(guān)重要。

在價(jià)格之外，客戶現(xiàn)在非?？粗胤?wù)商的綜合服務(wù)能力。因?yàn)榭蛇x的算力資源實(shí)在太多了，他們會仔細(xì)考量你的技術(shù)與服務(wù)水平，以及提供的算力類型。例如，H系列是當(dāng)前主流，B 系列是未來趨勢，而 A 系列（A100/A800）由于不支持 FP8 ，在運(yùn)行 DeepSeek 這類新型模型時(shí)，性價(jià)比已大幅降低。

同時(shí)算力規(guī)模也決定了客戶的選擇意愿，能夠匹配客戶所需的大規(guī)模算力通常更具吸引力。此外，服務(wù)商過往的案例和口碑，尤其是在大模型服務(wù)方面的經(jīng)驗(yàn)，也是客戶評估的重要依據(jù)。最后，上線周期雖然不像2023年那樣，當(dāng)時(shí)“時(shí)間就是競爭力”的概念非常突出，但現(xiàn)在大客戶仍要求服務(wù)商能根據(jù)他們的特定配置需求（如網(wǎng)卡、內(nèi)存、組網(wǎng)、存儲等）進(jìn)行快速調(diào)整和部署。

這種供大于求的局面，也讓一些中小型的算力服務(wù)商面臨嚴(yán)峻挑戰(zhàn)。他們多數(shù)是在前幾年風(fēng)口期入場，如今設(shè)備高價(jià)購入，卻只能低價(jià)出租，加上服務(wù)能力跟不上，很多都陷入困境，不得不轉(zhuǎn)讓設(shè)備。

從技術(shù)架構(gòu)的角度看，我認(rèn)為未來有幾個(gè)趨勢。首先，訓(xùn)練和推理之間芯片的界限正變得模糊。雖然理論上芯片有側(cè)重，但實(shí)際應(yīng)用中更多是考慮性價(jià)比。例如，英偉達(dá)的 H20 芯片，雖然是 H100 的“閹割版”，但因其獨(dú)特的顯存配置，被業(yè)界譽(yù)為“推理圣體”，在處理 DeepSeek 這類模型時(shí)表現(xiàn)卓越，性價(jià)比甚至高于 H100 或 H200 進(jìn)行推理。

其次，未來計(jì)算中心將是多元異構(gòu)的。盡管在未來兩三年內(nèi)，英偉達(dá)仍將占據(jù)主導(dǎo)地位，但國產(chǎn)芯片，如華為新發(fā)布的昇騰950，以及寒武紀(jì)、昆侖芯等，正迎來“百花齊放”的局面。新建的計(jì)算中心必須具備統(tǒng)一納管和調(diào)度包括英偉達(dá)和國產(chǎn)芯片在內(nèi)的多種算力資源的能力。

第三，一站式服務(wù)將成為重要方向。許多垂類行業(yè)的小型企業(yè)，缺乏自行預(yù)訓(xùn)練大型模型的能力，他們更需要一個(gè)直接的結(jié)果。因此，計(jì)算中心需要提供“算力+平臺+開發(fā)服務(wù)”的整體解決方案，形成類似“AI工廠”的模式，幫助客戶基于開源模型進(jìn)行微調(diào)，實(shí)現(xiàn)特定場景的應(yīng)用。

最后，智能化運(yùn)維將變得至關(guān)重要。目前H系列產(chǎn)品在高負(fù)載下故障率較高，維修通道不暢且成本昂貴，這催生了一個(gè)龐大的維修市場。未來的技術(shù)設(shè)計(jì)必須充分考慮運(yùn)維需求，包括對溫濕度、故障率的監(jiān)控告警，以及處理時(shí)效性等。

在商業(yè)模式方面，也有明顯的轉(zhuǎn)變。簡單提供裸金屬租賃的模式已經(jīng)很難盈利，因?yàn)樵O(shè)備降價(jià)快、租金持續(xù)走低、閑置率居高不下。未來將轉(zhuǎn)向更精細(xì)化、靈活的計(jì)費(fèi)方式，如按卡、按 PFLOPs 、按時(shí)長、按利用率，甚至按 TOKEN 進(jìn)行租賃。同時(shí)，從原來的獨(dú)享模式轉(zhuǎn)向共享模式，以提升資源利用率和整體收益。

至于算力網(wǎng)的概念，我個(gè)人與黃總的看法一致，并不認(rèn)為簡單地將所有算力拉通就能解決效率問題。因?yàn)椴煌?wù)商的算力類型、規(guī)模、網(wǎng)絡(luò)帶寬、甚至應(yīng)用成熟度都差異巨大。算力網(wǎng)絡(luò)可以解決互聯(lián)互通，但無法彌補(bǔ)這種本質(zhì)上的能力差異。

余溢：我也想說一下我對“算力網(wǎng)”的看法。我一直覺得這個(gè)概念在現(xiàn)階段更像是人為創(chuàng)造的。因?yàn)樗壳盁o法做到讓不同型號的機(jī)器協(xié)同完成一個(gè)任務(wù)。你可以把同一型號的機(jī)器連在一起，讓它們共同完成一件事，但你不能把不同型號的機(jī)器連在一起，因?yàn)樗鼈冎荒芴幚聿煌娜蝿?wù)，無法形成一個(gè)統(tǒng)一的整體。

