上海提前布局智算服務：公共雲提供智能算力，專有雲實時更新知識庫

“兩朵雲”新基建將賦能千行百業

——“解碼上海AI產業鏈”②

5月11日，中國算力平台（上海）教育專區暨上海教育智算服務平台正式啟動﹔4月，上海發文要求加快“人工智能+政務服務”改革，推動雲、網、算等新型基礎設施融通﹔3月，上海提出未來要形成支撐性智算雲算力集群，提升智算服務能級……

今年以來，上海頻頻發布人工智能產業新政，其中“智算雲平台”成為關鍵詞，精准抓住大模型競爭的“命門”，也意味著上海算力基礎設施正逐步賦能千行百業。

業內人士認為，無論是公共雲的智能算力，還是專有雲的知識庫，上海均已提前布局，力爭打造更具競爭力的產業集群。

“AI上雲”正成為主流

今年初，DeepSeek“一石激起千層浪”，掀起全國算力浪潮的同時，也激活了雲計算平台的海量需求。

大模型訓練依賴“大力出奇跡”，隻有海量參數加上巨量算力，才能訓練出高性能的大模型。

面對算力需求，自建服務器成本過高，將大模型放在雲端服務器上訓練，僅需為算力消耗付費，成了多數中小AI企業的最佳選擇。因此，雲計算正成為AI產業的“新基建”，中國工程院院士王堅曾形容，“雲計算和大模型的關系，就像是電和電機的關系，未來的雲端算力會被模型消耗掉”。摩根士丹利最新報告也顯示，預計到2026年底，46%的數據將集中到雲計算平台。

近年來，“AI上雲”的趨勢愈發明顯。大模型廠商與雲計算平台的“雙向奔赴”，一方面是AI企業對算力的需求持續增長，另一方面是雲計算平台也在打造豐富的AI生態。

上海四大基模之一MiniMax自主研發的多模態通用大模型，從誕生到成長都在“雲端”。記者了解到，MiniMax大模型從上架騰訊雲到啟動訓練，僅需1天。此外，雲端訓練將大模型數據損耗壓縮至6%，GPU（圖形處理器）芯片的利用率提升40%，研發成本削減30%，算力能效發揮到極致。同時，MiniMax憑借雲服務器覆蓋全球的計算節點，還順利出海至180多個國家和地區。

也就是說，MiniMax不再需要為算力、網絡等基礎支持費心，僅需專注於模型迭代的研發工作，孵化出海螺AI、星野社區等明星產品，並成長為國內AI明星企業。

同時，雲計算平台也在接入更多大模型。“隨著單一模型難以覆蓋復雜場景需求，頭部廠商開始轉向多模型生態構建，這有助於綁定開發者與行業合作伙伴，穩固自身生態圈。”業內人士指出。

諸如，全球頭部雲計算平台微軟Azure綁定OpenAI的同時，也在開發輕量級模型Orca、小參數模型Phi等，優化推理成本。阿裡雲自研通義千問，搭建開源社區“魔搭”，吸引眾多開發者圍繞開源大模型進行創新。

AI智能算力成為發力點

“前幾年，國內雲計算平台缺少足夠應用場景，發展一度停滯。DeepSeek的算法優化，降低了雲計算的成本，也盤活了雲服務市場，創造了大量AI訓練的需求。”業內人士認為，未來幾年，AI智能算力仍將持續緊缺，這對提前布局算力的上海來說是絕對利好。

長期以來，上海積累了一批頭部的算力和數據平台。比如上海數據港長期服務阿裡雲、騰訊雲、網易等為代表的雲計算巨頭企業，利用自身的數據中心資源優勢，為AI企業提供高效的算力支持。雲賽智聯在算力資源的基礎上，還能提供數據處理、分析以及人工智能應用開發等解決方案。雲計算龍頭企業優刻得在算力租賃方面具有獨特的優勢，是全國首家公有雲科創板上市公司……

“國內最大的GPU智算中心落地上海，我們還在鬆江部署了新一代高性能計算集群，可為大模型提供強大的算力支持。”騰訊雲副總裁王前表示，上海的AI基礎設施完備，包括算力的技術設施領先全國，是AI產業發展的“骨架”﹔上海的AI應用場景豐富，金融、生物制藥、裝備制造、科技創新等行業齊備，發展較為成熟，為AI產業落地提供了“肌肉”﹔上海的科研機構集聚，科研人才豐富，人才的儲備就像AI產業的“血液”。

正是“骨架、肌肉、血液”完善的AI生態，讓上海穩居國內AI高地，具備很強的產業輻射能力。

基於充沛的通用算力基礎，更適合AI訓練的智能算力，正成為上海的下一個發力點。

今年3月底印發的《上海市關於促進智算雲產業創新發展的實施意見（2025—2027年）》提出，到2027年，上海智算雲產業規模力爭突破2000億元，智算規模力爭達到200EFLOPS（每秒百億億次浮點運算），其中自主可控算力佔比超70%，雲邊端協同、產業鏈條完備的生態體系基本形成，並打造若干綜合型智算雲平台和一批垂直型智算雲平台。

給大模型“上課”是關鍵

“模型是‘大腦’，知識庫是‘課本’，大腦智商再高，如果沒有學過相應的知識，也無法很好地解決問題。”騰訊集團雲與智慧產業事業群CEO湯道生認為，雲服務解決AI算力只是大模型落地的第一步，AI應用也離不開專有雲知識庫。

業內人士告訴記者，知識庫通常是企業或垂直行業經過邏輯關聯處理過的數據，儲存在本地部署的專有雲上，是大模型各類應用的核心競爭力。

眾所周知，大模型依靠訓練時的數據“記憶”來回答問題，知識庫就像是實時更新的“圖書館”。“大模型+知識庫”之后，大模型負責理解問題，然后從知識庫中精准檢索內容再回復，這樣在保証大模型能力的同時確保答案的准確性。比如，在AI醫療領域，大模型理解患者描述的症狀，知識庫提供最新的診療指南。

在這一方面，上海也開始摸索實踐。

今年2月，上藥控股打通藥學專業知識庫和DeepSeek-R1及混元大模型，融合推理能力與藥學專業領域知識，生產不同功能的AI智能體，為藥師和患者提供專業的藥學建議。依托騰訊雲在醫學知識圖譜上的優勢，上海瑞金醫院發布的醫學大模型已在十余個頭部臨床科室落地，以體檢報告生成為例，平均每5秒即可自動生成一份總檢報告，每天自動生成超過500份，報告採納率達到96%以上。

“越來越多的AI應用不再局限於純文本來生成回答，涉及的數據類型日益復雜，這也要求知識庫能夠處理和存儲不同類型的數據，並支持結構化、半結構化及非結構化數據的復雜融合查詢。”國產數據庫OceanBase的首席執行官楊冰表示，將大模型能力與知識庫專有雲結合，是讓模型應用更懂業務的關鍵所在。

（來源：解放日報 記者 查睿 束涵）

分享讓更多人看到