“一個聰明人從敵人那里得到的東西，比從一個傻瓜朋友那里得到的東西更多。”

——哲學家格拉西安

這句格言，正在AI領域被現(xiàn)實驗證。美國的限制政策總會告訴我們，哪些東西是發(fā)展AI至關重要的。

2024年10月，美國商務部再次升級制裁，限制中國實體訪問美國的云服務，理由是“防止利用美國基礎設施訓練AI模型”。這標志著美國對華算力基礎設施的“雙管齊下”：先斷GPU芯片，再封云服務，最終目標是讓中國AI陷入算力斷崖。

有讀者會問，DeepSeek降低了單模型算力需求，把英偉達股價都打下來了，怎么AI算力仍然短缺呢？

一方面是總量在增長。正如杰文斯悖論所說，技術進步降低了使用成本時，資源的總消耗量反而會增加。比如燃油效率提高了更省油，但隨著開車變得便宜，人們就會更多選擇開車，結果導致汽油的總消耗量增加。AI也是如此，模型門檻下降導致智能化應用多了，總算力需求也就更大了。

此外，還跟算力集群的利用率有關。一位銀行總工程師分享到，自家搭建的混合異構算力平臺，高峰期算力集群利用率能達到60%就算優(yōu)秀了，花大價錢采購的算卡資源，很多都被浪費或閑置了，加上配套系統(tǒng)與運維成本，整個資金投入非常大。

既然自建算力集群買不到卡、成本高，從云端獲取算力的GPU云服務，就成了絕大多數(shù)企業(yè)用好、用活大模型的最佳選擇。

那么，GPU云服務作為AI算力的另一根支柱，中國準備好了嗎？

從云端獲取算力，理想很豐滿，但現(xiàn)實很骨感。GPU云服務還沒有被企業(yè)普遍接受。一位金融從業(yè)者就告訴我們，整個金融行業(yè)對GPU 云的認知還比較模糊，大家習慣了傳統(tǒng)的硬件采購模式，對云服務的接受度并不高。

為什么不高？這有兩個原因：

一是同質化嚴重。對比市面上的GPU云解決方案，會發(fā)現(xiàn)算力層、平臺層都高度同質化，采用的GPU芯片大同小異，平臺功能也差不多。以至于有人覺得GPU云服務商提供的軟件沒什么太大價值。結果就是GPU云市場，目前的競爭主要是卷低價。

二是創(chuàng)新不足。同質化并不意味著GPU云服務的痛點和挑戰(zhàn)都已經被解決了，實際上，同質化正是創(chuàng)新不足的表現(xiàn)。比如說，隨著大模型的參數(shù)規(guī)模擴大，一個千卡集群的百P算力，訓一個類Sora大模型就被占滿了，其他客戶需要算力，就得擴大集群規(guī)模，但AI芯片是很敏感的，從千卡到萬卡、超萬卡，故障率和運維難度也快速上升，怎么保證集群的穩(wěn)定性，不能動不動就中斷重寫checkpoint？

花了大價錢買的GPU卡，結果有一半都在“摸魚”，怎么讓資源管理更精益，投資不浪費？

算卡供應鏈的不穩(wěn)定，很多集群的架構不同、批次不同，無法合池訓練，存在資源墻怎么打破？

國產芯片的適配難，新模型的訓練時長比英偉達方案多出好幾倍，一直沿用的訓練推理一體化流程，在異構算力環(huán)境下漏洞百出，又該怎么辦？

不難看到，不是行業(yè)用戶不想用GPU云服務，而是市面上的解決方案都趨于同質化，過早開始卷價格。這種情況，與內卷化的定義異常契合。就像農業(yè)發(fā)展到一個確定形式之后，便停滯不前或無法向更高級轉化。

