算力服務:大模型時代的新商業模式

隨着人工智能大模型的蓬勃發展,算力成爲了一種新興的商業模式。盡管當前大模型"煉丹"熱潮可能會逐漸平息,算力服務商仍需未雨綢繆,及時調整戰略方向。

近期,一位清華大學畢業3年的年輕人訓練出了參數量達億級的氣象大模型。該模型使用了全球40年的天氣數據,耗時約2個月,使用了200張GPU卡進行預訓練。按照每小時7.8元的GPU租用價格計算,僅這一垂直領域大模型的訓練成本就可能超過200萬元。如果是訓練通用大模型,成本可能要翻百倍。

目前中國已有超過100個10億參數規模的大模型。然而,行業普遍面臨高端GPU短缺、算力成本高昂的困境。缺乏算力和資金成爲擺在許多企業面前的最直接挑戰。

高端GPU短缺已成爲行業公認的難題。高峯時期,單張英偉達A100的價格被炒至20-30萬元,單臺A100服務器的月租也飆升至5-7萬元。即便如此,仍可能無法獲得芯片。一些算力供應商甚至遇到供應商違約等罕見情況。

與此同時,大模型訓練的門檻並非像業界宣傳的那樣容易跨越。訓練一個十億參數規模或更大的通用大模型,成本可能需要幾十億元投入。沒有雄厚資金支持,很難持續進行大模型研發。

面對這一局面,業內普遍認爲,隨着市場趨於理性,企業也會相應調整策略、控制成本。一些公司正在探索創新方法來彌補算力短板,如使用更高質量的數據提升訓練效率,提升基礎架構穩定性,優化資源調度等。也有企業選擇使用國產平台替代英偉達GPU進行大模型訓練和推理。

算力已經在市場需求和技術迭代中,演變成一種新的服務模式。算力服務以多樣化算力爲基礎,通過算力網路連接,提供有效的算力供給。它不僅包括算力,還整合了存儲、網路等資源,以API等形式完成算力交付。

在算力產業鏈中,上遊企業提供基礎算力資源,中遊企業負責算力生產和供給,下遊企業則依靠算力服務進行增值服務開發。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。

當前,按量計費和包年包月是主流的算力服務計費模式。行業也在推進"算網一體化融合",支持跨架構、跨地域、跨服務商的算力資源調度。

盡管目前高端GPU短缺、成本高企,但這只是暫時現象。長期來看,算力作爲一種服務是確定性趨勢。算力服務商需要未雨綢繆,在市場回歸理性時及時調整戰略方向。