算力服務:大模型浪潮下的新商業模式

在大模型成爲熱門話題的今天,算力短缺成爲行業面臨的一大挑戰。高端GPU一卡難求,價格飆升,但即便如此也難以滿足市場需求。一些算力供應商甚至遇到供應商跳票等罕見情況。

據統計,中國目前已有超過100個10億參數規模的大模型。然而,訓練一個大模型的成本極高。以盤古氣象大模型爲例,僅訓練成本就可能超過200萬元。對於更大規模的通用大模型,成本可能要翻百倍。有業內人士表示,沒有幾十億資金投入,很難持續做大模型。

面對這一難題,企業正在積極尋找應對之策。一些常見方法包括:使用更高質量的數據提升訓練效率、優化基礎架構實現更穩定的運行、提高資源調度能力等。也有企業選擇使用國產平台替代英偉達GPU。不過對大多數企業而言,選擇專業的算力服務商可能是更可行的方案。

事實上,算力已經在市場需求和技術迭代中逐漸發展成爲一種新的服務模式。算力服務是以多樣性算力爲基礎,以算力網路爲連結,以供給有效算力爲目標的新興產業領域。它不僅包括算力,還涵蓋存儲、網路等資源的統一封裝,以API等形式完成交付。

在算力產業鏈中,上遊企業主要供應基礎資源,如芯片、服務器等。中遊企業則是雲服務商、算力服務提供商等,通過技術實現算力生產和供給。下遊則是依靠算力服務進行增值的行業用戶。

目前,按量計費和包年包月是主流的算力服務計費模式。用戶可以選擇對應的算力服務實例,或在MaaS平台上進行大模型的行業精調。一些新興模式如"算網一體化融合"也在推進中,旨在實現更靈活的跨架構、跨地域、跨服務商的算力調度。

隨着大模型對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、成本高企帶來挑戰,但長遠來看,算力服務化是確定的趨勢。對算力服務商而言,未雨綢繆、爲市場變化做好準備至關重要。