2025 年的 AI 圈，終于從 “大模型崇拜” 走進了 “應(yīng)用現(xiàn)實主義”。

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；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。比如一個直播 AI 中控，要同時處理視頻流、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?nbsp;。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比超過 H100。

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

正是在這樣的背景下，雷峰網(wǎng)(公眾號：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，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，是 AI 應(yīng)用從 “實驗室” 走向 “產(chǎn)業(yè)” 的實用指南。如果你是模型公司的 CTO，想找 “性價比最高的算力”；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，我國的計算規(guī)模已達(dá)788百億億次每秒（788 EFLOPS），擁有200多個計算中心，但同時也面臨諸多挑戰(zhàn)。因此，我們今天將圍繞算力供給、模型研發(fā)和應(yīng)用落地等多個方面，探討如何在計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)；第二個是數(shù)據(jù)業(yè)務(wù)， 擁有獨立團隊負(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 團隊，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)品覆蓋加速計算、通用計算、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)等多個行業(yè)。

黃朝波：大家好，我是黃朝波。我個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“融合計算”，包含三個維度：計算架構(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現(xiàn)象，他會可能產(chǎn)生怎樣的一些機會和挑戰(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，機遇挑戰(zhàn)并存

余溢： 我認(rèn)為這個問題本質(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。

這背后有一個關(guān)鍵認(rèn)知：算力不是電力，它不是一個通用的指標(biāo)。不同的設(shè)備（GPU的算力( TFlops ）， 顯存大小， 顯卡帶寬， 機器內(nèi)卡間連接方式，機器間連接方式等）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，用途和價值完全不同。

我認(rèn)為，雖然局部供需錯配依然存在，但整體亂象正在趨于緩解。我的判斷基于三點：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，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，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。政府及時進行窗口指導(dǎo)，治理了許多亂象，鼓勵企業(yè)先有需求再進行建設(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，緩解了市場的錯配問題。

岑峰：謝謝余總，余總之前曾用“大煉鋼鐵”來形容計算中心的建設(shè)，現(xiàn)在國家的政策也在促進合作，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)和機遇呢？

余溢：我認(rèn)為這是一個機遇與挑戰(zhàn)并存的局面，主要體現(xiàn)在兩個方面：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，這是一個絕佳的時機。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)兼容性也需要時間去完善。

對國內(nèi)企業(yè)而言，這是一個挑戰(zhàn)，但更是機遇。有了市場的需求，就會有更多企業(yè)去實踐、去“踩坑”，從而形成解決問題的經(jīng)驗，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，通過兼容帶動整個上下游共同發(fā)展。

此外，技術(shù)創(chuàng)新也帶來了新機遇。

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，并非所有參數(shù)都會被激活。推理一個300B的模型，可能實際只使用了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際消耗變少了，但對顯存的需求卻大大增加了，因為所有專家選擇的邏輯都需要存儲在顯存中。

這種變化帶來了一個重要機會：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，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，這是一個巨大的機會。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，對于現(xiàn)有計算中心而言，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。但如果將它們重新利用，投入到推理項目中，可以大大提升現(xiàn)有資源的利用率，這是一個很好的老舊設(shè)備重利用機會。

最后，從運營模式上看，傳統(tǒng)的粗放式運營，即一個項目就將整套裸金屬資源包給一兩個大客戶的方式，在當(dāng)前市場下可能不再有效。未來的趨勢是，計算中心，特別是作為第三方平臺時，需要有能力將一個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)化的運營模式將能更好地匹配多樣化的算力需求，也是一個重要的市場機會。

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。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，如何才能實現(xiàn)共贏？

余溢： 這個問題很有意思，因為這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格競爭，價格被壓得很低。

