コンピューティングパワーが新興ビジネスモデルに 大モデルブームが業界の変革を推進

算力を奪う前提は、算力が新しいビジネスモデルになりつつあることです。大規模モデルのトレーニングの熱潮はいつか終わりを迎えるでしょうから、算力サービスプロバイダーは早めに備え、方向性を適切に調整する必要があります。

最近、清華大学を卒業して3年の研究者が、200枚のGPUカードを利用して、約2ヶ月の時間をかけて、億単位のパラメータを持つ気象分野の大規模モデルを訓練しました。1時間あたり7.8元のGPU使用料で計算すると、このモデルの訓練コストは200万元を超える可能性があります。一方、汎用大モデルを訓練する場合、コストは100倍に増加する可能性があります。

現在、中国には100以上の10億パラメータ規模の大モデルがあります。しかし、業界の競争が激化する中で、大モデルのトレーニングは高性能GPUの不足という困難に直面しています。コンピューティングパワーのコストが高騰し、コンピューティングパワーと資金の不足が業界にとって最も直接的な問題となっています。

高性能GPUの不足は業界で認識されている難題となっています。ピーク時には、NVIDIA A100の価格が二三十万元に達し、単体のA100サーバーの月額レンタル料も5-7万元に上昇しました。それにもかかわらず、高価格でもチップを入手できるとは限らず、一部の供給業者は供給者の契約違反に直面したこともあります。

あるクラウドコンピューティング会社の幹部は言った："私たちは多くの顧客が高性能GPUリソースを求めているが、現在の供給は広範な市場の需要を完全に満たすことができない。"

業界では一般的に、大規模モデル市場の激しい競争に伴い、業界は熱狂から理性に戻ると考えられており、企業は予想の変化に応じてコストを管理し、戦略を調整するでしょう。

算力不足に直面して、企業はさまざまな対策を模索しています:

1. より高品質なデータを使用してトレーニング効率を向上させる
2. インフラ能力を向上させ、1000kcal以上の安定した長時間運用を実現する
3. コンピューティングパワーリソースのスケジューリングを最適化し、利用率を向上させる
4. クラウドコンピューティングアーキテクチャからスーパーコンピュータアーキテクチャに移行することでコストを削減
5. 国産GPUプラットフォームを使用してNVIDIAを代替する

しかし、これらの方法は一般企業にとっては大規模なプロジェクトです。そのため、多くのアルゴリズムチームは専門のコンピューティングパワーサービスプロバイダーと提携することを選択します。千カロリー級のGPUクラスターでスケール効果を実現でき、コンピューティングパワーサービスプロバイダーを選ぶことで限界コストを削減できます。

人工知能の普及に伴い、中小企業が便利かつ低コストでコンピューティングパワーを利用できることが重要になっています。大規模モデルによるコンピューティングパワーへの切実な需要や、コンピューティングパワーの応用において解決すべきさまざまな課題は、コンピューティングパワーが新しいサービスモデルになったことを示しています。

コンピューティングパワーサービスの本質は、新しい計算技術を通じて異種コンピューティングパワーを統一的に出力し、クラウドコンピューティング、大データ、AIなどの技術と融合することです。それはコンピューティングパワーだけでなく、ストレージ、ネットワークなどのリソースの統合も含み、APIなどの形式でサービスを提供します。

算力産業チェーンにおいて、上流企業は基礎リソースを提供し、中流企業は算力の生産と供給を担当し、下流企業は算力サービスのユーザーとなります。中流企業のサービス化能力が強ければ強いほど、アプリケーション側の敷居は低くなり、算力の普及的な発展に有利です。

現在、従量課金と年契約・月契約はコンピューティングパワーサービスの主要な料金モデルです。業界は「算ネット統合融合」を推進しており、クロスアーキテクチャ、クロスリージョン、クロスサービスプロバイダーのリソース調整をサポートしています。

大規模モデルの高性能コンピューティング需要が常態化するにつれて、コンピューティングパワーサービスは独自の産業チェーンとビジネスモデルを迅速に形成しています。現在、高性能GPUが不足し、コンピューティングパワーのコストが高騰していますが、これは一時的な現象に過ぎません。長期的には、コンピューティングパワーのサービス化は確実なトレンドであり、サービスプロバイダーは事前に準備を整え、市場の変化に備える必要があります。