全球科技界的目光聚焦即將于拉斯維加斯開幕的CES 2025展會。作為全球技術趨勢的風向標，今年展會的重頭戲無疑是端側AI技術的突破性進展。英偉達內部專家預測，端側AI將在輕量化模型、多設備協同和行業應用上實現跨越式發展，成為展會最大的熱點。然而，這場變革也對算力基礎設施提出了新要求。

在端側AI快速發展的背景下，中國算力基建是否準備充分？記者專訪了科默羅技術的首席運營官（COO）湯浩。他從分布式算力的角度，分析了當前中國算力基建的誤區，呼吁業界轉變觀念，推動集中與分布協同發展的算力新生態，以抓住端側AI帶來的戰略機遇。

端側AI：算力生態的轉折點

“端側AI的核心特點是低延遲、高實時性以及廣泛的設備分布，這決定了單純依賴集中式算力模式是遠遠不夠的。”湯浩在專訪中開門見山地指出。

端側AI的典型應用場景包括自動駕駛、工業機器人和物聯網設備，這些都對算力提出了“本地化”需求。例如，自動駕駛需要毫秒級的反應速度，工業機器人在生產線上的實時調整也要求極高的延遲敏感性。這些任務如果完全依賴集中式算力中心處理，受限于數據傳輸延遲和網絡帶寬，很難實現理想效果。

“這并不是要否定集中式算力的價值，”湯浩強調，“在大規模模型訓練、復雜算法優化等領域，集中式算力仍然不可替代。但是端側AI時代的需求變化，迫使我們必須重新審視算力基礎設施的整體布局，推動集中式與分布式算力協同發展。”

分布式算力：端側AI的核心支柱

根據英偉達的預測，分布式算力將在端側AI時代扮演關鍵角色，其核心在于通過“端-邊-云”協同架構，靈活調度算力資源，以滿足多樣化的場景需求。

湯浩舉例說明了分布式算力在具體場景中的價值。例如，在智能制造領域，工業機器人可以通過邊緣節點處理實時計算任務，而更復雜的算法優化和數據分析則由云端完成。這種分層計算模式不僅提升了系統的響應速度，還有效降低了整體算力成本。

科默羅技術近年來一直致力于推動分布式算力生態的落地。湯浩透露，公司除了為客戶提供AI算法優化、芯片集成包等技術服務外，還幫助規模較大的品牌客戶搭建企業級私有分布式算力網絡。這一網絡通過算力動態調度和資源分布優化，能夠顯著降低企業對集中式算力中心的依賴，同時提高計算效率和數據安全性。

“我們的目標是為客戶提供定制化的分布式算力解決方案，讓企業在端側AI時代的競爭中占據主動。”湯浩說。

集中式算力的價值與短板

盡管分布式算力的應用場景在擴大，但集中式算力中心在許多領域仍然具有不可替代的核心作用。湯浩指出，集中式算力目前是支持大規模AI模型訓練和復雜數據處理的關鍵設施。例如，像GPT-4這樣的大型語言模型，需要集中式算力中心的高密度資源才能實現高效訓練。

然而，他也坦言，集中式算力模式在以下幾個方面存在明顯短板：

? 網絡延遲：對于實時性要求高的場景，例如自動駕駛，數據傳輸的延遲會直接影響決策速度。

? 能源與成本問題：集中式算力中心的建設和運營成本高昂，尤其是在能耗和碳排放方面，限制了其規模化發展。

? 資源分布不均：在地理分布廣泛的場景中（如遠程工業物聯網設備），集中式算力的覆蓋效率較低。

“集中式算力的價值在于提供頂層資源支持，但我們不能因為它的重要性而忽略了分布式算力的潛能。”湯浩總結。

分布式算力：技術實現的關鍵點

推動分布式算力大規模落地仍然面臨許多技術挑戰。湯浩進一步分析了當前的技術瓶頸：

1. 邊緣設備性能優化

邊緣節點往往受限于硬件性能，難以完成復雜的AI推理任務。解決這一問題需要依賴低功耗AI芯片的進一步發展，以及量化（Quantization）、剪枝（Pruning）等模型優化技術。

2. 算力調度與負載均衡

分布式算力網絡中，各節點間的任務調度和資源分配需要高效的算法支持。這涉及動態負載均衡、容錯機制以及實時資源監控等技術。

3. 數據一致性與隱私保護

在分布式環境下，如何實現數據傳輸的一致性和隱私保護是一個重要問題。技術手段包括聯邦學習（Federated Learning）、同態加密（Homomorphic Encryption）等。

湯浩表示，科默羅技術正積極探索這些領域的解決方案，并希望通過與產業鏈上下游的合作，加速分布式算力技術的成熟與普及。

中國算力基建的戰略調整：從集中執念到協同平衡

在談到中國當前的算力基建現狀時，湯浩毫不掩飾自己的擔憂。他指出，近年來，各地政府在推動算力基礎設施建設時，出現了一種“算力崇拜”的傾向，盲目追求投資規模和“大算力中心”的虛名，而忽視了實際需求和技術應用的多樣性。這種做法不僅導致資源的浪費，還可能給未來的發展埋下隱患。

“不能為了搞算力而搞算力，算力基礎設施的建設應該服務于實際的場景需求，而不是成為政績工程的工具。”湯浩批評說，一些地方政府醉心于建設大型算力中心，熱衷于宣傳自己擁有多少PFlops的算力規模，卻缺乏對算力分布優化的系統性思考和對分布式技術的投入。這樣的單一化發展路徑，不僅偏離了端側AI時代的需求，還可能在未來造成算力資源的結構性浪費。

湯浩進一步指出，大型集中式算力中心雖然看上去“高端大氣”，但并非越大越好。很多地方算力中心在建成后，實際利用率極低，出現“算力閑置”甚至“閑而無用”的現象，同時又承擔著高昂的運營成本和能耗負擔。他呼吁地方政府在規劃算力基建時，必須跳出“貪大求全”的誤區，更加注重投資的實際效益與算力布局的科學性。

“算力基建的目標是為產業提供支撐，而不是為了炫耀大算力集群的數據指標。”湯浩總結道，“端側AI時代，只有在集中式與分布式算力之間找到平衡，才能真正讓技術為社會發展服務，否則，我們可能既耗費了資源，又錯失了全球競爭的先機。”

構建端側AI時代的算力新生態

在CES 2025即將揭示端側AI未來格局的關鍵時刻，中國的算力基礎設施建設也正處在一個至關重要的轉折點上。正如湯浩所言，端側AI的全面爆發要求我們從“集中執念”中走出，以更加科學、平衡的方式構建集中與分布協同發展的算力新生態。這不僅是推動技術落地的需要，更是中國在國際競爭中搶占制高點的必由之路。

在這場智能革命的浪潮中，算力基建絕不能淪為簡單的投資規模比拼和大集群的虛名追逐。相反，它應當是一場扎根實際需求、服務產業發展的深刻變革。未來的算力布局，不僅要滿足端側AI多樣化的需求，更要體現技術與資源的最佳結合。

正如湯浩總結的那樣，“算力的意義在于支撐技術創新和產業升級，而不是為了‘規模’而建。只有真正跳出盲目求大的誤區，構建協同平衡的算力生態，中國才能在端側AI時代占得先機。”

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：