要實現(xiàn)共贏，首先自然需要市場自身的調(diào)節(jié)。這并非一個特許經(jīng)營市場，價格最終會回歸價值，市場會進行分流和淘汰。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、獲取政府補貼、爭取綠電指標(biāo)，或從其他合作項目中獲得收益，這些都在經(jīng)濟合理范圍內(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，那些自身運營效率低、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，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，對市場進行進一步規(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，但一個明顯的趨勢是，國產(chǎn)化替代會越來越強勁。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，都在推動整個行業(yè)向國產(chǎn)化方向邁進。

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。

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、地點和參與方進行規(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，項目減少且大項目決策周期拉長。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算中心資源時，最關(guān)心的核心要素是什么？未來計算中心在技術(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，整個市場仍處于一個供大于求的階段，這一點從高端 GPU 甚至整機價格的下降就能看出來。因此，客戶在選擇算力資源時，首先關(guān)注的肯定是價格，特別是對于那些兩三年以上的長期合作訂單，價格因素至關(guān)重要。

在價格之外，客戶現(xiàn)在非?？粗胤?wù)商的綜合服務(wù)能力。因為可選的算力資源實在太多了，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 ，在運行 DeepSeek 這類新型模型時，性價比已大幅降低。

同時算力規(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，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“時間就是競爭力”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)備高價購入，卻只能低價出租，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，但實際應(yīng)用中更多是考慮性價比。例如，英偉達(dá)的 H20 芯片，雖然是 H100 的“閹割版”，但因其獨特的顯存配置，被業(yè)界譽為“推理圣體”，在處理 DeepSeek 這類模型時表現(xiàn)卓越，性價比甚至高于 H100 或 H200 進行推理。

其次，未來計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，他們更需要一個直接的結(jié)果。因此，計算中心需要提供“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行微調(diào)，實現(xiàn)特定場景的應(yīng)用。

最后，智能化運維將變得至關(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，這催生了一個龐大的維修市場。未來的技術(shù)設(shè)計必須充分考慮運維需求，包括對溫濕度、故障率的監(jiān)控告警，以及處理時效性等。

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，因為設(shè)備降價快、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、靈活的計費方式，如按卡、按 PFLOPs 、按時長、按利用率，甚至按 TOKEN 進行租賃。同時，從原來的獨享模式轉(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。因為不同服務(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。我一直覺得這個概念在現(xiàn)階段更像是人為創(chuàng)造的。因為它目前無法做到讓不同型號的機器協(xié)同完成一個任務(wù)。你可以把同一型號的機器連在一起，讓它們共同完成一件事，但你不能把不同型號的機器連在一起，因為它們只能處理不同的任務(wù)，無法形成一個統(tǒng)一的整體。

張春雨： 算力網(wǎng)這個理念是好的，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，我認(rèn)為實現(xiàn)這個目標(biāo)是有可能的。但就目前來看，僅靠接入一個網(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。

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)在的計算市場有點像十年前的云計算，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，計算中心會經(jīng)歷一個“打時間差”的階段，最終會走向類似“綜合計算”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“綜合計算”來代替“通算”，因為它不僅涵蓋了通用的 CPU 計算，更將智算、超算、甚至是未來的量子計算和類腦計算都統(tǒng)籌進來。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綜合計算的過程。

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，而云計算平臺會在這個基礎(chǔ)上進行多層增值，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，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)也是機遇。許多企業(yè)目前的“內(nèi)卷”停留在低層次，比如拼價格、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，很多中小企業(yè)都試圖進行“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，從而在產(chǎn)業(yè)鏈中占據(jù)更有價值的生態(tài)位。

岑峰：黃總剛才提到了“綜合計算”這個概念，因為未來的各行各業(yè)都會有相應(yīng)的計算需求。您認(rèn)為對于想進入計算賽道的玩家來說，是建立服務(wù)各行各業(yè)的綜合計算能力更重要，還是專注于某個領(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。因為大廠在這方面已經(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)”。雖然我們團隊規(guī)模很小，但項目覆蓋 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，真正把這個行業(yè)的需求吃透。

舉個例子，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。一個直播間的中控人員一個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營效率。

