火山引擎发布边缘原生技术方案，探寻企业生产力的潜能

大家好，小乐来为大家解答以下的问题，火山引擎发布边缘原生技术方案，探寻企业生产力的潜能很多人还不知道，现在让我们一起来看看吧！

图片来源：Pixabay

或许大多数人对于火山引擎的印象，仅停留在打开抖音APP时下面“火山引擎提供计算服务”的一行小字。

实际上，作为字节跳动旗下的云服务..，火山引擎经过内部多年的沉淀，已能将长期积累的增长方法、技术能力、应用工具开放服务外部企业。目前，在金融、汽车、大消费、手机、文旅、互联网、传媒、生信制药、工业制造等领域，火山引擎已服务数千家标杆客户，助其实现数字化升级和云上增长。

面对未来， ChatGPT 的横空出世让国内各大企业都开始抓紧AI大模型的研究，比如百度即将发布的“文心一言”、阿里的“通义千问”，腾讯、三六零、商汤也在紧锣密鼓布局自家的GPT产品。

AI大模型的风口已到来，未来人工智能的发展将重塑各行各业的生产、运营、管理、..等环节。但是对于各大企业来说，以何种方式参与这场盛宴，是值得思考的问题。

与上述大厂的打法不同，火山引擎并没有直接发布AI大模型，而是扮演了“卖铲人”的角色。

在4月18日的2023火山引擎春季FORCE原动力大会上，火山引擎展示了云技术、云服务和云场景方面的最新探索、应用与实践，在敏捷迭代、数据驱动、体验创新层面发布了新品。尤其是在大模型训练云服务上，火山引擎通过提供AI基础设施帮助客户以更低成本、更高效率开发出自己的大模型。

这条路真的行得通吗？

01

不上云就会输在起跑线上

先来说说火山引擎这场发布会。

数字化时代，将对企业的运营、管理、..、销售等流程带来颠覆性的改变。

在此背景下，企业“用云”已是大势所趋。云的弹性，不仅能够帮助企业降低成本，也能大幅降低创新所需要的等待时间。可以说，未来企业的核心竞争力，一定是以“上云”为基础，通过云的敏捷、弹性实现其数字化的快速迭代。

在征探财经看来，不使用公有云服务的企业一定会输在起跑线上，坚定上云、非必要不自建，应该成为IT基础设施建设的业界共识。

那么，开放字节跳动11年技术沉淀的火山引擎，究竟值不值得大家信任？或者说，开放了字节跳动快速发展过程中增长方法的火山引擎，能否借助差异化的竞争优势，帮助更多外部企业获得云上增长？

看完发布会，客观来说，征探君还是有点惊喜。接下来，我们从敏捷迭代、数据驱动、体验创新这三部分为大家解析整个发布会的内容。

先来说说敏捷迭代部分，随着AI大模型技术应用爆发，传统数据中心已无法满足海量数据的处理需求，而基于DPU+CPU+GPU的异构计算正在成为下一代智算中心的主流。

目前，火山引擎自研DPU已达到业界领先水平，网络性能高达5000万pps转发能力、延迟低至20us。基于自研DPU的各类计算实例性能也有显著提升，例如适用于大模型分布式并行训练场景的GPU实例，相较上一代实例集群性能最高提升3倍以上。

与此同时，自动驾驶、VR等新兴应用场景的诞生，带来边缘指数级别的数据增量，根据IDC报告，2025年超过30%的数据需要边缘实时处理。另外，随着私有云继续存在，以及多云的趋势，也就要求企业必须有能力处理好分布式多云体系带来的挑战。

在本次火山引擎发布会上，火山引擎正式发布了分布式云原生、多云安全、多云CDN、混合云veStack等产品，帮助客户解决了从单一公有云架构向多公有云架构、从传统架构向混合云架构的升级，形成覆盖1-40ms不同延时的现场边缘、近场边缘和云边缘的体系化架构。

当然，“用云”并不是目的，如何通过“用云”真正实现运作效率的提升，并实现云上创新，才是企业所追寻的目标。

尤其是大模型推动的浪潮下，如何实现行业智能化升级，是国内很多科技公司目前在聚焦和不断建设的重要领域之一。为此，火山引擎升级了机器学习..，支持万卡级大模型训练、微秒级延迟网络，让大模型训练更稳更快；发布了智能推荐-高速训练引擎，可将模型的训练推理效率进行极致优化，让外部客户通过云服务享受跟抖音推荐一样的智能推荐的基础设施。

除此之外，火山引擎在数据驱动层面，提出了数据飞轮，发布了管理驾驶舱Plus、Serverless版本Flink计算服务，升级了LAS。在体验创新层面，火山引擎针对原有产品在AR互动..、创意互动Vlog、虚拟数字人、音视频云端一体解决方案veVOS、飞连等产品进行了升级，帮助企业在用户体验上进行创新，多维度重塑消费者体验。

