2023年是人工智能技术产品发展的重要转折年,以Transformer、预训练模型、多模态技术、生成式算法为代表的算法模型发展迅猛,实现从计算智能、感知智能再到认知智能的进阶,生成式AI为人类社会打开了认知智能的大门。通过单个大规模数据的学习训练,令AI具备了多个不同领域的知识,人工智能已经能完成真实场景的任务。随着越来越多的企业加速从数字化向人工智能化迈进,实现业务自动化、智能化,对AI算力的需求在不断扩大, AI基础设施的投入也在迅速增长。这些都代表了不可阻挡的AI发展趋势。人工智能AIGC的发展以及大模型生产工具的出现,无疑将引领人类进入一个全新的时代。
在过去,算力主要服务于互联网和企业数字化,以CPU为中心,其核心追求是稳定性。然而,在AI和大模型的时代,未来10年的算力需求、业务应用及其底层架构将迎来巨大变革。新的业务形态将以人工智能服务为主导,以模型算法开发、微调、部署推理的算力服务为核心,其特点是快速构建、即时启动。 未来的算力需求将不再仅限于支持传统应用和云原生应用,更将迎来快速增长的AI应用。在这个全新的时代,我们需要更加快速、高效、多元的算力支持,以满足市场的不断变化、技术的快速发展,以及适应多样的业务场景。 然而,AI算力中心的建设与应用并非--帆风顺,仍面临着许多挑战。
大量异构算力资源、复杂的高速网络调度以及海量数据管理,将比传统计算业务更加复杂,Al任务出错比例高,往往需要全栈工程师来进行配置和支持,交付周期长、风险大、成本高。
AI的蓬勃发展带来了大量的新兴技术公司,在各个领域都有创新技术,打包组合形成整体解决方案将有助于客户快速提升业务能力。
行业AI场景迭代快、产品组合多,新兴的AI分析场景支持困难,所以需要把模型、数据集和算力调度快速结合,而这些将要求算力中心有更高的起步门槛。
GPU算力投资巨大,AI服务访问场景多样化,传统模式往往计费形式固化不灵活、用户沟通时间长,导致客户无法快速获取计算和评估成本,造成用户流失的可能,而算力中心也因此无法有效变现。