云、算力、大模型

我觉得国内云计算产业中相当一部分人有一个认知上的误区：认为“云=算力”。这个认知误区怎么产生的呢？

原因在于，国内许多号称的“云计算”并不是真正的云计算，国内当前大概有70%-80%的所谓云服务器，其实采用的还是传统的运营方式，并没有按照云计算的思路来提供服务。

再进一步，为什么他们不按照云计算的思路来提供服务呢？

因为这些所谓的云厂商，他们的技术储备根本不足以支撑操作系统的研发，他们入局只是为了抢云计算的红利，急吼吼地买一堆机器，搞来一套开源产品体系，然后对外声称提供云服务。

事实上，他们所谓的云，并没有在裸设备上提供太多附加值，卖的还是无差别的黑大粗铁盒子。这些黑大粗铁盒子能提供啥？无非就是最基础的计算，还有存储。正是因为这样所谓的云计算太多了，就很容易在产业（包括提供者和消费者）中形成了“云=算力”或者“云=算力+存储”这样的错误认知。事实上，云计算要最大化地发挥作用，就要作为一种公共服务存在，要在裸设备的基础上增加更多的价值，而不仅仅是卖服务器。

区别在哪呢？

传统的IDC只提供了服务器和交换机等裸设备，这些设备能提供基础的算力和存储。云计算服务则提供从基础设施到软件应用的全套服务，以一体化的方式提供服务。举一个简单的例子，数据库审计，在 IDC 实现一个可信的数据库访问记录非常困难，大多数此类系统并不能保证完整性。

而在云上实现同类系统只需要开启云厂商的审计服务，就可以在技术上满足大多数监管单位的要求。或者换一个角度来看——传统的IDC上没有面向业务层的应用或服务，IDC运营商要做的就是找到渠道代理商，把服务器等一堆设备打包卖出去，它卖的其实是基础的算力，就类似于山西的煤老板一车一车地对外卖地里挖出来的煤炭。

而云上面是要有面向业务层的应用和服务的，云厂商必须形成一整个围绕在自己周边的生态体系，不断提供/更新应用和服务，就类似于这样的云才是合格的云计算，才有持久生命力。

最近，我看到有分析文章中把云看作一个操作系统，我认为这种观点是正确的——算力是基础，服务器、计算板卡设备就像是“砖头”，搭建起算力所需的基础设施；而云计算提供的是组织服务能力，把“砖头”提供的算力组织调动起来。从这个角度看，云可不就是一个操作系统吗？只是云管理的不是单机，而是一整个或多个数据中心。

那大模型跟云、算力是什么关系？

大模型的训练需要算力，这很好理解，那大模型跟云是什么关系呢？我们先来看一个案例，ChatGPT训练需要的算力非常庞大，早在GPT-3阶段，微软就砸下近10亿美元，专门为训练ChatGPT打造了一台超算——上万张英伟达A100芯片打造，甚至专门为此调整了服务器架构。

我们且不说上万张A100芯片耗资巨大，事实上，众所周知的原因，哪怕我们有钱也买不到这么多A100芯片。那怎么办？对于国内同行来说，一个可行的方案是，通过云计算高效、合理地堆算力进行调度，把一个或多个数据中心变成一台超级计算机，来满足大模型的算力需求。

最后一个问题，为什么大模型又成“百模大战”，大模型到底有没有价值？

事实上，我认为，“百模大战”其实是社会资源的极大浪费，大家都在重复劳动，在做同样的事情。而这个事情又都只是最基础的事情。

按照阿里云王坚的理解，大模型可以分五个层面来理解——

①基础模型训练，即如何用万卡集群把一款模型训练出来，这也是当前大部分大模型处于的阶段，消耗了当前近90%的算力；

②模型调整，在通用模型的基础上，调出适用于个别行业或垂直领域的模型，比如中国移动推出的九天系列大模型就属于这个阶段；

③应用模型，这是独立于通用模型，而是由其他类型数据训练得来，比如针对某个独立领域的大模型；

④模型应用，将大模型的基础能力跟千行百业的需求结合起来打造系列应用，去解决实际、具体的问题，这才是大模型的价值所在。

⑤将模型及应用融合起来变成一类服务，并应用到用户那里。

所以，与其大家一窝蜂地去搞大模型，一个个去搞基础模型训练，然后费劲巴拉地搞模型调整，还不如基于一两个成熟的基础模型，其他人把资源集中起来去搞模型应用、模型服务，这才是社会化分工的正道。以上是我个人关于云、算力、大模型的一点理解，欢迎指教。