在消費(fèi)者對(duì)ChatGPT等消費(fèi)級(jí)AI應(yīng)用進(jìn)行嘗鮮和玩票之后，企業(yè)也迎來了AI發(fā)展的轉(zhuǎn)折點(diǎn)。相比2023年企業(yè)紛紛訓(xùn)練自己的大模型，2024年企業(yè)對(duì)大模型的關(guān)注轉(zhuǎn)向推理，以實(shí)現(xiàn)差異化和變現(xiàn)。一方面，企業(yè)部署大模型對(duì)計(jì)算架構(gòu)帶來了新的挑戰(zhàn)；另一方面，企業(yè)對(duì)推理的重視，也使其對(duì)算力架構(gòu)的選擇走向多元。

“隨著越來越多的通用大模型被訓(xùn)練出來，今年企業(yè)的關(guān)注點(diǎn)轉(zhuǎn)向了推理。”英特爾公司市場(chǎng)營(yíng)銷集團(tuán)副總裁、中國(guó)區(qū)數(shù)據(jù)中心銷售總經(jīng)理莊秉翰向《中國(guó)電子報(bào)》表示，“我們看到一些客戶愿意嘗試用CPU做大模型推理，還有一些互聯(lián)網(wǎng)公司，之前更多提供的是基于GPU的大模型服務(wù)，現(xiàn)在也提供基于CPU的大模型，尤其是在推理上?！?/p>

企業(yè)迎來大模型部署浪潮 數(shù)據(jù)與模型結(jié)合成最大挑戰(zhàn)

企業(yè)級(jí)場(chǎng)景，正在成為AI大模型的藍(lán)海市場(chǎng)。市調(diào)機(jī)構(gòu)數(shù)據(jù)顯示，預(yù)計(jì)2026年80%的企業(yè)會(huì)使用生成式人工智能，至少50%的企業(yè)會(huì)在邊緣計(jì)算部署機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)，從而提升企業(yè)競(jìng)爭(zhēng)力。在企業(yè)支出方面，預(yù)計(jì)企業(yè)在生成式人工智能的投資將在今年達(dá)到400億美元規(guī)模，到2027年達(dá)到1510億美元規(guī)模。

莊秉翰指出，企業(yè)AI的發(fā)展可以分為三個(gè)階段。一是AI輔助階段，AI作為企業(yè)的輔助工具，提供會(huì)議紀(jì)要總結(jié)、大綱提煉、文生圖等輔助功能。二是AI助手階段，AI賦能各領(lǐng)域的工作流程自動(dòng)化，提供行程管理等助手型功能，以及面向客戶的智能客服功能。三是全功能AI階段，AI提供全方位、更精準(zhǔn)的自動(dòng)化服務(wù)，為企業(yè)經(jīng)營(yíng)帶來更大價(jià)值。

無論是AI助手階段還是全功能AI階段，最大的挑戰(zhàn)都在于企業(yè)數(shù)據(jù)與通用模型的結(jié)合。

“企業(yè)對(duì)自己的數(shù)據(jù)，比如傳統(tǒng)的數(shù)據(jù)如何保存使用，哪些數(shù)據(jù)應(yīng)該在公有云或者私有云使用，有很明確的規(guī)定。但是，現(xiàn)有AI模型大多是通用模型，一旦企業(yè)把數(shù)據(jù)上傳到這些AI模型再做提煉升華，就存在數(shù)據(jù)泄漏的風(fēng)險(xiǎn)，也會(huì)對(duì)企業(yè)的競(jìng)爭(zhēng)力帶來影響。所以我們提出企業(yè)AI的概念，其核心在于以更加開放、更具規(guī)模性、更加可靠的方式，幫助企業(yè)釋放AI潛力。”莊秉翰向記者表示。

按照技術(shù)架構(gòu)，企業(yè)AI能力的構(gòu)建可以分為四個(gè)層次。一是兼具可獲取性和隱私性的底層算力。二是具備可擴(kuò)展性和標(biāo)準(zhǔn)化的基礎(chǔ)設(shè)施。比如企業(yè)在私有云部署AI，可能采用單節(jié)點(diǎn)、多節(jié)點(diǎn)或者平均式的部署，或者根據(jù)企業(yè)的發(fā)展規(guī)劃從單節(jié)點(diǎn)小集群逐步走向更大的集群，這就需要算力基礎(chǔ)設(shè)施具備可擴(kuò)展性和標(biāo)準(zhǔn)化。三是安全可靠的軟件生態(tài)。四是便捷開放的應(yīng)用生態(tài)。

面向企業(yè)AI的部署需求，英特爾搭建了算力、基礎(chǔ)設(shè)施、軟件、應(yīng)用四層生態(tài)的開放生態(tài)堆棧。其中算力生態(tài)包含基于酷睿處理器、vPRO商用PC芯片平臺(tái)的AI PC，基于至強(qiáng)處理器、Gaudi AI加速芯片、ARC顯卡的邊緣AI與數(shù)據(jù)中心AI。基礎(chǔ)設(shè)施生態(tài)包含OEM、ODM、CSP（云端服務(wù)供應(yīng)商）、OSV（操作系統(tǒng)集成商）等。

