算力市場正悄然換擋，由“野蠻生長”階段,，步入“運(yùn)營時(shí)代”,。

作為數(shù)字經(jīng)濟(jì)發(fā)展的關(guān)鍵基礎(chǔ)設(shè)施，“算力”成為各地?cái)?shù)字化,、智能化轉(zhuǎn)型的金鑰匙,。算盤一打，便讓人眼前一亮：據(jù)中國信通院測算,，每投入1元算力,，就能拉動(dòng)3-4元的GDP增長，經(jīng)濟(jì)引擎效應(yīng)不言而喻,。

隨著我國算力水平的飛速發(fā)展,，當(dāng)前總規(guī)模已達(dá)246EFLOPS，躋身全球前列,。預(yù)計(jì)到2025年,，算力核心產(chǎn)業(yè)規(guī)模將膨脹至4.4萬億，聯(lián)動(dòng)產(chǎn)業(yè)規(guī)模更將突破24萬億大關(guān),。

如今,，大范圍的“算力荒”現(xiàn)象明顯緩解,。甚至，今年以來,，算力閑置,、浪費(fèi)、利用率低的情況已經(jīng)開始顯現(xiàn),，“算力消納困難”的問題在全國呈現(xiàn)多點(diǎn)爆發(fā)趨勢……

隨之,，市場對(duì)“算力運(yùn)營”的需求開始躍升。

IDC數(shù)據(jù)顯示,，2023年“中國智算服務(wù)市場”規(guī)模已近200億,，且未來五年，將保持18.9%的年復(fù)合增長率,，2027年有望觸及3075億規(guī)模,。

面對(duì)這片千億藍(lán)海市場，不少企業(yè)已摩拳擦掌,，積極探索算力的規(guī)劃與運(yùn)營,。如何激活閑置算力，使物盡其用,？又如何以算力為依托,，進(jìn)一步盤活人工智能市場的發(fā)展？

針對(duì)這些問題,，本期第一新聲采訪并引用了無錫數(shù)據(jù)集團(tuán)戰(zhàn)略發(fā)展部兼無錫市數(shù)字新基建公司負(fù)責(zé)人孫榮鋒,、原IDC圈分析師金磊、英諾天使基金合伙人王晟,、第一新聲創(chuàng)始人兼CEO姚毅,、北電數(shù)智戰(zhàn)略與市場負(fù)責(zé)人楊震、北電數(shù)智產(chǎn)業(yè)生態(tài)部負(fù)責(zé)人吳岳,、中國信通院云計(jì)算與大數(shù)據(jù)研究所總工程師郭亮,、螞蟻數(shù)科AI科技技術(shù)負(fù)責(zé)人李哲等行業(yè)大咖的最新觀點(diǎn)，共同探討算力新時(shí)代下的“新機(jī)會(huì)”和“新解法”,。

算力喊“閑”,？

算力“建設(shè)”熱潮下，“消納”寒意漸顯,。

大模型爆發(fā)帶動(dòng)了算力的井噴式增長,，這股熱潮下，地方政府,、運(yùn)營商,、互聯(lián)網(wǎng)大廠紛紛按下加速鍵，大規(guī)模興建智算中心，試圖加入這場算力的盛宴,。數(shù)據(jù)顯示，2023年全國的智算中心數(shù)量還在30個(gè)左右,，而截至今年上半年,，國內(nèi)建成和正在建設(shè)的智算中心已經(jīng)超過250個(gè)。

圖片來源：觀研天下

當(dāng)算力洪流洶涌而至,，算力市場出現(xiàn)了哪些新變化,？從智算中心、大模型企業(yè)等供需兩端的動(dòng)態(tài)中,，我們可以直觀地感知到,。

首先，智算中心已經(jīng)拉響了“算力閑置”的警報(bào),。

在密集的智算中心建設(shè)熱潮下,，市場端愕然發(fā)現(xiàn)：這些新增的算力似乎并未如預(yù)期那般，在推動(dòng)實(shí)際應(yīng)用落地,、助力地方產(chǎn)業(yè)升級(jí)等方面大放異彩,。“現(xiàn)在全國90%的智算中心算力規(guī)模低于1000P,，對(duì)大模型訓(xùn)練作用有限,，未來使用效率存疑?！敝袊磐ㄔ涸朴?jì)算與大數(shù)據(jù)研究所總工程師郭亮對(duì)龐大的智算中心建設(shè)數(shù)量表示擔(dān)憂,。

自2024年下半年以來，算力中心的機(jī)架空置問題開始凸顯,；過去一年間,，北京一家算力運(yùn)營商在與眾多建設(shè)智算中心的政府及企業(yè)客戶進(jìn)行了深入交流后，明顯感受到“市場對(duì)算力消納的需求越來越迫切”,。

某大型智算中心相關(guān)負(fù)責(zé)人向第一新聲談到：“從2024年開始,，采購和租用算力設(shè)備的企業(yè)明顯減少；到了現(xiàn)階段,，甚至單純的拼低價(jià),，都已經(jīng)難以有效消納市場上的存量算力……”