張春雨：算力網(wǎng)這個(gè)理念是好的，未來，隨著分布式訓(xùn)練或推理技術(shù)的發(fā)展，當(dāng)網(wǎng)絡(luò)延遲不再是主要問題，并且調(diào)度層能夠屏蔽底層不同算力的差異時(shí)，我認(rèn)為實(shí)現(xiàn)這個(gè)目標(biāo)是有可能的。但就目前來看，僅靠接入一個(gè)網(wǎng)絡(luò)并不能徹底解決算力消納的問題，這在現(xiàn)階段還不太現(xiàn)實(shí)。

黃朝波： 卷創(chuàng)新、卷模式、卷資源整合

岑峰：聽了張總的解釋，我感覺現(xiàn)在的計(jì)算市場有點(diǎn)像十年前的云計(jì)算，大家都在思考如何更好地組織和調(diào)度算力，而不是簡單地堆砌資源。黃總，您之前曾提到，計(jì)算中心會經(jīng)歷一個(gè)“打時(shí)間差”的階段，最終會走向類似“綜合計(jì)算”的模式。剛才余總也提到，一些大廠會要求算力提供方提供標(biāo)準(zhǔn)化的服務(wù)。我想請教您，驅(qū)動這種“內(nèi)卷”的核心因素是什么？這種趨勢對于產(chǎn)業(yè)鏈，特別是中小企業(yè)，又意味著什么？

黃朝波：首先，我更愿意用“綜合計(jì)算”來代替“通算”，因?yàn)樗粌H涵蓋了通用的 CPU 計(jì)算，更將智算、超算、甚至是未來的量子計(jì)算和類腦計(jì)算都統(tǒng)籌進(jìn)來。算力作為基礎(chǔ)設(shè)施，需要賦能千行百業(yè)，這就決定了它必須是一個(gè)綜合計(jì)算的過程。

至于您提到的“內(nèi)卷”，其核心原因在于算力生產(chǎn)方的話語權(quán)較弱。智算中心只是最基礎(chǔ)的算力資源提供者，而云計(jì)算平臺會在這個(gè)基礎(chǔ)上進(jìn)行多層增值，包括封裝成算力服務(wù)、模型和數(shù)據(jù)，以及最終的業(yè)務(wù)解決方案。這些增值環(huán)節(jié)與業(yè)務(wù)結(jié)合緊密，利潤也更高。但同時(shí)，它們要求智算中心提供相對標(biāo)準(zhǔn)化的產(chǎn)品，這就導(dǎo)致智算中心在競爭中處于不利地位，大家只能通過價(jià)格來“內(nèi)卷”。

對于產(chǎn)業(yè)鏈上的中小企業(yè)來說，我認(rèn)為這既是挑戰(zhàn)也是機(jī)遇。許多企業(yè)目前的“內(nèi)卷”停留在低層次，比如拼價(jià)格、拼誰的毛利更低。我認(rèn)為我們應(yīng)該轉(zhuǎn)向更高層次的“內(nèi)卷”，去卷創(chuàng)新、卷模式、卷資源整合。

同時(shí)，很多中小企業(yè)都試圖進(jìn)行“垂直整合”，從底層算力到上層應(yīng)用全鏈條都自己搞定。實(shí)際上，這種模式只有大廠才有能力做到。對于中小企業(yè)而言，更明智的做法是聚焦。在軟硬件堆棧的某個(gè)薄弱環(huán)節(jié)上，將其做到極致，然后把規(guī)模做大，這可能是提升競爭力的關(guān)鍵。

岑峰：剛才三位都提到了，未來長期來看算力會變得更加充裕，而如何提供差異化服務(wù)來獲得客戶會成為關(guān)鍵。我想請教黃總，在未來的計(jì)算產(chǎn)業(yè)鏈中，誰會占據(jù)更好的生態(tài)位？是掌握算力資源的計(jì)算中心，還是掌握算法和模型的廠商，又或者是掌握應(yīng)用和客戶的第三方服務(wù)商？

黃朝波：我認(rèn)為首先可以排除智算中心。它位于產(chǎn)業(yè)鏈最上游，難以控制局面，只能深陷價(jià)格戰(zhàn)，而且屬于重資產(chǎn)投入，可能更適合政府、央企和國企來做。

至于模型、算法廠商和掌握應(yīng)用、客戶的第三方服務(wù)商，我認(rèn)為最終有價(jià)值的形態(tài)會介于兩者之間。模型和算法本身只是工具，它必須落地到具體的行業(yè)和業(yè)務(wù)場景中才能產(chǎn)生價(jià)值。所以，模型公司最終一定會聚焦在自己更擅長、更有客戶資源的特定行業(yè)和場景。

而對于掌握應(yīng)用和客戶的第三方企業(yè)來說，面向普通消費(fèi)者的（To C）市場競爭激烈，很難形成差異化。而面向企業(yè)的（To B）市場則會面臨大量定制化需求，如果只是停留在上層應(yīng)用，很容易變得業(yè)務(wù)分散，營收也難以做大。

所以，無論是從模型算法廠商，還是從應(yīng)用服務(wù)商，最終都會向中間靠攏，形成一種面向特定行業(yè)和特定場景的解決方案提供商。這種形態(tài)融合了模型算法的能力和應(yīng)用落地的經(jīng)驗(yàn)，從而在產(chǎn)業(yè)鏈中占據(jù)更有價(jià)值的生態(tài)位。

