leyu·乐鱼(中国)官方网站IOS/安卓通用版/手机APP下载

　　云计算市场本来已经基本定型：全球三大云服务厂商亚马逊AWS、微软Azure，以及谷歌云，占据了大部分市场；在国内，五大巨头占据大部分市场，分别是阿里云、天翼云、移动云、华为云和腾讯云。

　　但随着大模型智算的兴起，给整个云计算产业带来了新的变化。行业出现了很多以智算为特色的AI-Infra公司，NVIDIA等芯片公司在探索基于自身算力芯片和生态的智算云，也有一些公司在探索算力网络等业务模式。

　　我们可以简单的把智算云的底层业务逻辑分为两类：一类是自下而上，如传统的云计算，以硬件资源为基础，服务各行各业的各个场景；另一类是自上而下，如AI-Infra，以业务应用为牵引，基于业务需要，再不断夯实算力基础。

　　随着AI大模型的发展，常见的算力分层为：机房层、硬件层、IaaS层、CaaS层、PaaS层、MaaS层、解决方案层。这一切分层，都是为了服务客户的业务应用层（部分业务应用系统足够庞大、业务逻辑足够复杂，也可能会继续分层）。

　　IaaS，Infrastructure as a Service，基础设施即服务。用户通过IaaS服务租用服务器、存储、网络等基础设施，无需购买和维护物理硬件。

　　CaaS，Containers as a Service，容器即服务。CaaS提供了高效、灵活的方式来运行和管理容器，适用于多种环境，包括本地数据中心、混合云和多云环境。

　　PaaS，Platform as a Service，平台即服务。PaaS提供开发和部署应用程序所需的平台和工具，用户无需管理底层基础设施（服务器、存储、网络等），只需专注于应用程序的开发和运行。

　　MaaS，Model as a Service，模型即服务。提供深度学习模型的访问和使用服务。用户可以通过API调用这些预训练或定制模型，无需自行开发或训练，专注于应用集成和业务创新。

　　解决方案层。为了更好的帮助客户的业务应用落地，围绕某些技术以及针对某些场景，所开发的公版解决方案。

　　如左图所示，IaaS乐鱼体育，、CaaS、PaaS、MaaS每一层的服务都可以直接对外售卖，因此从下到上每层服务所包含的算力规模会逐渐减少。

　　如右图所示，按服务数量的分层为倒金字塔：越往下，差异性越小，单个服务的覆盖面越大，服务的数量越少；越往上，差异性越大，单个服务的覆盖面越小，服务的数量越多。底层通用性的服务，各家智算云厂家都差不多，难以形成差异性优势；只有通过更上层的差异性的算力服务，才能更好的帮助到用户，也更容易形成用户粘性。

　　又如右图所示，从下到上，也是一个算力价值逐渐增大的过程：底层裸算力价值最低，把底层裸算力封装成更上层的算力服务，价值会更高。

　　软件和硬件，是相互协作密不可分的关系；但两者，谁主谁从，则是在不断演进变化的。

　　自下而上模式，硬件占据主导地位，硬件资源支撑并定义上层软件业务应用；反过来，自上而下模式，软件业务应用约束并定义底层的软件和硬件资源。

　　传统的云计算，是一种自下而上的模式。云计算是一种以资源为核心的算力软硬件系统组织方式，整个系统堆栈，从最底层硬件开始，不断的叠加更上层的算力服务，如IaaS、CaaS、PaaS、MaaS等等，以期更好的支撑上层的业务应用。

　　而新兴的AI-Infra，则是一种自上而下的模式。随着大模型发展，新兴的AI-Infra类的公司，以AI为导向，为上层提供相关的各类MaaS服务。同时，leyucom乐鱼官网，为了更好的支持其MaaS服务，对底层的软硬件进行了一定的优化甚至重构。但这些底层软硬件重构，不影响提供给的上层业务用户的服务接口，业务无感。

　　完全的从最高层的业务应用出发，不太现实。因为单个业务应用，并不足够构成足够的规模。而以次一层的应用框架层出发，覆盖相近场景所构成的某个具体领域，则是自上而下的典型案例。

