“美国的算力限制，确实会给国内大模型发展带来制约。毕竟，没有核心算力，模型训练就无从谈起。”谈及算力的关键作用，优刻得董事长兼CEO季昕华的观点直指核心。

自今年2月国内大模型热潮兴起，算力便迅速成为业界焦点，同时也被视为一道亟待攻克的技术关卡。然而，从另一个视角看，算力需求的爆发式增长，也为国内的云计算厂商带来了前所未有的市场机遇。

对此，季昕华也表示认同。他认为，算力限制既是挑战也是契机。一方面，若想在一两年内解决“卡脖子”问题，必须加速国产芯片的研发进程，这绝非易事；另一方面，企业对算力的空前重视，反而会倒逼并推动整个国产芯片产业链的快速发展。

作为一家中立的云计算服务商，优刻得其实早已感知到，大模型竞争的背后，是整个算力市场格局即将发生的深刻变革。

“去年11月第一次接触Stable Diffusion时，其生成效果就让人非常惊艳，这促使我们开始密切关注大模型领域。”季昕华回顾了公司关注大模型的起点。他同时透露，当时国内企业尚未普遍关注大模型，其潜在价值也不甚明朗，因此并未立即决定开展相关业务。

优刻得真正开始应用大模型并服务大模型企业，要从今年2月算起——这也正是大模型在国内形成广泛影响力的时间节点。

据了解，优刻得的布局是双线并行的：一方面，基于大模型研发了供内部使用的四款AI产品，包括知识问答平台“识问”、UCoder代码助手、AI绘画助手以及大模型安全管理平台；另一方面，依托其低成本、高附加值的自建数据中心，构建了AIGC算力底座，为大模型的训练、推理及数据处理等环节，灵活提供多种GPU算力资源。

此后，优刻得进一步推出了私有化大模型一体机。该设备内置其自主研发的UCloudStack全栈私有云平台，提供从虚拟化、存储、网络到MaaS模型服务的私有化解决方案，可结合行业垂直大模型一体化交付给企业客户，实现大模型应用的一键部署。

谈及优刻得在大模型时代的定位，季昕华再次强调了“中立”原则。他解释道，中立意味着优刻得与客户之间不存在业务竞争，并且致力于帮助大模型公司寻找客户。季昕华曾公开形象地比喻，在大模型时代，优刻得愿意扮演“红娘”的角色。

从季昕华的阐述中，也可以理解优刻得内部研发和应用大模型产品的深层原因：一是让公司员工率先了解并学会使用大模型，在此基础上，才能更深刻地洞察大模型落地过程中的真实痛点与应用场景，从而为客户提供更精准有效的服务。

展望大模型的未来，季昕华表示，尽管前方存在诸多不确定性，但互联网与人工智能行业对算力的需求是确定无疑的。目前，国内无论在单卡训练能力还是卡间互联能力上仍存在局限。因此，优刻得未来的工作重点，将持续聚焦于打造坚实的大模型算力底座。

竞争大模型不是有卡就能躺赢，工程能力对模型训练至关重要

问： 一种普遍观点认为，最终能参与大模型竞争的云厂商屈指可数，像高速网络这样的能力并非每家都有。您认为真正的竞争壁垒是什么？

季昕华： 高速网络这类技术，其实并非主要门槛。包括优刻得在内的大多数云厂商都有能力构建。目前主流的高性能网络方案主要有两种：一种是RoCE网络，优刻得在2019年就已具备这项能力；另一种是英伟达推荐的IB网络方案，这套方案相对更简单，主要涉及部署和维护。所以，对于云厂商或大型公司而言，技术本身并不是最核心的障碍。

问： 有说法称，很多大模型企业已经开始“囤卡”了？

季昕华： 是的，尤其是一些头部大厂，正在积极储备A800、H800等计算卡。这背后有两个原因：一是其自身的AI业务需要大量算力支撑，加之资金充裕，自然会提前进行大规模采购；二是国内大模型的热潮自今年2月兴起，各厂商出于战略重视，也加快了储备算力的步伐。

问： 那么，是否意味着拥有的卡越多就越有优势，甚至能“躺赢”？其他云厂商又该如何与这些大厂竞争？

季昕华： “躺赢”可谈不上。事实上，现在很多AI大模型公司也在使用我们的算力，这种情况很普遍。

原因有几方面：第一，单一来源的算力往往无法满足全部需求；第二，大模型公司之所以愿意与优刻得合作，是考虑到一些大厂同时拥有算力、算法、数据和场景，与其合作难免存在未来业务竞争的担忧。而优刻得作为中立、安全的云厂商，与大模型企业没有竞争关系。同时，优刻得具备从数据中心、底层架构到算力平台、模型库的全栈技术积累和一站式系统工程服务能力。

