支撐全產業AI，需要怎樣的算力服務？_風聞

近年來的AI，可以用“從偶像派到實力派”的轉變來形容。下圍棋的神奇、算法科學家的高薪，抑或是投資併購的新聞，熱度已經不復往昔。反倒是在產業中，AI正在進入前所未有的應用大爆發階段，大量算法創新、軟硬件配套、垂直行業解決方案等層出不窮。

AI規模化落地應用，紮紮實實為國民經濟提質增效，問題也隨之而來，AI算法的不斷升級，比如千億級參數大模型的出現，要求更強大的算力資源及服務。

最近，億歐智庫發佈了《2022中國算力服務市場發展研究報告》，從中可以看到，支撐大模型時代的算力服務，需要的是“四梁八柱”一樣的韌性和抗衝擊能力。

“四梁八柱”，是中國古代傳統的一種建築結構，樑柱是支撐大廈的根本。因此中國在經濟政治改革過程中，都強調先確立各領域具有四梁八柱性質的主體框架，排出優先順序，重點推進，發揮好支撐作用。作為產業AI重要支撐的算力服務，自然就是AI產業化的“四梁八柱”。

怎樣的算力服務才能滿足時代所需，讓我們從報告中，看看是什麼決定了算力服務，又有哪些羣雄逐鹿。

算力服務：產業AI的輸出邏輯

可能很多人認為，算力不夠，基建來湊，緩解AI算力瓶頸要靠更多更大規模的算力集羣。這當然是解決方案之一，但要注意的是，算力如同黃金、電、光纖等資源一樣，需要在互聯的過程中傳遞併發揮價值。舉個例子，電氣革命的一個標誌性突破就是愛迪生將直流高壓電從5V提升到了110V，使得電力能夠在電網上進行遠距離傳輸，接下來發電設備、用電設備成網，能源互聯以及穩定的電力服務網絡，推動人類社會走上了普惠電器的時代。同樣，沒有寬帶服務，就算你家樓下埋着萬兆光纖，也照樣享受不到高速衝浪的快樂。

科技先驅、以太網之父Robert Metcalfe提出，網絡的價值與聯網的個體數量的平方成正比。聯網的個體數量越多，網絡的總體價值就會越高。對於AI來説也是如此，聯網的算力集羣越多，能為國民經濟帶來的價值就越大，而算力互聯之後必須依靠服務來進行保障。

事實上，東數西算工程也洞察到了這一科技產業基本規律，通過推動算力成網，形成一體化算力網絡體系，並基於高質量算力平台來提供服務，滿足更多領域的算力需求。

隨着使用算力的企業增多，如何評測算力、穩定供給、降本增效、便捷服務，成為待解決的問題，迫切需要與產業智能化速度相匹配的算力服務。其作為數字經濟的“四梁八柱”之一，必須從現在開始建構。

集算力服務之力，一家AI公司的突圍之路

那麼，具體到現實中，企業在研發和落地AI時，究竟需要怎樣的算力服務來保駕護航？在與一些行業用户、科研機構的交流中，我們似乎找到了一些答案。

1.資源瓶頸。

AI訓練需要極大的算力，目前，我國區域間算力資源供需還未平衡，傳統運輸方式調度難度大，算力供給與需求是不匹配的，企業要打造一個可堪重用的AI模型，必須有穩定可靠的資源銜接平台來供給資源。有企業專家表示，專用任務的計算，高端計算資源能夠大大縮短訓練和研發週期。因此，他們選擇與一站式算力服務平台合作，平台能夠將多種算力資源整合，幫助企業解決了算力緊張、算力調度和算力釋放等綜合問題。

2.成本瓶頸。

AI需要調動各類專用芯片產生的諸多類型算力，研發階段需要耗費巨大的成本，效能每提高一個百分點都是巨大的節約。據專家分享，通過一站式算力服務來應對大規模的高密集型計算任務（特定任務、特定場景），在經濟性上更有優勢。在實際研發生產中，可以根據算力用量按需購買，及時對算力進行靈活調整，既滿足了研發需求，又避免了服務器資源限制、後期運維等成本。

3.生態瓶頸。AI發展應該以產業應用為導向，引導各方全力以赴，生態建設的重要性不言而喻。專注AI模型研發訓練的企業，可以與算力服務平台方合作，將一些AI應用和系統開放給平台生態內的用户，一鍵式地導入相應的能力來滿足應用開發、測試等需求。實現資源與服務的開放共享，有助於建立高效協同的產業供應鏈，推動AI產研用一體化。

