在ChatGPT在全球快速走紅之際，全民追趕GPT的盛況正在上演。
很多科技公司一頭扎進了「百模大戰」中，讓人不禁想起昔日「百團（團購）大戰」的盛景。
與此同時，科技巨頭們還紛紛加碼雲計算賽道，瞄準AI底層算力建設。
「賣鏟子」產業的黃金時代
市場普遍認為，ChatGPT橫空出世，開啟了AI發展的新時代。它的意義，正如當年iPhone問世，自此便迎來智慧型手機和移動網際網路的黃金髮展期。
正因如此，各公司紛紛跟進類ChatGPT方向，開啟爭奪「中國版Open AI」席位。
人人做大模型時代正在到來：不僅通用大模型如火如荼，各行各業的公司都在加碼垂直的多模態大模型。難免讓人聯想到，在iPhone發布之後，智能機品牌百花齊放、爭奇鬥豔的格局演進。
毫無疑問，「AI的iPhone時刻」已至。值得深思的是，面對長長的AI 產業鏈，我們該關注哪一個環節的機遇。
復盤智能機浪潮，智能機品牌泥沙俱下，在激烈的廝殺下，諾基亞、HTC還有大大小小的牌子最終都隕落。但智能機帶來的爆發性硬體性能（算力）需求，使得作為產業鏈上游的算力基礎設施的台積電、三星成為冉冉升起的耀眼「新星」，最後還成為半導體和消費電子領域的「常青樹」。
AI 浪潮與智能機浪潮有著不少相似之處，其中最重要的一點是二者都產生了巨大的新增算力需求。
儘管各個科技巨頭具體實現的路徑各異，但大方向一致，都需要在基礎模型上進行大規模預訓練。比如ChatGPT的能力來源於1750億參數，中國版的ChatGPT也必然離不開千億級的參數，背後對應的是需要極其強大的算力基礎設施支撐。
民生證券曾估算，僅支持ChatGPT 3640PF-days算力，就需要投資約7-8個標準數據中心（按500P算力為例），若以國家先進計算產業創新（宜昌）中心項目投資額為參考，訓練ChatGPT的成本約高達240億元。除了訓練外，推理及為客戶服務亦需要大量的算力支持。
做AI大模型是在掘金，雲計算服務商則是當中「賣鏟子的人」。眾所周知，「賣鏟子的業務模式」在高景氣的賽道中具備很高確定性，是「隱形冠軍」頻出的領域。
更值得注意的是，在ChatGPT熱潮以前，"Computing hungry"（算力飢餓）問題就常常產生，已成為掣肘很多技術創新的主要問題——Computing hungry將導致效率危機和成本危機。尤其對於中國AI行業而言，高質量的算力比較稀缺且難以獲得。算力基礎設施毫無疑問將成為產業鏈的關鍵競爭環節。
此外，除了ChatGPT帶來的潮流，多周期共振下雲計算市場還正迎來更多的時代機遇。拉長時間周期來看，當前中國正處於第四次科技革命的階段。第四次科技革命以大數據、人工智慧為核心，推動中國經濟轉型升級。
國內數據要素改革、信創持續推進，疊加AIGC的浪潮，匯總而成的雲計算算力需求或將進入爆發階段，從而推動雲計算市場進入黃金窗口期。這正是各科技巨頭紛紛「搶灘」該領域的核心原因。
雲計算進入下半場，競爭格局或將被AIGC攪動
近年來，雲計算市場發生了一些關鍵性的變革，並開始邁入成長下半場。
在上一階段，行業仍處於產業發展初期。在這一階段，持續培育市場、形成產業規模化優勢以及加速滲透是關鍵任務，憑藉同質化的產品即可滿足下游需求。因此雲計算廠商紛紛通過以價換量的形式搶占市場，通過承擔微薄利潤換取表面的高市場份額，以形成領跑之勢。可以說，此時行業競爭的本質是「價格戰」。
隨著時間的推移，「上雲」、「用雲」已成為企業IT基礎設施建設的最廣泛手段，也是進行數位化轉型的必經之路。
