■ 賈 麗

　　智算是面向AI（人工智能）計(jì)算的智能算力，隨著多地智算中心的崛起與計(jì)算能力的持續(xù)躍升，這些算力正在成為助力實(shí)體產(chǎn)業(yè)發(fā)展的新引擎。

　　但從一系列走訪來看，當(dāng)前智算落地實(shí)體產(chǎn)業(yè)面臨的主要矛盾，并不只是簡單的供給不足，而是更深層的結(jié)構(gòu)性錯(cuò)配與價(jià)值實(shí)現(xiàn)梗阻。具體來看，雖然大型算力中心在“萬卡集群”規(guī)模拓展上加速奔跑，但是，許多鋼鐵、汽車等行業(yè)制造企業(yè)面臨AI應(yīng)用無法實(shí)現(xiàn)毫秒級響應(yīng)的高門檻和成本效益的現(xiàn)實(shí)考量，普遍存在“不敢用、用不起”的困境。

　　“不敢用”，是因?yàn)楣I(yè)生產(chǎn)要求AI在幾毫秒內(nèi)做出判斷和調(diào)整，一旦出錯(cuò)或延遲，整條產(chǎn)線可能停擺，損失巨大；“用不起”，則是一個(gè)工業(yè)AI模型從開發(fā)到落地，動輒需要數(shù)百萬元的投入，再加上稀缺的復(fù)合型人才成本，中小企業(yè)大多難以承受。

　　這種供需錯(cuò)配與成本上的高墻正成為“AI+制造”從單點(diǎn)突破走向規(guī)模復(fù)制最主要的阻礙。如何讓智算真正做到回應(yīng)實(shí)體產(chǎn)業(yè)發(fā)展需求？筆者認(rèn)為產(chǎn)業(yè)鏈各方需加速推動智算行業(yè)從“建機(jī)房、拼算力”的粗放階段走向“重生態(tài)、摳細(xì)節(jié)”的精耕細(xì)作。

　　其一，算力供給方要“放下身段”，從賣算力轉(zhuǎn)向重服務(wù)。云廠商和算力運(yùn)營商要針對制造業(yè)場景推出“開箱即用”的軟硬一體化方案。例如，探索高性能算力、算法、模型疊加的訂閱制模式，將動輒數(shù)百萬元的大模型投入拆解為按次計(jì)費(fèi)、按調(diào)用次數(shù)付費(fèi)，讓中小企業(yè)像用水用電一樣隨取隨用，真正降低試錯(cuò)門檻。

　　其二，行業(yè)龍頭要“打開大門”，從獨(dú)善其身轉(zhuǎn)向牽頭建池。鋼鐵、汽車等制造行業(yè)頭部企業(yè)應(yīng)避免重復(fù)“造輪子”，在沉淀優(yōu)質(zhì)工業(yè)數(shù)據(jù)和高精度模型后，通過開源、API接口授權(quán)或與算力服務(wù)商合作等方式，將私有模型轉(zhuǎn)化為行業(yè)的公共基座。通過大企業(yè)提需求、搭平臺，中小企業(yè)連接口、做應(yīng)用，分?jǐn)傃邪l(fā)成本，形成“頭部搭臺、中小唱戲”的產(chǎn)業(yè)鏈協(xié)同生態(tài)。

　　其三，模算協(xié)同要“深耕細(xì)作”，需要耐心資本的長期陪跑。算力產(chǎn)業(yè)鏈上下游需聯(lián)合攻堅(jiān)，大力發(fā)展邊緣計(jì)算與端側(cè)小模型，通過模型剪枝、量化壓縮等技術(shù)，把重度算力模型“瘦身”到垂直行業(yè)運(yùn)行。不過，這類輕量化垂直解法從“實(shí)驗(yàn)室”走向“生產(chǎn)線”，通常周期長、驗(yàn)證難、回報(bào)慢，產(chǎn)業(yè)基金、投貸聯(lián)動等耐心資本應(yīng)為底層技術(shù)創(chuàng)新和中小算力服務(wù)商持續(xù)輸血，陪跑“AI+制造”的規(guī)?；涞?。

　　隨著中國制造向“中國智造”躍遷，智算只有成為驅(qū)動實(shí)體產(chǎn)業(yè)發(fā)展的“智造發(fā)動機(jī)”，才能真正賦能千行百業(yè)發(fā)展。這需要產(chǎn)業(yè)鏈的務(wù)實(shí)攻堅(jiān)，更需要資本的遠(yuǎn)見與耐心。