随着人工智能(AI)技术的兴起，大模型成为从信息化走向数智化的重要驱动力。虽然基于大算力支持和超大规模语言数据作为训练样本的大模型技术能够支持自动文摘、机器翻译等基础通用任务，但在医疗、金融等专业领域中，由于缺乏行业知识，无法满足定制化、精细化和行业化的需求。

白皮书指出，全球持续深化云计算战略。2023年，全球云计算市场规模为5864亿美元，同比增长19.4%，在生成式AI、大模型的算力与应用需求刺激下，云计算市场将保持长期稳定增长，预计2027年全球云计算市场将突破万亿美元。

在中国，过去十多年，国家政策支持力度不断加大，持续加强云计算基础设施建设和行业应用。同时，各地积极贯彻落实国家战略部署，结合区域特点和发展需求，推动云计算技术创新和产业智能化应用。

2023年，我国云计算市场规模达6165亿元，同比增长35.5%，仍保持较高活力，同时，AI原生带来的云技术革新和各行业上云积极性持续攀升，正带动我国云计算开启新一轮增长，预计2027年我国云计算市场将突破2.1万亿元，市场格局也面临重新洗牌。

具体来看，头部互联网厂商保持IaaS领先优势的基础上，聚焦软件层性能优化、PaaS层模型训练和SaaS层智能化应用。运营商借助原行业渠道优势扩大IaaS层的优势，进一步升级智算供给能力。中腰部厂借助科技平台优势强势发力，快速推动原有云业务智能化转型从而抢占市场。

很多人可能是最近几个月才知道ChatGPT，但是大模型理论最早在2017年谷歌的论文《Attention is All You Need》中就提出。OpenAI在2018年6月就发布了初代GPT大模型，谷歌在2018年10月发布了BERT大模型。AI大模型发展迅速，最新的GPT-4大模型可以完成复杂的图像处理，通过律师资格考试。

据预测数据显示，中国人工智能（AI）市场支出规模将在2023年增至147.5亿美元，约占全球总规模十分之一。IDC预计，2026年中国AI市场将实现264.4亿美元市场规模，2021-2026五年复合增长率（CAGR）将超20%。

IDC分析AI硬件支出在五年预测期内占比将超中国市场总规模的一半，AI硬件支出的背后是对极致算力的需求。

大模型的大体现在海量参数训练，海量参数意味着需要极致算力。大模型参数都是万亿级别，根据公开报道，GPT-3大模型参数量多达1750亿个，使用了3000亿单词，超过40T的数据进行训练。GPT-3训练所使用的算力系统，是由1万个V100 GPU组成的高性能集群，总算力消耗约3640PF/days，即假如每秒计算一千万亿次，需要计算3640天。

AI大规模对算力集群的性能、可靠性、成本等方面都提出了极致要求。对于科技巨头来说如此巨大的投入还可以承受，但是对非科技巨头企业来说，往往没有能力自建算力集群，即使花巨资建设了算力集群，在计算的间歇期必然有大量的算力闲置，会造成巨大的浪费。对于这些企业来说解决方案就是使用云服务，云服务可以弹性伸缩按需付费。

免责声明：

1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。

2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。

3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。