眼下雲計算行業逐步走向成熟，並過渡到新的階段。不同於上一階段，隨著上雲進程進入到深水區，上雲業務的類型從企業的邊緣業務為主，到核心業務比例持續提高。企業對雲計算的核心訴求不再局限在節省IT成本，雲安全性和高效敏捷成為關鍵。
在此背景下，使用單一雲已經成為過去式，多雲趨勢才是未來；低價搶占市場的「價格戰」已經成為過去式，「價值戰」才是未來。
在新舊模式切換之際，昔日的競爭格局在改變，有能力的後進者崛起。數據可證明，無論是中美雲計算市場的頭部集中度都在下降。火山引擎總裁譚待此前曾向格隆匯透露：全球的CR1和CR3正在下降；中國更特殊一點，因為還有運營商，CR5也在下降。
AIGC的崛起和「百模大戰」將加速這一進程。
在AI 2.0階段，企業更在乎的是上雲後能充分運用大數據和雲計算的算力，大幅降低創新所需要的等待時間，產生真正的價值。
大模型參數量與數據量巨大，這意味著模型複雜程度很高，因此對雲計算的技術水平與安全性提出了更高的要求。
行業下半場的關鍵是核心競爭力的比拼。這預示著行業競爭壁壘提升，並將導致同質化的局面正式終結，有競爭力的公司溢價能力有望提升。
在這一階段，阿里、騰訊、字節、百度等網際網路大廠不約而同地投入到AIGC浪潮中，並把雲計算的重要性提到了新的高度。
阿里、百度直接發布AI大模型，並希望憑此獲得更多的雲計算市場份額。大模型的服務會通過自身的雲計算對基礎設施對外提供，意味著商業模式將從IaaS（基礎設施即服務）變為MaaS（模型即服務）。此前被認為在雲計算市場逐漸讓出市場份額的百度智能雲，就寄希望於借文心一言打一場漂亮翻身戰。百度CEO李彥宏曾稱，憑藉文心一言的優勢，百度智能雲有可能成為雲計算市場第一。
但並非所有的雲計算廠商都希望通過打造一體化模式來競爭，也有一些專注於深挖雲計算的價值，助力各行各業打造大模型。
最有代表就是字節跳動旗下的火山引擎。4月中下旬，火山引擎召開「2023火山引擎春季FORCE原動力大會」。在會上，火山引擎總裁譚待強調：「火山引擎不做大模型，要做好服務大模型客戶的工作。」
這意味著火山引擎堅持走相對中立路線，更加專注於為下游企業提供獨立的雲計算服務。從商業化的角度來講，火山引擎不會與下遊客戶構成競爭關係、存在利益衝突，更能保證數據安全；從技術的角度來看，火山引擎更好地可以集中精力打磨產品和平台。
在原動力大會上，火山引擎還展示了雲技術、雲服務和雲場景方面的最新探索、應用與實踐，在敏捷疊代、數據驅動、體驗創新層面發布了新品。令人印象深刻的是，火山引擎堅持全棧自研，包括自研vswitch、自研分布式存儲系統、自研mGPU、自研DPU等。
現場數據顯示，火山引擎自研DPU（數據處理晶片Data Process Unit）的網絡性能高達5000萬pps轉發能力、延遲低至20us。DPU被認為是繼CPU和GPU之後的「第三顆主力晶片」。在當前AI大模型帶來數據增幅大幅提升的大背景下，CPU性能的增速減緩，成本大幅增加，DPU能將基礎設施虛擬化任務從CPU、GPU轉移至DPU，使更多的CPU、GPU可用於業務計算，從而提高伺服器和數據中心的效率。火山引擎總裁譚待稱，大模型需要大算力，虛擬化會帶來資源損耗，規模越大就損耗越多。預計未來3年內大規模的算力中心，都將形成「CPU+GPU+DPU」的混合算力結構，而自研DPU將成為AI 2.0時代算力基礎設施的核心競爭力之一。
而在大模型訓練雲服務上，火山引擎通過支持萬卡級大模型訓練、微秒級延遲網絡的新版機器學習平台，幫助客戶以更低成本、更高效率開發出自己的大模型。