再比如為政企類客戶做會議紀(jì)要產(chǎn)品時，我們通過技術(shù)與體驗的結(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價值放在首位。大模型只是我們眾多技術(shù)手段中的一個工具。在那個直播項目中，我們用到了傳統(tǒng)的算法、機器學(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，是一個絕佳的機會。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。因為大廠人力成本高、考核周期短，很難為一個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，就是找到這個平衡點，通過和客戶深度綁定，確保技術(shù)能真正落地，解決實際問題。

岑峰：余總強調(diào)了解決客戶的實際問題，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?？蛻粼谶x擇推理整機時最關(guān)心的就是性價比和高可靠性。舉個例子，市面上有些消費級顯卡，比如 RTX 4090，在跑一些大語言模型時還好，但如果處理多模態(tài)任務(wù)，因為超頻和散熱問題，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，提供價格合理、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，因為我們在這個行業(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)的方案團隊，負(fù)責(zé)幫助客戶進行推理方案的設(shè)計，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，我們很多成功的項目都離不開生態(tài)伙伴的合作。我們提供一體機這樣的硬件和平臺，而生態(tài)伙伴則負(fù)責(zé)解決客戶實際的應(yīng)用落地問題。正如余總所說，如果只是單純賣機器，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，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，我們的一體機能提供到什么程度：硬件、平臺，外加一個低代碼開發(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，同時確保客戶的實際需求得到滿足，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)合客戶實際需求，提供終端應(yīng)用服務(wù)。如果只是純粹賣機器，這東西到客戶手里，可能就用不起來。

張春雨： 沒錯。這就是為什么我們現(xiàn)在這么幸運，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”？

黃朝波：其實我個人對“一體機”這種模式一直不太看好，我覺得它只是一個階段性的產(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。

一體機模式面臨一個巨大的挑戰(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，這導(dǎo)致用戶體驗很差，形成惡性循環(huán)。因此，我們的觀點依然是，要回歸到大規(guī)模運營，通過公共云模式來分?jǐn)傑浖杀尽?/p>

04

下一個關(guān)鍵變量

岑峰：我們注意到，大模型已經(jīng)進入下半場，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，下一個能影響計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。

要實現(xiàn)這個目標(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)，因為英偉達(dá)目前的地位是特定時期的產(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？您會怎么看影響計算市場的一個關(guān)鍵變量？

張春雨：黃總在這方面見解很獨到，我完全認(rèn)同。我個人認(rèn)為，要說影響計算市場的下一個關(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，我參加一個客戶沙龍，有個客戶是做多模態(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：這個問題嘛，我只能憑感覺說了，因為我們公司做的都是些小眾的長尾賽道，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 需要處理多個任務(wù)來最終得到一個結(jié)果，它的運行邏輯就像是一個閉環(huán)。只要中間一步出錯，整個流程就得重新跑，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)品需要處理實時的音視頻流，對即時響應(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)品用戶體驗不好，就是因為算力跟不上。我做了之后就發(fā)現(xiàn)，它們確實非常缺算力，但因為成本高，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)域會是未來的大機會。它們雖然不像大模型那樣光鮮亮麗，但卻能解決實際痛點，并且一旦規(guī)?；瑢λ懔Φ男枨髸尸F(xiàn)爆炸式增長，從而顛覆整個計算市場。

岑峰：那您認(rèn)為當(dāng)前 AI 應(yīng)用市場的最大機遇和挑戰(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，機遇和挑戰(zhàn)其實是硬幣的兩面，要構(gòu)建核心競爭力，我個人有幾個建議：

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

第二，你的團隊要具備相應(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，因為他們的資源優(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，我想強調(diào)一點，很多人以為技術(shù)是唯一的護城河，但我認(rèn)為它可能不是最重要的競爭力。因為大廠會不斷開源基礎(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 時代和之前的互聯(lián)網(wǎng)時代不同，復(fù)制一個產(chǎn)品沒那么容易了。一旦你率先進入市場，快速積累了用戶和數(shù)據(jù)，就形成了一個強大的數(shù)據(jù)壁壘，讓后來者很難追趕。

