文｜魏琳華
編｜王一粟
大模型落地如火如荼，從上一代AI浪潮中殺出來的商湯，嗅到了這里面新的機會。
在最火的具身智能賽道，這兩年誕生了許多明星創(chuàng)業(yè)公司。這些創(chuàng)業(yè)公司的創(chuàng)始人往往擁有技術(shù)明星的光環(huán)，不少都是在學術(shù)界中某個技術(shù)領(lǐng)域中響當當?shù)念I(lǐng)頭人。
這些初創(chuàng)公司雖然在某一個單點技術(shù)上遙遙領(lǐng)先（大腦、小腦或者本體），但在機器人落地過程中，要突破從單一技術(shù)到整體復雜產(chǎn)品的整合。
比如，機器人要做到“能聽會看”，就要深度集成AI大模型的能力，需要與AI服務商有密切的合作。
“大家不需要從頭再去做視覺算法研發(fā)，這樣效率比較低?！?a class="keyword-search" >商湯科技聯(lián)合創(chuàng)始人、大裝置事業(yè)群總裁楊帆對光錐智能稱，“比如在一些特定的任務抓取識別上，只要能快速滿足需求，廠商可能就多賣出去幾十臺機器人。”
除了AI模型，不少具身智能公司也面臨“數(shù)據(jù)缺失”“模擬物理規(guī)則”等難點?！吧虦羞@方面的能力和積累，比如之前做自動駕駛就會有一些歷史的數(shù)據(jù)和解決方案，這些和具身智能是相通的?！睏罘Q。
“不只是基礎設施，算力之外，還有很多相關(guān)服務?！痹诰呱碇悄苄袠I(yè)的實踐，體現(xiàn)出商湯在生成式AI時代的新商業(yè)思考——要圍繞AI做從模型、數(shù)據(jù)、算力等多個方面的技術(shù)服務商。
包括具身智能在內(nèi)，加上AIGC、AI4S（AI 科學）、傳統(tǒng)企業(yè)智能化轉(zhuǎn)型，商湯在4月10日的技術(shù)交流日上給出了四個行業(yè)的解決方案。這些方案，并不是商湯一廂情愿的臆想，而是過去兩年中，在行業(yè)中淬煉出的“金丹”。
扎根行業(yè)，商湯的AI 基礎設施——大裝置落地就成了有根之木，有源之水。
一個不懂模型的AI 基礎設施廠商，不是一個好服務商。商湯用大裝置證明了這一點，也希望利用這一點賺取新時代的“技術(shù)溢價”。
受夠了傳統(tǒng)企業(yè)服務的苦，對商湯而言，從上一代項目制的業(yè)務中脫身，轉(zhuǎn)而做含金量更高的AI技術(shù)服務，才能真正體現(xiàn)技術(shù)的商業(yè)價值。
低門檻、高性價比，AI基礎設施怎么做？
直到今天，“性價比”仍然是AI大模型的生死線。
雖然DeepSeek在年初極大地推動了大模型的普及和成本降低，但在如何讓大模型變得便宜好用的命題上，AI 基礎設施的潛力還遠遠沒有挖掘完畢。
“今天，AI 基礎設施供應商對客戶的需求滿足度還遠遠不夠。”楊帆說，“今天最優(yōu)秀、效果最好的模型，廠商還沒辦法拿到市場上直接提供服務，因為它的性價比太低?！?/p>
平衡大模型的性能和成本，卻不是一個簡單的命題。一個不同的選擇，會造成截然相反的效果。
楊帆舉了一個例子：
一家廠商需要做一個基于DeepSeek的對話產(chǎn)品，并根據(jù)自有數(shù)據(jù)庫再進行定制化訓練。但對于這樣一個模型來說，在調(diào)用量高和低兩種情況下，如果都采用分布式部署架構(gòu)，兩者的性價比相差極大。
由于分布式架構(gòu)本身硬件成本較高，在QPS（每秒查詢數(shù)）高的情況下，它可以高效利用資源，實現(xiàn)極致性價比；但在QPS低的情況下，反而會造成硬件資源閑置過多，從而讓成本比傳統(tǒng)部署更高。
所以，AI基礎設施從來不是一門只靠硬件就能做好的生意，從算力到模型，每一層都有無數(shù)個細小的選擇會決定最終的成果。
商湯正在做的，就是通過AI基礎設施和模型訓練的配合，結(jié)合AI基礎設施的三要素：算力、算法和數(shù)據(jù)，將大模型的性價比壓縮到極致。
作為底層架構(gòu)的硬件端，商湯算力充足。到2024年底，商湯大裝置的算力規(guī)模比去年翻了近一倍，達到23000PetaFlops，超過了整個北京的公共智能算力。
