微信公眾號：腦極體　 風辭遠

哪些公司在做大模型？面對這個問題，我們首先會想到大型互聯網公司和AI創業公司。他們更多是做大模型算法本身，以及圍繞大模型的上層應用。

但順著這條產業鏈向下看，卻會發現在AI芯片與AI算法之間，還有非常關鍵的一層，這就是IT層。圍繞AI大模型的爆發，產生了一系列存、算、網等IT設備升級，以及AI數據中心、私域大模型的市場需求。這些需求持續上漲，帶來了IT行業的又一次爆發。

所以，當我們在討論大模型產業鏈的時候，不能離開IT行業與IT企業。從2023年到現在，可以看到各個主要IT廠商紛紛出牌，搶灘大模型的新機會。這種趨勢將在2024年持續上升，產生更加激烈的市場競爭。

IT大廠面對大模型，首先是做產品，找切口，繼而開始形成連貫的智能化戰略。

本文中我們希望和大家一起讀懂，IT企業為何要搶灘大模型，又是如何實現這一戰略目標的。

走向第三春

大模型帶來的IT市場迭代

AI大模型的爆發，客觀上給IT企業帶來了巨大的機會。這是由于傳統的IT設備，大多數都無法滿足AI大模型的訓練與部署需求。其中最知名的，就是AI需要專項算力。于是就產生了AI服務器這個全新的IT市場。再比如集群化AI訓練，需要對數據中心的網絡設備進行全面升級，以此來避免珍貴的AI算力在集群化過程中被浪費。

這些由大模型特殊性產生的IT設備迭代需求，伴隨著AI技術的爆發給IT市場格局帶來了顯著影響。比如，根據TrendForce此前發布的數據，2023年全球AI服務器（包含搭載GPU、FPGA、ASIC等）出貨量應該可以達到120萬臺，年增長率高達38.4%，并且市場規模上將占到整體服務器市場出貨量的近9%。

如果這種情況持續下去，AI技術專項適配的IT設備，既是目前階段的增長爆發點，也可能是未來市場的主流需求。因此沒有IT廠商可以放棄大模型帶來的戰略契機。

回溯IT市場的發展歷史，行業內經常將過去劃分為早期IT市場的信息化時代，以及互聯網興起之后的數字化時代。那么伴隨著AI大模型的全面滲透，市場很可能將迎來IT第三春，也就是智能化時代。

在智能化契機的序曲當中，還有一條不能忽視的主線，那就是IT技術的國產化。尤其在2023年，伴隨著AI芯片禁令的反復炒作，AI算力國產化成為科技自主可控趨勢中的重中之重。

國產化意味著新需求。這一需求與AI大模型帶來的市場需求交融在一起，加重了這一輪IT市場迭代的分量。

面對走向IT第三春的可能，各個廠商紛紛開始尋找自己的AI市場切入口，同時注重提升自主可控AI產品的占比。

而分析IT廠商實現這一目標的戰略，我們可以將其歸納為以下三種。

以高度，贏廣度

IT廠商在切入大模型機遇時，首先要解決客戶信任的問題。AI相關的IT基礎設施選擇很多，且差異化較小，用戶試錯成本巨大。所以如何能夠與客戶建立技術及解決方案信任是關鍵。

破解這個難題，有這樣一種思路：廠商首先來把最核心、最難的事情完成，再通過核心市場來影響普及市場，形成以高打低，以高度贏廣度的市場格局。

而AI領域的核心任務有兩個。最復雜、龐大的基礎設施是AI計算中心，而最復雜的AI任務是AI for Science。

而在這兩個維度布局最深，并且已經贏得口碑的，應該是中科曙光。

AI for Science為代表的“重型AI”需求，具有算力規模大、多元算力融合、服務需求水平高的一系列特點。為了切入這個領域，早在2022年曙光就完成了算力一體化平臺的開發及布局。依托各類算力中心，以原生的底層資源、市場化運營機制、開放生態體系，以及大量增值服務為支撐，為用戶提供集“算力、數據、應用、運營、運維”的一體服務。

這一戰略的代表性成果，就是曙光推出的5A級智算中心。在智算中心場景中，需要集中呈現廠商的技術、資源、生態、產學合作等AI行業要素。需要完成從技術投入到解決方案構建，再到運營支持、生態建設的一系列工作。因此在東數西算背景下，能夠獲得大量認可的智算中心，就會成為整個智能化IT生態中的戰略高地，滿足更多用戶對廠商AI技術能力與生態能力的信任。

陸續建設并投入使用的5A智算中心，也就成為曙光在切入AI機遇時的高點。廣泛帶動了曙光在AI服務器、存儲等領域的發展。同時，曙光在AI for Science的積極布局與成功經驗，也成了其持續挺進AI機遇時的核心差異化要素。

目前來看，“以高帶廣”是IT廠商走進智能時代一個行之有效的策略。

以算法，帶設備

相較于互聯網企業與AI公司，更多有IT需求的企業其實并不了解AI，同時也很難探索滿足自身業務需求的大模型落地方案。這也就導致更廣泛的客戶難以向AI方向轉化。為了解決這個問題，在2023年我們看到了IT廠商開啟了一種比較超越常規的探索：自己做AI大模型，并且開源。