眼下，多數(shù)智算中心仍主要寄希望于手握大模型訓(xùn)練的“算力消耗大戶”,，但現(xiàn)實(shí)困境是：大客戶資源越來越稀缺,，而智算中心又無法給出更精細(xì)化的策略、更具吸引力的價(jià)格來服務(wù)中小型客戶,。由此,，算力消納陷入僵局。

“B端需求方傾向于選擇熟悉的合作伙伴,，成功交易往往還是局限于良好的合作關(guān)系之間,，或具備較強(qiáng)綜合實(shí)力的供應(yīng)商,。”上海潤六尺科技有限公司總經(jīng)理張亞洲說到,。算力大客戶早被鎖定,，難以撬動(dòng)，這也進(jìn)一步考驗(yàn)了新建智算中心尋找客戶的能力,。

其次,，當(dāng)前大模型訓(xùn)練需求顯著下滑，而推理需求的增長是一個(gè)循序漸進(jìn)的過程,，整體而言,，算力采購市場也正經(jīng)歷明顯的冷卻期。

狂飆兩年后,，大模型的發(fā)展開始從狂熱回歸到冷靜,。國外方面，OpenAI,、Anthropic相繼推遲了最新模型的計(jì)劃發(fā)布時(shí)間,；國內(nèi)大模型公司則開始出現(xiàn)“做減法”的趨勢。

一方面,，GPT5的發(fā)布一再推遲,，市場技術(shù)引領(lǐng)缺失，導(dǎo)致整個(gè)行業(yè)大模型的開發(fā)和訓(xùn)練活躍程度徘徊在低位,。加之高昂的訓(xùn)練成本與持續(xù)的開源風(fēng)險(xiǎn),，業(yè)界普遍將目光投向下一代大模型的誕生，以期新的技術(shù)框架重新激活市場活力,。

網(wǎng)信辦數(shù)據(jù)顯示,，截至2024年10月，已有188個(gè)大模型通過生成式AI備案,，但其中超三成的大模型在備案后并未進(jìn)一步公開進(jìn)展,，只有約10%的大模型在加速訓(xùn)練。

另一方面,，當(dāng)前業(yè)內(nèi)開始形成的共識(shí)是：“大模型并非參數(shù)越多越好”,，原IDC圈分析師金磊分析到：“一些大模型廠商在基礎(chǔ)模型達(dá)到百億參數(shù)量后，便轉(zhuǎn)向了行業(yè)應(yīng)用的發(fā)展,，不再盲目追求模型千億,、萬億參數(shù)規(guī)模的排名?！?/p>

而在應(yīng)用方面,，大模型企業(yè)在經(jīng)歷了商業(yè)化征途上的廣泛試水后，也開始回歸到各自更擅長的領(lǐng)域，打法上更加聚焦,。例如,，今年9月，月之暗面決定停止兩款出海產(chǎn)品Ohai和Noise的嘗試,，專注Kimi的開發(fā),。百川智能創(chuàng)始人王小川則表示將全面投入AI醫(yī)療。

“大模型企業(yè)采取聚焦行業(yè),、精簡規(guī)模等措施，本質(zhì)原因還是期望通過成本的控制來實(shí)現(xiàn)真正的商業(yè)化落地,。當(dāng)前國內(nèi)大模型賽道的燒錢戰(zhàn)已經(jīng)告一段落,，為避免高昂的后期使用成本，‘做減法’成為多方選擇,?！钡谝恍侣晞?chuàng)始人兼CEO姚毅說到。

同時(shí),，當(dāng)前資方對(duì)部分市場大模型的投資轉(zhuǎn)為理性,。此番風(fēng)向轉(zhuǎn)變預(yù)示著，在基礎(chǔ)大模型風(fēng)潮過后,、推理需求尚未形成較大規(guī)模之前,，算力市場將短期承壓。

此外,，當(dāng)前大模型的發(fā)展也正面臨著安全可信的高質(zhì)量數(shù)據(jù)短缺問題,。“未來的AI應(yīng)用需要大量稀缺且難以獲取的長尾數(shù)據(jù),，如自動(dòng)駕駛中的極端天氣與極端路況數(shù)據(jù),、具身智能訓(xùn)練所需要的復(fù)雜場景數(shù)據(jù)等?！蔽浵仈?shù)科AI科技技術(shù)負(fù)責(zé)人,、螞蟻天璣實(shí)驗(yàn)室主任李哲說到。

近年來,，伴隨著大模型技術(shù)的發(fā)展,，機(jī)器學(xué)習(xí)正從“以模型為中心”轉(zhuǎn)向“以數(shù)據(jù)為中心”，高質(zhì)量數(shù)據(jù)可以更好地提升模型的準(zhǔn)確性和穩(wěn)定性,，但到當(dāng)前階段,，數(shù)據(jù)短缺已經(jīng)成為制約模型發(fā)展的關(guān)鍵。據(jù)Gartner預(yù)計(jì),，2024年,，60%的AI數(shù)據(jù)將是合成數(shù)據(jù)；Epoch AI Research研究團(tuán)隊(duì)更是大膽預(yù)測“到 2026 年，現(xiàn)存的用于AI模型訓(xùn)練的高質(zhì)量語言數(shù)據(jù)將耗盡,?！?/p>

