微信公众号：脑极体　 风辞远

哪些公司在做大模型？面对这个问题，我们首先会想到大型互联网公司和AI创业公司。他们更多是做大模型算法本身，以及围绕大模型的上层应用。

但顺着这条产业链向下看，却会发现在AI芯片与AI算法之间，还有非常关键的一层，这就是IT层。围绕AI大模型的爆发，产生了一系列存、算、网等IT设备升级，以及AI数据中心、私域大模型的市场需求。这些需求持续上涨，带来了IT行业的又一次爆发。

所以，当我们在讨论大模型产业链的时候，不能离开IT行业与IT企业。从2023年到现在，可以看到各个主要IT厂商纷纷出牌，抢滩大模型的新机会。这种趋势将在2024年持续上升，产生更加激烈的市场竞争。

IT大厂面对大模型，首先是做产品，找切口，继而开始形成连贯的智能化战略。

本文中我们希望和大家一起读懂，IT企业为何要抢滩大模型，又是如何实现这一战略目标的。

走向第三春

大模型带来的IT市场迭代

AI大模型的爆发，客观上给IT企业带来了巨大的机会。这是由于传统的IT设备，大多数都无法满足AI大模型的训练与部署需求。其中最知名的，就是AI需要专项算力。于是就产生了AI服务器这个全新的IT市场。再比如集群化AI训练，需要对数据中心的网络设备进行全面升级，以此来避免珍贵的AI算力在集群化过程中被浪费。

这些由大模型特殊性产生的IT设备迭代需求，伴随着AI技术的爆发给IT市场格局带来了显著影响。比如，根据TrendForce此前发布的数据，2023年全球AI服务器（包含搭载GPU、FPGA、ASIC等）出货量应该可以达到120万台，年增长率高达38.4%，并且市场规模上将占到整体服务器市场出货量的近9%。

如果这种情况持续下去，AI技术专项适配的IT设备，既是目前阶段的增长爆发点，也可能是未来市场的主流需求。因此没有IT厂商可以放弃大模型带来的战略契机。

回溯IT市场的发展历史，行业内经常将过去划分为早期IT市场的信息化时代，以及互联网兴起之后的数字化时代。那么伴随着AI大模型的全面渗透，市场很可能将迎来IT第三春，也就是智能化时代。

在智能化契机的序曲当中，还有一条不能忽视的主线，那就是IT技术的国产化。尤其在2023年，伴随着AI芯片禁令的反复炒作，AI算力国产化成为科技自主可控趋势中的重中之重。

国产化意味着新需求。这一需求与AI大模型带来的市场需求交融在一起，加重了这一轮IT市场迭代的分量。

面对走向IT第三春的可能，各个厂商纷纷开始寻找自己的AI市场切入口，同时注重提升自主可控AI产品的占比。

而分析IT厂商实现这一目标的战略，我们可以将其归纳为以下三种。

以高度，赢广度

IT厂商在切入大模型机遇时，首先要解决客户信任的问题。AI相关的IT基础设施选择很多，且差异化较小，用户试错成本巨大。所以如何能够与客户建立技术及解决方案信任是关键。

破解这个难题，有这样一种思路：厂商首先来把最核心、最难的事情完成，再通过核心市场来影响普及市场，形成以高打低，以高度赢广度的市场格局。

而AI领域的核心任务有两个。最复杂、庞大的基础设施是AI计算中心，而最复杂的AI任务是AI for Science。

而在这两个维度布局最深，并且已经赢得口碑的，应该是中科曙光。

AI for Science为代表的“重型AI”需求，具有算力规模大、多元算力融合、服务需求水平高的一系列特点。为了切入这个领域，早在2022年曙光就完成了算力一体化平台的开发及布局。依托各类算力中心，以原生的底层资源、市场化运营机制、开放生态体系，以及大量增值服务为支撑，为用户提供集“算力、数据、应用、运营、运维”的一体服务。

这一战略的代表性成果，就是曙光推出的5A级智算中心。在智算中心场景中，需要集中呈现厂商的技术、资源、生态、产学合作等AI行业要素。需要完成从技术投入到解决方案构建，再到运营支持、生态建设的一系列工作。因此在东数西算背景下，能够获得大量认可的智算中心，就会成为整个智能化IT生态中的战略高地，满足更多用户对厂商AI技术能力与生态能力的信任。

陆续建设并投入使用的5A智算中心，也就成为曙光在切入AI机遇时的高点。广泛带动了曙光在AI服务器、存储等领域的发展。同时，曙光在AI for Science的积极布局与成功经验，也成了其持续挺进AI机遇时的核心差异化要素。

目前来看，“以高带广”是IT厂商走进智能时代一个行之有效的策略。

以算法，带设备

相较于互联网企业与AI公司，更多有IT需求的企业其实并不了解AI，同时也很难探索满足自身业务需求的大模型落地方案。这也就导致更广泛的客户难以向AI方向转化。为了解决这个问题，在2023年我们看到了IT厂商开启了一种比较超越常规的探索：自己做AI大模型，并且开源。