岑峰：黃總剛才提到了“綜合計(jì)算”這個(gè)概念，因?yàn)槲磥淼母餍懈鳂I(yè)都會有相應(yīng)的計(jì)算需求。您認(rèn)為對于想進(jìn)入計(jì)算賽道的玩家來說，是建立服務(wù)各行各業(yè)的綜合計(jì)算能力更重要，還是專注于某個(gè)領(lǐng)域做精做專更重要？

黃朝波：我認(rèn)為，現(xiàn)在再花大力氣去做那些基礎(chǔ)的智算建設(shè)，意義已經(jīng)不大了。因?yàn)榇髲S在這方面已經(jīng)做得非常成熟，我們很難超越。

對于中小企業(yè)來說，真正的機(jī)會在于聚焦在業(yè)務(wù)賦能和場景賦能上，也就是我們常說的“最后一公里”或“最后五公里”。換句話說，就是去做行業(yè)專屬云或領(lǐng)域?qū)僭啤?/p>

至于這些企業(yè)如何獲取 MaaS、PaaS、IaaS 等基礎(chǔ)服務(wù)能力，我認(rèn)為有兩種方式：一是自己投入研發(fā)；二是與像我們這樣的廠商合作。我們會提供底層能力，讓他們能夠?qū)Ｗ⒂跇I(yè)務(wù)場景的賦能。這樣做不僅能降低成本，還能幫助他們快速聚焦在核心價(jià)值上。在 AI 快速發(fā)展的背景下，底層的技術(shù)各家都是重復(fù)的，沒必要自己去面面俱到，把精力集中在最能創(chuàng)造價(jià)值的環(huán)節(jié)，才是中小企業(yè)的生存之道。

03

破局：企業(yè)路徑與實(shí)踐

岑峰：我們剛才討論了市場的挑戰(zhàn)，現(xiàn)在我想把話題拉回到各位嘉賓所在的企業(yè)。接下來，請三位分享一下，在各自的領(lǐng)域，你們是如何定義和構(gòu)建自己的破局路徑的？最好能結(jié)合公司正在做的具體實(shí)踐來談一談。

余溢：我們善思的 AGI 業(yè)務(wù)，核心概念是“AI+行業(yè)”。雖然我們團(tuán)隊(duì)規(guī)模很小，但項(xiàng)目覆蓋 B端、G端 和 C端，做得事情還挺多的。

我們認(rèn)為，未來的 AI 應(yīng)用應(yīng)該聚焦在很垂直、很細(xì)分的領(lǐng)域。我們的方法論是讓專業(yè)的人做專業(yè)的事：我們只負(fù)責(zé)技術(shù)，然后深度綁定行業(yè)內(nèi)的合作伙伴。他們有充足的行業(yè)知識、痛點(diǎn)和數(shù)據(jù)，而我們則提供技術(shù)能力，共同開發(fā)垂類應(yīng)用，真正把這個(gè)行業(yè)的需求吃透。

舉個(gè)例子，我們做了一款叫做“直播 AI 中控”的應(yīng)用。它能用 AI 替代直播間里除了主播以外的所有人工，幫助品牌方在不影響 GMV 的情況下，大幅節(jié)省人力成本。一個(gè)直播間的中控人員一個(gè)月成本可能就要上萬，一年就是幾十萬。我們的產(chǎn)品就是為他們節(jié)省了這筆開支，甚至提供了很多小工具來提高整體運(yùn)營效率。

再比如為政企類客戶做會議紀(jì)要產(chǎn)品時(shí)，我們通過技術(shù)與體驗(yàn)的結(jié)合讓工具更好用：服務(wù)上，支持租賃式內(nèi)網(wǎng)部署，滿足安全性、合規(guī)性要求；技術(shù)上，融合語音識別、語義分析、歷史文件調(diào)用、上下文理解、本地知識庫對接等多模型能力；交互上，打造類 Agent 的便捷操作界面，貼合客戶日常使用習(xí)慣 —— 讓模型從 “難用的技術(shù)” 變成 “順手的工具”。

在這里，我們并不追求使用多高級的大模型，而是始終把為客戶交付真實(shí)價(jià)值放在首位。大模型只是我們眾多技術(shù)手段中的一個(gè)工具。在那個(gè)直播項(xiàng)目中，我們用到了傳統(tǒng)的算法、機(jī)器學(xué)習(xí)模型、Transformer 大模型，還有網(wǎng)絡(luò)、視頻流等技術(shù)。而且作為應(yīng)用方，我們也在盡量減少算力成本，通過云邊結(jié)合，甚至本地計(jì)算來提高效率、減少延遲，我覺得這也會是未來 AI 應(yīng)用的一個(gè)趨勢。

最后，我想說，現(xiàn)在對于我們這種做AI應(yīng)用的小公司來說，是一個(gè)絕佳的機(jī)會。大廠擅長做基礎(chǔ)模型和大賽道，但他們既不愿意也做不好那些像“毛細(xì)血管”一樣細(xì)分的垂直領(lǐng)域。因?yàn)榇髲S人力成本高、考核周期短，很難為一個(gè)小眾市場投入巨大的精力。這就給了我們這些創(chuàng)業(yè)企業(yè)很好的生存空間。我認(rèn)為，現(xiàn)在最大的挑戰(zhàn)是懂業(yè)務(wù)的人不懂技術(shù)，懂技術(shù)的人不懂業(yè)務(wù)。我們做的，就是找到這個(gè)平衡點(diǎn)，通過和客戶深度綁定，確保技術(shù)能真正落地，解決實(shí)際問題。