“垂類模型深耕細(xì)分行業(yè)，精準(zhǔn)掌握特定領(lǐng)域的知識(shí)模式,，其高度專業(yè)化讓任務(wù)執(zhí)行更精準(zhǔn),、更高效。但目前缺少安全可信,、高質(zhì)量的數(shù)據(jù)支撐,，很難在實(shí)際應(yīng)用中大規(guī)模的開展起來?！币晃恍袠I(yè)人士對(duì)第一新聲坦言,。

算力需求走低，牽引著其上下游產(chǎn)業(yè)也步入降價(jià)通道,?！霸?jīng)一卡難求的算力GPU也出現(xiàn)了明顯的降價(jià)趨勢。具體而言,，熱門芯片英偉達(dá)H100的八卡整機(jī)價(jià)格,，已經(jīng)從去年的360萬巔峰下降到230萬。這也說明,，當(dāng)前階段市場算力是足夠的,，主要是需求在下滑?！庇⒅Z天使基金合伙人王晟說到,。

“買”、“賣”兩難,，

市場深陷“低效利用”迷局

“智算中心的利用率普遍徘徊在低位,，而眾多中小企業(yè)卻仍然難以負(fù)擔(dān)高昂的算力成本?！笔撬懔κ袌鲈谛颅h(huán)境下面臨的尷尬局面,。

IDC今年的調(diào)研數(shù)據(jù)顯示，以企業(yè)為主要用戶的算力中心,，其利用率普遍徘徊在10%-15%的低位,。而根據(jù)推算，想要帶來顯著的經(jīng)濟(jì)效益,，算力中心的理想利用率目標(biāo)至少為80%,。當(dāng)大量算力資源陷入“沉睡危機(jī)”時(shí)，算力需求方卻難以在市場上找到合適的算力,?！凹词菇衲暌詠硭懔r(jià)格有所下滑,，但對(duì)于眾多中小企業(yè)而言，仍然是很貴的,?！北彪姅?shù)智戰(zhàn)略與市場負(fù)責(zé)人楊震說到，供需雙方間似乎存在一層無形的壁壘,，難以跨越,。

“算力閑置的重要原因是一方‘買不起’、一方‘賣不掉’”金磊剖析道,，而這一困境背后又有多重因素交織：其一,，進(jìn)口芯片難以買到，國產(chǎn)芯片性能存在代差導(dǎo)致市場使用積極性欠佳,；其二,，眾多智算中心采用的單卡集群模式，難以支撐當(dāng)?shù)禺a(chǎn)業(yè)多元化場景需求,；其三，傳統(tǒng)的租賃,、包銷模式束縛智算中心,，難以拓展多元客戶群。

進(jìn)口芯片使用受限的情況下,，國產(chǎn)芯片性能參差不齊,，缺乏實(shí)際使用場景的集群數(shù)據(jù)，導(dǎo)致市場難以做出采購選擇,，是算力難以高效利用的重要原因,。

當(dāng)前國外芯片“限供”問題造成的市場缺口，需要國產(chǎn)芯片來填補(bǔ),。加之政策層面的積極鼓勵(lì),，國產(chǎn)算力在整體算力中的占比持續(xù)攀升。然而,，據(jù)張亞洲觀察,，當(dāng)前國產(chǎn)算力市場的參與者眾多，電腦設(shè)備廠商,、ICT通訊廠商紛紛‘卷’進(jìn)來,，但真正做成、做好的不多,。正如中國工程院院士劉韻潔在2024年中國算力大會(huì)上所指出的問題：“國產(chǎn)算力已具備一定規(guī)模,，但利用率不算十分理想?！?/p>

“目前,，國產(chǎn)GPU/AI算力芯片公司的落地難度非常高,，國產(chǎn)芯片想進(jìn)智算中心，必須幫智算中心找到最終買單此芯片和設(shè)備的客戶公司,。從芯片公司,、智算中心、模型公司,，再到最終的業(yè)務(wù)客戶,，整個(gè)鏈條緊密耦合?！北彪姅?shù)智產(chǎn)業(yè)生態(tài)部負(fù)責(zé)人吳岳進(jìn)一步分析到,。

同時(shí)，單卡集群應(yīng)用場景少,，尤其是對(duì)豐富的AI場景支撐性不足,，加劇了算力利用率低的問題。楊震作比喻說到：“單卡集群像是單打獨(dú)斗的士兵,，而非協(xié)同作戰(zhàn)的精銳部隊(duì),。全能芯片英偉達(dá)的單卡集群，就像一位十項(xiàng)全能的運(yùn)動(dòng)員,，但你的任務(wù)可能只需要他的一兩項(xiàng)技能,，剩下的就是昂貴的資源浪費(fèi)。反觀國產(chǎn)芯片的單卡集群,，芯片之間各有專長與短板,，但使用起來要規(guī)避短板也較為繁瑣?！?/p>