做好算力服务，做好大模型“红娘”这个角色

问： 优刻得是从何时开始关注大模型的？

季昕华： 最早接触是在去年国庆期间，首先是看到了Stable Diffusion，其效果令人惊艳，于是开始关注大模型。因此，我们对ChatGPT的跟进也比较早。

问： 所以去年国庆后就决定要投入这个领域了？

季昕华： 去年国庆后，优刻得确实将AIGC定为年度重点方向之一，并在11月发布了AI绘画平台镜像。但真正下定决心全面投入，是在今年2月与国内头部大模型公司深入交流之后。我们察觉到国内算力市场即将迎来爆发性增长，因此在3月底正式决定大力拓展这项业务。

问： 在众多大模型企业中，优刻得有多少潜在客户？

季昕华： 我们统计过，国内专注于大模型的公司约有130家，其中通用大模型78家，垂直大模型52家，而且这个数字还在增加。目前，已有30多家成为了我们的客户。

问： 具体以什么形式提供服务？

季昕华： 主要是两类服务：一是直接提供算力资源；二是提供机房托管服务，因为有些公司会选择自行采购设备，然后放置在我们的数据中心。

问： 机房服务如何理解？是因为客户自身缺乏运营能力吗？

季昕华： 任何企业都需要机房，但大模型所需的机房有两个突出特点：一是电力消耗巨大，二是单机功耗高。例如一台H100服务器的功耗可能超过10千瓦，普通机房难以满足。优刻得在乌兰察布的数据中心就特别适合这类高功耗需求。此外，不少公司面临“有服务器却用不起来”的困境，优刻得可以帮助他们快速搭建算力平台并提供后续运维支持。

问： 除了提供算力，优刻得前段时间还发布了“识问”平台？

季昕华： 优刻得内部开发了四个平台：知识问答平台“识问”、UCoder代码助手、AI绘画助手以及大模型安全管理平台。实际上，在“识问”之前，我们最先推出的是大模型应用管理系统，这是我们的第一款产品，初衷是希望让更多人能便捷地用上大模型。

其次，为了解决商业安全问题，我们设置了一系列限制，包括对用户提问和上传文件进行记录与过滤，防止企业机密信息泄露。

第三，系统会自动记录用户的所有提问以及内外部沟通的返回结果，这些数据沉淀下来，便于企业后续用于持续的模型训练和优化。

问： 开发这四款产品的初衷是什么？未来会对外开放吗？

季昕华： 首要目的是让公司全体员工都能了解并使用大模型。只有亲身实践，才能深入理解大模型公司的真实痛点与落地场景，从而更好地服务客户。目前这些产品主要供内部使用，但如果客户有需求，我们也可以展开深度合作。

问： 这些平台是基于哪个模型进行训练的呢？

季昕华： 我们采用了一种“国外磨枪、国内战斗”的策略。初期会使用GPT-4进行训练和模型验证，待流程跑通后，再逐步迁移到国内大模型或开源大模型上进行优化。

问： 未来有哪些应用场景是您比较看好的？

季昕华： 如果按照对输出内容准确性要求的高低来划分，我们梳理了十个潜力场景：

第一是翻译和配音，大模型在此类任务上的能力已相当出色，完全可以替代部分人工；第二是游戏中的NPC（非玩家角色）；第三是社交应用；第四是电商内容生成；第五是游戏设计；第六是智能客服；第七是公文与编程辅助；第八是企业内部知识管理；第九是教育与保险场景；最后是辅助律师和医生工作。

问： 这十个场景会同步推进，还是逐步展开？

季昕华： 优刻得自身不研发大模型，我们的角色是“连接器”或“红娘”。例如，将游戏行业的客户对接给MiniMax，将电商、教育行业的客户对接给智谱华章等合作伙伴。

国内大模型水平赶超GPT-4很难，创业公司机会更多

问： 您认为国内大模型公司可以分为几类？哪些是优刻得的重点客户？

季昕华： 我们大致分为五类。第一类是互联网与科技巨头，如阿里、百度、字节、华&为、京东等。第二类是科学家创业团队，像智谱华章。第三类是原有的AI公司，如“AI四小龙”、达观、云知声、第四范式等。第四类是新兴的创业公司，例如MiniMax。第五类是由其他行业上市公司转型或领军人物创业而来，如昆仑万维、360，以及王小川、李开复等创办的企业。

