作者/琳玉

　　前腳臺積電遭施壓，后腳對華半導(dǎo)體出口又遇“緊箍咒”。

　　近期，國際芯片局勢再收緊，12月3日，中國半導(dǎo)體行業(yè)協(xié)會等四大協(xié)會發(fā)布聲明，呼吁或建議國內(nèi)企業(yè)審慎選擇采購美國芯片。

　　隨著AI浪潮和數(shù)字經(jīng)濟的高速發(fā)展，作為關(guān)鍵基礎(chǔ)設(shè)施，AI芯片及相關(guān)算力產(chǎn)業(yè)已經(jīng)成為全球數(shù)字化、智能化轉(zhuǎn)型的金鑰匙。算盤一打，更讓人眼前一亮：據(jù)中國信通院測算，每投入1元算力，就能拉動3-4元的GDP增長，經(jīng)濟引擎效應(yīng)不言而喻。

　　在此背景下，國內(nèi)人工智能行業(yè)雖屢屢受挫，卻也借此東風加速踏上了自主化征途。近年來，我國算力水平實現(xiàn)了高速發(fā)展，當前總規(guī)模已達246 EFLOPS，躋身全球前列。預(yù)計到2025年，算力核心產(chǎn)業(yè)規(guī)模將膨脹至4.4萬億，聯(lián)動產(chǎn)業(yè)規(guī)模更將突破24萬億大關(guān)。

　　眼下，國內(nèi)大范圍的“算力荒”局面顯著改觀，但國產(chǎn)算力中心在蓬勃興起之時，亦步入了新的挑戰(zhàn)期：供需不匹配、算力閑置、利用率低等難題正慢慢浮出水面……

　　隨之，市場對“算力運營”的也需求開始躍升。

　　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。

　　全球市場不確定性加劇，國產(chǎn)芯片商業(yè)化落地需求愈發(fā)迫切。當前，算力運營”已經(jīng)成為潛在的千億藍海市場，且已有不少前瞻企業(yè)正在積極探索算力的規(guī)劃與運營，推動國內(nèi)芯片核心產(chǎn)業(yè)實現(xiàn)高質(zhì)量的自主可控發(fā)展。如何激活閑置算力，使國產(chǎn)算力物盡其用?又如何以算力為依托，進一步盤活人工智能市場?

　　針對這些問題，本期第一新聲采訪并引用了無錫數(shù)據(jù)集團戰(zhàn)略發(fā)展部兼無錫市數(shù)字新基建公司負責人孫榮鋒、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)略與市場負責人楊震、北電數(shù)智產(chǎn)業(yè)生態(tài)部負責人吳岳、中國信通院云計算與大數(shù)據(jù)研究所總工程師郭亮、螞蟻數(shù)科AI科技技術(shù)負責人李哲等行業(yè)大咖的最新觀點，共同探討算力新時代下的“新機會”和“新解法”。

　　01

　　算力喊“閑”?

　　算力“建設(shè)”熱潮下，“消納”寒意漸顯。

　　大模型爆發(fā)帶動了算力的井噴式增長，這股熱潮下，地方政府、運營商、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。

　　當算力洪流洶涌而至，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。

　　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，在推動實際應(yīng)用落地、助力地方產(chǎn)業(yè)升級等方面大放異彩。“現(xiàn)在全國90%的智算中心算力規(guī)模低于1000P，對大模型訓(xùn)練作用有限，未來使用效率存疑。”中國信通院云計算與大數(shù)據(jù)研究所總工程師郭亮對龐大的智算中心建設(shè)數(shù)量表示擔憂。

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

　　某大型智算中心相關(guān)負責人向第一新聲談到：“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，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化的策略、更具吸引力的價格來服務(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，或具備較強綜合實力的供應(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，這也進一步考驗了新建智算中心尋找客戶的能力。

　　其次，當前大模型訓(xùn)練需求顯著下滑，而推理需求的增長是一個循序漸進的過程，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劃發(fā)布時間;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)的開源風險，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一步公開進展，只有約10%的大模型在加速訓(xùn)練。

