作者 | 常棣
编辑 | 葛覃
“未来已来，只是尚未流行。”愈是近距离感受到云计算行业的焦虑与变革，就愈能让人联想到威廉·吉布森在《爆裂》中写下的这句话。
云计算正在被大模型重塑，两者的关系类似于电力和电动机，云厂商所扮演的角色，就是智能时代的电厂。而如果再细细研究，就会发现一个有意思的事实——直流发电机比交流发电机的出现早了50年，但后者才真正让世界全面进入电气化时代。
这也是当下云计算领域正在发生的新故事，但是，如何让云计算完成从直流电到交流电一般的转变，整个行业都在关注。
法拉第走了和爱迪生完全不同的道路，最终有了交流电的胜利，计算机、互联网甚至人工智能等技术和产业，都建立在电力的基础之上，没人再关注电力本身。
华为云也走出了一条更难走的道路，随着华为云华东（芜湖）数据中心正式开服，标志着华为云全国存算网的枢纽节点布局全面完成，企业可通过全球存算网和昇腾AI云服务，推动“百模千态”的应用创新。
自AWS 在 2006 年公开发布 S3 存储服务，云计算行业已经走过了十多个年头，伴随着争议与探索，时至今日，仍有一些观点在质疑云计算，核心原因是很多场景并不是非云计算不可。
根据技术代差递补性(Technical Generation Complementary)理论，当一项具有代差的全新技术出现时，由于它自身的不完备性，往往需要现有技术作为其补充，与之形成在技术上的“高低搭配”，因此新技术并不能够完全取代现有技术而主宰整个市场。
比如，固定电话的出现并没有立刻导致电报的出局，但移动电话的出现却直接将电报三振出局；再如五代战机与四代战机形成高低搭配，淘汰三代机等。
云计算行业的历史尚短，还不足以形成技术代差，但是大模型却成为了新的代差技术，与云计算形成了高低搭配，从而淘汰云计算之前的传统IT。
典型如大模型的推理和训练场景都需要大算力：大模型训练通常需要数千张GPU卡，基于TB级别的数据，耗时几个月进行训练，然后其他用户在预训练大模型的基础上再进行强化学习，而这需要数百张GPU卡，耗时一两个月。
同时，AI算力对数据中心要求极高。由于AI服务器的功率密度远超通用服务器，单机柜的功耗是过去的6-8倍，并需要专用的液冷系统进行散热，才能降低PUE（能效比）。且大模型训练动辄需要千卡乃至万卡，服务器之间的互联、时延、可靠性、运维极为挑战。
然而，自建数据中心周期长、要求严苛、能耗高，难以满足大模型时代快速训练和迭代的要求；同时由于各地政府的“绿色数据中心”政策限制，IDC新建/扩容严格受限。相比之下，云计算具有即开即用、按需使用、灵活部署、集群算力、专业服务、运维&安全等优势，成为大模型训练、推理部署的必要基础设施。数据显示，AI算力已重度依赖云化部署，2025年算力云化比例达到高峰80%。
与此同时，随着大模型创新，多模态融合，模型参数将从现在的数千亿攀升至数万亿，对海量的稳定算力、大规模并行训练、以及整体的架构设计都提出了更高要求，只有云化算力才能满足大模型的要求。
如果说此前企业自建数据中心还情有可原，在较大的自用规模下能保证一定的性价比，华为云芜湖数据中心就证明了，智能时代，企业再去自建数据中心，不仅没有性价比，而且很可能错过技术更新，从而落后于行业。
华为云芜湖数据中心规划占地约6000亩，规划了300万台服务器，秉承华为云在节能、AI集群、液冷机房的丰富经验，芜湖数据中心构筑了绿色低碳、安全可靠等技术优势。
以算力层面的优化为例，为满足超大规模算力需求，芜湖数据中心首次采用了华为云全新研发的多元算力对等池化架构：通过分布式擎天架构实现CPU、NPU、GPU、内存等多样资源统一抽象、池化，从单体算力架构演进到矩阵算力架构，使算力提升50倍。
此外，华为云通过超高带宽的Scale Up网络，将资源对等连接起来，打破了单体算力性能和集群线性度瓶颈，可有效提升了大模型的训练效率；通过瑶光智慧云脑可将多种池化资源统一调度管理，实现灵活按需组合，提供百亿到万亿参数模型的最优算力配比。
华为公司副董事长、轮值董事长徐直军就表示，华为云华东（芜湖）数据中心是华为云版图的重要组成部分，能帮助企业使用云上算力，随取随用，技术永新。企业则不必建设数据中心，可以聚焦在自身业务发展上。
在国外算力受到封锁供给短期，难以跟上国内算力需求节奏的大背景下，国产大模型的创新发展，需要国产化AI算力支撑，而云化算力是最大化算力价值、最大程度降低算力门槛的选择。
根据Scaling Law原理，随着模型规模的增加，包括参数数量、数据规模和计算资源，模型的性能也会相应提高，这也是为何单体数据中心的规模越做越大，企业需要的单一算力集群规模也越来越大。
因此，具备更大规模效应的公共算力中心，才是解决算力紧缺问题的最佳方案，“算力的尽头是上云”，昇腾AI云服务可以说是企业在智能时代所需云算力的最佳方案。
纵观全球，不论是AWS、微软等海外云厂商，还是国内云巨头，都希望用大模型带动云服务收入，其中英伟达的芯片必不可少，海外云厂商需要英伟达构建提供AI算力的云，国内云厂商先天受限。
华为云，不止推出了自己的昇腾AI云服务，更进一步，以昇腾为抓手成为新时代“云”的底座。
算力竞逐背后，是人工智能时代话语权之争。正如科大讯飞董事长刘庆峰所言，“中国的产业界非常自豪，华为能够在真正的硬科技算力层面上给世界第二种选择。我们特别需要在国产上更大规模的算力支撑，现在业界能够量产做大模型训练除了英伟达只有华为一家，在推理上已经做到完全对标英伟达。”
华为的定位一以贯之，始终做智能世界的黑土地，当时代背景发生了变化，华为云也随之调整身位，如果仅仅做云满足不了国内千行万业的需求，那么华为云就再做深一层，成为云厂商背后的创新力量。
如此，华为云既有算力基础设施，又掌握底层根技术科技，站在智能时代的云厂商的背后，做云底座的“底座”，繁荣更大的产业生态。
更值得关注的是，华为云的全栈AI能力，包括芯片、数据中心、大模型、训练和推理框架、AI 开发生产线、AI应用生态等一系列能力，都可以成为云厂商和众多企业的创新源泉。
华为云通过全栈AI能力，将云计算降维成AI的基础和基本，华为云的全栈AI能力已经帮所有企业构建好了技术底座，不论是云厂商还是各类企业，都可以利用华为云不同能力的组合，去打磨自己的生产力。
正如历史上蒸汽机、交流电、互联网刚刚诞生时，人们对这些新出现事物的前景表现出的“迷茫”那样，我们对人工智能的想象力并没有好到哪里。只有一个事实是确定的，一切还在混沌中，各种技术的集聚行将爆发但未完全爆发。
于是，华为云将人工智能所有的必须要素准备妥当，做产业技术和生态背后的根力量，助力所有企业博得大时代的新机会。
云计算的未来已经清晰可见，华为云改变了云计算，构筑了面向未来的全栈AI能力，通过全球存算网、昇腾AI云服务、盘古大模型等创新技术，让企业不必再关注云计算本身，以更轻盈的姿势迎接将要到来的智能时代。
联系客服
