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快速发展,算力正在成为一种新兴的商业模式。虽然目前大模型"炼丹"热潮仍在持续,但算力服务商需要未雨绸缪,为未来的市场变化做好准备。

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。这个项目使用了全球40年的天气数据,采用200张GPU卡进行预训练,历时约2个月。按照当前GPU价格计算,仅训练成本就可能超过200万元。而如果是训练通用大模型,成本可能会翻百倍。

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短缺的问题。算力成本居高不下,缺乏算力和资金成为摆在众多企业面前的现实难题。

在供不应求的情况下,高端GPU的价格被炒至高位。一张英伟达A100的价格最高时达到二三十万元,单台A100服务器的月租也飙升至5-7万元。即便如此,许多企业依然难以获得所需的芯片资源。

面对这一困境,企业纷纷寻求应对之策。有的选择使用更高质量的数据来提升训练效率;有的致力于提升基础架构能力,实现大规模GPU集群的稳定运行;还有企业转向使用国产平台进行大模型训练和推理。

随着市场逐渐趋于理性,企业也在调整策略以控制成本。与此同时,算力服务正在成为一种新的商业模式。算力服务提供商通过整合算力、存储、网络等资源,以API等形式向用户交付算力。这种模式使得用户无需自建基础设施,只需提出需求即可获得所需的算力支持。

在算力产业链中,上游企业负责提供基础算力资源,中游企业负责算力生产和调度,下游则是各行业用户。随着算力服务的发展,新的计费模式和服务形态也在不断涌现,如按量计费、包年包月、算网一体化等。

尽管当前高端GPU短缺问题仍然存在,但长远来看,算力服务市场必将从卖方市场过渡到买方市场。面对这一趋势,算力服务商需要做好准备,在市场风向转变时及时调整策略,把握新的发展机遇。