　　另一方面，當前業(yè)內(nèi)開始形成的共識是：“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。”

　　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現(xiàn)真正的商業(yè)化落地。當前國內(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。”第一新聲創(chuàng)始人兼CEO姚毅說到。

　　同時，當前資方對部分市場大模型的投資轉(zhuǎn)為理性。此番風向轉(zhuǎn)變預(yù)示著，在基礎(chǔ)大模型風潮過后、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。”螞蟻數(shù)科AI科技技術(shù)負責人、螞蟻天璣實驗室主任李哲說到。

　　近年來，伴隨著大模型技術(shù)的發(fā)展，機器學習正從“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確性和穩(wěn)定性，但到當前階段，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，2024年，60%的AI數(shù)據(jù)將是合成數(shù)據(jù);Epoch AI Research研究團隊更是大膽預(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。”

　　“垂類模型深耕細分行業(yè)，精準掌握特定領(lǐng)域的知識模式，其高度專業(yè)化讓任務(wù)執(zhí)行更精準、更高效。但目前缺少安全可信、高質(zhì)量的數(shù)據(jù)支撐，很難在實際應(yīng)用中大規(guī)模的開展起來。”一位行業(yè)人士對第一新聲坦言。

　　算力需求走低，牽引著其上下游產(chǎn)業(yè)也步入降價通道。“曾經(jīng)一卡難求的算力GPU也出現(xiàn)了明顯的降價趨勢。具體而言，熱門芯片英偉達***的八卡整機價格，已經(jīng)從去年的360萬巔峰下降到230萬。這也說明，當前階段市場算力是足夠的，主要是需求在下滑。”英諾天使基金合伙人王晟說到。

　　02

　　“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)卻仍然難以負擔高昂的算力成本。”是算力市場在新環(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)濟效益，算力中心的理想利用率目標至少為80%。當大量算力資源陷入“沉睡危機”時，算力需求方卻難以在市場上找到合適的算力。“即使今年以來算力價格有所下滑，但對于眾多中小企業(yè)而言，仍然是很貴的。”北電數(shù)智戰(zhàn)略與市場負責人楊震說到，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?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。加之政策層面的積極鼓勵，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。”

　　“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，整個鏈條緊密耦合。”北電數(shù)智產(chǎn)業(yè)生態(tài)部負責人吳岳進一步分析到。

　　同時，單卡集群應(yīng)用場景少，尤其是對豐富的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斗的士兵，而非協(xié)同作戰(zhàn)的精銳部隊。全能芯片英偉達的單卡集群，就像一位十項全能的運動員，但你的任務(wù)可能只需要他的一兩項技能，剩下的就是昂貴的資源浪費。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。”

　　此外，當前算力供給三大模式的局限性，又進一步導(dǎo)致市場供需難以精準匹配。

　　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是：它們的核心銷售方式大部分為“獨占式”的租賃、包銷模式，不論是以卡、匹、時或臺為單位計費，都意味著，在非全天候使用的情況下，即使并未實際使用，費用仍在持續(xù)產(chǎn)生。獨占模式往往導(dǎo)致資源利用不足、冗余及浪費現(xiàn)象頻發(fā)。”姚毅認為，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比角度，都達不到客戶的預(yù)期。”IDC中國分析師杜昀龍總結(jié)到。在當前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)與個人開發(fā)者能夠更方便地使用算力、以更低的成本實現(xiàn)開發(fā)和應(yīng)用，對產(chǎn)業(yè)的發(fā)展至關(guān)重要。

　　03

　　打通“算力、算法、數(shù)據(jù)”孤島，

　　是破題點

　　眼下，算力基礎(chǔ)設(shè)施雖然已經(jīng)不斷被補齊，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，資源浪費嚴重。

　　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。”楊震講到。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、促進資源精準對接的創(chuàng)新型算力消納方案。

　　算力方面，針對國產(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。“通過混合強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，實現(xiàn)高效協(xié)同。”金磊表示。

