AI正在深度而全面地影响和改变着我们的生活。越来越多的场景，越来越多的行业，开始出现AI的身影，人类正与智能社会不期而遇。

据《卫报》7月28日报道，近日，谷歌旗下人工智能公司DeepMind进一步破解了几乎所有已知的蛋白质结构，其AlphaFold算法构建的数据库中如今包含了超过2亿种已知蛋白质结构，为开发新药物或新技术来应对饥荒或污染等全球性挑战铺平了道路。

特斯拉同样推出了基于AI的超级计算机Dojo，借助它，特斯拉可以确保宏大自动驾驶理想的达成与实现。据悉，未来将有1.5PB的数据在这里进化与训练，堪称「练功房」。有了Dojo，特斯拉将会研发出更多有关自动驾驶的技术，在超级算力的支持下，特斯拉将会在视觉感知的自动驾驶技术路线上一路狂奔。

透过以上种种迹象，可以看出，AI正在进入到大规模商用的全新发展阶段。有关统计显示，2021年，我国的AI应用市场规模约2000亿元，增速已达30%；同期，全球市场规模约9477亿元，涉及30多个行业及领域，例如：智慧城市、自动驾驶、元宇宙、工业视觉、生命科学等。未来十年，将进入大规模商业落地阶段。

据Gartner预测，到2025年，各行业的AI/ML（机器学习）渗透率将会达到70%以上，AI软件行业增长率也将达31%。

AI for Industry、AI for Science、AI for Metaverse的快速发展，带来了更多新的发展机会。同样地，整个市场对于AI云产品和服务的需求，同样开始水涨船高。如何满足如此庞大的云端需求，如何助力AI在更多场景和行业落地，成为玩家们竞争的焦点。

正是在这种背景下，AI云，被推到了新的潮头之上。

AI遍地开花，云市场供需矛盾突出

数据显示，到2030 年，中国将在人工智能理论、技术与应用方面达到世界领先水平，成为世界主要人工智能创新中心，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。

当AI时代悄然来临，一场全新的生产范式，正在各行各业上演。借助AI，我们不仅会改变传统意义上的生产方式，而且传统意义上的生产关系，都将发生一次重构与再造。如何借助AI达成新的范式，获得新的发展，成为各行各业布局的焦点。

从AI for Industry角度来看，AI生产分化为AI流水线和AI大模型两个范式。以工业化的AI流水线为代表的「黑灯工厂」将会越来越多地出现。可以预见的是，未来随着人力成本的不断增高，工业领域对于AI的需求，同样将会发生一场几何级数的深度变革。

除了AI流水线在各领域的落地和应用不断增加之外，AI大模型在自动驾驶、金融风控、智能对话等诸多场景的落地和应用，同样将会遍地开花。由此，市场对于基于AI的云端产品和服务的需求，同样将会水涨船高。

当AI for Industry开启一场表层变革的同时，AI对于基础科学的改造，同样正在进行。开篇提到的「DeepMind破解几乎所有的蛋白质机构」仅仅只是一个代表，除此之外，AI for Science业已深入到了核反应的等离子体的物理领域、计算机科学的自动编码领域、数学的领域、生命与科学领域、流体力学领域、材料学领域等诸多方面。

当如此多的基础研究开始与AI产生联系，如何对科研院所进行深度赋能，如何满足他们对于算力、数据和模型的巨大需求，同样成为一个全新的风口。

一边是日渐火热的AI云需求，一边却是青黄不接的AI云供给。

面对如此巨大的AI云需求，国内云市场布局呈现出冷热不均的发展状态。以阿里、腾讯为代表的平台型公司在进行云端市场的布局上，更多地关注的是通用云的打造。从本质上来看，这样一种通用云，更多地是在满足平台型公司自我发展的需求，更多地是横向上的，并不能够满足行业用户个性化的需求。

除了阿里、腾讯为代表的平台型公司之外，以华为、曙光为代表的硬件公司，同样也加入到了云市场的争夺战之中。同阿里、腾讯不同，这些公司更多地是从硬件的角度着手，而不是从软件角度着手。然而，云产品对于软件的需求较高，对于硬件的需求，反而并不太高。软硬结合的AI云玩家，更加受到市场的青睐。

入局玩家的参差不齐，最终所导致的一个结果就是，很多对于AI云有个性化需求的用户无法获得较为贴合自身需求的AI云产品和服务，最终，非但无法实现AI更好地商用，甚至还有可能错失AI落地的新红利。

2、AI云落地矛盾突出

通过以上分析，我们可以看出，只有具备了深厚的AI背景和积淀，才能在AI云市场上有所作为。从需求侧来看，AI需求的场景化、碎片化个性化较强，模型难以复用；训练模型的边际成本较高，需求端的资金压力较大。从供给侧来看，数据量级不断增大，数据安全的挑战较多；模型的开发周期不断被压缩；AI算力的缺口较大……