去年11月，浪潮信息对外发布了完全开源且可免费商用的源2.0基础大模型。这个系列的AI大模型包含1026亿、518亿、21亿等不同的参数规模。对外称为是国内*千亿参数、全面开源的大模型。在能力应用上，源2.0大模型可以执行多种任务，比如数理逻辑、代码生成、知识问答、中英文翻译、理解和生成等。

作为硬件供应商的IT企业，去做纯软件的开源大模型，似乎是一件打破常规的事。但在浪潮信息的动作中，我们却可以看到这个策略在“打开AI机遇切口”上的合理性。

首先，训练大模型的基础是硬件能力，尤其是算力能力。同时也会展现出厂商对软硬件适配能力的理解。比如说在算力层面，源2.0就采用了非均匀流水并行的训练方法，综合运用“流水线并行+优化器参数并行+数据并行”的策略，让模型在流水并行各阶段的显存占用量分布更均衡，避免出现显存瓶颈导致的训练效率降低的问题。这个方法为硬件差异较大的环境提供了新的训练方式。这样的经验展现、路径探索，可以帮助IT厂商更紧密了解客户的IT环境与AI训练需求，从而提供准确的产品及服务。而对于用户来说，先看懂厂商如何做算法，也可以有效指导自身的AI算法尝试，从而可以推动尝试与客户间的AI合作关系。

另一方面，IT厂商推出开源且可免费商用的大模型，等于将大量潜在客户的算法应用门槛降到*，让他们可以开始尝试大模型。而在尝试成功之后，客户也自然会更倾向于开源模型背后，原厂提供的IT设备，从而实现了以软件带动硬件的市场策略。

这种策略能否收获积极的市场反馈，在2024年引起行业的效仿和跟随，让我们拭目以待。

以全栈，降门槛

在IT行业中，企业需要坚持产品和解决方案两条腿走路的策略。前者主攻出货量，而后者可以带来更为可观的利润空间。

而在AI大模型机遇到来时也是如此。相对来说，本身AI能力较强，应用相对成熟的企业会考虑购买AI相关的存、算、网IT产品。但更多的企业则没有强大的AI能力，但又对智能化能力有着需求和期待。这种情况下，就需要IT企业以解决方案的模式进行AI能力交付，从而降低企业的AI大模型门槛。

这也就引出了IT厂商入局大模型的第三种思路：发挥自身的全栈技术优势，提升解决方案交付能力。在降低企业AI应用门槛的前提下，获得更好的商业回馈。

这一点，可以说是IT厂商面对大模型机遇时的普遍选择。各家都是重兵投入，集结力量。一般来说，AI大模型相关的硬件设备有算力、存储、网络和商用终端，而在硬件基础上还有AI开发平台、管理平台、私域大模型等软件能力。在这各个领域有广泛布局的IT厂商，也就有了拥抱大模型机遇的更大底气。

比如说，新华三面向AI大模型机遇，打造了百业灵犀LinSeer私域大模型，定位是为企业用户提供定制化服务的私域大模型。可以提供资料分析、代码编写等服务，覆盖了政府政务、工业制造等诸多领域。百业灵犀LinSeer私域大模型，可以与新华三此前的一系列AI布局进行结合，比如训练型智算服务器、推理型智算服务器、绿洲平台、傲飞算力平台、无损网络，高性能存储、液冷解决方案等，能够综合性帮助客户一站式部署智算底座，快速搭建AI场景化应用。

这种尽量发挥自身全栈技术优势，打通AI大模型所需软硬件底座的模式，在很多IT厂商的最新动作中都有展现。比如联想推出的大模型解决方案及服务，就包括智算中心、AI平台、AIforce的“三位一体”。面向私域大模型市场，联想也推出了帮助企业构建私有化大模型平台的服务，其依托于一站式端到端的解决方案与陪伴式服务，让客户不必考虑部署细节，就可以快速获得大模型能力。这一解决方案的建立，也融合了联想在IT基础设施、IT服务、AI force平台，以及智能终端领域的多种能力。

这种尽量将自身产业优势结合，形成整体性解决方案，从而提供低门槛AI获取方式的能力，是IT企业切入大模型机遇核心策略。比如我们可以看到新华三在切入大模型领域时，就将自身在网络、液冷等方面的优势融合进来。而联想则将自身在商用终端、AI能力平台上的积累纳入整体方案。

这种通过能力融合来构建差异化的策略，将在接下来IT厂商布局AI业务时展现得更加清晰。

整体来看，IT厂商抢滩大模型，是一种综合能力的考验，同时也需要厂商有调动、整合的能力，从而实现高举高打的系统性战略。

在这个过程中，有三个要素尤为关键。

一是厂商能否将多元化的布局协同起来，通过能力整合发挥出自身独特的AI优势。

二是能否实现软件侧对硬件侧的补充，甚至通过软件创新反哺IT基础设施市场。

三是技术自研以及全面国产化的能力，这点将在科技自主可控的浪潮中不断变得更加重要。

可以说，IT行业的AI迭代与智能化竞赛，才刚刚拉开序幕。