同時，商湯算力的構(gòu)成一部分來自于國產(chǎn)芯片，避免被單一GPU“卡脖子”風險。但多種芯片難免會降低數(shù)據(jù)處理效率，商湯國產(chǎn)芯片異構(gòu)訓練效率為同構(gòu)的95%，保持效率的同時，商湯還能做到保持算力穩(wěn)定、充足，其算力利用率高達80%。
在優(yōu)化算力的基礎上，商湯通過算法優(yōu)化策略，實現(xiàn)大模型訓練、推理兩部分的性能大幅提升。以推理為例，針對DeepSeek V3等第三方模型，商湯每秒處理Token數(shù)（TGS）已達1600+，在未做專項優(yōu)化下，訓練效率竟然能優(yōu)于DeepSeek的官方成績，要知道，DeepSeek可是以效率和成本著稱。
除了把性價比壓到極致，商湯的另外一個努力方向，就是把大模型業(yè)務做到更加易用。
當開源成為行業(yè)主流，商湯擁抱開源，是為了讓廠商能夠自由調(diào)用開源工具，降低大模型訓練門檻。
“今天有很多好的開源產(chǎn)品，它們幫助廠商更快地迭代自己的模型?！睏罘e了個例子：
一個做模型同時做應用的極客團隊，在研發(fā)階段先用純開源的工具體系做快速搭建，驗證PMF（Product Market Fit，產(chǎn)品市場匹配度），但在業(yè)務上量的情況下，企業(yè)就需要選擇一個能幫助商業(yè)化的AI基礎設施服務商。在這個過程中，客戶希望繼續(xù)使用原來的開源工具，但服務平臺往往接口無法對齊，需要重新實現(xiàn)。
針對一系列開源衍生的需求，商湯升級的大裝置2.0版本給出了三個能力支持：開源兼容接口幫助廠商實現(xiàn)零成本遷移；模型廣場讓用戶自由選擇多種開源大模型并提供調(diào)用，實現(xiàn)零門檻使用；商湯的SenseCore平臺還提供優(yōu)化過的各種開源組件，讓用戶可以根據(jù)自己的需求來自由調(diào)用。
當千行百業(yè)對于大模型的需求提高到“拿來即用”的標準上，商湯想做的，就是把模型的性價比打下來，同時讓廠商自身業(yè)務融入大模型的門檻降得更低。
懂客戶，商湯怎么做差異化壁壘？
不過，在競爭激烈的AI基礎設施供應商賽道中，商湯要想把營收做到第一梯隊，它面臨的競爭壓力依然不小。
面對硬件資源更加充沛，同時靠邊際效應把成本打得更低的云廠商來說，商湯們難以燒錢奉陪打價格戰(zhàn)。
競爭密切的領(lǐng)域，商湯怎么廝殺出重圍？
除了懂模型，更要懂客戶。
在和千行百業(yè)的客戶探索AI技術(shù)落地的十年中，商湯在無數(shù)個實踐結(jié)果后，最終推出了目前需求密切、落地更成熟的四大行業(yè)解決方案——具身智能、AIGC、AI4S（AI for Science）和傳統(tǒng)企業(yè)智能化轉(zhuǎn)型。
作為既做模型，也做AI基礎設施的服務商，商湯內(nèi)部的產(chǎn)品、技術(shù)部門擁有成熟技術(shù)，把具體行業(yè)需要的對應能力直接“復制粘貼”提供給用戶，免去后者從頭鉆研的時間和精力成本。
以具身智能行業(yè)為例，針對數(shù)據(jù)短缺的問題，商湯能通過“仿真+真機”雙通道的解決方式，生成大量可用數(shù)據(jù)，直接用到模型的訓練中。將這些能力整合到一起，商湯針對具身智能行業(yè)拿出了“端到端”式的方案，從數(shù)據(jù)生產(chǎn)、工具支撐到模型研發(fā)，都能一手包辦。
這種“拿來即用”的產(chǎn)品在商湯內(nèi)部還有很多。比如具身智能同樣需要應用的視覺算法，再到自動駕駛的歷史數(shù)據(jù)，還有模型訓練中需要的適配工具。
除了具身智能行業(yè)外，商湯還把這種能力延伸到了其他行業(yè)。
“實際上，無論是互聯(lián)網(wǎng)類客戶，還是一些線下傳統(tǒng)行業(yè)客戶，他們除了資源、平臺、訓練和推理的成本和性價比之外，還有很多不同的需求。”楊帆列舉了很多來自客戶的具體需求：
