并行科技

北京并行科技股份有限公司

推荐新闻

AI算力全链路・产业落地:并行科技首席运营官COO乔楠紫荆路口分享回顾


 

当百模大战的硝烟散去,算力市场正迎来残酷的“K型分化”。盲目堆砌硬件的粗放时代已经过去,极致的“性价比”与“代码级优化”成为大模型生死的分割线。从传统的“整租机器”到智能调度的“算力专车”,买方真正为之买单的到底是什么?在国产芯片一卡难求与迭代突进的当下,谁能在这场重资产博弈中笑到最后?

并行科技首席运营官COO乔楠做客「紫荆路口」。下文为分享回顾,干货总结。


 


 


 

需求演进:算力市场的“K型分化”与核心诉求

客户格局坍缩与K型分化:基础大模型的竞争已告一段落,算力客户正在发生剧烈的K型分化。腰部客户大幅减少,头部玩家聚焦底层基模,而尾部大量企业转型为小模型,调优或应用层开发。这种分化意味着,算力提供商必须具备为头部大厂提供极致性价比和底层代码优化的能力。

用户买单的三层核心逻辑:客户真正关心的不是单纯的机器配置,而是“业务收益”。算力交付的优先级依次为:高质量(算力稳定、保障任务完成)、高性能(执行速度决定资金效率,提升10%性能可省数百万成本)、高性价比(在极度内卷的算力工厂中生存的核心护城河)。
 


 

模式重构:从“租车营运”到算网调度的“专车模式

算力服务不再是倒卖硬件:传统的算力租赁类似“租车”,客户自担利用率和运维风险。而未来的算力网络服务将是类似滴滴的“专车模式”——随取随用、按需付费,底层由运营平台进行复杂调度。这需要极高的智能调度策略,以保证不同特性的任务能自动匹配到最具性价比的算力节点。

“CT级”应用特征剖析与一键匹配:借助长期积累的性能预测框架,算力服务商能对集群中的海量作业进行“CT级扫描”,精准挖掘出诸如“Tensor Core利用率极低”等性能瓶颈。通过动态测评与精准匹配,实现算力资源的无缝调度与大幅降本。


 

国产突围与长期竞争:生态适配与资产模式的博弈

国产GPU的突围路径——避开单点短板,发挥互联优势:用户的痛点并非单纯的性能跑分,而是生态迁移与业务流转速度。以华为910C为例,尽管在单点制程上存在客观制约,但凭借集群节点间极高的“内部高速互联”优势,其在DeepSeek等主流大模型的推理生成(Token生成)性价比上,已完全不弱于海外旗舰芯片。

技术狂飙下的资产配置陷阱:大模型五六个月性能翻番的进化速度远超摩尔定律。盲目重资产囤卡面临极大的技术淘汰风险(如需求从FP32 全面转向FP4)。长远来看,懂技术、抗风险的“轻重结合”混合型算网(保留自有核心算力+海量调度第三方资源)才是穿越周期的最优解。


 

展望未来

大模型要想真正走向盈利,训练与推理的算力消耗最终大概率走向2:8的格局。决定一家AI企业生死存亡的,不再是谁囤了更多的显卡,而是谁能用最极致的“性价比”生成每一个Token。

未来十年,最有价值的算力玩家,不是单纯出租机器的“房东”,而是手握核心调度算法的“超级管家”——通过集群级的应用特征扫描与智能算网匹配,把每一分昂贵的算力都压榨出极致的商业利润。


 

互动交流

Q:大厂(如阿里、字节)自己也在做云算力,独立第三方算力提供商的壁垒和生存空间在哪里?国家队入场会成为“链主”吗?

乔楠:我们与头部云厂商之间更多呈现出一种“协同互补、错位竞争”的态势。头部云厂商在基础设施规模上具有先发优势,但由于其业务布局广泛,往往既是底层算力的提供者,又是上层大模型应用的竞争者。


 

对于许多大模型初创企业及垂直行业头部客户而言,选择独立中立的第三方调度平台,可以有效避免潜在的业务竞争冲突及数据敏感性顾虑。我们扮演的是“中枢调度者”的角色,这种纯粹的服务商属性使我们能够聚合全网多元异构算力(包括国产芯片算力),为客户提供更具安全感和跨云灵活性的解决方案。


 

独立提供商的壁垒在于深厚的算力工程技术沉淀——从底层算子优化到大规模集群的稳定性运维。大厂云倾向于提供标准化的服务,而并行科技则深耕行业细分场景,提供定制化的“精装房”服务。这种对高性能计算场景的深刻理解与极致响应,是大型平台在追求规模化过程中难以完全覆盖的领域。


 

Q:面对一卡难求的局面,算力服务商应该重资产囤卡,还是做轻资产的调度平台?

乔楠:重资产的风险在于“路线踩空”——技术演进极快,一旦模型架构对精度的需求发生转移(比如从FP32转向FP4),花巨资囤的旧卡就会直接打水漂,过去几年投错芯片导致血本无归的案例比比皆是。但重资产在当下“供不应求”时确实具有很高的话语权。因此,最稳健长远的发展路线是“混合型模式”:掌握一定比例的自有核心算力资产(保证底盘业务),同时大规模调度整合第三方的庞大算力集群,通过“算网调度平台”来平抑巨大的重资产周期风险。