还不赚钱的大模型 先对智算中心提要求丨三问智算产业
日前，在刚刚举行的2023云栖大会上，百川智能创始人王小川畅谈大模型时代，复旦特聘教授漆远借助复旦大学智能计算平台CFFF引出人工智能推动科研范式变革，也有基于AIGC能力的儿童故事产品带来分享。
当一场云计算大会由AI相关内容占据主论坛的半壁江山，或许已经说明了“计算”风向：AI正在成为不可忽视的计算主角。
AIGC将有更多爆发 2024年是大模型商业化元年
过去十来年，云计算不断发展、应用，服务了社会数字化进程。今天，随着大模型技术的迅速发展，智能化时代正在开启。人工智能将成为各行各业的新型生产力，以ChatGPT为代表的大模型应用仅仅是一个开始。
今年以来，众多大模型产品发布，基于大模型的AIGC技术在文本生成、知识回答、图像生成、逻辑推理等方面表现出远超预期的效果，吸引了大量用户与市场关注。
以生产力视角看，AIGC具备多方面优势，第一是大幅度节省人力和时间成本，香港服务器很多东西可以秒级生成;第二是比较大幅度改善内容质量，经过训练后输出的内容质量超过95%以上人力的智能。
国内推出的过百个大模型以基础大模型为主，多停留在对话、图像生成用途，AIGC的第三点优势尚不能体现，即如同曾经云计算带来的数字化变革一般，将有助于众多产业、行业的数字化，将为数字经济建设发挥重要作用。
因此，行业认为当下的AIGC火爆只是刚刚开始，后续还将迎来更多爆发。
图源《中国AIGC产业全景报告暨AIGC 50》
《中国AIGC产业全景报告暨AIGC 50》显示，预计2023年我国市场规模可达170亿人民币，AIGC企业在业务场景变现还处于探索验证时期。而后随着产业加速增长，商业化落地逐渐深入、产业生态逐步完善，分别来到应用蓬勃期（2025-2027）和整体加速期（2028-2030），2030年市场规模将超万亿人民币，产业链、价值链和业务链完全整合在一起。
在AIGC产品百花齐放的同时，变现是大模型厂商们接下来必须要考虑的问题。
目前大模型的营收方式主要有四种：MaaS、按产出内容量付费、软件订阅付费、模型定制开发费。ChatGPT主要依赖软件订阅付费和MaaS收入，其母公司OpenAI的CEO近日透露公司年化营收达13亿美元（折合人民币近95亿）。
国内厂商尚在进行商业模式的探索，是参考ChatGPT还是绑定其他业务赚钱，大模型的营收变现有待进一步明确。有AI芯片企业负责人表示，今年下半年开始，商业模式如何赚钱将成为大模型厂商的必答题。
他认为，2024年将是大模型商业化的元年，也是关键一年。
智算需求只增不减 明年迎海量部署消耗
看得见的AIGC蓬勃发展背后，是看不见的智能算力在支撑。
大模型爆发掀起了新一轮AI热潮，也改变了智能算力需求与格局。
众所周知，AI要经过训练与推理两个步骤，训练即模型产生的过程，推理即模型部署的过程。大模型从业者向笔者表示，大模型出来后则分成了三个阶段：首先预训练，然后微调——把大模型垂直化，最后是推理部署。
“现在预训练的过程中，大家都是堆卡、堆集群，动不动烧几千万上亿训练大模型。微调阶段就已经进入了行业化，做推理的时候已经进入了商业部署，这两个阶段怎样真正赚钱而不是像预训练那样烧钱就变得非常重要。行业化和商业化的关键在于性价比，如何能够真正大规模部署AI应用，能不能通过底部支撑的算力系统集成部署打造极致性价比？”
产业专家指出，总体来看，大模型所需的智能算力需求将只增不减。今年通用大模型最火，单模型算力需求基本以千P为单位。未来大模型必然要走专业化、行业化的发展方向，形成众多产业大模型，其算力单个需求可能只有几百P，但产业场景越来越多，总量需求将比现有通用大模型的智能算力总需求更大。
智能算力从哪来？智算中心
根据工信部等六部门新政策中的定义，使用大规模异构算力资源，香港云主机包括通用算力（CPU）和智能算力（GPU、FPGA、ASIC等），主要为人工智能应用——如人工智能深度学习模型开发、模型训练和模型推理等场景，提供所需算力、数据和算法的智算中心，在推进人工智能和数字经济发展中发挥着重要作用。
成都智算中心
大模型需求驱动下，智算中心项目如雨后春笋般涌现。中国信通院云大所副所长栗蔚指出，预计2023年将有超过30个城市在建或者筹建智算的中心。而据中国IDC圈不完全统计，仅在2023年7月到9月，以“智算中心”为名字的项目规划在建及建成的就超过36个，预计总投资规模超过460亿。
有算力领域企业表示，当前一些智算中心建设偏盲目，逻辑是“先建算力，再找需求”。
他判断未来会趋向谨慎，尤其是to G（政府主导）的智算中心建设。2024年国内智算中心建设，一定是先找当地的算力消纳，再根据算力需求再建相关算力匹配。
“2024年大模型会大规模部署、赋能，这一过程中对于算力的消耗是海量的。”
从液冷应用到多云部署 大模型改变数据中心
智能化时代正在开启，AI将成为各行各业的新型生产力，也对算力提出更高的要求。
今天，从大模型服务到底层智能算力再到算力基础设施，都正在面向AI时代进行全面的技术升级和创新。
算力市场分为三个层级，在大模型位于的最上层，面临系统的适配中心、业务迁移耗时、 定制开发的投入等问题。中层的算力平台需要满足支持CPU+GPU的调用、硬件接口的统一、互联协议的标准、软件生态的兼容性等要求。在最下层，即智算中心这一基础设施层，主要解决大算力背景下的高电能散热问题。
此前数据中心以普通CPU服务器为主，AI大模型训练和推理运算使用GPU服务器，单台设备的额定功率最高达12千瓦以上，远超CPU功率水平。当前数据中心单机柜功率以6kw、8kw为主，4KW亦不少见，未来智算中心单机柜功率可能十几千瓦，几十千瓦，单体智算中心可能上百兆瓦。
高功耗带来高热量，原有风冷很难满足GPU散热需求，液冷成为更好的解决方案。除散热效率更高外，占地面积低、绿色节能也是液冷的优势。今年以来，液冷在数据中心的应用部署量已经显著上升。
当单个计算中心的算力无法满足大模型的巨大算力需求，需要将多个算力中心连接起来，共同为大模型提供训练的相关能力，同时巨大算力消耗又带来高能源消耗。
因此，单机柜高功率、高效散热、低PUE、多云间的互联、满足云架构的部署，都是大模型发展对智能算力与智算中心提出诸多新要求。
此外，大模型训练与推理场景的不同，生物医疗、图像识别等不同应用对算力精度的不同需求，也影响着智算的布局与算力配置。
更多内容，将在IDCC2023上带来分享与讨论！
第十八届中国IDC产业年度盛典（IDCC2023）将于2023年12月12-14日在北京国家会议中心隆重举行，大会主题为“算力进化 数字开物”，聚焦算力产业热点话题，汇聚业内精英人士，共同探讨数字经济的发展方向和未来趋势。欢迎报名，现场参与！