AI正在深度而全面地影响和改变着我们的生活。越来越多的场景，越来越多的行业，开始出现AI的身影，人类正与智能社会不期而遇。
据《卫报》7月28日报道，近日，谷歌旗下人工智能公司DeepMind进一步破解了几乎所有已知的蛋白质结构，其AlphaFold算法构建的数据库中如今包含了超过2亿种已知蛋白质结构，为开发新药物或新技术来应对饥荒或污染等全球性挑战铺平了道路。
无独有偶。
特斯拉同样推出了基于AI的超级计算机Dojo，借助它，特斯拉可以确保宏大自动驾驶理想的达成与实现。据悉，未来将有1.5PB的数据在这里进化与训练，堪称「练功房」。有了Dojo，特斯拉将会研发出更多有关自动驾驶的技术，在超级算力的支持下，特斯拉将会在视觉感知的自动驾驶技术路线上一路狂奔。
透过以上种种迹象，可以看出，AI正在进入到大规模商用的全新发展阶段。有关统计显示，2021年，我国的AI应用市场规模约2000亿元，增速已达30%；同期，全球市场规模约9477亿元，涉及30多个行业及领域，例如：智慧城市、自动驾驶、元宇宙、工业视觉、生命科学等。未来十年，人工智能将进入大规模商业落地阶段。
据Gartner预测，到2025年，各行业的AI/ML（机器学习）渗透率将会达到70%以上，AI软件行业增长率也将达31%。
AI for Industry、AI for Science、AI for Metaverse的快速发展，带来了更多新的发展机会。同样地，整个市场对于AI云产品和服务的需求，同样开始水涨船高。如何满足如此庞大的云端需求，如何助力AI在更多场景和行业落地，成为玩家们竞争的焦点。
正是在这种背景下，AI云，被推到了新的潮头之上。
AI遍地开花，云市场供需矛盾突出
数据显示，到2030 年，中国将在人工智能理论、技术与应用方面达到世界领先水平，成为世界主要人工智能创新中心，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。
当AI时代悄然来临，一场全新的生产范式，正在各行各业上演。借助AI，我们不仅会改变传统意义上的生产方式，而且传统意义上的生产关系，都将发生一次重构与再造。如何借助AI达成新的范式，获得新的发展，成为各行各业布局的焦点。
从AI for Industry角度来看，AI生产分化为AI流水线和AI大模型两个范式。以工业化的AI流水线为代表的「黑灯工厂」将会越来越多地出现。可以预见的是，未来随着人力成本的不断增高，工业领域对于AI的需求，同样将会发生一场几何级数的深度变革。
除了AI流水线在各领域的落地和应用不断增加之外，AI大模型在自动驾驶、金融风控、智能对话等诸多场景的落地和应用，同样将会遍地开花。由此，市场对于基于AI的云端产品和服务的需求，同样将会水涨船高。
当AI for Industry开启一场表层变革的同时，AI对于基础科学的改造，同样正在进行。开篇提到的「DeepMind破解几乎所有的蛋白质机构」仅仅只是一个代表，除此之外，AI for Science业已深入到了核反应的等离子体的物理领域、计算机科学的自动编码领域、数学的领域、生命与科学领域、流体力学领域、材料学领域等诸多方面。
当如此多的基础研究开始与AI产生联系，如何对科研院所进行深度赋能，如何满足他们对于算力、数据和模型的巨大需求，同样成为一个全新的风口。
一边是日渐火热的AI云需求，一边却是青黄不接的AI云供给。
1、入局玩家参差不齐
面对如此巨大的AI云需求，国内云市场布局呈现出冷热不均的发展状态。以阿里、腾讯为代表的平台型公司在进行云端市场的布局上，更多地关注的是通用云的打造。从本质上来看，这样一种通用云，更多地是在满足平台型公司自我发展的需求，更多地是横向上的，并不能够满足行业用户个性化的需求。
除了阿里、腾讯为代表的平台型公司之外，以华为、曙光为代表的硬件公司，同样也加入到了云市场的争夺战之中。同阿里、腾讯不同，这些公司更多地是从硬件的角度着手，而不是从软件角度着手。然而，云产品对于软件的需求较高，对于硬件的需求，反而并不太高。软硬结合的AI云玩家，更加受到市场的青睐。
入局玩家的参差不齐，最终所导致的一个结果就是，很多对于AI云有个性化需求的用户无法获得较为贴合自身需求的AI云产品和服务，最终，非但无法实现AI更好地商用，甚至还有可能错失AI落地的新红利。
2、AI云落地矛盾突出
通过以上分析，我们可以看出，只有具备了深厚的AI背景和积淀，才能在AI云市场上有所作为。从需求侧来看，AI需求的场景化、碎片化个性化较强，模型难以复用；训练模型的边际成本较高，需求端的资金压力较大。从供给侧来看，数据量级不断增大，数据安全的挑战较多；算法模型的开发周期不断被压缩；AI算力的缺口较大……
