为千行百业“智能跃迁”拓出另一条路，他们究竟是谁？

作者：闫滟

编辑：苏子瞻

刚刚过去的2024年，被定义为“大模型落地元年”，经历了一年的潮涌与洗练后，市场渐渐对眼花缭乱的概念祛魅，开始务实精明了起来。

原理上，智能算力催生了大模型。大模型产业爆发又带动了智能算力市场。算力资源是千行百业智能化建设的基础，甚至有掣肘一个市场、制约一些行业的能量。就像英伟达CEO黄仁勋曾经讲过的“算力即权力”，如何构建？怎样布局？微观讲事关企业发展、价值实现，长远看甚至会影响到产业升级、国际竞争。

不过，依据当下依旧通行的Scaling law原则，想要令大模型发挥的效力越高，就需要匹配指数级增加的算力作为支撑。可全球范围内，AI算力的采购成本、研发成本一直以来居高不下，令不少企业在数智布局时“望而却步”。

AI智算基建如何加速蜕变？算力厂商拓出“另一条路”

此时，能够提供算力一体化解决方案的AI厂商，或许能为有迫切业务转型需求的企业，提供“烧钱”自备以外的另一条路。最近两年，在国际市场上，新增算力主要向几个公有云厂商集中。在国内，尽快加深集群式国产替代智算能力的呼声也越来越高。这些厂商们对AI进行了长时间、高强度的投入，无论是算力规模、模型规模，还是软件生态都具备一定的市场优势。企业采购这类算力，不仅性价比较优，对产业链的赋能也比较齐备，能够令数智策略从想法变为现实，激发出新的增长活力。

国内市场上，百度是切入这一领域最早、最深的互联网巨头。百度智能云提出的百度百舸AI异构计算平台，从推出之日起就被定位为面向大规模深度学习的高性能云原生AI计算平台，提供更全面的算力集群运维支持和大模型训练生命周期管理，助力企业在大模型时代的业务转型。

2024年9月，百舸AI异构计算平台更是升级至4.0版本。升级后的百舸，围绕落地大模型全旅程的算力需求，在集群创建、开发实验、模型训练、模型推理四大方面，能为企业提供“多、快、稳、省”的AI基础设施。

集群创建：通过简化集群的创建流程，百舸平台实现了高度的自助服务，允许企业用户快速设立计算环境。

开发实验：用户可以利用平台提供的工具，进行灵活的实验和评估，帮助开发者快速迭代。

模型训练：凭借多芯混合训练的强大能力，企业可以大幅缩短模型的训练周期，同时提升精度。

模型推理：升级后的推理框架更具灵活性，能够支持不同模型在不同场景下的应用。

另外，百舸4.0还对“多芯混训”能力进行了重点升级，实现了在万卡规模集群上95%的多芯混合训练效能，达到业务最领先水平。

尺度定律主导AI技术迭代，为什么要打造10万卡集群

最近，业内视作AI“暴力美学”的Scaling law（即尺度定律）被证实最早由百度工作人员发现并分享，而非后来的Open AI。这一发现为全球AI研究做出了重要贡献，且如今仍主导着全球智算市场的建构思路。

Scaling Law即尺度定律表明，随着数据量和模型参数规模的增加，AI模型的性能将不断提升，智能涌现的概率越大。对比一下GPT两个版本的训练数据就能得出答案：公开数据显示，GPT-3的训练数据集包含3000亿个token。而GPT-4的训练数据集包含约13万亿个token。AI大模型如果要持续进化，数据量的指数级增长就不可避免，对算力能力的需求只会与日俱增。

毫无意外的，作为AI浪潮的两大领军阵营，无论是国内还是美国，科技巨头们都正在积极打造10万卡集群，冲刺AGI：大洋彼岸，X AI、Meta、OpenAI等众多科技巨头都在积极布局10万卡乃至更大规模的智算集群；而中国这边，以深扎B端市场的云厂商譬如百度智能云，旗下的百舸4.0也具备了10万卡集群部署和管理能力。

需得注意到的一点是，所谓10万卡集群，并不单单只是过去企业部署内网，简简单单加几台服务器或是建立几个服务中心的概念。

据估算，一个10万卡集群每天的耗电量达到300万度，相当于北京市东城区一天的居民用电量。此外，10万卡集群需要大约 10 万平方米，相当于 14 个标准足球场的面积。如果想在单一建筑中部署这么大的集群，将面临选址困难和法规限制等挑战。

百度集团执行副总裁、百度智能云事业群总裁沈抖就指出，10万卡集群的管理运维难度相比万卡集群显著上升，不仅是对传统的机房架构带来了极大挑战；跨地域部署虽能提升效率，但也会引发网络通信的复杂性；而对于不同厂家、不同地方的GPU集群，管理的复杂性无疑将更加增重。

不过，百舸4.0通过两方面的攻坚，还是解决了上述挑战。

首先，在AI芯片的供给上。最近两年，美国对其AI芯片出口实施极为严格的全球性管制措施，尤其是针对中国市场，从规格到技术，甚至连代工厂都赫然列于限制清单。这一政策，对仰仗芯片实现算力部署的相关产业链，影响巨大。此前，Deepseek创始人梁文峰在公开采访时也坦言，能够限制其平台发展的不是融资或者模式，而是高端芯片被禁运。

因此，在目前国内芯片供应相对紧张的情况下，企业要确保供应链的安全和弹性，一云多芯是必然选择。百舸4.0在万卡规模上，两种芯片混合训练下的效率折损控制在5%以内，保持了业界领先。

其次，是通过提供高效的拓扑结构、跨地域无拥塞高性能网络和高效的模型并行训练等方案，在横跨几十公里的多机房组成的万卡规模的集群上，百舸可以把单一训练任务的性能折损控制在4%以内。

“一步赶前，步步领先” 企业数智跃迁“选择大于努力”

人们常说，很多时候“选择大于努力”，这句话放在企业数智转型这个场景里面同样适用。

已知可见的是10万卡集群出现后，算力厂商能够为企业的智能化布局、产业转型提供更有效率、更加精准的服务，根据不同企业的需求动态分配计算资源，令成本更低、赋能更强。

比较有代表性的就是生数科技开发的国内首个全自研的视频大模型Vidu这一案例。在Vidu上，孩子们能够让AI帮忙“让想象变为现实”，只需输入一句话或上传一张图片，即可快速生成视频，让奇思妙想丝滑呈现在二次元世界。

（图片来源：新闻截图）

该模型实现的基础正是百度·百舸AI异构计算平台强大的平台调度和机器管理能力，令生数科技能以最高效率、最低成本训练Vidu多模态大模型。经历过数个月的快速迭代后，如今的Vidu已具备多项全球领先优势，实现业界最快实测推理速度、率先攻克“多主体一致性”难题等。

由此可见，百度百舸不仅是多模态大模型迭代的强劲引擎，更为智能体的创新和升级提供强大的技术支持和算力保障。

总体来看，单就中国市场来讲，算力集中在云厂商手中，与B端市场深度融合，探索共生，或许就是当下能够实现算力普惠，产业链全端“智能跃迁”的必经之路。

像是10万卡集群等算力基建推广以及再度升级后，能够预见就在不远的未来，AI爆发必将带动更为深远的产业变革，甚至可能引领整体社会向数字化、智能化转型，这波转型机遇至少“百年难逢”，企业理应尽早布局参与到这个生态里，才能越早涌现出领先行业的高势能创新，“一步赶前，步步领先”。