岑峰：余總強(qiáng)調(diào)了解決客戶的實(shí)際問題，特別是如何幫助技術(shù)和人手都不足的創(chuàng)業(yè)公司破局。我想請教張總，超云是如何看待當(dāng)前的機(jī)會，以及未來有什么樣的發(fā)展方向？

張春雨：我們專注于算力設(shè)備。前兩年，超云就制定了“All in AI 和 AI in All ”的戰(zhàn)略，意味著我們所有的重要業(yè)務(wù)都圍繞著AI展開。

在產(chǎn)品方面，我們目前主要聚焦推理。客戶在選擇推理整機(jī)時(shí)最關(guān)心的就是性價(jià)比和高可靠性。舉個(gè)例子，市面上有些消費(fèi)級顯卡，比如 RTX 4090，在跑一些大語言模型時(shí)還好，但如果處理多模態(tài)任務(wù)，因?yàn)槌l和散熱問題，很容易出現(xiàn)“掉卡”現(xiàn)象，穩(wěn)定性很差。我們就是要幫客戶解決這些痛點(diǎn)，提供價(jià)格合理、可靠性高，并且能批量交付的產(chǎn)品。

在方案方面，很多客戶都問我們，同樣是賣一款產(chǎn)品，為什么選擇我們。我的回答很簡單，因?yàn)槲覀冊谶@個(gè)行業(yè)里服務(wù)了大量客戶，深知在什么場景下該用什么樣的卡，搭配什么樣的內(nèi)存和硬盤。是選擇直通模式還是 PCIe 版本，我們都做了大量的驗(yàn)證。我們不直接做應(yīng)用，但我們的優(yōu)勢就在于，能為客戶提供匹配特定場景的最佳方案。我們有專業(yè)的方案團(tuán)隊(duì)，負(fù)責(zé)幫助客戶進(jìn)行推理方案的設(shè)計(jì)，包括組網(wǎng)、存儲搭配以及整體調(diào)優(yōu)。

我們很清楚自己的定位。超云不會去做垂直應(yīng)用，而是專注于產(chǎn)品和方案。我印象特別深刻的是，我們很多成功的項(xiàng)目都離不開生態(tài)伙伴的合作。我們提供一體機(jī)這樣的硬件和平臺，而生態(tài)伙伴則負(fù)責(zé)解決客戶實(shí)際的應(yīng)用落地問題。正如余總所說，如果只是單純賣機(jī)器，客戶可能根本不知道怎么用，結(jié)果當(dāng)然是不太順利的。賣設(shè)備不是終點(diǎn)，最終還是要看它能不能真正用起來。

現(xiàn)在我們有了更清晰的思路。我會明確告訴客戶，我們的一體機(jī)能提供到什么程度：硬件、平臺，外加一個(gè)低代碼開發(fā)工具。這樣客戶自己就可以做一些簡單的應(yīng)用，比如知識問答。但如果他們有更復(fù)雜的應(yīng)用場景，比如在教育、醫(yī)療或金融等領(lǐng)域，我們就會匹配相應(yīng)的生態(tài)伙伴。這種邊界清晰的合作模式，能讓我們專注于自己的核心優(yōu)勢，同時(shí)確?？蛻舻膶?shí)際需求得到滿足，避免我們陷入那些“苦活、累活”中。

余溢：張總說得太對了。這就是我們行業(yè)從業(yè)者的共同感受。要讓一體機(jī)真正發(fā)揮作用，關(guān)鍵在于生態(tài)伙伴，他們能結(jié)合客戶實(shí)際需求，提供終端應(yīng)用服務(wù)。如果只是純粹賣機(jī)器，這東西到客戶手里，可能就用不起來。

張春雨：沒錯(cuò)。這就是為什么我們現(xiàn)在這么幸運(yùn)，有合作伙伴愿意去做這些“臟活、苦活、累活”，而我們則能專注于提供底層的、更標(biāo)準(zhǔn)化的產(chǎn)品和服務(wù)。岑峰：黃總，面對當(dāng)前的新局面，您打算采取哪些方式來“做大做強(qiáng)”？

黃朝波：其實(shí)我個(gè)人對“一體機(jī)”這種模式一直不太看好，我覺得它只是一個(gè)階段性的產(chǎn)物。我更喜歡從終局來思考：未來三五年，市場最終會走向哪里？從公有云的發(fā)展歷史來看，它最終會統(tǒng)一一切，而一體機(jī)比私有云還要更“私有化”，從長期看，它必然會回歸到公有云加混合云的模式。

一體機(jī)模式面臨一個(gè)巨大的挑戰(zhàn)：軟件工作量非常大，而且現(xiàn)在的 AI 工程師很昂貴，但客戶又不舍得為軟件付費(fèi)，這導(dǎo)致用戶體驗(yàn)很差，形成惡性循環(huán)。因此，我們的觀點(diǎn)依然是，要回歸到大規(guī)模運(yùn)營，通過公共云模式來分?jǐn)傑浖杀尽?/strong>

04

下一個(gè)關(guān)鍵變量

岑峰：我們注意到，大模型已經(jīng)進(jìn)入下半場，是以應(yīng)用為導(dǎo)向的。剛才幾位嘉賓也聊了很多。未來，如果像自動駕駛、行業(yè)大模型等各種應(yīng)用爆發(fā)，會對計(jì)算市場產(chǎn)生哪些顛覆性的影響？三位嘉賓又如何判斷，下一個(gè)能影響計(jì)算市場生存法則的關(guān)鍵變量是什么？