整体来看，火山引擎虽然是“年轻”的云服务..，但基于字节内部多年技术沉淀，在企业云服务方面已然是一名“老司机”。不过，随着AI大模型时代的来临，各行各业原本的生产、运行模式或许都将多多少少受到重塑，火山引擎能抓住机会吗？

02

迎接AI大模型时代

当下，ChatGPT的爆火让AI再一次成为各行各业竞争的制高点。

这让大家意识到，AI大模型的确能深刻改变人与人、人与机器的协作方式，并对内容生产、办公协作、商业、教育、传媒等不同领域产生巨大影响。

风口来临，也在全球范围内掀起了大模型开发的热潮。不过很快这些创业者们就被泼了一盆凉水，因为这场游戏太烧钱了，普通玩家根本承受不起。

比如根据国盛证券估算，GPT-3的单次训练成本就高达140万美元，对于一些更大模型，训练成本介于200万美元至1200万美元之间。

除此之外，能耗问题同样能把普通玩家拒之门外。知名计算机专家吴军曾谈过，ChatGPT每训练一次，相当于3000辆特斯拉的电动汽车，每辆跑到20万英里，约32.19万公里。

因此，对于大多数企业而言，让AI大模型落地的最大瓶颈在于训练成本太高，以及后续的训练..的稳定性。

当然，想要解决上述问题，办法还是有的，因为火山引擎新版的机器学习..就是为了解决这个痛点。

据了解，火山引擎机器学习..经过抖音等海量用户业务长期打磨，不仅GPU弹性计算实例可灵活调度资源，随用随取，最高可以为客户节省70%的算力成本，还支持单任务万卡级别的超大规模分布式并行训练场景。通过潮汐、混部等方式，火山引擎实现资源的高利用率和极低成本。以抖音推荐系统为例，工程师用15个月的样本训练某个模型，5小时就能完成训练，成本只有5000元。

得益于机器学习..稳定、灵活、低成本等优势，火山引擎也有了不同行业的典型应用案例。

比如在创新药研发领域，火山引擎帮助药企降低在研发过程中的算力门槛，使用人工智能的前沿算法，结合计算化学、药物化学和生物学的工具及经验，全方位攻克小分子药物早期研发流程中的疑难问题；在自动驾驶领域，火山引擎为企业的大模型训练提供算力支持，助力训练模型效率提升100倍；在大模型创业领域，火山引擎也获得MiniMax、智谱AI、昆仑万维等众多企业的良好反馈。

今后的时代一定是AI的时代，好用的机器学习..和极低的训练成本控制，一定会受到欢迎。从这一点上讲，作为“卖铲人”的角色，火山引擎有着很大的发展机会。

03

能否弯道超车？

今年3月，百度CEO李彦宏说，文心一言带来的优势，让百度智能云有可能成为市场第一。

这番表态有点语出惊人，但的确有可能，毕竟大模型训练成本真的不低。那么，火山引擎“淘金卖水”的模式更有可能弯道超车，还是百度、阿里的模式更容易呢？

这两个模式，一种是为做大模型的公司提供AI基础设施，一种是让企业基于云厂商大模型生态去发展。

目前比较统一的观点是：大模型不会一家独大，而是会在千行百业生长。

首先是，纵观科技发展史，在技术不断变革的时代，很难有一家公司长期垄断市场，大模型领域也是如此。

其次是，目前通用的大模型很难自己形成生产力，还需要下游的知识库、模型来协助，所以现有围绕云厂商大模型生态究竟能发展多大，很难说。

再者是，许多行业的AI应用并不需要巨大的基座模型，比如AI在房地产销售领域的应用并不需要写代码、在金融理财产品领域的销售也并不需要了解稀奇古怪的化学方程式。

而更重要的原因是，大模型还在发展初期，面临数据安全、内容安全、隐私保护、版权保护等许多问题。所以，现阶段各个行业更有可能根据自己独有的高质量语料库，训练自己的大模型，让其应用在特定的场景或行业实现真正落地，建立自己的商业壁垒。

综上来看，大模型更有可能在千行百业生长。如此，会有很多企业需要重塑自身产业的智能应用，并借助开放的AI基础设施，达到这一目的。以现有大模型对云的资源消耗来看，“淘金卖水”的模式或许赚大了。

在云服务市场，火山引擎能实现弯道超车吗？一句话，道阻且长，行则将至。

作者 | Greg

来源 | 征探财经（ID:teccj6)

本文到此结束，希望对大家有所帮助。