比如，有的廠商需要做模型定制，但模型需要在網(wǎng)信辦備案審核，但整體流程對于廠商來說復雜耗時，商湯可以把審核能力開放給用戶；有的廠商需要數(shù)據(jù)私有化，不僅要保護數(shù)據(jù)安全，甚至可能需要國密認證，商湯也能提供對應關(guān)鍵能力。
拿出成熟技術(shù)、打出“更懂客戶”旗幟的商湯，并未止步于基礎的MaaS服務，而是選擇再加碼人才，幫客戶走完落地的每個關(guān)鍵點。
在技術(shù)交流日中，楊帆提及，商湯在2023年專門成立了一個子業(yè)務板塊“AI專家服務”。
“其實在給產(chǎn)業(yè)智能化客戶提供服務時，我們發(fā)現(xiàn)，追求一鍵式部署、無代碼編輯等自動化功能對于這些廠商來說意義甚微?！睏罘f。
企業(yè)一般的需求是希望基于一個基礎模型，根據(jù)自己已有的數(shù)據(jù)做定制化模型，并且要求推理能夠滿足他們對性價比的要求。
對于需求明確，但對AI技術(shù)不夠熟悉的客戶來說，標準化的解決方案沒辦法解決所有問題。在這種情況下，商湯往往需要在配置AI基礎服務的基礎上加上服務能力，派出專家提供支持。
靠著人才服務的支持和技術(shù)know-how的輸出，商湯擁有了超越其他AI企業(yè)的差異化壁壘。
抓住生成式AI浪潮，商湯蝶變
技術(shù)的浪潮滾滾向前，一個殘酷的事實是，能真正穿越周期的企業(yè)是極少數(shù)。
2016年的深度學習浪潮中，如今留下還能堅持做通用大模型的已經(jīng)寥寥無幾；2023年的大模型浪潮中，六小虎也開始分化，不少已經(jīng)退出通用大模型的研發(fā)。
在巨頭之外，商湯是一個幸運兒。
目前，商湯自己一邊做模型，一邊把這個過程中習得的能力和優(yōu)勢復制給客戶，把經(jīng)驗做成真正有用的商品，成為了AI基礎設施服務中價值更高的附屬品。
在AI基礎設施服務+大模型服務的配合下，商湯的轉(zhuǎn)型已經(jīng)初見成效。
根據(jù)IDC報告，2024年H1，商湯以14.8%的市場份額位居中國大模型解決方案市場第二。
目前，生成式AI也成為了商湯營收的中流砥柱，這代表了營收質(zhì)量的提升。據(jù)財報，2024年，商湯生成式AI相關(guān)業(yè)務收入超過24億元，同比增長103%；其收入占總業(yè)務比例從2023年的34.8%，升至2024年的63.7%。商湯董事長兼CEO徐立曾表示，生成式AI也是商湯最快突破20億元規(guī)模的業(yè)務。
從AI 1.0時代到2.0時代，生存超過十年的商湯，一直埋頭做AI技術(shù)，保證核心技術(shù)在第一梯隊。
大裝置業(yè)務，是商湯“反向求解”的一次實踐。
早在2018年，由于做感知智能時遇到了海量數(shù)據(jù)處理的問題，商湯基于技術(shù)需求，打造了國內(nèi)首個AI千卡集群原型機。2020年，商湯又建立了國內(nèi)首個智算中心。彼時，這樣的重資產(chǎn)投入對于商湯來說，是一筆不小的成本。
但正如英偉達為了游戲的極致視覺體驗鉆研GPU，從而在深度學習的時代“無心插柳柳成蔭”，成為當下AI時代的最大贏家。商湯在AI 1.0時代的資產(chǎn)投入，變成了AI大模型訓練的“礦井”。
再以AI基礎的三要素算力、算法和數(shù)據(jù)作為維度評判，商湯在擁有充足算力的基礎上，既有底層硬件優(yōu)化、自研大模型的經(jīng)驗，又有合成數(shù)據(jù)的能力和歷史數(shù)據(jù)沉淀。這就使商湯從一般的AI基礎設施供應商中脫穎而出。
技術(shù)交流日上，商湯大裝置面向具身智能、AIGC、AI4S以及傳統(tǒng)企業(yè)智能化轉(zhuǎn)型推出四大行業(yè)解決方案，則又是一次“反向求解”的成果。
對于一家公司而言，高舉高打的戰(zhàn)略固然重要，但貼地飛行的經(jīng)驗總結(jié)才是制勝關(guān)鍵。畢竟，實踐出真知。
商湯在和客戶合作的過程中，能深度洞察到行業(yè)的痛點和需求，再根據(jù)自身落地的實踐成果，把成功的經(jīng)驗重點做批量復制，最終完成商業(yè)的閉環(huán)。
重技術(shù)的商湯，在一次次反向求解中，終于找到了屬于技術(shù)主義者的勝利。
熱門跟貼