黃朝波：好的，我先簡單談?wù)勎业目捶?。從技術(shù)架構(gòu)來看，未來最大的變化是云邊端一體化?，F(xiàn)在，英偉達(dá)的芯片架構(gòu)在數(shù)據(jù)中心和終端設(shè)備上是一樣的，只是規(guī)格大小不同。由于終端算力有限，一些計(jì)算任務(wù)必須放到邊緣甚至云端去完成。對于自動駕駛這樣對算力要求極高的應(yīng)用來說，云邊端一體化是必然趨勢。

要實(shí)現(xiàn)這個(gè)目標(biāo)，對技術(shù)要求非常高，包括底層的網(wǎng)絡(luò)、多集群管理、跨集群調(diào)度以及上層業(yè)務(wù)的微服務(wù)重構(gòu)等，這是一個(gè)非常復(fù)雜但前景廣闊的領(lǐng)域。一旦成功，就意味著每輛車都需要海量的算力，我們現(xiàn)在建設(shè)的算力將遠(yuǎn)遠(yuǎn)不夠。因此，未來要想真正推動智算發(fā)展，必須重點(diǎn)關(guān)注并投入到這些對算力需求特別大的場景中去。

至于誰將掌握話語權(quán)，我的觀點(diǎn)依然是：以終為始。最終的結(jié)局是算力必然過剩，這是不可避免的。算力廠商很難再像現(xiàn)在這樣擁有絕對的話語權(quán)，因?yàn)橛ミ_(dá)目前的地位是特定時(shí)期的產(chǎn)物。從長期來看，誰掌握了業(yè)務(wù)，誰就掌握了一切。當(dāng)然，業(yè)務(wù)是碎片化的，所以最終掌握話語權(quán)的，是那些能將技術(shù)賦能到具體業(yè)務(wù)場景的平臺。核心還是回到平臺本身。

岑峰：張總，您怎么看黃總關(guān)于“平臺”和“業(yè)務(wù)賦能”的觀點(diǎn)？您會怎么看影響計(jì)算市場的一個(gè)關(guān)鍵變量？

張春雨：黃總在這方面見解很獨(dú)到，我完全認(rèn)同。我個(gè)人認(rèn)為，要說影響計(jì)算市場的下一個(gè)關(guān)鍵變量，還是“需求為王”。

不管是2023年的供不應(yīng)求，還是現(xiàn)在的供大于求，甚至是未來誰將占據(jù)主導(dǎo)，都取決于需求。我覺得，未來真正的變化，會來源于現(xiàn)象級應(yīng)用的爆發(fā)。我們現(xiàn)在用的豆包等應(yīng)用，對算力的消耗還比較平穩(wěn)，但一旦多模態(tài)的推理需求爆發(fā)出來，對算力的需求將呈指數(shù)級增長。

就在昨天，我參加一個(gè)客戶沙龍，有個(gè)客戶是做多模態(tài)視頻推理的。他告訴我，處理海量視頻數(shù)據(jù)，對顯存和算力的要求是以百萬臺 H20 為單位起步的。這個(gè)規(guī)模聽起來非常驚人，也預(yù)示著未來真正的市場大變局，一定會由這種現(xiàn)象級的多模態(tài)應(yīng)用來驅(qū)動。

岑峰：張總剛才提到了現(xiàn)象級應(yīng)用，那余總作為應(yīng)用領(lǐng)域的專家，您認(rèn)為哪些方向可能會產(chǎn)生這樣的現(xiàn)象級應(yīng)用呢？

余溢：這個(gè)問題嘛，我只能憑感覺說了，因?yàn)槲覀児咀龅亩际切┬”姷拈L尾賽道，專門避開那些大風(fēng)口。

不過我非常認(rèn)同張總說的多模態(tài)，這應(yīng)該是個(gè)共識。像語音、視頻這類應(yīng)用，本身對算力的消耗就非常巨大，一旦爆發(fā)，對算力市場的沖擊會是現(xiàn)象級的。

另外，我特別看好細(xì)分賽道里的 AI Agent。這些 Agent 需要處理多個(gè)任務(wù)來最終得到一個(gè)結(jié)果，它的運(yùn)行邏輯就像是一個(gè)閉環(huán)。只要中間一步出錯(cuò)，整個(gè)流程就得重新跑，所以對算力的消耗也相當(dāng)可觀。我覺得未來很可能會出現(xiàn)一些在特定細(xì)分領(lǐng)域，能處理復(fù)雜多任務(wù)的現(xiàn)象級 Agent 應(yīng)用。

還有一個(gè)方向是 AI 智能硬件。我們公司自己就在做 AI 玩具，這類產(chǎn)品需要處理實(shí)時(shí)的音視頻流，對即時(shí)響應(yīng)的要求特別高。比如情感陪伴類的硬件，像國內(nèi)的“芙崽”和海外的 Ropet，一旦規(guī)模起來，對算力的需求會很驚人?，F(xiàn)在很多這類產(chǎn)品用戶體驗(yàn)不好，就是因?yàn)樗懔Ω簧?。我做了之后就發(fā)現(xiàn)，它們確實(shí)非常缺算力，但因?yàn)槌杀靖?，大家在這方面投入得還不夠。隨著算力成本的下降和技術(shù)的成熟，智能硬件也會成為現(xiàn)象級應(yīng)用的一個(gè)重要載體。