GPU云市場，還處于方興未艾的發(fā)展初期，各行各業(yè)都需要上云用算來進行AI訓推，有巨大的市場空間等待打開，不應過早跌入同質化、內卷化的泥潭。

但要打破內卷，就得拿出有壁壘的差異化解決方案，讓GPU云算力真正降本增效，從而帶動企業(yè)用戶的增長，以及整個GPU云的產業(yè)升級，就像一塊耕地，通過優(yōu)化種植技術和精耕細作，進一步提高糧食畝產量，從而避免卷入“谷賤傷農”的價格戰(zhàn)內卷。

向技術要答案，一直是百度的特點。AI時代，百度智能云也憑借AI基礎設施和技術能力在云市場異軍突起，率先點亮了國產三萬卡GPU集群，并且實現(xiàn)了幾乎無損的混合訓練能力，集群利用率高達95%以上。憑借GPU云領域的突出能力，百度智能云成為超半數(shù)央企的選擇。

我們就以百度智能云為例，拆解一下GPU云逃離內卷的技術密碼。

破解GPU云市場的內卷難題，必然要改變傳統(tǒng)集群規(guī)模拓展難、故障率高、資源利用率低等問題，那就要從基礎設施下功夫。

具體來說，百度智能云以技術為工具，對GPU集群進行了三重改造。讓GPU集群從小農經濟式的粗放經營，變成現(xiàn)代農場一樣的規(guī)模化、集約化、精益化生產模式。

第一重改造：規(guī)模化，釋放超萬卡集群的澎湃算力。

“深度思考的大模型，業(yè)務用著不錯，下面要全集團推廣，你們盡快給算力擴容吧”，進入2025年，大模型上量成了IT人的一大挑戰(zhàn)。因為集群規(guī)模擴大一倍，故障率能飆升好幾倍，而實際運算效率卻出現(xiàn)了邊際遞減。如果集群是由不同城市的小規(guī)模集群互聯(lián)來構建的，那資源性能損耗就更嚴重了，數(shù)據(jù)時延也會讓在線推理服務的體驗大打折扣。如果AI思考一次就得十幾分鐘，員工用起來不耐煩，CTO怎么能不著急上火。

所以，百度智能云在構建規(guī)模化GPU算力集群，面臨的首要技術挑戰(zhàn)，就是如何提高集群的穩(wěn)定性，降低故障率，給性能調優(yōu)。

解題思路，就是軟硬協(xié)同。有點類似于NVlink+ CUDA聯(lián)手，充分釋放N卡算力。那百度智能云靠的就是百舸。百度百舸是專為AI計算設計的高性能算力平臺，讓多個芯片、多個集群都用“普通話”，實現(xiàn)跨芯片“交流”。

硬件資源層，百舸設計了一套新的物理網絡架構，就像是城市里精心規(guī)劃的高效路線，新一代的HPN網絡規(guī)模上支持10萬卡，可同時容納十萬卡并行訓練，這就為計算資源的高效運行提供了有力保障，讓AI模型訓起來更快更穩(wěn)定。

集群組件層，百舸自研的集合通信庫BCCL，可以實現(xiàn)GPU、昆侖芯等標準RDMA設備的互聯(lián)互通，使得通信效果達到最優(yōu)。以前沒有統(tǒng)一溝通方式的時候，不同芯片互不打通，常常出現(xiàn)混亂，那協(xié)同工作效率自然就很低了。BCC制定了一套統(tǒng)一的通行規(guī)則，就可以讓芯片高效協(xié)作，加上自適應并行策略搜索，自動規(guī)劃出最佳方案，就能讓各種硬件充分發(fā)揮作用，提升多芯混合訓練任務的整體效能。

訓推加速層，百舸在AI加速套件AIAK-LLM中構建了Accelerator抽象層，屏蔽硬件差異，相當于為多個集群開辟高速路，快速通信，讓各種硬件都能充分發(fā)揮作用，高效協(xié)作，由此來構建極致規(guī)模、極致高密和極致互聯(lián)的GPU集群。

