近日，《环球时报》一篇报道，将公众目光吸引到 AI 中小企业的发展困境，报道直击行业痛点——「算力高墙」。
近日，《环球时报》一篇报道，将公众目光吸引到 AI 中小企业的发展困境，报道直击行业痛点——「算力高墙」。报道指出，对于中小企业而言，高资金负担、长研发周期，使其在 AI 技术研发与应用落地中更加力不从心。
事实上，在全球 AI 产业扩张浪潮中，「算力高墙」叠加生态开放程度不足，已经成为了阻碍产业深层次发展的重要问题。
AI 产业发展遭遇瓶颈
据《环球时报》报道，算力瓶颈让不少 AI 企业，尤其是小规模企业举步维艰。一套英伟达 DGX SuperPOD 系统采购价超 2.5 亿元，GPT-4 训练成本达 7800 万美元，高端算力门槛让企业望而却步。
即便租赁 GPU，企业也要承受高成本与低效率的双重压力，更棘手的是生态开放水平不足。首先，不同算力平台的标准接口不统一，平台间难以兼容，若更换平台，迁移成本极高；其次，技术对齐与产业协作困难，巨头主导的封闭生态中，中小企业难获取适配技术支持；再者，长期依赖单一生态，中小企业还可能面临技术路线被锁死的风险，丧失自主创新空间。
大量创新主体缺席，直接影响产业生态平衡，多元与可持续发展受限。
破局微光
如何破局？在实践中其实有很多值得借鉴的案例。
以某智能驾驶企业为例，其曾受大模型学习训练时长不可控等问题制约，开发事宜一度受阻。之后该企业通过算力体系的开放型构建，加快训推过程，并采用「AI 加速」智存产品，以智能驾驶应用开发一体化解决方案，加速其智驾相关应用落地，大大提升其创新开发效率。
可见，AI 企业根据不同项目规模、不同预算以及不同应用场景，算力需求千差万别；只有在更为开放、多元的算力生态中，才能适配更为精准和定制化的解决方案。
促进多元算力架构发展与开放生态构建，为行业发展提供创新动能的同时，也加速了细分场景应用「落地开花」，这或许正是 AI 产业所需的破局之道。
来源：互联网
