ChatGPT在全球市场的成功，引爆了大模型创业热潮，国内呈现出“百模大战”的竞争格局。在AI大模型竞赛的背后，算力需求的暴涨给相关云计算公司带来空前机遇。
作为科创板首家云计算企业，优刻得(688158.SH)深切地感受到算力需求正扑面而来，自身也正在成为AI大模型产业链上的深度参与者。
优刻得被外界熟知的是其云计算业务，实际上2017年优刻得就提出“CBA”(Cloud，Bigdata，AI)三位一体的产品发展战略，在AI领域进行了多年开拓。借着AIGC的浪潮，一方面，优刻得在AI领域的前期布局正在显效;另一方面，公司更积极地投身到大模型的赛道中。
值此科创板四周年之际，优刻得上市也有三年之余，顶着“云计算第一股”、首家“同股不同权”公司的诸多光环，优刻得在本轮AI热潮中有了新的底气。近期，优刻得董事长兼CEO季昕华接受了21世纪经济报道记者的专访，就公司在AI领域的发展目标和策略、对算力未来的发展前景、“百模大战”的最终走向等做了深入解析。
积极入局定位“大模型算力底座”《21世纪》：优刻得作为云计算厂商，如何参与到这轮AI浪潮中，有怎样的目标?
季昕华：目前大模型正处于风起云涌的阶段，需要大量的算力服务，这是我们的机会所在。客户的需求正从以前的CPU向GPU调整，巨大的GPU需求将同步带动算力、存储、网络等云计算相关产品的需求。目前AI算力方面最明显的挑战是显卡短缺，以及如何把大模型在实际场景中落地的问题。
优刻得的主要目标是服务更多客户，包括做大模型的公司和用大模型的公司，大模型在每个行业都有发挥空间，潜在客户量也会很多。
《21世纪》：目前公司能提供的算力服务有哪些?
季昕华：目前做大模型的公司一般有三个痛点：买不到设备;买到设备后数据中心的电力供应不足;以及组网出现困难。针对这些痛点，优刻得主要提供5项算力及服务支持。
第一是给已有设备的客户提供数据中心托管服务器服务;第二是为客户的显卡服务器提供机房租赁服务;第三是为组网出现问题的客户进行定制化网络服务;第四是帮助客户把大模型在公有云上进行推理，实现上线运营;最后一项服务是对接客户和数据流通服务。这几项服务中，算力和机房服务是最主要的。
《21世纪》：优刻得自己会做大模型吗?
季昕华：我们是国内唯一一家中立的云计算公司，更希望帮助客户训练和推广大模型应用。例如我们的合作伙伴达观数据推出了“曹植”大模型，需要我们更多的国产化算力服务。有些企业可能什么都想做，包括自己去做大模型;但优刻得就紧紧围绕提供“算力支持”这一定位发展。
《21世纪》：大模型公司在选算力支持时，优刻得为什么是一个好的选择?
季昕华：我们有几个特点：第一，优刻得是中立的，与大模型公司不存在竞争问题;第二，优刻得服务了很多大模型公司，了解大模型训练过程中的技术诉求;第三，比较了解大模型训练公司的痛点，比如购买显卡、部署繁琐等问题，我们可以提供海外模型在中国的镜像，帮助大模型公司快速推进训练和推理工作。也可以利用我们积累的客户资源，帮助大模型公司找到合适的应用侧客户。
大模型发展中的难点和痛点《21世纪》：当前大模型的发展面临哪些问题?
季昕华：大模型的核心包括四个方面，算力、数据、算法和应用场景。这里存在几个问题：第一，在算力方面，中国处于被“卡脖子”的状态，压力很大，所以我们建议加大对国产GPU的支持，我们也在积极地对接和使用国产GPU。
第二，数据问题，中国的数据是比较不够的，特别是共享数据方面，我们呼吁政府鼓励更多的数据共享，让企业用到数据。
第三是算法，这依靠各家公司自己的努力，加强技术攻关，赶超世界先进公司。
第四是应用场景，这个非常关键。我们一直呼吁政府把工作场景开放出来，提供给国内大模型公司使用。场景用起来有三个好处，一是能形成反馈，从而对模型进行调整;二是能产生更多的经济价值，才能在大模型这样的重工业里投入更多;三是能够帮助各行各业提高效率，解决诸如信息不对称的问题等。
《21世纪》:目前国内的产业链能否满足算力需求?算力短缺会是长期问题吗?
季昕华：目前还不能满足算力需求的缺口，并且以后会越来越缺算力。随着参与大模型训练的企业越来越多，用来训练大模型的数据量越来越大，对推理的要求也越来越高，大模型的应用会越来越广。以上因素作用下，短期内很难能够满足市场的算力需求。
现在我们的客户训练和推理GPU数量的比例大概在3:7，即三万张卡做训练就要对应七万张卡做推理。未来对GPU的需求会越来越大，然而受限于供应链，GPU会全球缺货，此外受限于美国方面出台的政策，相关芯片被限制，我们也希望能找到更多国产GPU的持续供应。
《21世纪》：那推动数据共享的难点在哪?
季昕华：数据的壁垒是真实存在的问题。在ChatGPT中，英文数据占97%左右，中文的数据只有1%左右。在整个全球互联网中，汉语占比虽高，但和英语占比的差距仍然很大。此外，美国有很多公共的数据集，大模型可以训练未出版的文章，形成