AI云在落地上所面临的一系列的困难和挑战，告诉我们，只有在AI垂直领域持续精耕，并且具备较强的AI开发能力和超强大的算力能力作为支撑，才能真正在AI云市场上有所作为。否则的话，面对庞大的AI云市场红利，只能望洋兴叹。
纵观当下的AI云市场，能够具备这些条件的玩家，可以说少之又少。以商汤为例，凭借着其在智慧城市、智慧交通、智慧商业和智慧生活等方面的布局，它业已成为AI领域的头部企业。
除了商汤在AI领域的长期精耕之外，它还具备了强大的算力、数据和模型基础，商汤科技人工智能计算中心（AIDC），其设计算力为每秒4910 Petaflops（1 Petaflops为每秒千万亿次浮点运算），于2022年1月24日启动运营，会成为亚洲最大的人工智能计算中心之一，其建筑面积13万平方米、项目总投资约56亿元、一期机柜数量5000个。AIDC的成功落成，将进一步提升商汤的AI-as-a-Service服务以及商汤在中国人工智能行业的领先地位。
得益于在AI领域的长期实践，商汤开始了通过「标准化」的方式促进行业繁荣和百花齐放。通过底层的算力、数据、算法模型到上层的解决方案，商汤建构了一套「标准化结构」；通过发布超过49000个商用AI模型，商汤打造了可灵活配置，应用于不同场景的「标准化模型」；最后，商汤通过「生产标准化」实现协同和分工合作，将AI应用规模化落地。
有了如此多的沉淀之后，可以说，商汤进入到AI云市场，是顺理成章的，水到渠成的。
可见，在AI云市场处于一片混沌的大背景下，以商汤为代表的垂直领域的玩家们，无疑将会成为这一领域的有力竞争者。同样地，商汤们在AI云上的探索和实践，同样具有非常明显的借鉴意义，甚至可以为我们找到AI云市场的致胜之道。
大幕开启，AI云的决胜之道
AI商业化的巨大需求以及AI云市场突出的供需矛盾，让AI云市场成为一个蕴含着巨大发展潜能的新蓝海。可以预见的是，随着越来越多的玩家开始加入，特别是AI在各个行业及场景的应用逐步铺开，AI云市场必然将会发生一场激烈而又持久的竞争。
一场大幕即将开启，那么，AI云市场的致胜之道在哪呢？
1、从成本上看
尽管AI在各个行业，各个场景当中的落地和应用正在逐渐铺开，但是，在AI商用的过程当中，依然还是有很高的门槛的。无论是AI在单一场景的商用，抑或是AI在多场景当中的商用，行业用户所面临的一个最为直接的原因就是成本过高。
假设一个创业者在A轮拿到了1000万融资，传统方式需要先采购几台GPU服务器，再雇算法工程师、系统工程师、运维，可能几百万就花出去了。对于大型的企业来讲，可能不算什么。但对创业公司来说，这样的成本还是非常的高，所以，成本过高在一定程度上阻碍了很多的创新型企业的 AI应用的想法和实践。
在未来的AI云战场，同样将会面临同样的问题。如何解决AI商用过程当中成本过高的问题，成为决定玩家们在AI云市场份额大小的关键要素。从本质上来看，只有那些真正可以用强大的云计算能力，加上AI的开发能力，部署给行业用户，才能极大地节省成本，才能在AI云市场当中，占据新的市场份额。
以SenseCore商汤大装置AI云为例，它是一款基于商汤AI大装置的一套开箱即用的工业级AI工具链，无需前期投入，即可实现人工智能基础设施的全面数字化管理。未来的AI云市场上，只有像商汤这样普惠的，低成本的产品和服务，才能真正可以满足未来AI落地的需要。
总结来看，欲要在未来的AI云市场上获胜，如何尽可能地多地节省企业用户的成本，如何实现真正意义上的普惠，如何尽可能多地保证AI的商用，才是关键所在。
2、从弹性上看
当AI在不同行业和场景的应用开始逐步展开和落地，对于云产品和服务的需求，同样将会呈现出千差万别的差异。如何满足不同类型的用户，对于玩家们云产品和服务的弹性，有了更高的要求。很显然，对于那些具备较强的弹性，可以满足用户的潮汐需求的玩家们来讲，无疑具备较强的竞争力。
实现AI与云的深度融合、海量丰富的应用场景、强大的算力，直接关系到AI云产品和服务的弹性。以现在的AI for Science的各种训练为例，动辄需要几百张卡，上千块甚至几千块的 GPU卡，而模型训练的一个周期一般会持续数天到数周，甚至更长的时间。
另外，AI在制药、自动驾驶等领域的落地和应用，通常会以项目制的方式来交给客户来完成，遇到重大的项目节点的时候，通常需要很强大的算力支撑，才能完成和实现。对于这些AI商用的场景来讲，它需要的是，AI云产品和服务的提供者，可以快速地扩容和缩容，并且去应对项目对于波峰和波谷的算力需求。