所以總的來說，我認(rèn)為多模態(tài)、Agent 和智能硬件這些細(xì)分領(lǐng)域會是未來的大機(jī)會。它們雖然不像大模型那樣光鮮亮麗，但卻能解決實(shí)際痛點(diǎn)，并且一旦規(guī)模化，對算力的需求會呈現(xiàn)爆炸式增長，從而顛覆整個(gè)計(jì)算市場。

岑峰：那您認(rèn)為當(dāng)前 AI 應(yīng)用市場的最大機(jī)遇和挑戰(zhàn)是什么？對于創(chuàng)業(yè)者來說，如何構(gòu)建自己的核心競爭力，來避免陷入同質(zhì)化的競爭？

余溢：我認(rèn)為，機(jī)遇和挑戰(zhàn)其實(shí)是硬幣的兩面，要構(gòu)建核心競爭力，我個(gè)人有幾個(gè)建議：

第一，要解決真需求，必須是客戶真正需要、愿意付費(fèi)的業(yè)務(wù)場景。我們不能憑空想象，而要從實(shí)際痛點(diǎn)出發(fā)。

第二，你的團(tuán)隊(duì)要具備相應(yīng)的能力。這不只是技術(shù)能力，還包括對業(yè)務(wù)的深刻理解和資源整合能力。創(chuàng)業(yè)公司不能像大廠那樣什么都做，必須專注于自己擅長的事，把精力用在刀刃上。

第三，要避開大廠主攻的領(lǐng)域，因?yàn)樗麄兊馁Y源優(yōu)勢太明顯。我們應(yīng)該選擇那些大廠看不上、不愿意做的細(xì)分賽道，也就是我們常說的“長尾市場”。

最后，我想強(qiáng)調(diào)一點(diǎn)，很多人以為技術(shù)是唯一的護(hù)城河，但我認(rèn)為它可能不是最重要的競爭力。因?yàn)榇髲S會不斷開源基礎(chǔ)模型，技術(shù)能力很快就會被拉平。真正的壁壘在于數(shù)據(jù)。AI 時(shí)代和之前的互聯(lián)網(wǎng)時(shí)代不同，復(fù)制一個(gè)產(chǎn)品沒那么容易了。一旦你率先進(jìn)入市場，快速積累了用戶和數(shù)據(jù)，就形成了一個(gè)強(qiáng)大的數(shù)據(jù)壁壘，讓后來者很難追趕。

說到底，現(xiàn)在的機(jī)遇和挑戰(zhàn)其實(shí)是一體兩面。機(jī)遇在于基礎(chǔ)模型已經(jīng)成熟、成本低廉，外部環(huán)境也已準(zhǔn)備就緒。很多人說晚了，我反而覺得不晚，真正的應(yīng)用爆發(fā)潮可能要到今年底或明年初。而挑戰(zhàn)也隨之而來。創(chuàng)業(yè)者必須選好自己能做、能把得住的賽道，踏踏實(shí)實(shí)地去深挖，而不是光停留在商業(yè)計(jì)劃書上。

岑峰：剛才余總從需求端談了如何為客戶創(chuàng)造價(jià)值，我想請教張總，從供給端來看，未來的計(jì)算中心運(yùn)營模式會發(fā)生哪些變化？計(jì)算中心又該如何為客戶提升價(jià)值呢？

張春雨：我認(rèn)為從供給端來看，未來計(jì)算中心的運(yùn)營模式一定會向“易取易用”和更貼近應(yīng)用的方向發(fā)展。

首先，我們會從單一的裸金屬租賃，轉(zhuǎn)向更加多元化的服務(wù)模式。這個(gè)多元化體現(xiàn)在兩方面：第一是使用方式上的靈活。我們不再只賣算力，而是提供各種套餐。比如，客戶可以根據(jù)需求選擇就近部署，或者選擇性價(jià)比更高的方案，甚至根據(jù)芯片類型（國產(chǎn)還是英偉達(dá)）來做選擇。對一些學(xué)校來說，他們可能只需要短期使用兩三個(gè)月，那就可以選擇靈活的套餐，而不需要獨(dú)占整個(gè)設(shè)備。

第二是提供增值服務(wù)。我認(rèn)為可以分為兩種模式：

第一種模式我稱之為“AI工廠”模式，這是一種更高級的交付模式。我們不只提供“廚房”，而是能直接“端菜”，根據(jù)客戶的場景和預(yù)算，提供預(yù)訓(xùn)練或微調(diào)等服務(wù)，幫助他們直接拿到想要的結(jié)果。

另一種模式是“AI商店”模式：這是一個(gè)更深層次的模式，我們不再是賣算力或Token，而是幫助客戶提升他們的 KPI 。比如，客戶可能希望通過我們的解決方案來“降低人力投入”或“提升效率”。我們提供的價(jià)值不再是簡單的算力，而是實(shí)實(shí)在在的降本增效。

當(dāng)然，這些增值服務(wù)不是任何一家公司能單獨(dú)完成的。超云的優(yōu)勢在于提供設(shè)備和平臺，但要構(gòu)建一個(gè)完整的體系，我們必須和像余總、黃總這樣的公司合作，才能真正為客戶提供完整的解決方案。

