Daya Komputasi Menjadi Model Bisnis Baru Gelombang Model Besar Mendorong Transformasi Industri

Prasyarat untuk merebut Daya Komputasi adalah bahwa Daya Komputasi sedang menjadi model bisnis baru. Gelombang pelatihan model besar pada akhirnya akan mereda, penyedia layanan Daya Komputasi perlu bersiap-siap dan segera menyesuaikan arah.

Baru-baru ini, seorang peneliti lulusan Universitas Tsinghua yang sudah lulus selama 3 tahun menggunakan 200 kartu GPU, menghabiskan waktu sekitar 2 bulan, dan melatih model besar di bidang meteorologi dengan jumlah parameter mencapai tingkat miliaran. Jika dihitung dengan biaya penggunaan GPU sebesar 7,8 yuan per jam, biaya pelatihan model tersebut mungkin melebihi 2 juta yuan. Dan jika yang dilatih adalah model besar umum, biayanya mungkin meningkat seratus kali lipat.

Saat ini, China telah memiliki lebih dari 100 model besar dengan skala 10 miliar parameter. Namun, pelatihan model besar yang berkembang pesat di industri menghadapi kendala kekurangan GPU kelas atas. Biaya Daya Komputasi yang tinggi dan kurangnya Daya Komputasi serta dana menjadi masalah yang paling langsung dihadapi oleh industri.

Kekurangan GPU kelas atas telah menjadi masalah yang diakui dalam industri. Pada puncaknya, harga satu unit NVIDIA A100 mencapai dua hingga tiga puluh ribu yuan, dan sewa bulanan untuk satu server A100 juga melonjak menjadi 5-7 ribu yuan. Meskipun begitu, harga tinggi belum tentu menjamin mendapatkan chip, beberapa pemasok bahkan mengalami situasi di mana pemasok melakukan wanprestasi.

Seorang eksekutif dari perusahaan cloud computing mengatakan: "Kami memiliki banyak klien yang menginginkan sumber daya GPU kelas atas, tetapi pasokan saat ini tidak dapat sepenuhnya memenuhi permintaan pasar yang luas."

Industri secara umum percaya bahwa, seiring dengan persaingan ketat di pasar model besar, industri akan kembali ke rasionalitas setelah fase antusiasme, dan perusahaan juga akan mengendalikan biaya serta menyesuaikan strategi berdasarkan perubahan yang diharapkan.

Menghadapi Daya Komputasi yang kurang, perusahaan sedang menjelajahi berbagai metode untuk mengatasi:

1. Menggunakan data berkualitas lebih tinggi untuk meningkatkan efisiensi pelatihan
2. Meningkatkan kapasitas infrastruktur, mencapai operasi stabil lebih dari seribu kalori dalam waktu lama
3. Mengoptimalkan Daya Komputasi sumber daya, meningkatkan tingkat pemanfaatan
4. Beralih dari arsitektur komputasi awan ke arsitektur superkomputer untuk mengurangi biaya
5. Menggunakan platform GPU lokal sebagai pengganti NVIDIA

Namun, metode ini merupakan proyek besar bagi perusahaan pada umumnya. Oleh karena itu, banyak tim algoritma memilih untuk bekerja sama dengan penyedia layanan daya komputasi profesional. Kluster GPU tingkat kilokalori diperlukan untuk mencapai efek skala, memilih penyedia daya komputasi dapat mengurangi biaya marginal.

Dengan penerapan kecerdasan buatan yang semakin meluas, memungkinkan usaha kecil dan menengah untuk menggunakan sumber daya daya komputasi dengan mudah dan biaya rendah menjadi sangat penting. Baik kebutuhan mendesak akan daya komputasi dari model besar maupun berbagai masalah yang perlu dipecahkan dalam aplikasi daya komputasi, semuanya menunjukkan bahwa daya komputasi telah menjadi suatu model layanan baru.

Esensi layanan daya komputasi adalah untuk mencapai keluaran daya komputasi heterogen yang terintegrasi melalui teknologi komputasi baru, dan berintegrasi dengan teknologi cloud computing, big data, AI, dan lainnya. Ini tidak hanya mencakup daya komputasi, tetapi juga integrasi sumber daya seperti penyimpanan, jaringan, dan disampaikan dalam bentuk layanan seperti API.

Dalam rantai industri daya komputasi, perusahaan hulu menyediakan sumber daya dasar, perusahaan tengah bertanggung jawab atas produksi dan penyediaan daya komputasi, sedangkan perusahaan hilir adalah pengguna layanan daya komputasi. Semakin kuat kemampuan layanan perusahaan tengah, semakin rendah ambang batas untuk pihak aplikasi, semakin mendukung perkembangan daya komputasi yang merata.

Saat ini, penagihan berdasarkan penggunaan dan paket tahunan/bulanan adalah model tarif utama untuk layanan daya komputasi. Industri juga sedang mendorong "integrasi dan fusi daya jaringan", mendukung penjadwalan sumber daya lintas arsitektur, lintas wilayah, dan lintas penyedia layanan.

Seiring dengan normalisasi permintaan komputasi berperforma tinggi untuk model besar, layanan daya komputasi sedang dengan cepat membentuk rantai industri dan model bisnis yang unik. Meskipun saat ini ada kekurangan GPU kelas atas dan biaya daya komputasi yang tinggi, ini hanya fenomena sementara. Dalam jangka panjang, layanan daya komputasi adalah tren yang pasti, penyedia layanan perlu bersiap-siap untuk perubahan pasar.