去年11月，浪潮信息對外發布了完全開源且可免費商用的源2.0基礎大模型。這個系列的AI大模型包含1026億、518億、21億等不同的參數規模。對外稱為是國內*千億參數、全面開源的大模型。在能力應用上，源2.0大模型可以執行多種任務，比如數理邏輯、代碼生成、知識問答、中英文翻譯、理解和生成等。

作為硬件供應商的IT企業，去做純軟件的開源大模型，似乎是一件打破常規的事。但在浪潮信息的動作中，我們卻可以看到這個策略在“打開AI機遇切口”上的合理性。

首先，訓練大模型的基礎是硬件能力，尤其是算力能力。同時也會展現出廠商對軟硬件適配能力的理解。比如說在算力層面，源2.0就采用了非均勻流水并行的訓練方法，綜合運用“流水線并行+優化器參數并行+數據并行”的策略，讓模型在流水并行各階段的顯存占用量分布更均衡，避免出現顯存瓶頸導致的訓練效率降低的問題。這個方法為硬件差異較大的環境提供了新的訓練方式。這樣的經驗展現、路徑探索，可以幫助IT廠商更緊密了解客戶的IT環境與AI訓練需求，從而提供準確的產品及服務。而對于用戶來說，先看懂廠商如何做算法，也可以有效指導自身的AI算法嘗試，從而可以推動嘗試與客戶間的AI合作關系。

另一方面，IT廠商推出開源且可免費商用的大模型，等于將大量潛在客戶的算法應用門檻降到*，讓他們可以開始嘗試大模型。而在嘗試成功之后，客戶也自然會更傾向于開源模型背后，原廠提供的IT設備，從而實現了以軟件帶動硬件的市場策略。

這種策略能否收獲積極的市場反饋，在2024年引起行業的效仿和跟隨，讓我們拭目以待。

以全棧，降門檻

在IT行業中，企業需要堅持產品和解決方案兩條腿走路的策略。前者主攻出貨量，而后者可以帶來更為可觀的利潤空間。

而在AI大模型機遇到來時也是如此。相對來說，本身AI能力較強，應用相對成熟的企業會考慮購買AI相關的存、算、網IT產品。但更多的企業則沒有強大的AI能力，但又對智能化能力有著需求和期待。這種情況下，就需要IT企業以解決方案的模式進行AI能力交付，從而降低企業的AI大模型門檻。

這也就引出了IT廠商入局大模型的第三種思路：發揮自身的全棧技術優勢，提升解決方案交付能力。在降低企業AI應用門檻的前提下，獲得更好的商業回饋。

這一點，可以說是IT廠商面對大模型機遇時的普遍選擇。各家都是重兵投入，集結力量。一般來說，AI大模型相關的硬件設備有算力、存儲、網絡和商用終端，而在硬件基礎上還有AI開發平臺、管理平臺、私域大模型等軟件能力。在這各個領域有廣泛布局的IT廠商，也就有了擁抱大模型機遇的更大底氣。

比如說，新華三面向AI大模型機遇，打造了百業靈犀LinSeer私域大模型，定位是為企業用戶提供定制化服務的私域大模型。可以提供資料分析、代碼編寫等服務，覆蓋了政府政務、工業制造等諸多領域。百業靈犀LinSeer私域大模型，可以與新華三此前的一系列AI布局進行結合，比如訓練型智算服務器、推理型智算服務器、綠洲平臺、傲飛算力平臺、無損網絡，高性能存儲、液冷解決方案等，能夠綜合性幫助客戶一站式部署智算底座，快速搭建AI場景化應用。

這種盡量發揮自身全棧技術優勢，打通AI大模型所需軟硬件底座的模式，在很多IT廠商的最新動作中都有展現。比如聯想推出的大模型解決方案及服務，就包括智算中心、AI平臺、AIforce的“三位一體”。面向私域大模型市場，聯想也推出了幫助企業構建私有化大模型平臺的服務，其依托于一站式端到端的解決方案與陪伴式服務，讓客戶不必考慮部署細節，就可以快速獲得大模型能力。這一解決方案的建立，也融合了聯想在IT基礎設施、IT服務、AI force平臺，以及智能終端領域的多種能力。

這種盡量將自身產業優勢結合，形成整體性解決方案，從而提供低門檻AI獲取方式的能力，是IT企業切入大模型機遇核心策略。比如我們可以看到新華三在切入大模型領域時，就將自身在網絡、液冷等方面的優勢融合進來。而聯想則將自身在商用終端、AI能力平臺上的積累納入整體方案。

這種通過能力融合來構建差異化的策略，將在接下來IT廠商布局AI業務時展現得更加清晰。

整體來看，IT廠商搶灘大模型，是一種綜合能力的考驗，同時也需要廠商有調動、整合的能力，從而實現高舉高打的系統性戰略。

在這個過程中，有三個要素尤為關鍵。

一是廠商能否將多元化的布局協同起來，通過能力整合發揮出自身獨特的AI優勢。

二是能否實現軟件側對硬件側的補充，甚至通過軟件創新反哺IT基礎設施市場。

三是技術自研以及全面國產化的能力，這點將在科技自主可控的浪潮中不斷變得更加重要。

可以說，IT行業的AI迭代與智能化競賽，才剛剛拉開序幕。