问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
当前全球超82%的企业选择将初期AI工作负载部署在AWS、微软Azure、阿里云等超大规模云服务商平台，依托公有云的弹性算力加速生成式AI应用落地、大模型微调等场景的创新迭代。行业调研显示，随着AI应用进入规模化落地阶段，未来62%的中大型企业将逐步转向混合部署、本地部署等更具成本灵活性的方案。
刚披露的2024年Q2全球云厂商财报显示，亚马逊AWS、微软Azure、谷歌云的AI相关算力营收同比涨幅均超过70%，其中近6成增量来自企业级AI训练、推理部署的算力需求，云厂商几乎吃下了当前AI企业服务市场的绝大多数红利。
AI项目尤其是大模型相关应用的落地，对高密度GPU算力、高速存储网络的门槛要求极高，对于大部分处于0到1验证阶段的企业而言，前期投入数千万甚至上亿元搭建本地算力集群的风险太高。
不少AI初创团队负责人表示，项目启动阶段最核心的诉求是快速上线验证用户需求，公有云可以在几小时内配齐训练所需的数十张A100算力，相比自己采购、部署服务器动辄数月的周期，优势十分明显。对于处于创新验证阶段的AI项目，公有云的算力获取效率优先级比成本高出3倍以上。
当AI应用从POC验证阶段进入到百万级用户的规模化商用阶段，持续高企的推理成本开始成为企业的核心考量。据测算，单条AI大模型推理请求的公有云调用成本是本地部署的2.7倍，对于日均调用量超千万次的成熟应用，仅推理成本一项每年就可以节省数千万元。
目前包括字节跳动、Spotify等海内外科技企业，已经开始将成熟的AI推荐、AI内容审核等稳态工作负载从公有云迁出，部署到自建的专属算力集群中，仅保留峰值弹性需求、新业务测试场景的算力需求给公有云。
这一变化并不意味着公有云会完全退出AI算力市场，而是会形成更细分的分工格局：企业的大模型训练、峰值推理弹性需求依然会优先选择公有云，成熟的稳态推理工作负载则会逐步迁移到本地或专属集群，边缘算力还会承接低延迟要求的端侧AI推理需求。
头部云厂商也已经开始调整策略，推出混合云算力调度、裸金属GPU专属租赁等产品，适配企业的多元部署需求，未来不会出现某一类服务商垄断全部AI工作负载的局面。
滇公网安备 53252802528133号