此外,，當(dāng)前算力供給三大模式的局限性，又進(jìn)一步導(dǎo)致市場供需難以精準(zhǔn)匹配,。

目前市場上主流的算力供應(yīng)模式有三種：一是政府,、央國企投建的算力中心，用于招商引資或產(chǎn)業(yè)引導(dǎo),；二是大模型公司自有的算力中心,，以自身需求為主，富余算力則通過云服務(wù)租賃給市場其他需求方,；三是運(yùn)營商建設(shè)的公共算力中心,，通過匯總市場上的閑置算力，根據(jù)客戶需求匹配算力,。

“這三種模式的共同特點(diǎn)是：它們的核心銷售方式大部分為“獨(dú)占式”的租賃,、包銷模式，不論是以卡,、匹,、時(shí)或臺(tái)為單位計(jì)費(fèi),，都意味著，在非全天候使用的情況下,，即使并未實(shí)際使用,，費(fèi)用仍在持續(xù)產(chǎn)生。獨(dú)占模式往往導(dǎo)致資源利用不足,、冗余及浪費(fèi)現(xiàn)象頻發(fā),。”姚毅認(rèn)為,，這種模式適合大參數(shù)量的模型訓(xùn)練,，但不適用于公共算力服務(wù)。

“算力需求還是很大,，只是現(xiàn)有供給類型無法滿足用戶需求,。無論是適配方面還是性價(jià)比角度，都達(dá)不到客戶的預(yù)期,?！盜DC中國分析師杜昀龍總結(jié)到。在當(dāng)前AI企業(yè)深受算力成本高昂之困,、中小開發(fā)者與創(chuàng)業(yè)公司在算力租賃上尤感壓力的背景下,，提高算力利用率，讓中小企業(yè)與個(gè)人開發(fā)者能夠更方便地使用算力,、以更低的成本實(shí)現(xiàn)開發(fā)和應(yīng)用,，對(duì)產(chǎn)業(yè)的發(fā)展至關(guān)重要,。

打通“算力,、算法、數(shù)據(jù)”孤島,，

是破題點(diǎn)

眼下,，算力基礎(chǔ)設(shè)施雖然已經(jīng)不斷被補(bǔ)齊，但這些算力資源就像一根根林立的“煙囪”,，孤立而建,，彼此之間缺乏聯(lián)通與協(xié)作的橋梁，因此難以被產(chǎn)業(yè)上下游有效利用,，資源浪費(fèi)嚴(yán)重,。

近日，在百度智能云技術(shù)論壇上,，“大模型訓(xùn)練中算力有效利用率不足50%,。”的話題受到廣泛關(guān)注,，致使“如何提高算力的有效利用率”再次引發(fā)行業(yè)探討,。

當(dāng)前,，算力市場的“煙囪困境”，受制于AI產(chǎn)業(yè)上下游,、國家環(huán)境等多維度因素,。“要解決算力煙囪問題,，本質(zhì)上來說,，還是要落到產(chǎn)業(yè)層面?！睏钫鹬v到,。人工智能三要素：算力、算法,、數(shù)據(jù)之間環(huán)環(huán)相扣,、互為支撐，破解之道在于三管齊下,、打破供需隔閡,，為行業(yè)提供能夠疏通算力流通梗阻、促進(jìn)資源精準(zhǔn)對(duì)接的創(chuàng)新型算力消納方案,。

算力方面,，針對(duì)國產(chǎn)芯片性能瓶頸及單卡集群的局限性問題，業(yè)界提出了“混元異構(gòu)集群”的解決方案,。

目前,，國產(chǎn)芯片與國外芯片之間存在代差，使用單一品牌芯片集群存在固定的,、無法解決的弱項(xiàng),。“通過混合強(qiáng)弱芯片形成混元集群,，再采用算法適配使整體接近高性能芯片,，就能夠打破單一集群限制，實(shí)現(xiàn)高效協(xié)同,?！苯鹄诒硎尽?/p>

然而,，構(gòu)建高效能的多卡集群需要解決技術(shù)復(fù)雜性,、資源分散、生態(tài)支持等一系列問題,，盡管市場上眾多廠商標(biāo)榜具備多集群管理能力,，但行之有效的并不多?！罢嬲龑?shí)現(xiàn)跨多集群協(xié)同的廠商極少,，許多異構(gòu)計(jì)算僅限于兩個(gè)集群間,。”楊震表示,，北電數(shù)智針對(duì)性推出的算力管理平臺(tái)“前進(jìn)·AI異構(gòu)計(jì)算平臺(tái)”,，致力于實(shí)現(xiàn)多集群合作，當(dāng)前已搭建包含三個(gè)國產(chǎn)混元集群,，達(dá)產(chǎn)后將形成2000PFLOPS的智能算力供給,。

“打破算力延遲，讓不同算力集群能夠?qū)崿F(xiàn)高效協(xié)同作戰(zhàn),，是下一階段必然的發(fā)展趨勢,。”吳岳說到,，其中涉及到很多細(xì)碎的功夫是必須要去做的,，包括算子庫的補(bǔ)齊、通信庫的補(bǔ)齊等等,。只有把每個(gè)細(xì)節(jié)都做好,，才能讓芯片無差別地支撐各種不同的底座大模型。