過去，雲計算廠商更多擔任的是「集成商」的角色，外采硬體、將軟體與硬體打包提供給客戶，做總包去搶奪名義的市場份額。儘管看起來收入體量很大、名義的市場份額表面看起來很高，但實際上技術含量低、壁壘低、市場競爭激烈、盈利能力差。集成商模式的技術實力遠不能達到大模型的要求，自主研發的技術才能擁抱AI 2.0時代。
除了在技術優勢顯著，火山引擎還擁有經過驗證，且普惠的生態。火山引擎為字節跳動提供雲計算服務，其機器學習平台經過抖音在內的海量用戶業務長期打磨，在業內達到領先水平。此外，火山引擎還與字節國內業務大規模並池。基於內外統一的雲原生基礎架構，抖音等業務的空閒計算資源可極速調度給火山引擎客戶使用，離線業務資源分鐘級調度10萬核CPU，在線業務資源也可潮汐復用，彈性計算搶占式實例的價格最高可優惠80%以上。
在大模型時代，雲計算廠商採用兩條不一樣的成長路徑。哪條路徑更成功，還需要時間證明。
從目前來看，儘管火山引擎進入市場的時間比較晚，但已開始有彎道超車的勢頭。據悉，國內已有數十家做大模型的企業，七成在火山引擎雲上。火山引擎正成為AI大模型訓練推理的「發動機」。
百花齊放才是春，泛「AI+」場景落地可期
關於大模型未來的發展，譚待認為，大模型不會一家獨大，而會百花齊放。而國內很多科技公司投入到大模型建設中，他們有優秀的技術團隊，也有豐富的行業知識和創新想法，但往往缺乏經過大規模場景實踐的系統工程能力。火山引擎要做的就是為大模型客戶提供高穩定性和高性價比的AI基礎設施。「火山引擎自己是不做大模型的」，譚待如是說。
目前來看，隨著類ChatGPT帶來的算法突破，NLP能力上限會日益提升，新一輪基於內容生產的人工智慧應用有望加速落地。類ChatGPT已對內容生產、辦公協作、商業、智能駕駛、教育、傳媒等不同領域產生影響，泛「AI+」應用場景一再被拓寬。
火山引擎很早就開始泛AI布局，公司的很多客戶在火山引擎幫助下開啟了「AI+」的升級。火山引擎在原動力大會上也提供了不少很有代表性的案例。
比如火山引擎與MiniMax達成深度合作。MiniMax擁有自研的文本到視覺（text to visual）、文本到語音（text to audio）、文本到文本（text to text）三大模態的基礎模型架構的AI公司。在2022年10月，MiniMax推出主打社交的AI 聊天軟體Glow，用戶可以在Glow中創建「智能體」， 設定聊天對象的人物背景、性格、價值觀等特徵，並與之進行聊天互動。同時用戶可以通過持續的對話，調整智能體的語氣、說話風格等。
在大會上，MiniMax聯合創始人楊斌透露，MiniMax與火山引擎合作建立了超大規模實驗平台，實現千卡級常態化訓練；超大規模推理平台有萬卡級算力池，支撐單日過億次調用。今年MiniMax在網絡和存儲上，和火山引擎進行了更加深入的優化合作，實現了更低的網絡延遲，將帶寬利用率提升了10%以上。
事實上，大模型是解決AI應用碎片化的新開發範式，推動人工智慧開發從「作坊式」到「工業化」升級。這意味著大模型會推動AI加速滲透，賦能千行百業。
在產業變革的東風之下，火山引擎有望通過大模型迸發的巨量需求，讓其業務邊界快速擴大，並打開新的增長曲線。
2023年對於人工智慧行業而言是十分特殊的一年。人工智慧行業經歷了既波瀾壯闊、又蜿蜒曲折的數十年發展，終於踏上了新的發展征程。每一次的科技浪潮，總是風雲激盪，大水大魚。舊日帝國或將隕落，而新王隨之崛起。
誰會日漸式微，誰又會後發先至？哪一家企業會成為真正的顛覆者，又或者只能等待被顛覆？且拭目以待。