云计算市场本来已经基本定型：全球三大云服务厂商亚马逊 AWS、微软 Azure，以及谷歌云，占据了大部分市场；在国内，五大巨头占据大部分市场，分别是阿里云、天翼云、移动云、华为云和腾讯云。
但随着大模型智算的兴起，给整个云计算产业带来了新的变化。行业出现了很多以智算为特色的 AI-Infra 公司，NVIDIA 等芯片公司在探索基于自身算力芯片和生态的智算云，也有一些公司在探索算力网络等业务模式。
我们可以简单的把智算云的底层业务逻辑分为两类：一类是自下而上，如传统的云计算，以硬件资源为基础，服务各行各业的各个场景；另一类是自上而下，如 AI-Infra，以业务应用为牵引，基于业务需要，再不断夯实算力基础。
这里，抛砖引玉，探讨一下智算云的底层业务逻辑。
1. 一些背景知识
1.1 智算行业常见的算力服务分层
随着 AI 大模型的发展，常见的算力分层为：机房层、硬件层、IaaS 层、CaaS 层、PaaS 层、MaaS 层、解决方案层。这一切分层，都是为了服务客户的业务应用层（部分业务应用系统足够庞大、业务逻辑足够复杂，也可能会继续分层）。
智算服务分层简单介绍：
- IaaS，Infrastructure as a Service，基础设施即服务。用户通过 IaaS 服务租用服务器、存储、网络等基础设施，无需购买和维护物理硬件。
- CaaS，Containers as a Service，容器即服务。CaaS 提供了高效、灵活的方式来运行和管理容器，适用于多种环境，包括本地数据中心、混合云和多云环境。
- PaaS，Platform as a Service，平台即服务。PaaS 提供开发和部署应用程序所需的平台和工具，用户无需管理底层基础设施（服务器、存储、网络等），只需专注于应用程序的开发和运行。
- MaaS，Model as a Service，模型即服务。提供深度学习模型的访问和使用服务。用户可以通过 API 调用这些预训练或定制模型，无需自行开发或训练，专注于应用集成和业务创新。
- 解决方案层。为了更好的帮助客户的业务应用落地，围绕某些技术以及针对某些场景，所开发的公版解决方案。
1.2 算力分层的金字塔和倒金字塔
如左图所示，IaaS、CaaS、PaaS、MaaS 每一层的服务都可以直接对外售卖，因此从下到上每层服务所包含的算力规模会逐渐减少。
如右图所示，按服务数量的分层为倒金字塔：越往下，差异性越小，单个服务的覆盖面越大，服务的数量越少；越往上，差异性越大，单个服务的覆盖面越小，服务的数量越多。底层通用性的服务，各家智算云厂家都差不多，难以形成差异性优势；只有通过更上层的差异性的算力服务，才能更好的帮助到用户，也更容易形成用户粘性。
又如右图所示，从下到上，也是一个算力价值逐渐增大的过程：底层裸算力价值最低，把底层裸算力封装成更上层的算力服务，价值会更高。
1.3 自下而上模式和自上而下模式
软件和硬件，是相互协作密不可分的关系；但两者，谁主谁从，则是在不断演进变化的。
自下而上模式，硬件占据主导地位，硬件资源支撑并定义上层软件业务应用；反过来，自上而下模式，软件业务应用约束并定义底层的软件和硬件资源。
传统的云计算，是一种自下而上的模式。云计算是一种以资源为核心的算力软硬件系统组织方式，整个系统堆栈，从最底层硬件开始，不断的叠加更上层的算力服务，如 IaaS、CaaS、PaaS、MaaS 等等，以期更好的支撑上层的业务应用。
而新兴的 AI-Infra，则是一种自上而下的模式。随着大模型发展，新兴的 AI-Infra 类的公司，以 AI 为导向，为上层提供相关的各类 MaaS 服务。同时，为了更好的支持其 MaaS 服务，对底层的软硬件进行了一定的优化甚至重构。但这些底层软硬件重构，不影响提供给的上层业务用户的服务接口，业务无感。
完全的从最高层的业务应用出发，不太现实。因为单个业务应用，并不足够构成足够的规模。而以次一层的应用框架层出发，覆盖相近场景所构成的某个具体领域，则是自上而下的典型案例。
2. 智算云的底层业务逻辑
2.1 底层业务逻辑综述
按照算力的底层业务逻辑，我们可以把智算云分为六种模式。
- 模式 1，经典公有云，自下而上，以基础资源为核心。公有云也有 PaaS、MaaS 等更上层服务，但都是以 IaaS 层资源服务为基础构建。
- 模式 2，AI-Infra，自上而下，聚焦 AI 和 AI+。以 AI 为核心，构建面向各行各业的高层次的算力服务。
- 模式 3，以芯片架构为基，自下而上，目前主要是 NVIDIA 在做此尝试。因为距离业务最远，也是最难的一种模式。