想象一下，當企業(yè)使用萬卡、超萬卡集群時，就像一個源源不斷供給養(yǎng)分的算力土壤，無論是金融機構處理海量交易數(shù)據(jù)，還是運行復雜的科學計算模型，或者是AI智能體實時響應客戶需求，都能游刃有余。

目前，百舸已經具備了成熟的10萬卡集群部署和管理能力，在橫跨幾十公里的集群上，百舸可以把單一訓練任務的性能折損控制在4%以內，也讓百度智能云成為GPU云廠商中納管超大規(guī)模集群的一個標桿。

第二重改造：精益化，PD分離讓AI應用隨時在線。

如今，企業(yè)對算力的需求發(fā)生了巨大轉變，從過去側重于模型訓練，逐漸轉向更注重實時性的推理和后訓練階段，有點像城市交通發(fā)展到了一定階段，新路（訓練）就建得少了，取而代之的是防止車流擁堵（推理優(yōu)化）。

無論是B端用戶還是C端用戶，如果大模型思考十幾秒才給回應，用戶都會不耐煩直接退出，這就是“首token延遲”。為了盡可能滿足用戶“即時反饋”的嚴苛要求，就迫使模型廠商絞盡腦汁。不能忽略的是，算力基礎設施的優(yōu)化，就像是把路鋪平、修上護欄，提升系統(tǒng)的處理能力和并發(fā)效率，從而讓在線服務像上高速一樣順暢運行，大大降低延遲率。

PD分離加速技術成為云廠商們競相展示的“王牌”，而百度智能云的PD分離式推理基礎設施，憑借全局優(yōu)化能力脫穎而出。

物理網絡層面，百度智能云打造了HPN（High-Performance Network）高性能網絡集群，擁有自適應路由算法，像智能導航一樣，避免了大規(guī)模數(shù)據(jù)傳輸時（如Alltoall）的流量集中問題。全新的拓撲結構，如同重新規(guī)劃的城市路網，降低通信瓶頸，使帶寬有效性達到90%以上，讓交換機轉發(fā)延遲大大降低，集群傳輸又快又穩(wěn)。

流量管理層面，百度智能云自研的高性能KV Cache傳輸庫，為高優(yōu)先級隊列預留帶寬，相當于“特殊車輛優(yōu)先通行通道”；分層傳輸設計支持多層KV Cache復用，相當于潮汐車道，根據(jù)數(shù)據(jù)流量靈活調整傳輸通道，提升通行效率，并且訓推任務互不干擾，貨車轎車“各走各道”，實現(xiàn)了DCN彈性RDMA滿帶寬傳輸，讓數(shù)據(jù)高效流通。

通信組件層面，百度智能通過Alltoall算子優(yōu)化和動態(tài)冗余專家編排，優(yōu)化計算流與通信流，確保集群中所有GPU通信時間一致，顯著提升吞吐量和性能。

以往企業(yè)使用大模型時，常因算力瓶頸、數(shù)據(jù)傳輸慢等問題受限，如同灌溉管道不暢影響了養(yǎng)分輸送。而百度智能云將網絡基礎設施、通信組件與上層業(yè)務深度融合，精心修建了一套高效的“算力管網”，可以讓數(shù)據(jù)、算力在不同業(yè)務場景間快速流動，能夠助力各行各業(yè)快速應用大模型，解決企業(yè)智能化轉型的當務之急。

第三重改造：多元化，一云多芯筑起算力可靠圍墻。

限卡又限云，已經是美國遏制中國AI發(fā)展的明牌。完全依賴英偉達風險太大了，國際形勢變化頻繁，供應鏈隨時可能被卡脖子，企業(yè)構建算力集群，不能押注在單一芯片，會考慮一云多芯。但采購國產芯片分散風險，異構芯片納管與并行計算效率低，不同類型芯片之間協(xié)同工作困難重重，算力資源浪費嚴重。

在國內算卡供應緊張的當下，讓多樣化芯片能夠協(xié)同訓練，意義不用多說。“一云多芯混訓”的能力，也讓百度智能云成為多數(shù)企業(yè)GPU云的選擇，比如長安汽車。