同時(shí),，相對(duì)算力供給包銷,、租賃模式的局限性，按token定價(jià)的模式則大幅降低了算力的使用成本,?！八懔χ行牡倪\(yùn)營目標(biāo)應(yīng)該是為企業(yè)提供像水電一樣的基礎(chǔ)算力設(shè)施，用戶使用了算力或模型服務(wù)才開始計(jì)費(fèi),，即插即用,。”吳岳分析到,，當(dāng)前按token計(jì)費(fèi)的模式,，主要是幫助中小企業(yè)解決普遍存在的算力應(yīng)用難題,，在面對(duì)像醫(yī)院這一類傳統(tǒng)客戶的垂類模型訓(xùn)練時(shí),，成本甚至可以降到原來的1/10左右。

算法方面,，在構(gòu)建好的芯片混元集群基礎(chǔ)上,，運(yùn)用專業(yè)算法實(shí)現(xiàn)芯片的異構(gòu)調(diào)度，能夠保證跨集群訓(xùn)練的穩(wěn)定性,，可以解決算力和模型之間的連接問題,。

目前，各模型配有相應(yīng)的上下游生態(tài)系統(tǒng),、適配芯片及開發(fā)框架,，這就導(dǎo)致了一定程度的封閉性,。企業(yè)因此面臨生態(tài)體系差異大、模型難遷移至其他算力芯片等狀況,。若要實(shí)現(xiàn)遷移,，既關(guān)乎性能差異，也涉及高昂的成本,，可能遭遇模型不兼容,、調(diào)試?yán)щy等問題，試錯(cuò)成本太大,，這也是許多客戶對(duì)國產(chǎn)算力望而卻步的原因之一,。

北電數(shù)智的核心產(chǎn)品“寶塔·模型適配平臺(tái)”通過算法搭建類似操作系統(tǒng)的適配層，為不同硬件提供統(tǒng)一接口,，確保與英偉達(dá)等主流產(chǎn)品的兼容性,。“向下適配不同芯片,，向上適配不同開發(fā)框架,，這種普適地解決方案本質(zhì)上是把芯片、模型和開發(fā)框架幾個(gè)層面完全打通,。在這個(gè)平臺(tái)下,，任何一類芯片、模型都可以不受阻礙地部署,、開發(fā),。客戶不用考慮底層的硬件細(xì)節(jié),，始終面對(duì)一致的接口,，從本質(zhì)上解決市場上存在的算力利用率低的問題?！睏钫鹫f到,。

這種混池策略，將多種算力實(shí)現(xiàn)混合調(diào)配,，對(duì)模型的訓(xùn)練與推理任務(wù)都能夠帶來大幅的效率提升,。“在訓(xùn)練任務(wù)中,，混池技術(shù)能夠解決不同算力之間的遷移問題和協(xié)同使用問題,。在推理任務(wù)中，混池技術(shù)可以根據(jù)算力需求調(diào)整使用方式,，例如用高性能卡處理模型的首token,，低性能卡處理后續(xù)內(nèi)容，以此在節(jié)省算力的同時(shí)，保證推理的速度大幅領(lǐng)先,?！苯鹄谡f到。

根據(jù)測算數(shù)據(jù),，在現(xiàn)有的智算中心上,，布局“前進(jìn)”和“寶塔”后，能夠?qū)崿F(xiàn)運(yùn)營效率至少翻倍,，針對(duì)純推理需求,，效率提升甚至可達(dá)300%以上?！巴瑫r(shí),，我們通過軟件加速優(yōu)化提升國產(chǎn)芯片性能并延長其壽命。若模型不支持用戶框架,，還可以幫助嫁接開源模型庫,，讓用戶以‘0代碼’或‘低代碼’的方式快速開發(fā)應(yīng)用，類似于搭建了一個(gè)任何人都可以輕松使用的AI工廠,?！睏钫鹫f到。

數(shù)據(jù)方面,，當(dāng)前,，數(shù)據(jù)采集、高效利用以及數(shù)據(jù)可信等難題凸顯,，成為阻礙大模型進(jìn)一步發(fā)展的重要瓶頸,。因此，破解數(shù)據(jù)難題,，是提升模型訓(xùn)練質(zhì)量,，從而進(jìn)一步提升算力利用率的前提。

近期,，中國信息通信研究院院長余曉暉在數(shù)博會(huì)上著重強(qiáng)調(diào)了建立“數(shù)據(jù)空間”發(fā)揮數(shù)據(jù)要素的重要性,。在當(dāng)前的數(shù)據(jù)難題中，流通問題是關(guān)鍵,。報(bào)告顯示,，國內(nèi)約70%的高質(zhì)量數(shù)據(jù)掌握在政企手中。而這些數(shù)據(jù)的有效利用面臨多重挑戰(zhàn)：首先,，出于對(duì)數(shù)據(jù)安全,、信創(chuàng)合規(guī)性等方面存在較深顧慮,，部分?jǐn)?shù)據(jù)難以對(duì)外提供,；再者，缺乏有效機(jī)制及平臺(tái)以保障數(shù)據(jù)的安全和價(jià)值利益,。這些因素共同導(dǎo)致市場上的交易量極為有限,。