- 模式 4，聚焦特定技术领域，自上而下。技术背景的公司，可以聚焦在自己擅长的技术领域，以特定技术领域为中心，逐步向外围扩展。
- 模式 5，聚焦特定行业，自上而下。相对于算力服务，更关键的是要能够赋能业务场景落地。于是，一些算力服务企业，深耕特定行业，以此行业特色和丰富的行业场景解决方案为核心竞争力。
- 模式 6，聚焦特定地域，自上而下。各地政府，在探索算力网的业务模式。算力网的主要作用是，统筹当地各种算力资源，也借外部算力为我所用，以此来赋能当地的新经济和重点行业发展。
2.2 模式 1：云计算，以基础资源为核心
公有云计算，是以基础资源类服务（IaaS）为核心的，数百项各层次各类服务所组成的算力服务体系。相比通算云，智算云的各项算力服务，可能有升级、有重构，甚至有新增，但算力服务体系的组织架构不会变。
公有云，也有 PaaS、MaaS、SaaS 等，但本质是仍是一种自下而上的模式：把硬件资源封装成服务，然后再一层层叠加更高层的服务，然后再服务更上层的用户业务应用。
2024 年，全球公有云市场规模近 6000 亿美金。公有智算云是目前最主要的智算云方式。随着大模型智算的兴起，给整个云计算产业带来了新的变化。所有的云计算公司，都在积极的从通算云向智算云公司转型。
2.3 模式 2：AI-Infra，聚焦 AI&AI+
最开始，AI 可以算作一个技术领域，但随着大模型的兴起，我们走向了 AI 时代，AI 成为了一切业务应用必不可少的基础组件。
AI-Infra，其业务逻辑的核心是 AI 和 AI+：
- 以 AI 为中心，逐步扩展到其他配套算力服务；
- 承上，面向各种 AI+的业务场景和应用；
- 启下，构建满足 AI 特定需求的硬件和底层软件的基础设施。
本质上，AI 属于业务应用层，AI-Infra 属于自上而下的模式，属于业务应用（上）定义底层硬件资源（下）的模式。
随着智算算力占比越来越高，以及 AI 相关上层服务的需求越来越多，AI-Infra 越来越成为一个重要的商业形态。未来会涌现越来越多的 AI-Infra 特色的智算云公司。
2.4 模式 3：NVIDIA，以架构为基础
几乎所有的云计算巨头都在自研芯片，这给了传统芯片公司很大的压力。NVIDIA 作为传统芯片公司的优秀代表，不能坐以待毙：对方侵入了自己的业务范畴，那么自己也需要侵入对方的业务范畴。
NVIDIA 目前在智算云方面，做的相关工作主要如下：
- 第一方面，NVIDIA 的数据中心级 GPU，通常不单独售卖芯片，主要是以板卡、整机甚至整个智算中心解决方案的方式提供。案例：AI 超算工厂，NVIDIA 在美国德州和亚利桑那州建设超级计算机制造工厂，整合 Blackwell 芯片的封装测试与系统组装，目标未来四年生产价值 5000 亿美元的 AI 基础设施。
- 第二方面，NVIDIA 的 Omniverse 平台。Omniverse 是一个计算机图形与仿真模拟平台，通过数字孪生技术，结合生成式 AI 等技术，帮助企业实现虚拟仿真。Omniverse 本质上是以 NVIDIA GPU 为底座的聚焦特定技术领域的智算云，也就是本文中接下来要介绍的模式 4。
- 第三方面，NVIDIA 在过去一年中大幅增加了对云服务的投资，承诺在未来几年内至少投入 90 亿美元用于云计算服务。这包括其 2023 年推出的 DGX Cloud 服务，该服务允许云提供商租赁 NVIDIA 的服务器，并将其作为云服务销售给企业。
- 第四方面，NVIDIA 收购了几家 AI-infra 公司，以此来增强其在以 AI 为特色的算力服务方面的技术实力。如 NVIDIA 近期完成了对 Lepton AI 的收购，这是一家专注于 GPU 云服务的初创公司；Lepton AI 成立于 2023 年，其业务模式是租赁 NVIDIA GPU 服务器（如 A100 和 H100 型号），并将其转租给需要高性能计算资源的企业。此次收购也标志着 NVIDIA 从单纯的芯片制造商向 AI 基础设施即服务（AIaaS）提供商的战略转型。
NVIDIA 以特定芯片（架构）为基础，来构建算力服务，是一种最难的智算云模式（距离最终用算力的客户最远）。除 NVIDIA 之外，目前，暂未看到有其他芯片厂家在做类似的事情。
2.5 模式 4-6 综述
跟传统的公有云相比，模式 4-6 的差异性主要有两点：
