入局AI赛道，小米计划搭建GPU万卡集群

在全球科技浪潮中，AI（人工智能）技术，尤其是大模型的研发与应用，已成为各大科技企业争相布局的重点领域。近期，小米集团的动态引发了业界的广泛关注——小米正在搭建自己的GPU万卡集群，大力投入AI大模型领域。这一战略不仅标志着小米在AI技术上的深耕，更彰显了中国科技企业在AI基础设施建设上不断加码的趋势。

小米的AI之路：从小爱同学到MiLM大模型

自2016年起，小米就开始了对AI的全方位布局。雷军在世界互联网大会乌镇峰会上表示，小米的智慧语音助理“小爱同学”月活量已达1.2亿台，AI技术广泛渗透到小米的各个业务板块。这不仅展示了小米在消费级AI应用上的领先地位，也为其进入更深层次的AI研究打下了坚实的基础。

去年4月，小米成立了AI实验室大模型团队，并在团队成立时即配备了6,500张GPU资源，这在当时已经是个相当庞大的规模。雷军在公开场合曾表示，小米对大模型的研发是全力以赴的，团队正在打磨一些有趣的技术和产品。到了今年5月，小米的“大语言模型”MiLM正式通过大模型备案，这标志着小米在AI领域迈出了重要的一步。

技术与人才：小米的战略投资与合作

在AI大模型的研发上，小米采取了多管齐下的策略。集团副总裁、首席财务官林世伟透露，小米对业内的大模型团队进行了一番考察，选择通过战略投资等方式实现生态合作。这种开放性和合作性不仅为小米的AI技术发展注入了外部资源，也加速了内部研发的进程。

与此同时，小米在硬件和软件协同上的努力也体现出其独特的策略。曾学忠透露，与高通、联发科的深度合作将很快推出端侧AI大模型应用，这表明小米不仅在云端AI上发力，也在设备端AI计算能力上大做文章。雷军在2023年的年度演讲中展示了在手机端跑通的Demo，展示了小米在端侧AI大模型上的技术突破。

GPU万卡集群：小米的数据中心战略

GPU万卡集群的建设是小米在AI基础设施上的一个重磅举措。GPU（图形处理单元）在AI计算中扮演着关键角色，特别是在训练大规模的AI模型时更是不可或缺。通过自建GPU集群，小米不仅可以节省云计算成本，还能在数据安全性、模型训练效率上获得更高的自主控制权。

这种战略投资不仅仅是小米的动作，也反映出中国科技企业在数据中心基础设施上大手笔投入的趋势。数据中心不仅是计算能力的集中体现，更是AI技术落地应用的前提条件。随着AI在各行各业的应用深化，对计算能力的需求不断增长，企业自建数据中心成为一种不可避免的选择。

人才战略：高薪引入AI专家

最近市场消息指出，DeepSeek开源大模型DeepSeek-V2的关键开发者罗福莉将加入小米，担任AI实验室的领导。这是小米在人才战略上的又一重大布局。雷军对此的重视程度可见一斑，他亲自参与挖人行动，提供千万级人民币的薪酬。这种高薪吸引顶尖人才的策略，在一定程度上解释了小米为何能在短时间内在AI领域取得如此多的进展。

小米仅在试水阶段

据旭日大数据李星了解，虽然国外科技巨头已经通过调频算法让英伟达的千卡（约8000颗H100GPU芯片）共振运行，就能实现AI大模型的“自主觉醒”，能够主动进行模型调优升级与参照物理世界对齐动作，但真正要达到稳定的AI算力调度，AI通用大模型对GPU算力资源的需求仍然十分庞大。

从行业中反馈回的数据也显示，在全球范围内，科技巨头们都正在加紧采购GPU，以增强其人工智能（AI）算力，推动AI模型的训练和部署。

全球趋势：GPU需求量持续攀升，英伟达保持领导地位，其Hopper和Blackwell系列芯片备受欢迎。

技术竞争：科技公司不仅大量采购现有芯片，还通过自研加速器（如亚马逊的Trainium、谷歌的TPU）保持技术领先。

市场影响：GPU采购大战推动了AI技术应用加速，同时也提升了芯片供应链的重要性和战略价值。

从数据上来看，与上述科技巨头相比，小米的GPU万卡集群规模仍处在试水阶段。另外，中国本土企业由于在算法上和先进芯片上无法取得有效突破，事实上整个行业的算力处于整体过剩，高端短缺的状态。

从去年以来，一些地方政府和企业盲目投资建设智算中心，不过软件算法不足导致缺乏足够的应用场景和市场需求，导致算力资源浪费。

例如，2024年前7个月，国内出现了140个智算中心项目，引发了关于算力过剩的思考。由于供给结构与实际需求的不匹配，许多算力资源未能得到有效利用。企业级算力中心的利用率仅为10%至15%，而国家级或大型企业的智算中心利用率也存在不均衡现象。

小米在AI大模型和数据中心方面的投资是其战略转型的一部分，显示出其对未来科技发展的重视及在全球AI竞争中的野心。通过大规模的GPU集群建设、重金引入顶尖人才、以及与芯片厂商的深度合作，小米正在为其AI技术的落地和推广打下坚实基础。

中国科技企业的集体行动

小米并非孤军奋战，类似的投资和布局在中国其他科技巨头中也屡见不鲜。字节跳动、百度、阿里巴巴等企业同样在AI和数据中心方面投入巨大资源。字节跳动的AI模型训练、百度的“飞桨”平台、阿里云的计算服务，都是在各自领域推动AI技术发展的典型。

这些企业的共同点在于，对计算资源和AI人才的重视，以及对自主创新技术的追求。不仅是增强自身的技术实力，更是在全球科技竞争中占据一席之地。尤其在数据中心建设上，中国企业正通过自主设计、国产芯片等手段，逐渐摆脱对国外技术的依赖。

未来展望

小米在AI大模型和数据中心的投资，不仅是其自身发展战略的重要一步，更是中国科技企业在全球AI竞赛中前行的缩影。随着AI技术的进一步成熟和应用场景的扩展，数据中心的建设和AI人才的争夺将成为常态。

然而，这种高投入也面临着挑战，包括技术成熟度、市场接受度、以及投资回报率等问题。如何在保持高投入的同时，确保技术的领先性和市场的适应性，将是小米及其他中国科技企业在未来几年需要解决的关键问题。

虽然具体的投资数字和规模仍需进一步披露，但从行业趋势看，中国科技企业在AI领域的投入和创新正处于高速增长阶段。这些投资不仅推动自身技术发展，也在全球范围内提升了中国科技企业的竞争力。

免责声明：图文源自互联网或AI，仅为分享行业发展动态，不作任何商业用途，如有侵权，请联系删除。内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。