如何解决中美大模型算力差距？华为高管：认清现状，用瓦特补比特

出品 | 搜狐科技

作者 | 梁昌均

运营编辑 | 王一晴

审核｜杨锦

目前，大模型市场从技术比拼进入到落地竞赛阶段。未来大模型的应用趋势是什么？中美大模型在应用上是否会存在差距？

近日，由清华经管学院、中国移动和信百会研究院联合主办的信百会2024年度研讨会上，阿里、华为、TCL、MiniMax等高管围绕这些问题进行了探讨。

信百会执委、研究院院长，阿里云智能集团副总裁安筱鹏认为，Agent是大模型应用的关键。华为工业数字化首席战略观胡静宜则表示，大模型应用跟行业数字化水平密切相关，离人越近的行业应用，AI大模型会越快。

对于中美大模型差距，算力短板则是嘉宾们的共识，但中国具备能源优势。此外，多位高管认为，中国ToB端市场以定制化为主，美国则是标准化的市场，因此大模型国内在B端会更难落地。

MiniMax海外业务总经理盛静远认为，大模型的诞生并不会在短时间内改变中国ToB市场的商业形态。她认为，国内在C端应用方面相较美国更具优势。

对于如何解决这些差距，胡静宜表示，华为在面临芯片、软件工具受限后的实践可以提供启示。“要充分认识到双方现状的态势，然后充分发掘自己可以调动的资源和力量去弥补短板，发挥长板。”

Agent是大模型应用关键

很多传统企业还在门口徘徊

谈及大模型的应用趋势，安筱鹏强调，Agent是大模型应用的关键。

“如果大模型是一个车的发动机，在这个发动机上装上底盘，按上玻璃和轮子，可以完成某一个功能，这个东西叫Agent，仅仅靠大模型这辆发动机跑不起来。”

安筱鹏认为，长远来看，一切智能硬件都会被AI大模型所驱动，一切软件系统会被大模型所重构，一切数据都会被大模型激活。

TCL实业副总裁、格创东智CEO何军提到，目前大模型在制造业领域的主体应用还是场景化的单点应用和轻量级的模型应用，且聚焦交互体验上的优化和本身运营效率的提升，更多关注在智能化替代人的环节。

“对于把大模型用到企业最核心的领域里面，比如研发，产品设计，生产能力重构，这方面现在还不够，但这些才是最终对需求侧真正发生生产力本质性改变的领域。”何军说。

他认为，哪些行业可以更快爆发，可以关注两个维度，一是数据丰富度以及准备度，二是供给侧本身的能力，包括数据治理能力、实施能力、人才供给等。“这两个维度决定哪些行业在短期内更快地把大模型用好，我比较看好零售，金融以及先进制造业。”

中石化集团信息化首席专家李剑峰认为，目前大模型的应用差别非常大，有些企业已经拿到了红利，但很多传统企业还在门口徘徊。“大模型带来很多应用的门槛，比如说算力，要切换到新的系统也是很大的成本。”

“对ToB领域来说，大模型要从根本上解决鲁棒性问题和幻觉问题。在流程工业，尤其是高风险的工业，在业务核心用起来还是需要很多考量。”他认为，专属大模型和Agent是大模型应用很重要的环节，多模态和边缘侧部署也将是重要方向。

华为工业数字化首席战略观胡静宜认为， 离人越近的行业应用，AI大模型会越快。“哪些行业市场规模越大，痛点越明确，数字化的基础越好，就会吸引更多的供给和匹配。”

这与每个行业的数字化水平密切相关。他提到，数字化指数最高的是互联网产业，其次是金融和通信，最后是实体经济。从工业领域来看，半导体、汽车数字化水平最高，其次是石油石化和航空航天，矿山比较弱。

同时，他认为离人越远的行业，需要用到具身智能，把数字世界的智能映射到物理世界，形成从感知到决策到执行的闭环。他表示，具身智能现在它第一个落地的场景就是车，因为车是最典型的要实时的反馈控制。