岑峰：黃總，矩向科技正在將算力供給、平臺和應(yīng)用消費(fèi)這幾個(gè)環(huán)節(jié)串聯(lián)起來。您認(rèn)為這種模式如何幫助中小服務(wù)商在激烈的競爭中找到新的生存空間，并實(shí)現(xiàn)可持續(xù)發(fā)展？

黃朝波：這是一個(gè)非常好的問題，也是我們一直在深入思考的方向。我想先用芯片行業(yè)的一個(gè)現(xiàn)象來做類比：

上世紀(jì)80年代，英特爾非常強(qiáng)大，它既做芯片設(shè)計(jì)，又做芯片制造。當(dāng)時(shí)大家都覺得英特爾是不可戰(zhàn)勝的。但到了1988年，臺積電成立，專注于重資產(chǎn)的制造；1990年，Arm 成立，專注于技術(shù)賦能。緊接著，涌現(xiàn)出大量無晶圓廠的（fabless）芯片設(shè)計(jì)公司，其中的佼佼者就是英偉達(dá)、高通、博通，還有我的老東家Marvell。

我們對比一下現(xiàn)在的市值：英特爾市值1000多億，而英偉達(dá)市值一度超過4萬億，差不多是英特爾的三十到四十倍。這個(gè)例子說明，當(dāng)產(chǎn)業(yè)進(jìn)行分工之后，每個(gè)企業(yè)都可以輕裝上陣，聚焦在自己最擅長的創(chuàng)新能力上，而其他的資源都可以輕松獲取。這就是產(chǎn)業(yè)分工的巨大價(jià)值。

回到算力這個(gè)事情上，智算的出現(xiàn)給了大家機(jī)會，但時(shí)間窗口并不長。我認(rèn)為，我們可以按照芯片行業(yè)的模式對智算產(chǎn)業(yè)進(jìn)行分工，智算中心專注于重資產(chǎn)的算力提供，智算云：專注于業(yè)務(wù)賦能、客戶和市場營銷，技術(shù)賦能方比如我們矩向?qū)Ｗ⒂谔峁┘夹g(shù)支持，眾多經(jīng)銷商和最終客戶專注于業(yè)務(wù)落地。

大家合力構(gòu)建一個(gè)開放、分工協(xié)作的生態(tài)，很多企業(yè)現(xiàn)在都在努力，但往往是孤軍奮戰(zhàn)，努力的成果也像孤島一樣難以為繼。我們建議，未來需要有一個(gè)開放式的全新產(chǎn)業(yè)鏈，讓數(shù)千家公司共同參與進(jìn)來。每個(gè)企業(yè)做好自己的事情，通過創(chuàng)新脫穎而出，最終實(shí)現(xiàn)共同的成長和收益。

05

QA

岑峰：接下來，我們來回答一些觀眾的問題。有觀眾提問說，不同型號的服務(wù)器現(xiàn)在無法“歸同”，想問一下這個(gè)研發(fā)難度大嗎？這會是一個(gè)新的機(jī)會嗎？這個(gè)問題似乎張總來回答比較合適。

張春雨：這位觀眾的用詞可能不是特別準(zhǔn)確，他說的“歸同”應(yīng)該是指統(tǒng)一納管、統(tǒng)一管理和統(tǒng)一調(diào)度。

我認(rèn)為可以從三個(gè)層面來看，首先是統(tǒng)一管理和運(yùn)維， 這是最基礎(chǔ)的層面。服務(wù)器和 PC 不同，它需要規(guī)?；渴鸷瓦\(yùn)維。目前，市面上已經(jīng)有很多第三方軟件可以做到這一點(diǎn)，比如對幾百甚至上千臺不同服務(wù)器進(jìn)行統(tǒng)一的地址分配和系統(tǒng)安裝。這部分的技術(shù)難度不大，也已經(jīng)有很多成熟的解決方案。

統(tǒng)一資源調(diào)度這部分難度會高一些，服務(wù)器種類很多，有通用服務(wù)器、GPU 服務(wù)器、國產(chǎn)服務(wù)器等等?，F(xiàn)在，單一的平臺已經(jīng)能夠做到基本的資源調(diào)度，比如將不同類型的設(shè)備歸到一個(gè)組里，進(jìn)行統(tǒng)一管理，這也是沒問題的。

最后是異構(gòu)算力整合，這是目前難度最大、也最具有挑戰(zhàn)性的領(lǐng)域。簡單來說，就是把不同架構(gòu)、不同品牌的算力整合起來，實(shí)現(xiàn)統(tǒng)一調(diào)度。比如說，當(dāng)一個(gè)訓(xùn)練任務(wù)來了，平臺可以根據(jù)算力閑置情況，優(yōu)先分配給英偉達(dá)的 GPU，如果英偉達(dá)的算力跑滿了，再自動切換到國產(chǎn)算力。目前，北京有很多公司正在攻克這個(gè)難題。雖然很難，但并非完全無解。通常，只要設(shè)備不是特別小眾，都可以通過引入第三方服務(wù)來解決，但需要為此支付額外的費(fèi)用。所以，這的確是一個(gè)機(jī)會，但它需要一定的技術(shù)投入和成本。

