联想戴炜：如何跨越多模态大模型产业应用的最后一公里

11月7日，Open AI首次开发者大会召开，ChatGPT-4 Turbo的新功能让全球科技行业兴奋，甚至有些行业专家预测，未来将有很多行业面临消失。同时ChatGPT带来的对算力巨大需求也为未来多模态大模型的应用带来了巨大的挑战。

11月9日，在世界互联网大会“算力网络协同创新论坛”上，联想集团副总裁、中国区方案服务业务群总经理戴炜从算力网络的未来演进的角度，提出了“算力网络，一切皆服务”的产业洞察；并结合AI及大模型的产业应用，从企业的智能化转型需求出发，全面阐述了在企业智能化浪潮中，大模型在企业和产业的应用价值和演进方式。

“如何将人工智能的应用落地？”戴炜认为，“需要通过混合式AI的场景搭建（来实现），进而实现生产效率提升和数据安全的保护”。

无论从企业应用层面来看，还是从个人需求层面来看，算力已经成为整个社会的基础，成为全球新格局下的竞争力和核心资产。

全球计算力指数评估报告显示，算力指数平均每提高一个点，就可以给数字经济带来3.5‰的贡献，GDP就能增长1.8‰，算力正成为推动经济发展的加速器。

近几年，随着企业数字化、智能化转型的不断深入，人工智能在产业应用的加速推进，全社会对算力的需求日益增加。同时算力的需求也从传统的通用算力向通用算力、超算和智能算力的协同融合的方向发展，异构计算成为未来发展的主要算力结构。《中国综合算力指数（2023年）》白皮书数据表明，我国算力产业保持高速增长，其中，人工智能算力在整个算力结构中的占比已经超过25%。

算力的发展从单一算力形式向多样化融合算力的发展，也让传统的独立数据中心面临着淘汰的局面，市场分析机构最新研究结果表明，至2025年，大致有80%的独立数据中心将会关闭，而100%的企业都会依托云计算来满足对算力的需求。

这种产业变化，意味着无论是企业还是社会机构，对算力的需求将会演变为从实体的计算单元形成的算力中心向资源化算力需求供应转变，这也就是算力网络。算力网络为用户提供了集成了算力、网络、存储等一系列企业算力需求的服务，可以让企业和社会机构可以摆脱自身对算力建设不平衡的难题，更加专注于企业自身业务的数字化、智能化水平的提升，有效地释放算力资源的价值。

从算力向算力网络的演变，事实上让算力成为了一种社会基础资源，如同水、电一样，这不仅是一种算力供给方式的改变，也是一种数字基础设施供给观念的改变。

我国在《算力基础设施高质量发展行动计划》中要求到2025年国家枢纽节点数据中心集群间基本实现不高于理论时延1.5倍的直连网络传输为主要目标。《计划》提出了强化算力接入网络能力，城区重要算力基础设施间时延不高于1ms，推动算力网络国家枢纽节点直连网络骨干节点，国家枢纽节点内重要算力基础设施间时延不高于5ms等重点任务。

算力网络的建设已经从企业需求上升成为国家信息战略。从产业需求和供给的本质上讲，算力网络，本身就是一种综合性服务。

从算力到算力网的产业变化，核心的是产业需求从单一算力向多元化协同算力的转变，是从通用计算向异构计算的转变，从设备销售到服务提供的转变。这种产业变化预示着未来算力网络的构建将变得更为复杂，由此而产生的算力网络的服务变得更为多样化。具体来说，对于企业和社会机构的算力网络服务，不仅是在不同的异构计算基础上的多云化服务，同时也涉及到了公有云和私有云的混合协同，这不仅对计算网络的服务商提出了更高的要求，同时对提供算力网络部署的技术服务商提出了更高的要求。

在这种产业变革中，算力网络的服务不仅将成为算力网络发展的重要力量，也将成为算力网络服务普惠到企业的重要保障。

近几年，随着ChatGPT的迅速而广泛的使用，多模态大模型释放出了人工智能前所未有的价值，人工智能产业迎来了又一轮快速增长。

据不完全统计，目前我国已经发布的大模型已经超过了150多套，这么多的大模型出现，对我国的算力网络带来了巨大的考验，同时受大模型运算特点的影响，智能算力的需求呈几何基数增长。

无论是已经成熟的ChatGPT还是我国企业发布的各种大模型，要发挥其价值，首先是要有足够的异构计算体系下的算力网络支撑，其次是在基础大模型的支撑下，如何让大模型在产业和企业的实际应用中释放出价值。