當(dāng)流通難題傳導(dǎo)至中小模型廠商,、開發(fā)者團(tuán)隊(duì)等數(shù)據(jù)需求方，就形成了模型難以找到合適的訓(xùn)練場景,、新興技術(shù)難以落地賦能的困境,。因此，構(gòu)建一個(gè)保障數(shù)據(jù)安全,、合法,、可信交換的數(shù)字化基礎(chǔ)設(shè)施——“可信數(shù)據(jù)空間”已經(jīng)迫在眉睫。

“現(xiàn)階段在無錫市的數(shù)據(jù)交易中,，能夠?yàn)槿斯ぶ悄芴峁┓?wù)的并不多,。”無錫數(shù)據(jù)集團(tuán)戰(zhàn)略發(fā)展部兼無錫市數(shù)字新基建公司負(fù)責(zé)人孫榮鋒分享了無錫市當(dāng)前的數(shù)據(jù)交易情況：目前無錫的數(shù)據(jù)交易為人工智能產(chǎn)業(yè)提供服務(wù)仍處于探索階段,。作為工業(yè)大市,，無錫在制造業(yè)AI大模型的數(shù)據(jù)提供方面，受數(shù)據(jù)確權(quán)和數(shù)據(jù)前期治理,、清洗,、定標(biāo)等復(fù)雜準(zhǔn)備工作的影響，企業(yè)的參與度不高,。

為了深度挖掘本地?cái)?shù)據(jù)潛能,、賦能地方產(chǎn)業(yè)升級(jí)，無錫大數(shù)據(jù)集團(tuán)承擔(dān)起當(dāng)?shù)厍邪贅I(yè)的公共數(shù)據(jù)資源“開發(fā)”和“運(yùn)營”責(zé)任,。積極構(gòu)建數(shù)據(jù)交易生態(tài)圈,，促進(jìn)數(shù)據(jù)要素市場化流通，搭建了無錫市公共數(shù)據(jù)交易平臺(tái)——錫數(shù)交,?！澳壳拔覀冎鲃?dòng)和上海數(shù)據(jù)交易所、深證數(shù)據(jù)交易所等一線城市的數(shù)據(jù)交易平臺(tái)合作,，并服務(wù)第三方機(jī)構(gòu)開展無錫公共數(shù)據(jù)加工和數(shù)據(jù)產(chǎn)品的開發(fā),，助力數(shù)據(jù)資源融入全省、全國的數(shù)據(jù)交易市場,?！睂O榮鋒講到。

以往,，場外數(shù)據(jù)交易平臺(tái)或數(shù)交所多采用API接口直供或線下審批使用等模式來經(jīng)營未經(jīng)必要安全處理的裸數(shù)據(jù),，安全合規(guī)存在較大漏洞，且耗時(shí)費(fèi)力,，同時(shí)數(shù)據(jù)價(jià)值也不能充分被挖掘,。北電數(shù)智打造的紅湖·可信數(shù)據(jù)空間針對(duì)交易壁壘，重點(diǎn)保證數(shù)據(jù)安全、確保雙方利益,，為供需雙方提供多層次解決方案和長期可持續(xù)的模式,，并形成完整的商業(yè)閉環(huán)。

“以具身智能應(yīng)用為例,，在可信數(shù)據(jù)空間的加持下,，數(shù)據(jù)可以投入訓(xùn)練場、融入模型,，甚至內(nèi)置于一體機(jī),。隨著數(shù)據(jù)場景增多、新數(shù)據(jù)不斷引入,，可信數(shù)據(jù)空間能夠?yàn)閿?shù)據(jù)提供方帶來穩(wěn)定收益,，為數(shù)據(jù)使用方提升模型質(zhì)量、精準(zhǔn)度和其他多樣性的應(yīng)用場景,?！睏钫鸱治龅溃@種模式在數(shù)據(jù)交易市場的進(jìn)一步成熟后可以得到更廣泛的發(fā)展,。

市場呼喚“產(chǎn)業(yè)生態(tài)”,，行業(yè)需要“串珠人”

“人工智能市場的算力、算法,、數(shù)據(jù)幾個(gè)方面就如同散落的珠子,，而行業(yè)需要一個(gè)‘串珠人’的角色，將產(chǎn)業(yè)鏈上已有的珠子串上,、拉緊,，如果沒有的話，就把它造出來,?！痹跅钫鹂磥恚撬阒行淖鳛橹刭Y產(chǎn)行業(yè),，卻僅能獲取微薄的利潤,，核心原因在于智算中心距離最終的業(yè)務(wù)場景太遠(yuǎn)，在產(chǎn)業(yè)鏈的話語權(quán)較低,。

若未來智算中心要實(shí)現(xiàn)突破并尋求更深層次的發(fā)展,，吳岳認(rèn)為有兩條路徑：一是構(gòu)建生態(tài)，以全棧能力服務(wù)更多中小企業(yè)客戶,，二是做萬匹以上的超大規(guī)模,，定向服務(wù)少數(shù)客戶。