　　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榜具備多集群管理能力，但行之有效的并不多。“真正實現(xiàn)跨多集群協(xié)同的廠商極少，許多異構(gòu)計算僅限于兩個集群間。”楊震表示，北電數(shù)智針對性推出的算力管理平臺“前進·AI異構(gòu)計算平臺”，致力于實現(xiàn)多集群合作，當前已搭建包含三個國產(chǎn)混元集群，達產(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，其中涉及到很多細碎的功夫是必須要去做的，包括算子庫的補齊、通信庫的補齊等等。只有把每個細節(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，相對算力供給包銷、租賃模式的局限性，按token定價的模式則大幅降低了算力的使用成本。“算力中心的運營目標應(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)才開始計費，即插即用。”吳岳分析到，當前按token計費的模式，主要是幫助中小企業(yè)解決普遍存在的算力應(yīng)用難題，在面對像醫(yī)院這一類傳統(tǒng)客戶的垂類模型訓(xùn)練時，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，運用專業(yè)算法實現(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)試困難等問題，試錯成本太大，這也是許多客戶對國產(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”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)框架幾個層面完全打通。在這個平臺下，任何一類芯片、模型都可以不受阻礙地部署、開發(fā)�？蛻舨挥每紤]底層的硬件細節(jié)，始終面對一致的接口，從本質(zhì)上解決市場上存在的算力利用率低的問題。”楊震說到。

　　這種混池策略，將多種算力實現(xiàn)混合調(diào)配，對模型的訓(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，保證推理的速度大幅領(lǐng)先。”金磊說到。

　　根據(jù)測算數(shù)據(jù)，在現(xiàn)有的智算中心上，布局“前進”和“寶塔”后，能夠?qū)崿F(xiàn)運營效率至少翻倍，針對純推理需求，效率提升甚至可達300%以上。“同時，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，類似于搭建了一個任何人都可以輕松使用的AI工廠。”楊震說到。

　　數(shù)據(jù)方面，當前，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)博會上著重強調(diào)了建立“數(shù)據(jù)空間” 發(fā)揮數(shù)據(jù)要素的重要性。在當前的數(shù)據(jù)難題中，流通問題是關(guān)鍵。報告顯示，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，出于對數(shù)據(jù)安全、信創(chuàng)合規(guī)性等方面存在較深顧慮，部分數(shù)據(jù)難以對外提供;再者，缺乏有效機制及平臺以保障數(shù)據(jù)的安全和價值利益。這些因素共同導(dǎo)致市場上的交易量極為有限。

　　當流通難題傳導(dǎo)至中小模型廠商、開發(fā)者團隊等數(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，能夠為人工智能提供服務(wù)的并不多。”無錫數(shù)據(jù)集團戰(zhàn)略發(fā)展部兼無錫市數(shù)字新基建公司負責人孫榮鋒分享了無錫市當前的數(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、定標等復(fù)雜準備工作的影響，企業(yè)的參與度不高。

　　為了深度挖掘本地數(shù)據(jù)潛能、賦能地方產(chǎn)業(yè)升級，無錫大數(shù)據(jù)集團承擔起當?shù)厍�行百業(yè)的公共數(shù)據(jù)資源“開發(fā)”和“運營”責任。積極構(gòu)建數(shù)據(jù)交易生態(tài)圈，促進數(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——錫數(shù)交。“目前我們主動和上海數(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)交易平臺合作，并服務(wù)第三方機構(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。”孫榮鋒講到。

　　以往，場外數(shù)據(jù)交易平臺或數(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，且耗時費力，同時數(shù)據(jù)價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)空間針對交易壁壘，重點保證數(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。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)空間能夠為數(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、精準度和其他多樣性的應(yīng)用場景。”楊震分析道，這種模式在數(shù)據(jù)交易市場的進一步成熟后可以得到更廣泛的發(fā)展。

　　04

　　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)幾個方面就如同散落的珠子，而行業(yè)需要一個‘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。”在楊震看來，智算中心作為重資產(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，在產(chǎn)業(yè)鏈的話語權(quán)較低。

　　若未來智算中心要實現(xiàn)突破并尋求更深層次的發(fā)展，吳岳認為有兩條路徑：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);智算中心的運營，本質(zhì)上是人工智能產(chǎn)業(yè)鏈的運營。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，還需要提供一系列能夠助力業(yè)務(wù)精準落地的增值服務(wù)與個性化解決方案。

　　“對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。”金磊表示。

　　因此，構(gòu)建健全的產(chǎn)業(yè)生態(tài)成為推動算力市場持續(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AI產(chǎn)業(yè)的持續(xù)發(fā)展呢?