大模型在产业和企业中的应用，对算力及算力网络的要求则变得更加复杂，如何针对企业的核心业务进行算法调优和有针对性、个性化训练，以及实现本地化部署，从而形成对企业业务有直接提升作用的专业大模型，则成为大模型在产业和企业应用方面首先要解决的难题。

不同于基础通用大模型，可以直接部署到异构计算的公有云平台，在不考虑用户个性化需求的前提下，通过统一的服务接口面向公众提供服务；企业和行业大模型则需要更多的考虑到行业和企业的现实应用场景，实现从基础模型到企业模型转变，同时可以方便地部署到异构计算下的混合云平台，或者直接本地部署，这涉及到了企业和行业的商业机构业务的个性化需求和数据的安全策略，需要从基础大规模出发，针对使用场景进行企业化应用方向的优化和训练，需要考虑企业日常使用过程中的二次开发，事实上，在这种复杂而极具个性特征的应用环境，需要的是一种系统性的解决方案。

对于大模型而言，写诗和做画，固然有其价值，但对于消耗了大量社会计算资源的应用，更大的价值在于如何让其在行业和企业应用中带给工业体系和商业体系的价值。对于工业体系和商业体系，无论是智能生产、智能营销、智能运营或者智能产品创新等等，都蕴藏着释放生产力和提高生产效率的巨大潜力，以大模型为代表的人工智能是推动第四次工业革命的核心力量。

大模型从写诗作画，到产业和企业中去解决问题，释放生产力，才是大模型领域最具潜力的方向。

大模型从公众化服务转向企业服务，这是大模型推动产业进步的最后一公里，而这最后一公里，也决定了大模型领域的未来发展。

要跨越大模型在企业应用的最后一公里，不仅需求企业提升生产效率的主动意愿，同时也需求在企业数字化、智能化转型过程中有足够经验提供全场景服务的算力网络和大模型训练和调优的专业服务商。

相对于传统AI应用的开发及服务，大模型极大地降低了企业IT人员对专业开发的要求；同时对于企业大模型的应用，则需要一整套从部署到服务的系统方案，这并非是一般企业IT人员所擅长的技术。从产业分工角度看，大模型的企业级应用，需要ICT服务商拥有从算力网络部署到大模型的企业级应用的行业经验和实施能力。

在世界互联网大会上，联想戴炜表示，联想可以为客户“建设以AI计算虚拟化、GPU集群调度、异构计算等能力为核心的智算中心，并为客户部署联想的 AI 平台，帮助客户实现推理加速、分布式训练和微调，任务编排等 AI 基础能力。在此之上，联想帮助客户打造专属的企业大模型，全面赋能企业的业务系统，帮助客户实现智能化转型。”

他进一步强调，联想将以服务的方式为客户提供方案交付，并且整个服务过程将在联想智能服务平台 AI force上进行统一管理，实现一站式交付，并且安全可控，客户也可以通过 AI force 平台实现自身的智能化管理。

这是一种全新的思路和推动大模型企业应用的策略，面对即将到来的企业大模型广泛的应用前景，提供从算力部署到大模型调优训练的全栈方案，可以进一步降低企业在大模型应用过程中的技术门槛，让企业更加专注于自身业务的发展。

联想一直伴随着我国的信息化从无到有建设历程，在最近十多年中，联想服务逐渐成为我国企业数字化、智能化转型中的一支重要力量，我国大多数算力中心都拥有联想的算力设备和服务团队。联想服务对中国核心网络的建设和企业数据中心的建设拥有足够多的经验，在多云、跨云的算力网络管理和调度方面拥有一流的软硬件技术优势。这一优势，在大模型进入企业应用的初期，就形成了从基础大型到企业专用大型模型的优化、训练系统性能力，配合其多元化算力网络的构建能力，可以迅速帮助企业跨越企业大模型应用的“最后一公里”。

在企业大模型的实际应用过程中，无论是企业助手、企业知识库、企业模型的微调和部署服务，还是企业系统插件化服务，联想服务都拥有相对成熟的方案和能力，可以迅速将企业大模型应用于企业的产品创新、供应链管理、生产计划、营销管理、运营管理和客户服务的各个生产运营流程中，让企业大模型在企业迅速形成新生产力，提升企业的生产和运营效率。

当企业大模型能在更广泛的企业生产运营中发挥作用，大模型将不再只是停留于作诗画画写代码，它将全面提升工业体系的生产力水平，加速第四次工业革命的进程。

从算力网络快速构建，到以大模型为代表的新一代人工智能的技术普及，新一代数字基础设施正成为推动社会进步的加速核心力量，这次产业革命，最终将彻底改变世界的生产力、生产关系现状，重构全球的产业格局。联想全栈智能解决方案，在推动产业升级和智能化转型的过程中，或将成为数字基础设施建设的“筑路人”。