问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近期，上半年总规模超450亿美元的AI基础设施采购订单密集落地，主打AI算力定制化部署的新云服务商（Neoclouds）正成为AI产业新的核心话语权掌控者。但当前不少企业为快速落地生成式AI、大语言模型相关业务盲目跟风采购算力服务，极有可能陷入新一代技术负债，业内提醒企业需提前做好长期技术架构规划。
2024年上半年全球AI基础设施采购市场的最新统计显示，单笔金额超过10亿美元的超大型订单累计规模已达470亿美元，同比2023年增长189%，其中超过70%的订单并未流向AWS、微软Azure等传统公有云厂商，而是被聚焦AI专用算力部署的新云厂商拿下。
和传统公有云厂商主打通用型算力、兼顾存储、网络、办公SaaS等多场景需求不同，Neoclouds这类新云服务商的技术架构完全围绕大模型训练、推理场景优化，砍掉了通用云服务中大量企业AI业务不需要的冗余功能，单GPU集群的训练效率平均比传统公有云高出40%以上，价格反而低15%左右，这也成为其拿下大量头部AI企业、传统行业数字化转型订单的核心竞争力。
不少业内人士认为，随着AI产业从技术探索走向规模化落地，专用AI基建的需求占比还会持续提升，新云厂商在云计算市场的份额预计将在2026年突破30%，彻底改变过去传统公有云厂商垄断市场的格局。
不过高速增长的AI基建采购背后，暗藏的技术负债风险已经开始显现。不少传统企业为了快速搭上AI转型的风口，在尚未明确自身AI业务长期规划的前提下，就直接签下动辄3-5年的算力包采购协议，甚至直接采购新云厂商的闭源专属调度系统。
据业内统计，2023年以来采购AI基建的企业中，超过42%已经遇到了现有算力架构无法适配新业务需求的问题，技术负债的累计速度是传统IT架构时期的3.2倍。这类企业要么需要支付高额的架构改造费用，要么只能放弃前期投入重新采购，反而拉高了整体AI业务的落地成本。
针对这一现状，多位企业IT架构师提醒，企业布局AI算力不能只看短期的训练速度和价格优势，要优先做好3年以上的业务规划再启动采购：如果是面向消费端的生成式AI应用，就要优先考虑支持高并发推理、弹性扩容的架构；如果是面向内部研发的行业大模型训练，就要侧重架构的参数扩展兼容性。
此外，企业应尽量选择支持开放接口标准的算力服务，避免被单一厂商绑定，预留后续跨云调度、架构迭代的空间，从源头降低技术负债风险。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号