市場的本質(zhì)需求是整體解決方案,，而非單一產(chǎn)品或年度訂閱服務(wù),；智算中心的運(yùn)營,，本質(zhì)上是人工智能產(chǎn)業(yè)鏈的運(yùn)營。從健康的業(yè)務(wù)模式來說,，智算中心想要獲取更多的市場份額和行業(yè)利潤,，則需要深耕算力產(chǎn)業(yè),，實(shí)現(xiàn)算力服務(wù)化：既能鎖定大客戶,，也能滿足長尾中小客戶，同時(shí),，還需要提供一系列能夠助力業(yè)務(wù)精準(zhǔn)落地的增值服務(wù)與個(gè)性化解決方案,。

“對(duì)于大部分中小智算中心而言，加入產(chǎn)業(yè)生態(tài)戰(zhàn)略是唯一的解法,?！苯鹄诒硎尽?/p>

因此,，構(gòu)建健全的產(chǎn)業(yè)生態(tài)成為推動(dòng)算力市場持續(xù)健康發(fā)展的關(guān)鍵所在,。那么，未來,，市場需要將建成什么樣的算力生態(tài),，怎么樣的生態(tài)能夠促進(jìn)AI產(chǎn)業(yè)的持續(xù)發(fā)展呢？

楊震認(rèn)為,，“串珠人”的角色需要算力運(yùn)營商來充當(dāng),，通過匯總閑置算力，匹配客戶需求,，提供量身定制的解決方案,。

當(dāng)然，構(gòu)建一個(gè)能夠高效鏈接算力行業(yè)乃至整個(gè)人工智能市場各方的“中轉(zhuǎn)?！睒O具挑戰(zhàn),。算力運(yùn)營商需要精準(zhǔn)審視算力、算法,、數(shù)據(jù)和場景四層中的壁壘,，并通過AI全棧布局突破障礙，幫助智算中心結(jié)合當(dāng)?shù)厮懔┬枨闆r和產(chǎn)業(yè)結(jié)構(gòu),，形成具有地方特色的人工智能產(chǎn)業(yè)鏈運(yùn)營中心,。如此，才能實(shí)現(xiàn)閑置算力的有效消納,，并真正發(fā)揮AI基礎(chǔ)設(shè)施的產(chǎn)業(yè)賦能作用,。

現(xiàn)階段，各地智算中心正陸續(xù)意識(shí)到產(chǎn)業(yè)生態(tài)的關(guān)鍵性,，并積極布局探索,。其中,，北電數(shù)智旗下的星火·智算擁有從芯片層、算法層再到可信數(shù)據(jù)空間層的全棧布局,。同時(shí),，星火·智算的標(biāo)桿項(xiàng)目——北京市數(shù)字經(jīng)濟(jì)算力中心還打破傳統(tǒng)形態(tài)，將算力展廳,、算力劇場,、聯(lián)合實(shí)驗(yàn)室以及產(chǎn)投孵化平臺(tái)等功能空間搬進(jìn)智算中心，通過打開產(chǎn)業(yè)場景,、聚集產(chǎn)業(yè)要素,，最終實(shí)現(xiàn)技術(shù)攻關(guān)以及生態(tài)的良性循環(huán)發(fā)展。

“星火·智算不是簡單的建筑,，而是“智算中心”和“產(chǎn)業(yè)生態(tài)”的共生體,，通過強(qiáng)大的算力支撐、通用的算法體系,、高質(zhì)量的數(shù)據(jù)工具,，再加上開放的生態(tài)思維，能夠幫助智算中心實(shí)現(xiàn)從工具層到生態(tài)層,，甚至是客戶需求方的全面賦能升級(jí),。”楊震說到,，截止目前,，北電數(shù)智已經(jīng)建聯(lián)了近1000家生態(tài)伙伴，目前有3到4個(gè)星火·智算中心在規(guī)劃或建設(shè)中,，正與多地政府接洽,，將進(jìn)一步規(guī)劃更大范圍的落地。

孫榮鋒對(duì)這一生態(tài)模式表示了肯定：“構(gòu)建產(chǎn)業(yè)生態(tài)是解決當(dāng)前眾多城市算力供需矛盾的有效途徑,，尤其對(duì)于無錫等中小城市而言,，是一個(gè)理想的解決方案。它通過多元化算力供給,，能夠整合并解決無錫算力資源規(guī)模小且分散的問題,。”

針對(duì)具體的產(chǎn)業(yè)模式,，楊震提出了兩方向：一是政府,、央國企通過公共智算中心的建設(shè)及運(yùn)營，賦能地方產(chǎn)業(yè),、實(shí)現(xiàn)數(shù)字化的高效轉(zhuǎn)型,；二是中小企業(yè)通過深度融入算力產(chǎn)業(yè)生態(tài)，實(shí)現(xiàn)效益最大化,，并進(jìn)一步推動(dòng)構(gòu)建健康可持續(xù)的人工智能發(fā)展生態(tài),。

