文章核心观点 - 2025年服贸会"数字开物·奇点π对"主题沙龙活动聚焦AI与算力生态 探讨大模型技术演进、AI应用落地、智算中心基础设施创新及产业链协同发展路径 [1][3][26] 大模型技术演进趋势 - 大模型成为人工智能发展核心方向 能力过去数年飞速提升 [5] - 产业面临关键转变：数据重心从公开数据转向私域及专业领域 算力焦点从模型训练大规模转向推理部署 [5] - 智能体成为大模型核心应用模式 包括三类产品创新：通用开发平台、通用应用、面向特定任务的专用智能体 [5] - 智能体商业落地呈现研发与营销服务端强、生产制造环节弱的"微笑曲线"形态 有望成为未来智能时代"核心原子细胞" [5] - 企业落地大模型面临高投入成本、效果不确定性和技术栈复杂等挑战 需采取系统化工程思维 [5] AI应用落地实践 - AI应用无需自建大模型 利用开源模型结合垂类行业数据积累是更高效路径 [7] - 来画科技打造AI数字人伙伴Vinabot 通过多模态大模型将虚拟IP与实体陪伴机器人结合创造情绪价值 [7] - 来画科技推出AI翻译产品线 包括翻译机、翻译耳机及无障碍会议室 凭借多年积累精准语料库打破语言边界 [7] - 思必驰利用自研AI语音算法和降噪技术提升会议通话效果 通过AI硬件私有化生成会议纪要保障数据安全 [9] - 思必驰核心产品"AI办公助理"将会议内容高效转化为结构化纪要 形成从前端开会到后端纪要生成的闭环管理 [9] 智算中心基础设施创新 - AI大模型推动服务器硬件形态改变 超节点驱动智算中心基础设施深刻变革 [11] - 大模型参数指数级增长及混合专家模型(MOE)等范式转变 需突破单节点GPU/CPU内存墙限制和通信带宽延迟不足问题 [11] - 业界全面转向Scale-up网络架构为核心的"超节点"解决方案 要求数据中心具备更高承重与层高 液冷和高压直流成为技术趋势 [11] - 未来智算中心需具备高密度、高效率、高弹性和大规模"四高"特征 浩云长盛已在京津冀及长三角布局新一代数据中心资源 [11] - AIGC从单一工具演变为多模态基础底座 推动智算中心向规模化、服务普惠化及PUE驱动绿色化格局演进 [13] - 优刻得通过规范化建设与高标准运维打造安全高效可靠智算基础设施 提供持续稳定算力支撑与服务保障 [13] 智算中心运营挑战与解决方案 - 智算中心建设运营面临严峻稳定性与投资回报挑战 大规模训练中GPU卡、显存和光模块损坏影响训练效率和成本 [15] - GPU技术快速迭代导致现有算力贬值及商业回报降低风险 平台框架效率低下和推理资源利用率不足阻碍算力价值转化 [15] - 沨呵智慧提出"精益智算"理念 通过智能调度引擎提升GPU利用率 预判式运维和Checkpoint断点续训保障训练稳定性 [15] - 沨呵智慧通过模型全生命周期管理提供一站式训推服务 系统性解决智算管理痛点 [15] 数据中心冷却技术演进 - AI产业向百万卡级超大集群演进 芯片与机柜功率密度爆炸式增长 传统风冷无法满足需求 液冷成为数据中心散热必然选择 [18] - 液冷市场中冷板式占主流 但面向未来超高密度AI集群 相变浸没式液冷是具有应用潜力方案之一 [18] - 曙光全浸没相变液冷技术具备性能强劲、兼容性好、高密度部署及安全可靠特点 已在多个国家级先进计算中心落地 [18] - AI兴起对算力中心散热提出巨大挑战 传统风冷在单机柜30千瓦以上功耗时显现瓶颈 液冷技术优势日益凸显 [20] - 液冷技术包括直接芯片冷却、浸没式冷却等类型 混合式液冷成为未来高性能计算关键技术方向 [20] - 通过能源梯级利用和余热回收技术 可将算力中心从散热负担转变为能源枢纽 提升整体能源效率 [20] 圆桌讨论：AI与算力产业发展 - AI陪伴是极具潜力应用赛道 预计2030年产业价值突破千亿美金 算力是未来"新基建"将衍生数字产业 [23] - 大模型驱动AI浪潮是没有终点的技术革命 AI产业链从上应用到下层算力基础设施构成"开辟式创新" [23] - 智算产业拥有巨大带动效应 催生从应用、算力、电力到解决方案的紧耦合生态 [23] - 应用落地滞后于技术发展为AI创业者创造巨大机会窗口 未来算力将像水电、WiFi一样成为无感便捷的社会基础设施 [23] - 液冷技术全球化交付面临三大挑战：缺乏国际统一标准、技术新难度高要求运维能力严苛、跨文化专业人才短缺 [24] - 液冷技术处于高速增长期 ByteBridge在海外市场提出"冷却即服务"新模式 未来将催生混合液冷模式 [24]