　　模式1，经典公有云，自下而上，以基础资源为核心。公有云也有PaaS、MaaS等更上层服务，但都是以IaaS层资源服务为基础构建。

　　模式2，AI-Infra，自上而下，聚焦AI和AI+。以AI为核心，构建面向各行各业的高层次的算力服务。

　　模式3，以芯片架构为基，自下而上，目前主要是NVIDIA在做此尝试。因为距离业务最远，也是最难的一种模式。

　　模式4，聚焦特定技术领域，自上而下乐鱼体育，。技术背景的公司，可以聚焦在自己擅长的技术领域，以特定技术领域为中心，逐步向外围扩展。

　　模式5，聚焦特定行业，自上而下。相对于算力服务，更关键的是要能够赋能业务场景落地。于是，一些算力服务企业，深耕特定行业，以此行业特色和丰富的行业场景解决方案为核心竞争力。

　　模式6，聚焦特定地域，自上而下。各地政府，在探索算力网的业务模式。算力网的主要作用是，统筹当地各种算力资源，也借外部算力为我所用，以此来赋能当地的新经济和重点行业发展。

　　公有云计算，是以基础资源类服务（IaaS）为核心的，数百项各层次各类服务所组成的算力服务体系。相比通算云，智算云的各项算力服务，可能有升级、有重构，甚至有新增，但算力服务体系的组织架构不会变。

　　公有云，也有PaaS、MaaS、SaaS等，但本质是仍是一种自下而上的模式：把硬件资源封装成服务，然后再一层层叠加更高层的服务，然后再服务更上层的用户业务应用。

　　2024年，全球公有云市场规模近6000亿美金。公有智算云是目前最主要的智算云方式。随着大模型智算的兴起，给整个云计算产业带来了新的变化。所有的云计算公司，都在积极的从通算云向智算云公司转型。

　　最开始，AI可以算作一个技术领域，但随着大模型的兴起，我们走向了AI时代，AI成为了一切业务应用必不可少的基础组件。

　　本质上，AI属于业务应用层，AI-Infra属于自上而下的模式，属于业务应用（上）定义底层硬件资源（下）的模式。

　　随着智算算力占比越来越高，以及AI相关上层服务的需求越来越多，AI-Infra越来越成为一个重要的商业形态。未来会涌现越来越多的AI-Infra特色的智算云公司。

　　几乎所有的云计算巨头都在自研芯片，这给了传统芯片公司很大的压力。NVIDIA作为传统芯片公司的优秀代表，不能坐以待毙：对方侵入了自己的业务范畴，那么自己也需要侵入对方的业务范畴。

　　第一方面，NVIDIA的数据中心级GPU，通常不单独售卖芯片，主要是以板卡、整机甚至整个智算中心解决方案的方式提供。案例：AI超算工厂，NVIDIA在美国德州和亚利桑那州建设超级计算机制造工厂，整合Blackwell芯片的封装测试与系统组装，目标未来四年生产价值5000亿美元的AI基础设施。

　　第二方面，NVIDIA的Omniverse平台。Omniverse是一个计算机图形与仿真模拟平台，通过数字孪生技术，结合生成式AI等技术，帮助企业实现虚拟仿真。Omniverse本质上是以NVIDIA GPU为底座的聚焦特定技术领域的智算云，也就是本文中接下来要介绍的模式4。

　　第三方面，NVIDIA在过去一年中大幅增加了对云服务的投资，承诺在未来几年内至少投入90亿美元用于云计算服务。这包括其2023年推出的DGX Cloud服务，该服务允许云提供商租赁NVIDIA的服务器，并将其作为云服务销售给企业。

　　第四方面，NVIDIA收购了几家AI-infra公司，以此来增强其在以AI为特色的算力服务方面的技术实力。如NVIDIA近期完成了对Lepton AI的收购，这是一家专注于GPU云服务的初创公司；Lepton AI成立于2023年，其业务模式是租赁NVIDIA GPU服务器（如A100和H100型号），并将其转租给需要高性能计算资源的企业。此次收购也标志着NVIDIA从单纯的芯片制造商向AI基础设施即服务（AIaaS）提供商的战略转型。