　　楊震認為，“串珠人”的角色需要算力運營商來充當，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。

　　當然，構(gòu)建一個能夠高效鏈接算力行業(yè)乃至整個人工智能市場各方的“中轉(zhuǎn)棧”極具挑戰(zhàn)。算力運營商需要精準審視算力、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?shù)厮懔�供需情況和產(chǎn)業(yè)結(jié)構(gòu)，形成具有地方特色的人工智能產(chǎn)業(yè)鏈運營中心。如此，才能實現(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，星火·智算的標桿項目——北京市數(shù)字經(jīng)濟算力中心還打破傳統(tǒng)形態(tài)，將算力展廳、算力劇場、聯(lián)合實驗室以及產(chǎn)投孵化平臺等功能空間搬進智算中心，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。”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，將進一步規(guī)劃更大范圍的落地。

　　孫榮鋒對這一生態(tài)模式表示了肯定：“構(gòu)建產(chǎn)業(yè)生態(tài)是解決當前眾多城市算力供需矛盾的有效途徑，尤其對于無錫等中小城市而言，是一個理想的解決方案。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)及運營，賦能地方產(chǎn)業(yè)、實現(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)，實現(xiàn)效益最大化，并進一步推動構(gòu)建健康可持續(xù)的人工智能發(fā)展生態(tài)。

　　一方面，當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?shù)刂撬阒行牡南�納問題。

　　有效的解題之道，在于追本溯源。目前，大量智算中心項目都由地方政府、城投平臺主導(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。然后再通過算力、算法、數(shù)據(jù)層的工具對算力中心做精細化運營，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?shù)禺a(chǎn)業(yè)結(jié)構(gòu)實現(xiàn)人工智能轉(zhuǎn)型，推動區(qū)域人工智能產(chǎn)業(yè)特色發(fā)展，形成第二輪增長點。

　　部分前瞻城市已敏銳洞察先機，率先邁出了探索與實踐的步伐。孫榮鋒在談及此話題時透露：“無錫數(shù)據(jù)交易平臺上豐富的數(shù)據(jù)資源，其中有相當一部分能夠為人工智能大模型的訓(xùn)練提供助力。以此為依托，無錫大數(shù)據(jù)集團承建了無錫市的政務(wù)大模型項目，正積極探索垂類大模型開發(fā)。”

　　另一方面，當前很多AI垂類領(lǐng)域在產(chǎn)業(yè)鏈上存在斷點和卡點，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)和個人開發(fā)者群體，填補了大企業(yè)不愿涉足的細分領(lǐng)域，但它們在開發(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，這也進一步成為制約整個產(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)用場景展示和切實有效的評測機制，很多算力應(yīng)用方對國產(chǎn)算力的能力認知不夠清晰。

　　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、實現(xiàn)效益的最大化，同時也推動智能科技的前沿應(yīng)用。

　　為了填補國產(chǎn)算力全面的應(yīng)用場景展示、切實有效的評測機制缺失等問題，北電數(shù)智打造的“首個國產(chǎn)算力PoC平臺”已正式開放。該平臺依托前進·AI異構(gòu)計算平臺，是全國首個在生產(chǎn)環(huán)境下可實現(xiàn)規(guī)模化測試的全棧迭代驗證平臺，創(chuàng)新‘以評促用’模式，為國產(chǎn)算力集群提供垂類場景評測、適配與驗證服務(wù)的同時，能夠為金融、政務(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)鏈的時候，團結(jié)，才能更快地找出突破性道路。”正如楊震所言，當人工智能產(chǎn)業(yè)躍升成為全球戰(zhàn)略性高地、當大模型的發(fā)展步入“后訓(xùn)練”時代，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智能新時代。