從企業實踐中我們可以發現，算力服務不是單純的算力硬件性能比拼，而是集資源、應用、服務、運維為一體的體系化工程。而目前算力服務整個市場都還處於發展初期，行業競爭格局暫未完全定型，產品和解決方案也各有特色。

雲廠商憑藉雲計算優勢能力，雲上形成算力資源與服務的完整序列，更為靈活；ICT廠商計算技術突出，性能強、穩定可靠，配套服務能力強；算力代理商配套服務豐富，自身資源能力弱；國家高端計算中心基礎設施資源積累多，行業知名度、認可度高，但商業化能力弱。

那麼，企業想要選擇適當的算力服務平台，究竟有沒有定量、定性的科學方法與行業標準呢？《2022中國算力服務市場發展研究報告》或許可以作為參照。

算力服務POSE模型：解鎖AI產業化的新姿勢

《2022中國算力服務市場發展研究報告》基於對國內算力服務市場及平台的整體調研分析，提出了算力服務綜合價值力分析模型POSE，從中，我們會發現支撐一個算力服務平台品質的四種要素。

產品力：主要指技術能力、基礎設施建設、服務價格等產品層面的能力。曙光智算在基礎設施建設支撐與技術性能方面略勝一籌：阿里雲的算力種類相較更豐富，但在自主創新能力弱於曙光智算與華為雲。

運營力：包括服務能力、行業口碑、商業化能力。其中曙光智算與並行科技具有即時、專業的服務能力，對每一個客户都可提供專業的團隊支持與應用的遷移適配服務；阿里雲與華為雲作為雲服務先行者，積累大量案例，商業化更快。

調度力：主要聚焦資源協同調度的能力。曙光智算背靠集團20餘年異構計算經驗沉澱及生態建設，阿里雲憑藉更早的網絡建設佈局和雲服務基礎，雙方並列第一。

生態力：全產業鏈資源聚合能力、適配能力、自身生態開放度等。華為雲、阿里雲、曙光智算背靠集團生態建設，目前都較為成熟。

不誇張地説，POSE模型的四大要素，也是算力服務的“四梁八柱”，沒有這個核心框架的承重能力，很難支撐AI大模型這樣的產業“重器”。這也是對廠商們的綜合大考：既要快速上馬，服務於如火如荼地東數西算工程；還要挑戰更好，在羣雄逐鹿的競技場交出更優秀的答卷。其中，曙光在多個指標中都拔得頭籌，比起靚麗的成績，背後所做的努力更值得探究。

聚&變：一站式平台託舉的產業AI集結令

曙光能夠在開局就拿出來全國一體化算力服務平台和諸多案例，提前吹響產業AI的集結號，這或許能夠從側面展現出曙光生態的一些特質。

1.全鏈條：曙光智算背靠集團，進行了全產業鏈佈局，軟硬件一體化全面貫穿，整體供應鏈的抗風險能力與資源調度能力都更強，滿足產業大規模應用AI所需的併發性、兼容性與穩定性。

2.全流程：曙光智算雖然入局較晚，但厚積薄發，服務的深度與廣度反而很高，比如曙光智算的點對點服務，從算力供給到調度、以及最終的部署與集成，一個平台打通AI產業應用的全部流程，很好地幫助預訓練大模型及其他算法模型的加速落地。

3.全包容：曙光智算背靠老牌ICT廠商的多元能力和計算生態，配套服務能力強，生態豐富，有較多用户表示曙光集團本身業務屬性與自身業態（如科研及工業）更為契合，這也是為什麼曙光一站式算力服務平台能夠支撐不同行業、不同企業的數智化。

精微細緻的服務所積累起來的，是一次次AI與產業的精密對接，最終量變產生質變，拉開產業AI的大幕。

人類經歷了能源互聯的電氣革命、網絡互連的信息革命，終於抵達了算力互聯的智能革命門前。算力服務，是AI訓練的暴力計算所不可或缺的底座，也是支撐算力互聯成網、AI真正走入社會經濟的關鍵力量。而藉助更前沿的算力基建和算力服務，這一次，中國將率先推開產業智能的大門。