比如在英特爾與金山云的合作中，金山云在云服務(wù)器 X7 中引入了第四代至強(qiáng)可擴(kuò)展處理器，并基于英特爾AMX原生加速能力發(fā)布了StableDiffusion、LLaMa2、ChatGLM2三款針對(duì)X7服務(wù)器調(diào)優(yōu)的大模型鏡像。相較優(yōu)化之前的模型，基于AMX優(yōu)化的文生圖大模型 Stable Diffusion推理性能提升了4.96倍，Llama2 和 ChatGLM2優(yōu)化后的推理性能也分別提升了2.62倍和2.52倍。

英特爾公司市場(chǎng)營(yíng)銷集團(tuán)副總裁、中國(guó)區(qū)云與行業(yè)解決方案部總經(jīng)理梁雅莉表示，英特爾與金山云合作的云服務(wù)器對(duì)客戶的吸引力來自三個(gè)方面。一是便捷的部署，即用戶無需部署專用的AI推理服務(wù)器，而是可以在通用云服務(wù)器的基礎(chǔ)上，通過調(diào)優(yōu)的大模型鏡像，快速、靈活地實(shí)現(xiàn)模型推理；二是成本優(yōu)化；三是除了大模型推理之外，用戶還可以調(diào)度金山云云服務(wù)器運(yùn)行其它工作負(fù)載，實(shí)現(xiàn)敏捷切換。

“企業(yè)在面對(duì)不同選擇之時(shí)，會(huì)考慮幾點(diǎn)。第一是‘可及’，即該算力是能夠購(gòu)買、能夠獲取，且是通用的；二是對(duì)性能的追求；三是在易部署的情況下，能夠擁有可靠的保障?！绷貉爬蛘f。

從注重訓(xùn)練走向注重推理 CPU成為AI推理選項(xiàng)

2023年，AI大模型迎來“百模大戰(zhàn)”的盛況。但在大模型走向落地期的過程中，企業(yè)越來越注重大模型的投入產(chǎn)出比和后續(xù)的盈利能力，這一點(diǎn)也反應(yīng)在企業(yè)對(duì)底層算力架構(gòu)的選擇上。

莊秉翰在接受《中國(guó)電子報(bào)》專訪時(shí)表示，2023年，企業(yè)對(duì)大模型的關(guān)注聚焦在訓(xùn)練，更注重性能，對(duì)成本和功耗沒有那么重視。由于企業(yè)都希望訓(xùn)練自己的通用大模型，也出現(xiàn)了“百模大戰(zhàn)”的現(xiàn)象。

隨著越來越多的通用大模型被訓(xùn)練出來，今年企業(yè)的關(guān)注點(diǎn)轉(zhuǎn)向了推理。對(duì)于企業(yè)來說，大模型是需要變現(xiàn)且能夠盈利的，但目前市場(chǎng)上的大模型大多基于開源，用做訓(xùn)練的數(shù)據(jù)也差不多，很難通過差異化來盈利。而企業(yè)AI能夠讓企業(yè)將自身數(shù)據(jù)融合在大模型的訓(xùn)練過程中，使大模型真正幫助企業(yè)解決業(yè)務(wù)上的問題，增強(qiáng)產(chǎn)品競(jìng)爭(zhēng)力。

而企業(yè)對(duì)于大模型盈利能力的重視，也體現(xiàn)在對(duì)底層算力架構(gòu)的選擇上。莊秉翰表示，推理基于大規(guī)模的算力部署，需要對(duì)智算中心的成本、功耗以及整體的運(yùn)營(yíng)運(yùn)維進(jìn)行考量。在這種趨勢(shì)下，一些企業(yè)正在嘗試用CPU做大模型推理。從許多案例可以看到，CPU可以支持130億參數(shù)規(guī)模以下大模型的推理。

“對(duì)一些企業(yè)來說，大模型部署處在初始階段。如果立即部署一個(gè)很大的GPU集群，對(duì)于運(yùn)維和開發(fā)來說都是很大的挑戰(zhàn)。如果采用逐步部署生成式人工智能的節(jié)奏，就可以通過CPU先來做一些大模型的應(yīng)用部署。當(dāng)不需要生成式大模型時(shí)，還可以轉(zhuǎn)換到通用的應(yīng)用，這也是一種可以實(shí)現(xiàn)盈利的方式。我們看到一些客戶愿意嘗試用CPU做大模型推理，還有一些互聯(lián)網(wǎng)公司，之前更多提供的是基于GPU的大模型服務(wù)，現(xiàn)在也提供基于CPU的大模型，尤其是在推理上?！鼻f秉翰向《中國(guó)電子報(bào)》記者表示。

而算力架構(gòu)的選擇，也與企業(yè)類型和所處階段息息相關(guān)。梁雅莉表示，企業(yè)要因地制宜，選擇最適合企業(yè)的人工智能策略，并基于該策略選擇最適合的基礎(chǔ)設(shè)施和架構(gòu)。

“對(duì)于頭部互聯(lián)網(wǎng)和大模型公司來講，今年面臨的挑戰(zhàn)是大模型的落地和變現(xiàn)。對(duì)于其他企業(yè)來說，如何挑選合適的大模型融入生產(chǎn)或業(yè)務(wù)流程以創(chuàng)造價(jià)值，是更重要的命題?！绷貉爬蛳颉吨袊?guó)電子報(bào)》記者表示，“當(dāng)大模型和生成式人工智能熱度褪去，需要變現(xiàn)并產(chǎn)生價(jià)值的時(shí)候，就需要思考落地的經(jīng)濟(jì)適用性和最適合的方案?！?/p>