說到底，現(xiàn)在的機遇和挑戰(zhàn)其實是一體兩面。機遇在于基礎(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，踏踏實實地去深挖，而不是光停留在商業(yè)計劃書上。

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

張春雨：我認(rèn)為從供給端來看，未來計算中心的運營模式一定會向“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月，那就可以選擇靈活的套餐，而不需要獨占整個設(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”。我們提供的價值不再是簡單的算力，而是實實在在的降本增效。

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)用消費這幾個環(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，并實現(xiàn)可持續(xù)發(fā)展？

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

上世紀(jì)80年代，英特爾非常強大，它既做芯片設(shè)計，又做芯片制造。當(dāng)時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。這個例子說明，當(dāng)產(chǎn)業(yè)進行分工之后，每個企業(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)分工的巨大價值。

回到算力這個事情上，智算的出現(xiàn)給了大家機會，但時間窗口并不長。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，未來需要有一個開放式的全新產(chǎn)業(yè)鏈，讓數(shù)千家公司共同參與進來。每個企業(yè)做好自己的事情，通過創(chuàng)新脫穎而出，最終實現(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”，想問一下這個研發(fā)難度大嗎？這會是一個新的機會嗎？這個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)為可以從三個層面來看，首先是統(tǒng)一管理和運維， 這是最基礎(chǔ)的層面。服務(wù)器和 PC 不同，它需要規(guī)模化部署和運維。目前，市面上已經(jīng)有很多第三方軟件可以做到這一點，比如對幾百甚至上千臺不同服務(wù)器進行統(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)備歸到一個組里，進行統(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，實現(xiàn)統(tǒng)一調(diào)度。比如說，當(dāng)一個訓(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用。所以，這的確是一個機會，但它需要一定的技術(shù)投入和成本。

余溢： 對，張總剛才說到那個異構(gòu)算力的問題，我就一直覺得這個概念挺有意思的。如果我的理解沒錯，目前的技術(shù)還無法真正做到“歸同”。也就是說，你沒辦法讓一個任務(wù)同時在 NVIDIA 和另一個品牌的顯卡上協(xié)同工作。如果強行這么做，結(jié)果會是以最慢的那個為準(zhǔn)，你快的那部分先算完了，也得等著慢的那部分，整個任務(wù)最終的速度是由最慢的那個來決定的。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，這個技術(shù)現(xiàn)在確實還不太成熟。我也接觸過很多客戶，他們也都在問這個問題。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： 因為我以前做芯片的，我可以稍微解釋一下。行業(yè)里有個專業(yè)術(shù)語叫“多元異構(gòu)”，指的就是這個問題。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？因為我們做訓(xùn)練時，是集群計算。同一個計算任務(wù)，最好在同一種架構(gòu)上跑。計算的過程中，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)度時被分配到不同的地方，僅此而已。同一個計算任務(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，客戶對這個領(lǐng)域的認(rèn)知還需要一個逐步加深的過程，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總結(jié)，對智算市場的未來進行展望，或者給正在這個賽道上的企業(yè)和個人一些建議。

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 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。每個團隊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)會帶動整個行業(yè)生態(tài)一起進步，而技術(shù)的每一次更新，也都會推動整個行業(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，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、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)可能只是一個臨時狀態(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，更容易實現(xiàn)快速迭代和演進。

第三，我想特別提到國務(wù)院的 AI 政策，里面有一個詞引起了我的關(guān)注：“AI原生”。它和“AI+”是完全不同的概念?！癆I+”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。今天由于時間關(guān)系，我們的線上圓桌就暫時到這里了。就像大家所說，這個領(lǐng)域變化非常快，所以我們也會和嘉賓們保持密切溝通。再次感謝三位嘉賓和所有觀眾的參與。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。