一方面,，當(dāng)前政府采用的算力券、招商政策等短期措施難以根本解決當(dāng)?shù)刂撬阒行牡南{問題,。

有效的解題之道,，在于追本溯源。目前,，大量智算中心項(xiàng)目都由地方政府,、城投平臺(tái)主導(dǎo)，所以,，建設(shè)AI生態(tài)可以優(yōu)先在政府層面開放數(shù)據(jù),、打開場景,。比如,，國有企業(yè)可以通過開發(fā)垂類模型釋放算力應(yīng)用場景，形成第一輪增長點(diǎn),。然后再通過算力,、算法、數(shù)據(jù)層的工具對(duì)算力中心做精細(xì)化運(yùn)營,，把算力利用率提上去,、成本降下來。在此基礎(chǔ)上,，鏈接供需兩端,，結(jié)合當(dāng)?shù)禺a(chǎn)業(yè)結(jié)構(gòu)實(shí)現(xiàn)人工智能轉(zhuǎn)型，推動(dòng)區(qū)域人工智能產(chǎn)業(yè)特色發(fā)展,，形成第二輪增長點(diǎn),。

部分前瞻城市已敏銳洞察先機(jī)，率先邁出了探索與實(shí)踐的步伐,。孫榮鋒在談及此話題時(shí)透露：“無錫數(shù)據(jù)交易平臺(tái)上豐富的數(shù)據(jù)資源,，其中有相當(dāng)一部分能夠?yàn)槿斯ぶ悄艽竽Ｐ偷挠?xùn)練提供助力。以此為依托,，無錫大數(shù)據(jù)集團(tuán)承建了無錫市的政務(wù)大模型項(xiàng)目,，正積極探索垂類大模型開發(fā)?！?/p>

另一方面,，當(dāng)前很多AI垂類領(lǐng)域在產(chǎn)業(yè)鏈上存在斷點(diǎn)和卡點(diǎn)，導(dǎo)致市場上眾多極具潛力的AI應(yīng)用公司尚未探索出商業(yè)閉環(huán)便悄然消失,。

以具身智能為例,，大量行業(yè)上下游中小型企業(yè)和個(gè)人開發(fā)者群體，填補(bǔ)了大企業(yè)不愿涉足的細(xì)分領(lǐng)域,，但它們?cè)陂_發(fā)訓(xùn)練的過程中,，卻遭遇算力成本,、數(shù)據(jù)搜集成本高昂的雙重阻礙，這也進(jìn)一步成為制約整個(gè)產(chǎn)業(yè)鏈落地的最后一道難關(guān),。國產(chǎn)算力芯片同樣如此,，近年來，雖然整體發(fā)展迅猛,，但由于缺乏全面的應(yīng)用場景展示和切實(shí)有效的評(píng)測機(jī)制,，很多算力應(yīng)用方對(duì)國產(chǎn)算力的能力認(rèn)知不夠清晰。

在北電數(shù)智看來,，算力及人工智能產(chǎn)業(yè)生態(tài)的構(gòu)建能夠解決這個(gè)急迫問題,，通過生態(tài)的搭建提供普惠和適配的算力、嫁接海量AI應(yīng)用場景,，幫助中小型應(yīng)用公司,、個(gè)人開發(fā)者順利完成開發(fā)，加速產(chǎn)品的商業(yè)化落地,、實(shí)現(xiàn)效益的最大化,，同時(shí)也推動(dòng)智能科技的前沿應(yīng)用。

為了填補(bǔ)國產(chǎn)算力全面的應(yīng)用場景展示,、切實(shí)有效的評(píng)測機(jī)制缺失等問題,，北電數(shù)智打造的“首個(gè)國產(chǎn)算力PoC平臺(tái)”已正式開放。該平臺(tái)依托前進(jìn)·AI異構(gòu)計(jì)算平臺(tái),，是全國首個(gè)在生產(chǎn)環(huán)境下可實(shí)現(xiàn)規(guī)?；瘻y試的全棧迭代驗(yàn)證平臺(tái)，創(chuàng)新‘以評(píng)促用’模式,，為國產(chǎn)算力集群提供垂類場景評(píng)測,、適配與驗(yàn)證服務(wù)的同時(shí)，能夠?yàn)榻鹑?、政?wù),、工業(yè),、醫(yī)療,、具身智能等各行業(yè)的AI垂類場景應(yīng)用開發(fā)提供多種算力適配試驗(yàn)空間,，最終打通底層算力至業(yè)務(wù)場景的雙向鏈路，加速國產(chǎn)算力從“可用”邁向“好用”,，推動(dòng)場景化應(yīng)用與商業(yè)化落地,。

“AI產(chǎn)業(yè)要快速發(fā)展，肯定是大家綁在一起,、吊起膀子來干,。尤其在人工智能重塑科技產(chǎn)業(yè)鏈的時(shí)候，團(tuán)結(jié),，才能更快地找出突破性道路,?！闭鐥钫鹚裕?dāng)人工智能產(chǎn)業(yè)躍升成為全球戰(zhàn)略性高地,、當(dāng)大模型的發(fā)展步入“后訓(xùn)練”時(shí)代,，國內(nèi)人工智能行業(yè)更應(yīng)圍爐共商，共同見證并塑造下一個(gè)智能新時(shí)代,。