　　NVIDIA以特定芯片（架构）为基础，来构建算力服务，是一种最难的智算云模式（距离最终用算力的客户最远）。除NVIDIA之外，目前，暂未看到有其他芯片厂家在做类似的事情。

　　第一点，相对于传统公有云自下而上，如AI-Infra一样，模式4-6本质上也是一种自上而下的模式。模式4-6相比AI-Infra模式来说，其整体业务逻辑要更靠近上层一些（AI是业务侧的底座层）。模式4聚焦具体的技术领域，模式5则脱离了技术范畴聚焦了更上层的行业，模式6同样脱离了技术范畴聚焦了特定的地域。

　　第二点，则是聚焦。公有云，相对来说，规模都比较大，赋能千行百业，走的是“大而全”的模式。而模式4-6，则属于反向而行之，走的是“小而美”的专业化路子：聚焦特定领域、聚焦特定行业或聚焦特定地域。

　　当然，如果一个智算云企业做大做强了，未来逐步拓展其他领域、其他行业、其他地域也是必然的事情。

　　一些技术背景的智算云公司，通常以特定技术领域为聚焦范畴，如视频图像领域、安全领域、区块链领域、科学智算领域、边缘智算领域等。

　　如上图，一个典型的计算架构，包括的处理器资源池有：CPU、GPU、X-AIPU、X-DSA、HPN。X代表具体的领域；X-AIPU，为面向领域特色大模型的AI加速器；X-DSA，为面向其他特定领域的加速器。

　　优化一：随着领域大模型的成熟，大模型加速逐渐从GPU切换到更加高效低成本的X-AIPU；

　　优化三：高HPN大带宽低延迟，但也高成本；根据业务需求，合理选择IB、RoCEv2或Eth；支持网络转发可软件编程，和自定义高性能网络协议。

　　行业有很多，常见的行业有石油、电力、金融、教育、化工、医药、交通等等。每一个单独的行业，仅国内，其算力需求规模，通常都有100亿左右。深耕特定行业，也足以成为一个有足够影响力的智算云公司。

　　聚焦特定行业的智算云公司，其竞争力不在于IDC、智算硬件、IaaS/CaaS/PaaS等底层算力产品和服务（这些产品，可以标准化，由外部供应商提供），而核心竞争力在于：

　　面向特定行业的AI大模型，以及相关的MaaS级服务（训练、微调、推理、API调用等）；

　　AI和特定行业特定业务场景的结合，给客户提供完善的从云到边再到端的软硬件综合解决方案；

　　在“东数西算”大背景下，各地都在如火如荼的建设智算中心。如何把智算中心资源整合，如何更好的消纳算力，如何能更好的提升算力附加值，以及如何更好的赋能业务应用和当地经济发展，则是各地政府都在思考的话题。

　　政府算力网项目，则是在这个大背景下产生的。目前，全国很多城市都在筹建城市算力网项目，并且在算力网的业务模式探索方面，做了很多的工作。这一模式一旦走通，未来会在全国多地开花。并且会进一步从城市算力网，升格成区域算力网，甚至全国算力网。

　　我们从下到上，对几种智算云底层逻辑的未来发展进行一个总结（一家之言，仅供参考）：

　　NVIDIA，基于芯片架构的模式。这种模式，我们认为，很难走通。一方面是距离最终的业务客户最远；另一方面，和自己的主要大客户（各类公有云公司）存在竞争关系，这可能进一步加速客户采用其他供应商芯片（或自研各类核心芯片）。

　　公有云模式。公有云既要专注算力的底层软硬件（AWS等公司自研芯片，自研高性能网络，做非常多的底层优化），还要关注AI为核心的AI-Infra。公有云模式的公司，未来可能分化成两类公司：成为更聚焦AI的AI-Infra，成为更关注底层算力资源的IaaS云公司。

　　AI-Infra模式。我们认为，在AI时代，AI-Infra会成为最为核心的智算云模式。

　　差异化模式，模式4-6。一方面，底层云技术的成熟，也包括AI-MaaS层技术的成熟；另一方面，轻模式智算云成为主流，其切入门槛会进一步降低，从目前数十亿投入进一步降低到千万甚至百万级投入。未来会出现非常多的以模式4-6为切入点的公司，更聚焦行业，更聚焦业务，更聚焦客户。