支撑全产业 AI，需要怎样的算力服务？

近年来的 AI，可以用“从偶像派到实力派”的转变来形容。下围棋的神奇、算法科学家的高薪，抑或是投资并购的新闻，热度已经不复往昔。反倒是在产业中，AI 正在进入前所未有的应用大爆发阶段，大量算法创新、软硬件配套、垂直行业解决方案等层出不穷。

AI 规模化落地应用，扎扎实实为国民经济提质增效，问题也随之而来，AI 算法的不断升级，比如千亿级参数大模型的出现，要求更强大的算力资源及服务。

最近，亿欧智库发布了《2022 中国算力服务市场发展研究报告》，从中可以看到，支撑大模型时代的算力服务，需要的是“四梁八柱”一样的韧性和抗冲击能力。

“四梁八柱”，是中国古代传统的一种建筑结构，梁柱是支撑大厦的根本。因此中国在经济政治改革过程中，都强调先确立各领域具有四梁八柱性质的主体框架，排出优先顺序，重点推进，发挥好支撑作用。作为产业 AI 重要支撑的算力服务，自然就是 AI 产业化的“四梁八柱”。

怎样的算力服务才能满足时代所需，让我们从报告中，看看是什么决定了算力服务，又有哪些群雄逐鹿。

算力服务：产业 AI 的输出逻辑

可能很多人认为，算力不够，基建来凑，缓解 AI 算力瓶颈要靠更多更大规模的算力集群。这当然是解决方案之一，但要注意的是，算力如同黄金、电、光纤等资源一样，需要在互联的过程中传递并发挥价值。举个例子，电气革命的一个标志性突破就是爱迪生将直流高压电从 5V 提升到了 110V，使得电力能够在电网上进行远距离传输，接下来发电设备、用电设备成网，能源互联以及稳定的电力服务网络，推动人类社会走上了普惠电器的时代。同样，没有宽带服务，就算你家楼下埋着万兆光纤，也照样享受不到高速冲浪的快乐。

科技先驱、以太网之父 Robert Metcalfe 提出，网络的价值与联网的个体数量的平方成正比。联网的个体数量越多，网络的总体价值就会越高。对于 AI 来说也是如此，联网的算力集群越多，能为国民经济带来的价值就越大，而算力互联之后必须依靠服务来进行保障。

事实上，东数西算工程也洞察到了这一科技产业基本规律，通过推动算力成网，形成一体化算力网络体系，并基于高质量算力平台来提供服务，满足更多领域的算力需求。

随着使用算力的企业增多，如何评测算力、稳定供给、降本增效、便捷服务，成为待解决的问题，迫切需要与产业智能化速度相匹配的算力服务。其作为数字经济的“四梁八柱”之一，必须从现在开始建构。

集算力服务之力，一家 AI 公司的突围之路

那么，具体到现实中，企业在研发和落地 AI 时，究竟需要怎样的算力服务来保驾护航？在与一些行业用户、科研机构的交流中，我们似乎找到了一些答案。

1.资源瓶颈。

AI 训练需要极大的算力，目前，我国区域间算力资源供需还未平衡，传统运输方式调度难度大，算力供给与需求是不匹配的，企业要打造一个可堪重用的 AI 模型，必须有稳定可靠的资源衔接平台来供给资源。有企业专家表示，专用任务的计算，高端计算资源能够大大缩短训练和研发周期。因此，他们选择与一站式算力服务平台合作，平台能够将多种算力资源整合，帮助企业解决了算力紧张、算力调度和算力释放等综合问题。

2.成本瓶颈。

AI 需要调动各类专用芯片产生的诸多类型算力，研发阶段需要耗费巨大的成本，效能每提高一个百分点都是巨大的节约。据专家分享，通过一站式算力服务来应对大规模的高密集型计算任务（特定任务、特定场景），在经济性上更有优势。在实际研发生产中，可以根据算力用量按需购买，及时对算力进行灵活调整，既满足了研发需求，又避免了服务器资源限制、后期运维等成本。

3.生态瓶颈。AI 发展应该以产业应用为导向，引导各方全力以赴，生态建设的重要性不言而喻。专注 AI 模型研发训练的企业，可以与算力服务平台方合作，将一些 AI 应用和系统开放给平台生态内的用户，一键式地导入相应的能力来满足应用开发、测试等需求。实现资源与服务的开放共享，有助于建立高效协同的产业供应链，推动 AI 产研用一体化。