第一类巨头并非优刻得的目标客户，后面几类才是我们重点服务的对象。

问： 这是否意味着大厂具备自建能力，而其他企业则没有？

季昕华： 大模型涉及人工智能的复杂体系，不仅是网络，还包括存储、机房等一系列基础设施。创业公司理论上也可以自建，但周期会非常长。在大模型这场竞赛中，速度是关键，谁能更快地部署和应用，谁就更可能占据先机。等自建完成，市场窗口期可能已经过去。

问： 对于大厂而言，发展大模型会经历哪几个关键阶段？

季昕华： 首先是模型上线，其次是上线后的效果验证与迭代。目前了解到，已有MiniMax、智谱、百度、阿里、科大讯飞等公司的模型上线。

问： 如何评判哪家的效果更好？是否主要看算力消耗的多少？

季昕华： 不能简单地划等号。训练阶段消耗的算力多，未必能训练出更优的模型。但如果推理环节消耗的算力多，通常意味着用户体量大、调用频繁，由此收集到的反馈数据也更丰富，这反而更有利于迭代和优化模型。

问： 无论是训练还是推理，做大模型首先还是离不开算力吧？

季昕华： 没错。第一要有“卡”，这是硬件基础，没有算力必然落后；第二要有强大的工程能力，否则有卡也用不起来。目前各家在工程能力上的利用率大约在40%-50%之间。解决了这两个问题，接下来还要应对安全挑战，同时流量支撑能力也至关重要。

问： 国内大模型目前处于什么水平？有人认为今年年底就能追上GPT-4。

季昕华： 目前国内还没有出现整体能力超越GPT-3.5的模型，当然在某个特定任务上超越相对容易。但要全面超越GPT-4则非常困难，关键原因在于，GPT-3.5之前的技术论文是公开的，但GPT-4的核心技术细节并未公开，大家尚不清楚其实现路径。

问： 国内大厂也没有机会赶超吗？

季昕华： 从当前效果看，一些大厂的表现可能还不如头部创业公司。因为一些有信念、有远见的创业团队很早就开始布局通用大模型了，而很多大厂是在ChatGPT引爆市场后才开始跟进。

问： 按理说，大厂有更深厚的技术积累，不是更有机会吗？

季昕华： AI领域分支众多。过去几年，业界普遍认为垂直大模型更有机会，对通用大模型的潜力判断相对保守。因此，真正持续投入通用大模型研发的，反而是一些有信念的创业团队和科研机构，比如智谱华章、MiniMax以及中科院的相关团队。

对于大厂而言，更多是在看到国外成功案例后进行战略跟进，起初并未将其提升到公司核心战略的高度，因此在通用大模型的技术积累上，并不一定具备绝对优势。

问： 算力问题迟早会解决，届时优刻得在大模型领域的优势将体现在哪里？

季昕华： 可以总结为三点：第一，坚持中立性，与客户无业务竞争，建立信任基础；第二，具备从数据中心、网络到存储的完整AIGC解决方案构建能力，能帮助中小型公司快速搭建平台，提升大模型使用效率；第三，能够更好地帮助大模型公司拓展下游客户与落地场景。

从今年2月至今，国内大模型热潮已持续近半年。各类通用与垂直模型层出不穷，参数规模竞相攀升，市场竞争日趋白热化，与之相伴的算力竞争也愈发激烈。然而，随着国内对算力自主可控的重视程度空前提高，所谓“卡脖子”的困境，终将在产业合力下被逐步打破。

技术的演进需要思想的碰撞。接下来，一群人工智能领域的开拓者将齐聚新加坡，在第七届GAIR全球人工智能与机器人大会上，带来前沿的洞察与思考。作为国内首个出海举办的AI顶级论坛，这也标志着中国人工智能影响力的进一步扩展。

算力、数据、基础设施，共同构成了大模型时代的“超级基建”。在此次论坛上，季昕华将与多位业界专家一同，围绕《大模型时代的超级基建》这一主题展开深度探讨。届时，包括新加坡国立大学校长青年教授尤洋、汇智智能联合创始人刘黄骁烈、Zilliz创始人星爵、云启资本合伙人陈昱等重磅嘉宾，将共同分享他们对超级基建形态的思考，以及如何筑牢大模型发展基座的实践路径。

相关攻略

热门推荐