AI云在落地上所面临的一系列的困难和挑战，告诉我们，只有在AI垂直领域持续精耕，并且具备较强的AI开发能力和超强大的算力能力作为支撑，才能真正在AI云市场上有所作为。否则的话，面对庞大的AI云市场红利，只能望洋兴叹。

纵观当下的AI云市场，能够具备这些条件的玩家，可以说少之又少。以商汤为例，凭借着其在智慧城市、智慧交通、智慧商业和智慧生活等方面的布局，它业已成为AI领域的头部企业。

除了在AI领域的长期精耕之外，它还具备了强大的算力、数据和模型基础，商汤科技人工智能计算中心（AIDC），其设计算力为每秒4910 Petaflops（1 Petaflops为每秒千万亿次浮点运算），于2022年1月24日启动运营，会成为亚洲最大的人工智能计算中心之一，其建筑面积13万平方米、项目总投资约56亿元、一期机柜数量5000个。AIDC的成功落成，将进一步提升商汤的AI-as-a-Service服务以及商汤在中国人工智能行业的领先地位。

得益于在AI领域的长期实践，商汤开始了通过「标准化」的方式促进行业繁荣和百花齐放。通过底层的算力、数据、算法模型到上层的解决方案，商汤建构了一套「标准化结构」；通过发布超过49000个商用AI模型，商汤打造了可灵活配置，应用于不同场景的「标准化模型」；最后，商汤通过「生产标准化」实现协同和分工合作，将AI应用规模化落地。

有了如此多的沉淀之后，可以说，商汤进入到AI云市场，是顺理成章的，水到渠成的。

可见，在AI云市场处于一片混沌的大背景下，以商汤为代表的垂直领域的玩家们，无疑将会成为这一领域的有力竞争者。同样地，商汤们在AI云上的探索和实践，同样具有非常明显的借鉴意义，甚至可以为我们找到AI云市场的致胜之道。

AI商业化的巨大需求以及AI云市场突出的供需矛盾，让AI云市场成为一个蕴含着巨大发展潜能的新蓝海。可以预见的是，随着越来越多的玩家开始加入，特别是AI在各个行业及场景的应用逐步铺开，AI云市场必然将会发生一场激烈而又持久的竞争。

一场大幕即将开启，那么，AI云市场的致胜之道在哪呢？

尽管AI在各个行业，各个场景当中的落地和应用正在逐渐铺开，但是，在AI商用的过程当中，依然还是有很高的门槛的。无论是AI在单一场景的商用，抑或是AI在多场景当中的商用，行业用户所面临的一个最为直接的原因就是成本过高。

假设一个创业者在A轮拿到了1000万融资，传统方式需要先采购几台GPU服务器，再雇算法工程师、系统工程师、运维，可能几百万就花出去了。对于大型的企业来讲，可能不算什么。但对创业公司来说，这样的成本还是非常的高，所以，成本过高在一定程度上阻碍了很多的创新型企业的 AI应用的想法和实践。

在未来的AI云战场，同样将会面临同样的问题。如何解决AI商用过程当中成本过高的问题，成为决定玩家们在AI云市场份额大小的关键要素。从本质上来看，只有那些真正可以用强大的云计算能力，加上AI的开发能力，部署给行业用户，才能极大地节省成本，才能在AI云市场当中，占据新的市场份额。

以SenseCore商汤大装置AI云为例，它是一款基于商汤AI大装置的一套开箱即用的工业级AI工具链，无需前期投入，即可实现人工智能基础设施的全面数字化管理。未来的AI云市场上，只有像商汤这样普惠的，低成本的产品和服务，才能真正可以满足未来AI落地的需要。

总结来看，欲要在未来的AI云市场上获胜，如何尽可能地多地节省企业用户的成本，如何实现真正意义上的普惠，如何尽可能多地保证AI的商用，才是关键所在。

当AI在不同行业和场景的应用开始逐步展开和落地，对于云产品和服务的需求，同样将会呈现出千差万别的差异。如何满足不同类型的用户，对于玩家们云产品和服务的弹性，有了更高的要求。很显然，对于那些具备较强的弹性，可以满足用户的潮汐需求的玩家们来讲，无疑具备较强的竞争力。

实现AI与云的深度融合、海量丰富的应用场景、强大的算力，直接关系到AI云产品和服务的弹性。以现在的AI for Science的各种训练为例，动辄需要几百张卡，上千块甚至几千块的 GPU卡，而模型训练的一个周期一般会持续数天到数周，甚至更长的时间。

另外，AI在制药、自动驾驶等领域的落地和应用，通常会以项目制的方式来交给客户来完成，遇到重大的项目节点的时候，通常需要很强大的算力支撑，才能完成和实现。对于这些AI商用的场景来讲，它需要的是，AI云产品和服务的提供者，可以快速地扩容和缩容，并且去应对项目对于波峰和波谷的算力需求。

