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快速發展,算力正在成爲一種新興的商業模式。雖然目前大模型"煉丹"熱潮仍在持續,但算力服務商需要未雨綢繆,爲未來的市場變化做好準備。

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。這個項目使用了全球40年的天氣數據,採用200張GPU卡進行預訓練,歷時約2個月。按照當前GPU價格計算,僅訓練成本就可能超過200萬元。而如果是訓練通用大模型,成本可能會翻百倍。

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短缺的問題。算力成本居高不下,缺乏算力和資金成爲擺在衆多企業面前的現實難題。

在供不應求的情況下,高端GPU的價格被炒至高位。一張英偉達A100的價格最高時達到二三十萬元,單臺A100服務器的月租也飆升至5-7萬元。即便如此,許多企業依然難以獲得所需的芯片資源。

面對這一困境,企業紛紛尋求應對之策。有的選擇使用更高質量的數據來提升訓練效率;有的致力於提升基礎架構能力,實現大規模GPU集羣的穩定運行;還有企業轉向使用國產平台進行大模型訓練和推理。

隨着市場逐漸趨於理性,企業也在調整策略以控制成本。與此同時,算力服務正在成爲一種新的商業模式。算力服務提供商通過整合算力、存儲、網路等資源,以API等形式向用戶交付算力。這種模式使得用戶無需自建基礎設施,只需提出需求即可獲得所需的算力支持。

在算力產業鏈中,上遊企業負責提供基礎算力資源,中遊企業負責算力生產和調度,下遊則是各行業用戶。隨着算力服務的發展,新的計費模式和服務形態也在不斷湧現,如按量計費、包年包月、算網一體化等。

盡管當前高端GPU短缺問題仍然存在,但長遠來看,算力服務市場必將從賣方市場過渡到買方市場。面對這一趨勢,算力服務商需要做好準備,在市場風向轉變時及時調整策略,把握新的發展機遇。