- 第一点，相对于传统公有云自下而上，如 AI-Infra 一样，模式 4-6 本质上也是一种自上而下的模式。 模式 4-6 相比 AI-Infra 模式来说，其整体业务逻辑要更靠近上层一些（AI 是业务侧的底座层）。模式 4 聚焦具体的技术领域，模式 5 则脱离了技术范畴聚焦了更上层的行业，模式 6 同样脱离了技术范畴聚焦了特定的地域。
- 第二点，则是聚焦。 公有云，相对来说，规模都比较大，赋能千行百业，走的是“大而全”的模式。而模式 4-6，则属于反向而行之，走的是“小而美”的专业化路子：聚焦特定领域、聚焦特定行业或聚焦特定地域。
当然，如果一个智算云企业做大做强了，未来逐步拓展其他领域、其他行业、其他地域也是必然的事情。
2.6 模式 4：差异化，聚焦特定技术领域
一些技术背景的智算云公司，通常以特定技术领域为聚焦范畴，如视频图像领域、安全领域、区块链领域、科学智算领域、边缘智算领域等。
聚焦特定技术领域：
- 一方面可以给上层业务提供更加专业、全面、深度的算力服务；
- 另一方面可以在特定技术方向做定向技术优化，从而实现最极致的算力成本。
下面，我们介绍一下特定领域的底层硬件加速优化的一些共性方法。
如上图，一个典型的计算架构，包括的处理器资源池有：CPU、GPU、X-AIPU、X-DSA、HPN。X 代表具体的领域；X-AIPU，为面向领域特色大模型的 AI 加速器；X-DSA，为面向其他特定领域的加速器。
加速计算优化可以分为三类：
- 优化一：随着领域大模型的成熟，大模型加速逐渐从 GPU 切换到更加高效低成本的 X-AIPU；
- 优化二：领域中其他性能敏感算法，通过专用的 X-DSA 加速；
- 优化三：高 HPN 大带宽低延迟，但也高成本；根据业务需求，合理选择 IB、RoCEv2 或 Eth；支持网络转发可软件编程，和自定义高性能网络协议。
2.7 模式 5：差异化，聚焦特定行业
行业有很多，常见的行业有石油、电力、金融、教育、化工、医药、交通等等。每一个单独的行业，仅国内，其算力需求规模，通常都有 100 亿左右。深耕特定行业，也足以成为一个有足够影响力的智算云公司。
聚焦特定行业的智算云公司，其竞争力不在于 IDC、智算硬件、IaaS/CaaS/PaaS 等底层算力产品和服务（这些产品，可以标准化，由外部供应商提供），
而核心竞争力在于：
- 面向特定行业的 AI 大模型，以及相关的 MaaS 级服务（训练、微调、推理、API 调用等）；
- AI 和特定行业特定业务场景的结合，给客户提供完善的从云到边再到端的软硬件综合解决方案；
- 汇集行业特色数据，赋能行业各类 AI+业务场景落地；
- 其他面向行业的产品和服务。
2.8 模式 6：差异化，聚焦特定地域
在“东数西算”大背景下，各地都在如火如荼的建设智算中心。如何把智算中心资源整合，如何更好的消纳算力，如何能更好的提升算力附加值，以及如何更好的赋能业务应用和当地经济发展，则是各地政府都在思考的话题。
政府算力网项目，则是在这个大背景下产生的。目前，全国很多城市都在筹建城市算力网项目，并且在算力网的业务模式探索方面，做了很多的工作。这一模式一旦走通，未来会在全国多地开花。并且会进一步从城市算力网，升格成区域算力网，甚至全国算力网。
很有可能，未来会形成若干家面向全国的算力网公司。
3 总结和展望
我们从下到上，对几种智算云底层逻辑的未来发展进行一个总结（一家之言，仅供参考）：
- NVIDIA，基于芯片架构的模式。这种模式，我们认为，很难走通。一方面是距离最终的业务客户最远；另一方面，和自己的主要大客户（各类公有云公司）存在竞争关系，这可能进一步加速客户采用其他供应商芯片（或自研各类核心芯片）。
- 公有云模式。公有云既要专注算力的底层软硬件（AWS 等公司自研芯片，自研高性能网络，做非常多的底层优化），还要关注 AI 为核心的 AI-Infra。公有云模式的公司，未来可能分化成两类公司：成为更聚焦 AI 的 AI-Infra，成为更关注底层算力资源的 IaaS 云公司。
- AI-Infra 模式。我们认为，在 AI 时代，AI-Infra 会成为最为核心的智算云模式。
- 差异化模式，模式 4-6。一方面，底层云技术的成熟，也包括 AI-MaaS 层技术的成熟；另一方面，轻模式智算云成为主流，其切入门槛会进一步降低，从目前数十亿投入进一步降低到千万甚至百万级投入。未来会出现非常多的以模式 4-6 为切入点的公司，更聚焦行业，更聚焦业务，更聚焦客户。
END
作者：Chaobowx
来源：软硬件融合
相关文章推荐
更多软硬件技术干货请关注软硬件融合专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。
