支撑全产业AI，需要怎样的算力服务？(2)

随着使用算力的企业增多，如何评测算力、稳定供给、降本增效、便捷服务，成为待解决的问题，迫切需要与产业智能化速度相匹配的算力服务。其作为数字经济的“四梁八柱”之一，必须从现在开始建构。

集算力服务之力，

一家AI公司的突围之路

那么，具体到现实中，企业在研发和落地AI时，究竟需要怎样的算力服务来保驾护航？在与一些行业用户、科研机构的交流中，我们似乎找到了一些答案。

1.资源瓶颈。

AI训练需要极大的算力，目前，我国区域间算力资源供需还未平衡，传统运输方式调度难度大，算力供给与需求是不匹配的，企业要打造一个可堪重用的AI模型，必须有稳定可靠的资源衔接平台来供给资源。有企业专家表示，专用任务的计算，高端计算资源能够大大缩短训练和研发周期。因此，他们选择与一站式算力服务平台合作，平台能够将多种算力资源整合，帮助企业解决了算力紧张、算力调度和算力释放等综合问题。

2.成本瓶颈。

AI需要调动各类专用芯片产生的诸多类型算力，研发阶段需要耗费巨大的成本，效能每提高一个百分点都是巨大的节约。据专家分享，通过一站式算力服务来应对大规模的高密集型计算任务（特定任务、特定场景），在经济性上更有优势。在实际研发生产中，可以根据算力用量按需购买，及时对算力进行灵活调整，既满足了研发需求，又避免了服务器资源限制、后期运维等成本。

3.生态瓶颈。AI发展应该以产业应用为导向，引导各方全力以赴，生态建设的重要性不言而喻。专注AI模型研发训练的企业，可以与算力服务平台方合作，将一些AI应用和系统开放给平台生态内的用户，一键式地导入相应的能力来满足应用开发、测试等需求。实现资源与服务的开放共享，有助于建立高效协同的产业供应链，推动AI产研用一体化。

从企业实践中我们可以发现，算力服务不是单纯的算力硬件性能比拼，而是集资源、应用、服务、运维为一体的体系化工程。而目前算力服务整个市场都还处于发展初期，行业竞争格局暂未完全定型，产品和解决方案也各有特色。

云厂商凭借云计算优势能力，云上形成算力资源与服务的完整序列，更为灵活；ICT厂商计算技术突出，性能强、稳定可靠，配套服务能力强；算力代理商配套服务丰富，自身资源能力弱；国家高端计算中心基础设施资源积累多，行业知名度、认可度高，但商业化能力弱。