算力服务:大模型时代的新商业模式

随着人工智能大模型的蓬勃发展,算力成为了一种新兴的商业模式。尽管当前大模型"炼丹"热潮可能会逐渐平息,算力服务商仍需未雨绸缪,及时调整战略方向。

近期,一位清华大学毕业3年的年轻人训练出了参数量达亿级的气象大模型。该模型使用了全球40年的天气数据,耗时约2个月,使用了200张GPU卡进行预训练。按照每小时7.8元的GPU租用价格计算,仅这一垂直领域大模型的训练成本就可能超过200万元。如果是训练通用大模型,成本可能要翻百倍。

目前中国已有超过100个10亿参数规模的大模型。然而,行业普遍面临高端GPU短缺、算力成本高昂的困境。缺乏算力和资金成为摆在许多企业面前的最直接挑战。

高端GPU短缺已成为行业公认的难题。高峰时期,单张英伟达A100的价格被炒至20-30万元,单台A100服务器的月租也飙升至5-7万元。即便如此,仍可能无法获得芯片。一些算力供应商甚至遇到供应商违约等罕见情况。

与此同时,大模型训练的门槛并非像业界宣传的那样容易跨越。训练一个十亿参数规模或更大的通用大模型,成本可能需要几十亿元投入。没有雄厚资金支持,很难持续进行大模型研发。

面对这一局面,业内普遍认为,随着市场趋于理性,企业也会相应调整策略、控制成本。一些公司正在探索创新方法来弥补算力短板,如使用更高质量的数据提升训练效率,提升基础架构稳定性,优化资源调度等。也有企业选择使用国产平台替代英伟达GPU进行大模型训练和推理。

算力已经在市场需求和技术迭代中,演变成一种新的服务模式。算力服务以多样化算力为基础,通过算力网络连接,提供有效的算力供给。它不仅包括算力,还整合了存储、网络等资源,以API等形式完成算力交付。

在算力产业链中,上游企业提供基础算力资源,中游企业负责算力生产和供给,下游企业则依靠算力服务进行增值服务开发。随着大模型对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。

当前,按量计费和包年包月是主流的算力服务计费模式。行业也在推进"算网一体化融合",支持跨架构、跨地域、跨服务商的算力资源调度。

尽管目前高端GPU短缺、成本高企,但这只是暂时现象。长期来看,算力作为一种服务是确定性趋势。算力服务商需要未雨绸缪,在市场回归理性时及时调整战略方向。