算力成爲新興商業模式 大模型熱潮推動行業轉型

搶奪算力的前提是算力正在成爲一種新的商業模式。大模型訓練的熱潮終將褪去，算力服務提供商需要未雨綢繆,及時調整方向。

近期,一位清華大學畢業3年的研究人員利用200張GPU卡,花費約2個月時間,訓練出了參數量達億級的氣象領域大模型。按每小時7.8元的GPU使用費用計算,該模型的訓練成本可能超過200萬元。而如果訓練的是通用大模型,成本可能要增加百倍。

目前中國已有超過100個10億參數規模的大模型。然而,行業蜂擁而至的大模型訓練卻面臨高端GPU短缺的困境。算力成本高企,缺乏算力和資金成爲擺在業內面前最直接的問題。

高端GPU的短缺已成爲行業公認的難題。巔峯時期,一張英偉達A100的價格高達二三十萬元,單臺A100服務器的月租也漲到了5-7萬元。即便如此,高價也不一定能買到芯片,一些供應商還遇到過供貨商違約的情況。

某雲計算公司高管表示:"我們有很多客戶都想要高端GPU資源,但目前的供應無法完全滿足廣泛的市場需求。"

業內普遍認爲,隨着大模型市場的激烈競爭,行業將從狂熱回歸理性,企業也會根據預期的變化來控制成本、調整戰略。

面對算力短缺,企業正在探索多種應對方法:

1. 使用更高質量的數據提高訓練效率
2. 提升基礎設施能力,實現千卡以上穩定長時間運行
3. 優化算力資源調度,提高利用率
4. 從雲計算架構轉向超算架構降低成本
5. 使用國產GPU平台替代英偉達

然而,這些方法對一般企業來說都是巨大的工程。因此,許多算法團隊選擇與專業算力服務商合作。千卡級別的GPU集羣才能實現規模效應,選擇算力服務商可以降低邊際成本。

隨着人工智能的普及應用,讓中小企業也能便捷、低成本地使用算力資源變得至關重要。無論是大模型對算力的迫切需求,還是算力應用中需要解決的各種難題,都體現出算力已經成爲一種新的服務模式。

算力服務的本質是通過新計算技術實現異構算力統一輸出,並與雲計算、大數據、AI等技術融合。它不僅包括算力,還包括存儲、網路等資源的整合,以API等形式交付服務。

在算力產業鏈中,上遊企業提供基礎資源,中遊企業負責算力生產和供給,下遊企業則是算力服務的用戶。中遊企業的服務化能力越強,對應用方的門檻就越低,越有利於算力的普惠化發展。

目前,按量計費和包年包月是算力服務的主要收費模式。行業也在推進"算網一體化融合",支持跨架構、跨地域、跨服務商的資源調度。

隨着大模型高性能計算需求的常態化,算力服務正快速形成獨特的產業鏈和商業模式。雖然當前高端GPU短缺、算力成本高企,但這只是暫時現象。長期來看,算力服務化是確定的趨勢,服務商需要未雨綢繆,爲市場變化做好準備。