コンピューティングパワーサービス:大モデル時代の新しいビジネスモデル

大規模モデルのトレーニングに対するコンピューティングパワーの巨大な需要は、新しいビジネスモデルであるコンピューティングパワーサービスを生み出しています。現在、高性能GPUチップは需要に対して供給が不足していますが、この不足は一時的なものに過ぎません。長期的には、コンピューティングパワーサービスプロバイダーは、事前に準備をし、市場の需要の変化に対応できるようにする必要があります。

現在、大規模な言語モデルの訓練コストは非常に高額です。気象分野の垂直な大モデルを例に挙げると、その訓練コストは200万元を超える可能性があります。一方、汎用の大モデルでは、この数字は百倍に達する可能性があります。十分な資金の支援がなければ、大モデルの研究開発に持続的に投資することは難しいです。

高性能GPUの不足に直面し、業界の企業は次々と対策を模索しています。データ品質を向上させてトレーニング効率を高める企業もあれば、基盤構造を最適化してより安定した大規模トレーニングを実現しようとする企業もあります。また、国内プラットフォームを使用してNVIDIAのGPUを代替する企業もあります。ほとんどのアルゴリズムチームにとって、専門のコンピューティングパワーサービスプロバイダーを選択することが最適解です。

コンピューティングパワーサービスの本質は、コンピューティングパワー、ストレージ、ネットワークなどのリソースを統一的にパッケージ化し、APIなどの形式でユーザーに提供することです。この産業チェーンでは、上流が基盤ハードウェアリソースを提供し、中流がコンピューティングパワーの生産と調整を担当し、下流はさまざまな業界の最終ユーザーです。このモデルは、ユーザーが高性能計算を利用するためのハードルを大幅に下げました。

現在、コンピューティングパワーサービスは主に従量課金と年間・月間パッケージの2つの料金モデルを採用しています。ユーザーはニーズに応じて異なる構成のGPUインスタンスを選択するか、クラウドプラットフォームが提供する機械学習サービスを利用できます。将来的には、コンピューティングパワーサービスは「算ネット統合」の方向に発展し、より柔軟な地域間、サービスプロバイダー間のリソース調整を実現します。

現在、高性能GPUチップの不足によって業界競争が激化していますが、この状況はいつか終わるでしょう。コンピューティングパワーサービスプロバイダーにとって重要なのは、長期的な視点を持ち、市場ニーズの変化に備えることです。大規模モデルのブームが去った後、迅速に戦略を調整できる企業がこの新興市場で先行することができるでしょう。