余溢：對，張總剛才說到那個(gè)異構(gòu)算力的問題，我就一直覺得這個(gè)概念挺有意思的。如果我的理解沒錯(cuò)，目前的技術(shù)還無法真正做到“歸同”。也就是說，你沒辦法讓一個(gè)任務(wù)同時(shí)在 NVIDIA 和另一個(gè)品牌的顯卡上協(xié)同工作。如果強(qiáng)行這么做，結(jié)果會是以最慢的那個(gè)為準(zhǔn)，你快的那部分先算完了，也得等著慢的那部分，整個(gè)任務(wù)最終的速度是由最慢的那個(gè)來決定的。所以，這種方式在AI訓(xùn)練場景下，效率是完全無法保證的。

張春雨：是的，沒錯(cuò)，這個(gè)技術(shù)現(xiàn)在確實(shí)還不太成熟。我也接觸過很多客戶，他們也都在問這個(gè)問題。我覺得這塊還是得讓黃總來解釋，他才是最專業(yè)的。

黃朝波：因?yàn)槲乙郧白鲂酒模铱梢陨晕⒔忉屢幌?。行業(yè)里有個(gè)專業(yè)術(shù)語叫“多元異構(gòu)”，指的就是這個(gè)問題。我的結(jié)論很簡單：多元異構(gòu)在推理場景下可以，但在訓(xùn)練場景下最好別這么做。

為什么呢？因?yàn)槲覀冏鲇?xùn)練時(shí)，是集群計(jì)算。同一個(gè)計(jì)算任務(wù)，最好在同一種架構(gòu)上跑。計(jì)算的過程中，我們不知道會遇到多少復(fù)雜問題，所以盡量把問題簡化。而在訓(xùn)練場景下，不同架構(gòu)硬是湊在一起，只會讓問題變得更復(fù)雜，最終可能導(dǎo)致訓(xùn)練失敗，反而降低了效率。

所以，正確的做法是，我們做的多元異構(gòu)調(diào)度，不是讓同一個(gè)任務(wù)去跑在不同的架構(gòu)上，我們的異構(gòu)調(diào)度指的是不同任務(wù)在調(diào)度時(shí)被分配到不同的地方，僅此而已。同一個(gè)計(jì)算任務(wù)，不能多元。

岑峰：對，幾位嘉賓剛才的解答非常透徹，也讓我們更清楚地認(rèn)識到，客戶對這個(gè)領(lǐng)域的認(rèn)知還需要一個(gè)逐步加深的過程，這場對話讓我們對智算市場的現(xiàn)狀和未來有了更清晰的理解。

最后，我想請三位嘉賓各自用一句話做個(gè)總結(jié)，對智算市場的未來進(jìn)行展望，或者給正在這個(gè)賽道上的企業(yè)和個(gè)人一些建議。

余溢：謝謝主持人。我的總結(jié)是，我對未來市場非常有信心。

首先，我認(rèn)為整個(gè) AI 市場未來會分流和分層，變得更專業(yè)化。頭部企業(yè)會繼續(xù)深耕頭部市場，而中小企業(yè)和創(chuàng)業(yè)者則會專注長尾市場。每個(gè)團(tuán)隊(duì)都能找到自己的生態(tài)位，各司其職，競爭格局也會因此變得更清晰。

其次，我堅(jiān)信，真正的 AI 應(yīng)用爆發(fā)期就在未來一年內(nèi)。應(yīng)用的爆發(fā)會帶動整個(gè)行業(yè)生態(tài)一起進(jìn)步，而技術(shù)的每一次更新，也都會推動整個(gè)行業(yè)向前發(fā)展。

張春雨：我的看法跟余總很相似。首先，前不久國務(wù)院發(fā)布的“人工智能+”政策，我相信它會像當(dāng)年的“互聯(lián)網(wǎng)+”一樣，甚至潛力更大。根據(jù)我十幾年的行業(yè)經(jīng)驗(yàn)，我預(yù)測未來5到10年，算力市場依然會保持非常高的增速。

另外，從從業(yè)者的角度看，不管是做芯片、整機(jī)、平臺還是應(yīng)用，只要我們能深耕和聚焦，就一定會有所收獲。

黃朝波：我總結(jié)三點(diǎn)吧。第一，我們認(rèn)為現(xiàn)在這種算力調(diào)度和轉(zhuǎn)售業(yè)務(wù)可能只是一個(gè)臨時(shí)狀態(tài)，未來必然會走向消亡。

第二，智算云才是未來。我們推斷，未來的智算云市場可能會呈現(xiàn)“三七開”的局面，即70%的市場由巨頭主導(dǎo)，另外30%則由專業(yè)的輕量化廠商來占據(jù)。這些廠商將更專注于創(chuàng)新，以地域或行業(yè)為特色，更容易實(shí)現(xiàn)快速迭代和演進(jìn)。

第三，我想特別提到國務(wù)院的 AI 政策，里面有一個(gè)詞引起了我的關(guān)注：“AI原生”。它和“AI+”是完全不同的概念。“AI+”是 AI 賦能現(xiàn)有業(yè)務(wù)，而“AI原生”意味著要推倒重來，重新構(gòu)建業(yè)務(wù)、場景和服務(wù)體系。這給了我們很多啟發(fā)，也希望未來能有更多朋友一起討論。

岑峰：感謝三位嘉賓的精彩分享。今天由于時(shí)間關(guān)系，我們的線上圓桌就暫時(shí)到這里了。就像大家所說，這個(gè)領(lǐng)域變化非?？欤晕覀円矔图钨e們保持密切溝通。再次感謝三位嘉賓和所有觀眾的參與。

未經(jīng)「AI科技評論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時(shí)需標(biāo)注來源并插入本公眾號名片。