从企业实践中我们可以发现，算力服务不是单纯的算力硬件性能比拼，而是集资源、应用、服务、运维为一体的体系化工程。而目前算力服务整个市场都还处于发展初期，行业竞争格局暂未完全定型，产品和解决方案也各有特色。

云厂商凭借云计算优势能力，云上形成算力资源与服务的完整序列，更为灵活；ICT 厂商计算技术突出，性能强、稳定可靠，配套服务能力强；算力代理商配套服务丰富，自身资源能力弱；国家高端计算中心基础设施资源积累多，行业知名度、认可度高，但商业化能力弱。

那么，企业想要选择适当的算力服务平台，究竟有没有定量、定性的科学方法与行业标准呢？《2022 中国算力服务市场发展研究报告》或许可以作为参照。

算力服务 POSE 模型：解锁 AI 产业化的新姿势

《2022 中国算力服务市场发展研究报告》基于对国内算力服务市场及平台的整体调研分析，提出了算力服务综合价值力分析模型 POSE，从中，我们会发现支撑一个算力服务平台品质的四种要素。

产品力：主要指技术能力、基础设施建设、服务价格等产品层面的能力。曙光智算在基础设施建设支撑与技术性能方面略胜一筹：阿里云的算力种类相较更丰富，但在自主创新能力弱于曙光智算与华为云。

运营力：包括服务能力、行业口碑、商业化能力。其中曙光智算与并行科技具有即时、专业的服务能力，对每一个客户都可提供专业的团队支持与应用的迁移适配服务；阿里云与华为云作为云服务先行者，积累大量案例，商业化更快。

调度力：主要聚焦资源协同调度的能力。曙光智算背靠集团 20 余年异构计算经验沉淀及生态建设，阿里云凭借更早的网络建设布局和云服务基础，双方并列第一。

生态力：全产业链资源聚合能力、适配能力、自身生态开放度等。华为云、阿里云、曙光智算背靠集团生态建设，目前都较为成熟。

不夸张地说，POSE 模型的四大要素，也是算力服务的“四梁八柱”，没有这个核心框架的承重能力，很难支撑 AI 大模型这样的产业“重器”。这也是对厂商们的综合大考：既要快速上马，服务于如火如荼地东数西算工程；还要挑战更好，在群雄逐鹿的竞技场交出更优秀的答卷。其中，曙光在多个指标中都拔得头筹，比起靓丽的成绩，背后所做的努力更值得探究。

聚 &变：一站式平台托举的产业 AI 集结令

曙光能够在开局就拿出来全国一体化算力服务平台和诸多案例，提前吹响产业 AI 的集结号，这或许能够从侧面展现出曙光生态的一些特质。

1.全链条：曙光智算背靠集团，进行了全产业链布局，软硬件一体化全面贯穿，整体供应链的抗风险能力与资源调度能力都更强，满足产业大规模应用 AI 所需的并发性、兼容性与稳定性。

2.全流程：曙光智算虽然入局较晚，但厚积薄发，服务的深度与广度反而很高，比如曙光智算的点对点服务，从算力供给到调度、以及最终的部署与集成，一个平台打通 AI 产业应用的全部流程，很好地帮助预训练大模型及其他算法模型的加速落地。

3.全包容：曙光智算背靠老牌 ICT 厂商的多元能力和计算生态，配套服务能力强，生态丰富，有较多用户表示曙光集团本身业务属性与自身业态（如科研及工业）更为契合，这也是为什么曙光一站式算力服务平台能够支撑不同行业、不同企业的数智化。

精微细致的服务所积累起来的，是一次次 AI 与产业的精密对接，最终量变产生质变，拉开产业 AI 的大幕。

人类经历了能源互联的电气革命、网络互连的信息革命，终于抵达了算力互联的智能革命门前。算力服务，是 AI 训练的暴力计算所不可或缺的底座，也是支撑算力互联成网、AI 真正走入社会经济的关键力量。而借助更前沿的算力基建和算力服务，这一次，中国将率先推开产业智能的大门。