“中国自动驾驶和特斯拉FSD，在中国这片市场上谁能胜出，我相信对后面千行百业会给出指向性的指标，我个人抱有乐观的心态去看这个趋势。”胡静宜说。

不过，大模型在B端和C端的落地逻辑则有不同。MiniMax海外业务总经理盛静远在分享中提到，C端应用主要有两个大方向：有趣和有用。

“有趣听起来不太正经，但千万不要低估有趣的力量。”她表示，有很多用户花非常多的时间在有趣的应用上，情感陪伴或娱乐都是AI非常好的方向，并具备潜在的商业模式。

盛静远认为，国内现在百模大战主要的主攻方向是有用，但在国内竞争的情况下商业模式目前不是很清晰，其中搜索可能会是巨大的颠覆。

算力规模和投入差距悬殊

国内做C端更有优势

对于中美大模型发展差距的问题，安筱鹏强调，大模型的竞争是体系化的竞争，要关注某一个领域的差距，也要关注整个生态的差距，包括供给侧和需求侧。

从供给侧来看，算力是关注焦点之一。安筱鹏提到，美国训练大模型的单一智算中心集群在两年前是万卡，去年是3-5万卡，今年可能是5万卡，未来可能是10万卡。“中国的超万卡集群在哪里？中国有多少个超万卡集群？”

在投入方面，微软、谷歌称要投资1000亿美元去建算力集群。“中国在这个赛道上有多少投资，有没有？敢不敢投？投了之后有没有商业回报？”安筱鹏发问到。

这显露了国内大模型在算力层面的差距悬殊。西云算力CEO庄宁对此表示，虽然美国在芯片制程、供给量、规模上有比较明显的优势，但长远来看国产芯片一定会上来。

不过，他提到，未来算法和能源密切相关，不管是能源资源，还是电网部署程度，从较长期来看中国比美国更有优势。

安筱鹏认为，相较讨论中美在芯片、模型等供给侧的差距，更需要关注需求侧。需求侧的核心就是过去反复讨论的问题——中国ToB端的数字化市场是不是全国统一大市场，它是大国大市场还是大国小市场？

“今天判断一个企业的竞争能力的不仅仅是叫什么公司，而是以什么方式提供服务，是产品制还是项目制，不同形态本身才真正决定了一个企业或者说整个产业的生态健康。”

安筱鹏表示，如果在中国高度碎片化的ToB大模型市场上，大部分企业都是以项目制的方式交付大模型服务，无论模型、芯片的水平有多高，这种差距会长期存在。

曾在硅谷长期做软件投资的盛静远对此深有感触。她表示，美国软件公司能成为全球霸主，是向全球输出相对标准的产品，但国内市场还要做定制化。

盛静远认为，国内做ToB领域的投入产出非常难算。“从ToB的商业形态来讲，大模型的诞生并不会在短时间内改变这个商业形态。”

此外，她提到，OpenAI账上有超百亿美金的现金，微软的卡都给到OpenAI，它未来模型的训练甚至可以超越普通国家可以拿出的所有资金。“这对所有大模型公司来讲是一个不得不面对，也是非常现实的问题。”

“现在头部在迅速集中，融不到钱的大模型公司已经在卖身。在充分有效的市场竞争下，大家会发现需要这么多资金，也不需要那么多模型公司。国内还在百模大战，资源的浪费是巨大的问题。”盛静远认为。

相较ToB领域，盛静远更看好大模型的ToC应用。“美国人做ToC业务没有很多概念，对于比较重用户运营的微调型的商业模式做不太出来。中国互联网企业提供了非常多的人才，做全球ToC的产品有一定方法论，中国企业在这块的应用有可能弯道超车。”

胡静宜认为，AI大模型是引领产业向智能化发展更具有爆发力和革命性的技术，ToC是上半场，ToB是下半场。

“数字产业化是核心引擎，但产业数字化是最大的阵地，中国有巨大的纵深和后发优势，以及应用场景优势，所以我们并不焦虑。”

对于解决这些中美大模型差距的问题，他表示，华为的实践有一些启发意义。“在面对芯片、软件工具受限等情况下，华为采取的是以系统补单点，以软件补硬件。在AI大模型里，是以瓦特补比特。”