财报电话会抛出判断,未来两年国内算力或将迎来供给高峰缺口

阿里巴巴召开2027财年第二季度财报分析师沟通会,集团CEO吴泳铭就国内AI算力供需格局给出自己的判断。他认为,2027年与2028年,会是国内算力资源最为紧张的两个年份。大模型、智能体各类应用持续爆发,会进一步放大整个市场对高性能芯片的消耗,算力供给压力会集中显现。

面对这样的行业大环境,阿里云也在调整自身芯片采购与供给结构。按照规划,进入2027年之后,阿里云新增芯片供给会以平头哥自研芯片作为主力,同时还会引入其他国产芯片,用来满足内部大量推理业务的运行需求。这也意味着,国产芯片会在阿里云的基础设施体系里面扮演越来越重要的角色。

芯片资源划分思路:训练优先保障,推理采用多元采购

在芯片资源分配层面,阿里也形成一套明确的调度逻辑。平头哥的旗舰级别芯片,会优先倾斜给到自有大模型的训练任务,保障千问系列模型持续迭代升级。在满足自身研发需求的基础之上,再去承接深度合作伙伴以及外部客户的训练诉求。

推理业务的资源策略和训练端有所区别。推理场景任务量大、需求类型丰富,阿里不会只依靠单一来源,会尽量引入多种不同的芯片产品,其中也包含多家国产芯片厂商的硬件。通过多路径采购,来分摊供应链风险,适配多样化推理业务的实际诉求。

模型和芯片之间的适配工作,目前已经进入实际运行阶段。千问大模型的下一代版本,已经基于平头哥芯片开展训练工作。面向开发者的百炼平台,也已经依托国产芯片对外提供模型推理相关服务,不再只停留在实验室测试阶段。

自研芯片与大模型深度协同,追求算力成本与研发效率优化

吴泳铭提到,阿里打造的整套全栈AI基础设施,会在国产算力供应链上面逐步构建起差异化优势。自研芯片和自研大模型的深度磨合协同,是这套体系的核心。

当硬件和模型出自同一套体系,就可以做底层层面的联合调优。这种协同,有机会持续压低单位算力的综合成本,同时提升AI各类应用的开发迭代速度。对于云厂商来说,算力成本的变化,会直接影响面向客户输出服务的定价和利润空间。

不过国产算力大规模落地,并不代表所有问题已经全部解决。芯片产能释放节奏、软硬件适配打磨、生态工具完善程度,都还需要时间持续推进。即便硬件参数达标,真实业务场景下的稳定性、兼容性,还需要海量业务去持续验证。

行业算力紧缺背景下,国产算力迎来发展窗口期

整个AI产业向前推进,算力是绕不开的底层底座。市场需求快速扩张,但高性能芯片产能释放需要周期,也就催生了未来两年的供给紧张预期。

在这样的大背景下,国内自研AI芯片拥有了更大的落地机会。阿里云这套以平头哥为主、其他国产芯片做补充的策略,也是国内头部云厂商推进算力自主可控的一个缩影。

当然,算力缺口并不只是单靠芯片硬件就可以完全化解,还牵扯服务器建设、供电散热、运维体系等一整套配套环节。未来两年,不管是云服务商,还是使用大模型的企业客户,都需要提前做好算力资源规划。国产算力能不能扛住市场爆发出来的庞大需求,还要看后续产能释放、生态完善的实际进展。

(素材来自:阿里巴巴 智算芯能前沿网综合)

本文由智算芯能前沿网编辑整理,转载请注明出处。