可见，AI在不同场景和行业的落地和应用对AI云的产品和服务的提供者，提出了很强的弹性需求。从某种意义上来讲，只有具备较强的弹性，以应对AI训练和推理的潮汐性特征，直接关系到服务行业用户的体验和需求满足的情况。

同样以商汤为例，它的SenseCore商汤大装置AI云具备卓越的可扩展性，可在1~1万张GPU卡之间无缝扩张，有效应对未来工业AI流水线以及 AI大模型的训练、验证、推理需求，通过创新普惠，打造AI云基础设施新范式。

此外，商汤智算中心能够提供强大的算力基础，它的计算和处理能力堪称“巨无霸”，其算力为4910 Petaflops。借助如此强大的弹性算力，商汤智算中心可完成100万亿参数模型的完整训练，使得AI大装置像流水线工厂，实现不同场景的算法模型的底层抽象，以模块化平台套件打造通用型服务平台，以低边际成本实现对新场景的规模化覆盖。

对于其他的AI云服务的玩家们来讲，如何像商汤一样打造强大的弹性算力，以应对不同场景，不同行业的AI商用的弹性需求，直接关系到它们是否可以在未来的AI云市场竞争中获胜。

无论是对于通用云市场来讲，还是对于垂直云市场而言，开放性的强弱，直接关系到玩家们可以在云市场上占据怎样的份额，处于怎样的地位。这一点，在AI云市场上，同样表现得较为突出。按照笔者的理解，这里的「开放」，并不仅仅只是包括上下游用户的开放，而且还包含了硬件和软件的开放，它是一种更加彻底和全面的开放。只有真正实现了真正意义上开放的玩家，才能在未来的AI云市场上取胜。

之所以会「开放性」会如此重要，主要是因为AI对于人们的生产和生活的影响开始深入和全面所导致的。现在，我们看到了AI for Industry、AI for Science在传统行业的内在运行逻辑上的深度改造；我们看到了AI for Metaverse在完善和丰富内容创作上的应用；我们看到了AI for Auto对于传统驾驶模式的深度改变……当如此多的落地和应用逐渐铺开，仅仅只是将AI云的产品和服务，停留在有限的几个场景；仅仅只是将AI云的产品好服务，封闭在几个有限的行业，很显然是远远不够的。

如何建构一个开放的生态，让不同的用户，不同的场景，不同的软硬件结合在一起，才是保证能够在AI云市场上有所作为的关键所在。

以SenseCore商汤大装置AI云为例，它的产品架构，包含了AI原生基础设施层（AI IaaS）、深度学习平台层（AI的PaaS）、算法模型层和行业解决方案等诸多方面。可以说，这个产品本身，就是一个强大的生态，就是一个开放性的系统。

在AI原生基础设施层，AI云提供了一系列针对性的AI IaaS的产品，比如，AI原生的算力池，AI优化的存储池，AI的智能网络，去提供更高性能的弹性伸缩的AI系统。在深度学习平台层，AI云会提供全套的AI数据管理、数据标注的服务及AI Studio的人工智能开发平台，会涵盖可视化建模和编码建模，模型管理、模型训练、模型部署等全栈的AI工具；在算法模型层，AI云会提供OpenMMLab人工智能算法开源体系， OpenGVLab通用视觉开源平台，OpenDILab开源决策智能平台三大核心平台。

值得一提的是，AI云还会提供AI芯片、AI PaaS软件和AI SaaS软件，实现AI软硬件的深度融合。另外，AI云还会将商汤内部大量的算法专家和学科专家开放出来，打造一个真正意义上的涵盖了不同类型的用户，不同类型的设施，不同类型的角色的开放的生态系统。

商汤在这一方面的探索，同样是值得其他的玩家们借鉴的。可以预见的是，随着AI商用的不断落地开花，对于AI基础设施的打造，需要的就是一个不断开放的生态。只有在这样一个生态之下，AI云才能真正满足不同用户，不同场景的需要，才能建构一个完整、可持续的AI云生态，才能赢得最后的胜利。

当下，AI正在深度而全面地影响着我们的生产和生活。无论是在基础科学领域，还是在工业制造领域，抑或是在其他领域，无不如此。面对AI行业如此迅猛的发展，以AI云为代表的基础设施的打造，开始释放出越来越多的新红利。可以说，AI云市场的大战业已启幕。对于每一个有志于在AI云市场上有所作为的玩家来讲，站在成本、弹性和开放性的角度来寻找取胜之道，或许才是关键所在。

商汤，作为一家长期精耕AI领域，具备了诸多AI优势的玩家，其在AI云上的探索，无疑具有很多借鉴意义的。从某种意义上来讲，商汤在AI云的探索和实践，特别是SenseCore商汤大装置AI云的发布，为未来AI云的发展指明了方向，业已成为AI云市场蓝海里的「航标」。