中国大模型要用Infra“降本增效”｜钛媒体AGI

47 0 0

文章摘要

在全球AI算力需求激增的背景下，中国的AI Infra行业正迅速崛起，成为AI大模型产业的关键一环。AI Infra，即AI基础设施，扮演着算力与应用之间的桥梁角色，提供软件系统、数据存储处理和网络设施等技术，解决高端AI算力限制下的模型训练和算力解耦等问题。面对美国对华高端AI算力的限制，AI Infra行业的发展显得尤为重要。

AI Infra产业正处于高速增长的早期阶段，预计未来3-5年内将保持超过30%的增长。随着AI算力需求的增长，全球数据中心投资有望达到每年2500亿美元。到2027年，全球AI市场规模预计将飙升至近1万亿美元，AI硬件和服务市场年增长率达40%-55%。在此背景下，AI Infra已成为热门赛道，吸引了阿里、百度、字节等公司的投入，以及多家初创公司如硅基流动和无问芯穹的融资。

AI算力的发展与芯片、基础设施、数据三大要素紧密相关。随着AI大模型数据量规模的增加，算力需求日益旺盛，但AI芯片成本高居不下。在此背景下，提升算力利用率成为降低成本、提升大模型性能的关键。AI Infra的存在意义在于，它能够减少算力资源闲置现象，实现模型发展的“提速降本”。

中国的AI算力面临获取成本高昂和“东数西算”导致的问题，提升算力利用率成为关键。AI Infra通过解耦适配各类模型与芯片，减少资源闲置，降低算力成本。AI Infra的商业化潜力巨大，它不仅降低了应用开发的门槛，还降低了大规模部署时的使用成本。

在全球范围内，英伟达是唯一能够完整提供AI算力服务的公司，其A100、H100 GPU处理器和CUDA软件提供了全功能的AI大模型算力推理、训练服务。国内AI Infra技术和商业化规模远低于英伟达，但初创公司如无问芯穹通过异构混训技术，实现了不同芯片之间的高效组合训练，提升了算力使用效率。

面对美国对华AI算力的限制，中国AI算力的发展需要体系结构的变革。跨数据算力体系将支撑未来基础设施的训练，扩张算力供给、提高并行计算创新能力。AI Infra行业的发展不仅需要技术积累，还需要市场需求、技术壁垒和行业盈利方案。随着AI技术的不断进步，AI Infra行业将继续在全球AI算力竞争中扮演重要角色。