算力成为新兴商业模式 大模型热潮推动行业转型

抢夺算力的前提是算力正在成为一种新的商业模式。大模型训练的热潮终将褪去，算力服务提供商需要未雨绸缪,及时调整方向。

近期,一位清华大学毕业3年的研究人员利用200张GPU卡,花费约2个月时间,训练出了参数量达亿级的气象领域大模型。按每小时7.8元的GPU使用费用计算,该模型的训练成本可能超过200万元。而如果训练的是通用大模型,成本可能要增加百倍。

目前中国已有超过100个10亿参数规模的大模型。然而,行业蜂拥而至的大模型训练却面临高端GPU短缺的困境。算力成本高企,缺乏算力和资金成为摆在业内面前最直接的问题。

高端GPU的短缺已成为行业公认的难题。巅峰时期,一张英伟达A100的价格高达二三十万元,单台A100服务器的月租也涨到了5-7万元。即便如此,高价也不一定能买到芯片,一些供应商还遇到过供货商违约的情况。

某云计算公司高管表示:"我们有很多客户都想要高端GPU资源,但目前的供应无法完全满足广泛的市场需求。"

业内普遍认为,随着大模型市场的激烈竞争,行业将从狂热回归理性,企业也会根据预期的变化来控制成本、调整战略。

面对算力短缺,企业正在探索多种应对方法:

1. 使用更高质量的数据提高训练效率
2. 提升基础设施能力,实现千卡以上稳定长时间运行
3. 优化算力资源调度,提高利用率
4. 从云计算架构转向超算架构降低成本
5. 使用国产GPU平台替代英伟达

然而,这些方法对一般企业来说都是巨大的工程。因此,许多算法团队选择与专业算力服务商合作。千卡级别的GPU集群才能实现规模效应,选择算力服务商可以降低边际成本。

随着人工智能的普及应用,让中小企业也能便捷、低成本地使用算力资源变得至关重要。无论是大模型对算力的迫切需求,还是算力应用中需要解决的各种难题,都体现出算力已经成为一种新的服务模式。

算力服务的本质是通过新计算技术实现异构算力统一输出,并与云计算、大数据、AI等技术融合。它不仅包括算力,还包括存储、网络等资源的整合,以API等形式交付服务。

在算力产业链中,上游企业提供基础资源,中游企业负责算力生产和供给,下游企业则是算力服务的用户。中游企业的服务化能力越强,对应用方的门槛就越低,越有利于算力的普惠化发展。

目前,按量计费和包年包月是算力服务的主要收费模式。行业也在推进"算网一体化融合",支持跨架构、跨地域、跨服务商的资源调度。

随着大模型高性能计算需求的常态化,算力服务正快速形成独特的产业链和商业模式。虽然当前高端GPU短缺、算力成本高企,但这只是暂时现象。长期来看,算力服务化是确定的趋势,服务商需要未雨绸缪,为市场变化做好准备。