当大模型参数量级突破万亿，传统云计算架构正经历从“水电煤”到“智能引擎”的范式迁移——云厂商如何应对百倍算力需求？企业上云逻辑发生哪些本质变化？资本市场又该如何重新定价？

　　近日，由海富通基金、上海证券报社共同主办的“海谈科技”云计算专场成功举行。上海交通大学计算机学院长聘教授戚正伟、北京青云科技集团股份有限公司高级解决方案架构师唐文军、国泰海通证券计算机首席分析师杨林围绕AI时代下云计算的新趋势与挑战，共同探讨产业发展与投资之道。

　　AI革命推动云计算行业扩张

　　当前，大模型与AIGC的出现正为云计算领域带来颠覆性影响，算力需求正“纵横”双向扩展，行业整体规模不断增长。

　　“传统的云计算以CPU为主，相对不适合运行需要大量并行计算的AI大模型，因此云厂商需要将自身的算力储备由通算升级为以GPU等加速卡为主的模式，以便应对新一代AI技术对底层基础架构的要求。”唐文军表示：“此外，传统的云计算往往更集中在云端，而AI大模型除了集中式的训练和微调场景外，推理场景正在向端侧扩散，使得云、边、端协同配合的计算体系逐步形成。”

　　在算力从云侧向端侧“横向扩散”的同时，机架规模的“纵向扩展”亦是云计算的发展趋势。在戚正伟看来，数据中心的未来发展方向是“计算、存储和通信网络在同一机架中实现一体化，智算、超算和通用算力在同一资源池中聚合，最终形成可扩展的大规模计算系统”。

　　AI不仅催生了云计算的技术变革，也带来了市场规模的高速增长。相关数据显示，2024年全球云计算产业规模约为7000亿美元，而在2030年，该数字将逼近2万亿美元。我国2024年的云计算市场规模约为8000亿元，预计2030年将突破3万亿元。

　　从云计算行业的上游来看，杨林指出，目前“Scaling Law”仍然成立，训练模型所需的算力在行业内占比仍较高。但随着模型成熟，应用场景增多，推理算力，特别是边侧和端侧的推理算力需求将上升。

　　从下游来看，当模型能力逐步趋于稳定，各行业的应用需求将集中爆发。对垂直应用软件厂商而言，与AI能力相结合的SaaS产品将逐步上量。

　　软、硬件市场蕴藏发展机遇

　　云计算的市场规模增长，为配套的软、硬件技术同时带来了市场机遇。

　　回溯全球及国内资本市场，自2022年11月GPT-3.5发布后，英伟达等AI加速卡厂商股价率先上涨，随后资本市场开始关注算力租赁行业。再之后，随着AI影响力进一步增强，下游需求逐步沿产业链向更上游传导，HBM、光模块、液冷等硬件开始被看好。

　　现在来看，杨林指出，国内的AI应用或将从今年下半年或明年进入爆发期，算力芯片厂商、光模块、HBM、整机服务器厂商、算力租赁企业、IDC企业等都将进一步受益。

　　与此同时，与算力硬件层相适配的软件层和中间层也将迎来市场机遇。“仅靠单一的硬件或者软件的更新迭代，很难实现重大技术突破，软件和硬件的整合将是技术的发展重点之一。”戚正伟表示。

　　唐文军则进一步指出，“软硬结合”的发展趋势将集中于以下方面。其一是优化软件本身，优化大模型的自身架构以及训练和推理中的部分环节，提高软件执行效率。

　　其二是围绕硬件优化软件，通过“压榨”加速卡性能，提高硬件的执行效率，从而用较低的硬件成本完成模型的训练与推理。

　　其三是优化介于软硬件之间的中间件。在提供算力设备后，为使软件厂商能够顺利调用硬件，硬件厂商需要开放一系列用于调用的中间件。“如华为正逐渐开源昇腾算力卡的中间件，希望吸引更多的开发者共建生态，促进各类程序在加速卡上高效运行。”唐文军表示。

　　AI编程、AI营销等将率先商业化

　　展望未来，与会专家认为，AI编程、AI营销等技术可能率先实现商业化落地，因为这些技术领域或多或少地具备高质量数据富集、技术成熟度高、场景相对封闭、容错率高等优势。

　　首先，云端的高质量数据更易催生成熟的应用产品。当企业对数据合规性的要求较低，允许数据上云时，高质量数据更易富集，进而推动模型的迭代与成熟应用的迸发。

　　其次，技术成熟度是决定能否商业化的关键。从商业角度看，ROI（投资回报率）决定了资金是否会进入该领域，如果AI技术在某垂类场景中的应用已相对成熟，并形成盈利，支撑商业化的资金投入就会更为“大胆”。

　　具体来看，在AI编程领域目前已出现了如Anysphere开发的Cursor等相对成熟的产品。今年上半年，Anysphere已完成一轮高达9亿美元的融资，估值达90亿美元。

　　最后，相对封闭、容错率更高的场景更易商业化。“比如营销行业的文生视频等AI创意内容生成已较为普及，财务等行业的部分业务流程也在被AI重塑。这些行业相对垂直封闭，数据上云更简单且风险较低。”杨林表示：“但是生产制造、供应链管理等安全要求高、容错率较低的场景，AI落地就会较慢。”

　　“从长远看，具身智能有望逐步落地。”杨林补充道。