算力几乎决定了人工智能技术创新的上限。作为数字时代的先进生产力，算力是推动人工智能、区块链、云计算、大数据等技术创新与应用的基础支撑。尤其是当下，大模型发展进入了深水区，躬身入局的参与者们对算力的需求愈发复杂。究竟要具备怎样的能力，才能够建设好AI时代的算力底座？
一面AI急需一面算力浪费
数字金融、智能驾驶、生物医疗、智能制造……没有人会怀疑，人工智能大模型会在今天，也会在未来几年“+千行百业”，成为人类目前能拥有的最趁手的工具之一。但同时,数据不均衡、算力集群效率低、模型可信度有待考验、云边端算力资源没有有效协同……发展大模型的阶段不同，所“涌现”的问题复杂性和关键难点不尽相同，对AI支撑能力体系的要求也各具侧重。
在模型训练阶段，用户本身往往有很强的算法能力，但需要解决算效的难题。据了解，OpenAI在训练GPT4过程中的算力利用率约为35%，听起来偏低，其实已是行业正常水平。
如何才能释放更多的算力？这可能像中彩票一样难得。只有算、网、存、管四方面能力全面提升，才能够形成极致算效体系，从而提升在模型训练当中的算力利用率。
来到垂直场景适配阶段，用户对于算效的需求不像前者那样强烈，但他们需要极高的模型精度和效率——不同于ToC场景中60%左右的精准度，行业模型精度的门槛可以达到95%。
因此，在行业实际落地当中，如果想要开出一个比较好的“精度盲盒”，需要考虑的因素更为复杂，包括数据安全合规、高质量数据的治理、调优的硬件加速和软件优化等等，这意味着深入行业，形成专业增强体系。
再到大模型应用部署运行阶段，这样一群每天需要AI应用最多的用户，他们的需求是极致的“高效稳定”。一方面要加速做好模型的精简、蒸馏、压缩等各个环节的处理，另一方面要实现轻量级一键式甚至分钟级的部署，同时能在稳定的运行环境里，对资源进行实时地调用、健康全面地监管。
以前我们会想，超高算效、超大算力、超强稳定是不可能三角吗？但如今，大模型发展至此，对算力服务的确提出了如此复杂和严苛的要求。
在以大模型为焦点的新一轮AI竞赛中，智能计算作为推动产业发展的关键引擎，已经不再局限于算力性能这一单一竞争要素。算法协同优化、数据处理能力、模型可解释性以及与特定行业应用的融合度，都成为了智能计算能否成功推动技术创新和实际落地的核心因素。
而没有满足需求的智算服务，发展大模型就是天方夜谭。
“摸彩票”还是“开盲盒”？
大模型闪耀在聚光灯下，背后是不同的发展阶段的客户涌现出来的对于AI支撑能力体系愈发复杂的需求。
不管是万卡时代的“算效彩票”还是深入行业的“精度盲盒”，以及高效调用的“服务瓶颈”，如何解决这些复杂问题，满足这些来自不同客户的不同需求，在大模型的发展之路上建立起一套全面的AI的支撑能力体系，是当下急需解决的问题。
3月29日，宁畅发布“全局智算”战略，并揭幕了包括“AI算力栈”在内的一系列战略性新品与系统解决方案，旨在有效解决大模型产业落地的全周期问题。
“全局智算”，顾名思义，是具备全栈智能计算能力，以及涵盖硬件、软件、算法、液冷和服务质量等多个维度的系统性AI计算方案，背后是打造AI时代最坚实算力底座的决心。
这个底座的最底层是硬件资源层，比如通用服务器、GPU、整机柜、存储等多种形态的产品。
硬件层之上是集群设计层，这一层绝不是将海量硬件进行简单的连接堆叠，而是通过分析整个业务运行的特征和系统的量化需求，提供从微架构、网络、存储、AI模型特征等一系列的方案设计。
再往上是中台层，可以提供基于AI算力系统深度整合的工作栈。最上面则是业务层和场景层。
整体来看，全局智算以全体系、全液冷、全服务、全场景、全行业、全阶段的六“全”能力，可满足大模型开发、适配、部署等全方位需求。
明年智算超三分之一
今年是大模型落地产业应用的关键一年。随着外部环境的变化，大模型从参数竞赛走向商业化、产业化的落地阶段，在这个阶段，单纯提供算力硬件已经远远不够，需要的是支撑能力体系的整体升级，就像“木桶原理”一样，各类能力都不能有短板。
同时，涉及算法、算力、数据三个维度的复杂系统需求也会不断涌现，而目前的智算中心在算效、精度和服务方面的表现还远不能支撑。全局智算战略正是希望向上解决极致算效、精度增强、高效稳定三个复杂需求，向下扎根千行百业，让大模型真正落地成为各行各业的新质生产力。
发布会上透露，为加速赋能用户，国内首个AI算力栈——宁畅NEXAILab（NettrixAIOpenLab）已在桐乡市成功落地并开放预约试用，用以展现应用场景优化、行业智算定制解决方案，通过免费提供短期的软、硬件服务，带来大模型、数据科学、推荐系统等解决方案工作流的先进体验。
工业和信息化部、中央网信办、教育部等六部门联合印发的《算力基础设施高质量发展行动计划》提出，到2025年，中国算力规模超过300EFLOPS，其中智能算力占比达到35%。另据统计，目前全国正在建设或提出建设智算中心的城市已超过30个。
未来，“AI算力栈”方案将进一步落地汽车、互联网、制造、金融、能源、科研等领域，为数字化转型、智能化升级提供核心引擎。