可见，AI在不同场景和行业的落地和应用对AI云的产品和服务的提供者，提出了很强的弹性需求。从某种意义上来讲，只有具备较强的弹性，以应对AI训练和推理的潮汐性特征，直接关系到服务行业用户的体验和需求满足的情况。
同样以商汤为例，它的SenseCore商汤大装置AI云具备卓越的可扩展性，可在1~1万张GPU卡之间无缝扩张，有效应对未来工业AI流水线以及 AI大模型的训练、验证、推理需求，通过创新普惠，打造AI云基础设施新范式。
此外，商汤智算中心能够提供强大的算力基础，它的计算和处理能力堪称“巨无霸”，其算力为4910 Petaflops。借助如此强大的弹性算力，商汤智算中心可完成100万亿参数模型的完整训练，使得AI大装置像流水线工厂，实现不同场景的算法模型的底层抽象，以模块化平台套件打造通用型服务平台，以低边际成本实现对新场景的规模化覆盖。
对于其他的AI云服务的玩家们来讲，如何像商汤一样打造强大的弹性算力，以应对不同场景，不同行业的AI商用的弹性需求，直接关系到它们是否可以在未来的AI云市场竞争中获胜。
3、从开放性来看
无论是对于通用云市场来讲，还是对于垂直云市场而言，开放性的强弱，直接关系到玩家们可以在云市场上占据怎样的份额，处于怎样的地位。这一点，在AI云市场上，同样表现得较为突出。按照笔者的理解，这里的「开放」，并不仅仅只是包括上下游用户的开放，而且还包含了硬件和软件的开放，它是一种更加彻底和全面的开放。只有真正实现了真正意义上开放的玩家，才能在未来的AI云市场上取胜。
之所以会「开放性」会如此重要，主要是因为AI对于人们的生产和生活的影响开始深入和全面所导致的。现在，我们看到了AI for Industry、AI for Science在传统行业的内在运行逻辑上的深度改造；我们看到了AI for Metaverse在完善和丰富内容创作上的应用；我们看到了AI for Auto对于传统驾驶模式的深度改变……当如此多的落地和应用逐渐铺开，仅仅只是将AI云的产品和服务，停留在有限的几个场景；仅仅只是将AI云的产品好服务，封闭在几个有限的行业，很显然是远远不够的。
如何建构一个开放的生态，让不同的用户，不同的场景，不同的软硬件结合在一起，才是保证能够在AI云市场上有所作为的关键所在。
以SenseCore商汤大装置AI云为例，它的产品架构，包含了AI原生基础设施层（AI IaaS）、深度学习平台层（AI的PaaS）、算法模型层和行业解决方案等诸多方面。可以说，这个产品本身，就是一个强大的生态，就是一个开放性的系统。
在AI原生基础设施层，AI云提供了一系列针对性的AI IaaS的产品，比如，AI原生的算力池，AI优化的存储池，AI的智能网络，去提供更高性能的弹性伸缩的AI系统。在深度学习平台层，AI云会提供全套的AI数据管理、数据标注的服务及AI Studio的人工智能开发平台，会涵盖可视化建模和编码建模，模型管理、模型训练、模型部署等全栈的AI工具；在算法模型层，AI云会提供OpenMMLab人工智能算法开源体系， OpenGVLab通用视觉开源平台，OpenDILab开源决策智能平台三大核心平台。
值得一提的是，AI云还会提供AI芯片、AI PaaS软件和AI SaaS软件，实现AI软硬件的深度融合。另外，AI云还会将商汤内部大量的算法专家和学科专家开放出来，打造一个真正意义上的涵盖了不同类型的用户，不同类型的设施，不同类型的角色的开放的生态系统。
商汤在这一方面的探索，同样是值得其他的玩家们借鉴的。可以预见的是，随着AI商用的不断落地开花，对于AI基础设施的打造，需要的就是一个不断开放的生态。只有在这样一个生态之下，AI云才能真正满足不同用户，不同场景的需要，才能建构一个完整、可持续的AI云生态，才能赢得最后的胜利。
结语
当下，AI正在深度而全面地影响着我们的生产和生活。无论是在基础科学领域，还是在工业制造领域，抑或是在其他领域，无不如此。面对AI行业如此迅猛的发展，以AI云为代表的基础设施的打造，开始释放出越来越多的新红利。可以说，AI云市场的大战业已启幕。对于每一个有志于在AI云市场上有所作为的玩家来讲，站在成本、弹性和开放性的角度来寻找取胜之道，或许才是关键所在。
商汤，作为一家长期精耕AI领域，具备了诸多AI优势的玩家，其在AI云上的探索，无疑具有很多借鉴意义的。从某种意义上来讲，商汤在AI云的探索和实践，特别是SenseCore商汤大装置AI云的发布，为未来AI云的发展指明了方向，业已成为AI云市场蓝海里的「航标」。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