走進長安汽車智算中心，就像是一座算力工廠，依靠百舸平臺與長安汽車自研的 “星環(huán)平臺”，將算力資源發(fā)揮到極致。過去，服務器像低效運轉的老舊生產線，大量算力被閑置浪費。如今，百舸升級的智能調度系統(tǒng)，集群平均算力使用率飆升至90%，綜合資源利用率提升50%。

再比如某個頭部城商行。對銀行來說，業(yè)務可持續(xù)性至關重要，如果用戶訪問不了系統(tǒng)、辦不了業(yè)務是重大事故。既要自主可控的異構算力集群，又要穩(wěn)定可靠的服務保障，對城商行的基礎設施提出了巨大挑戰(zhàn)。該城商行與百度智能云合作，通過異構平臺在算力感知的情況下，進行統(tǒng)一調度，讓不同芯片不再“打群架”，可以被混合管理、混合使用，從而兼顧了算力安全與業(yè)務穩(wěn)定。

再到百度自建的國產昆侖芯 P800 大型單一集群里一看，資源利用率更是高達 98%，讓每一張GPU都物盡其用。

原來，單一服務器最多容納8張計算卡，而昆侖芯超節(jié)點技術可以將64張昆侖芯P800集中于單機柜，并且通信效率堪比單一機型。跨集群層面，百度百舸打通集群內的網絡墻，實現(xiàn)異構芯片互聯(lián)互通。通過accelerator 抽象層，屏蔽底層芯片差異，通過統(tǒng)一接口實現(xiàn)異構芯片的“即插即用”；采用自適應并行工具，找到最優(yōu)的切分策略，根據(jù)芯片性能自動分配任務，減少性能損失。最終實現(xiàn)了近乎無損的“萬卡級多芯混訓”能力。

在萬卡規(guī)模上，百舸可將兩種芯片混合訓練，目前一共支持 18 種以上芯片類型，徹底解決了一云多芯混訓的復雜難題。

如今，經過規(guī)模化、精益化、多元化的三重技術改造，GPU云已從零散低效的“算力作坊”，升級為高效精益的“現(xiàn)代農場”。百度智能云也憑借在GPU云服務領域的卓越表現(xiàn)，成為頭部廠商中增速最快的云服務廠商。IDC最新發(fā)布的《中國智算專業(yè)服務市場報告》中，百度智能云憑借AI解決方案實施服務，成為行業(yè)第一，領跑市場。

這說明，依靠技術創(chuàng)新，GPU云廠商可以逃離內卷，為行業(yè)和客戶創(chuàng)造差異化價值，讓GPU云服務在企業(yè)級市場煥發(fā)出充沛的價值。

堅持“技術精耕”，百度智能云走了一條向技術要效益、向技術要價值的良性發(fā)展之路。不僅讓其在GPU云市場建立差異化競爭的壁壘，也為整個行業(yè)從粗放走向精益，從內卷走向高質量發(fā)展，提供了一個很好的參考樣本。

那我們不禁要問，為什么百度智能云能擺脫內卷的漩渦？是什么讓百度智能云有所不同？

一方面，是百度的技術基因，經過多年在AI領域的發(fā)展，百度及百度智能云已經打造了一系列高度適配AI業(yè)務、具有獨特創(chuàng)新能力的“尖刀型”技術，有力地解決GPU云集群建設中的痛點與難點。

另一方面，是百度智能云的發(fā)展路徑清晰，向技術要答案、不走內卷化之路的戰(zhàn)略選擇是明確的，這也決定了百度智能云必須在技術上下苦功、登天梯。面對需求側的企業(yè)客戶，以供給側的高質量GPU云服務，回應AI規(guī)模應用的復雜算力需求；面對云市場的競爭對手，以技術領導力帶動GPU云產業(yè)的高質量發(fā)展，避免裸金屬的紅海價格戰(zhàn)，以百舸為核心的能力與服務，開拓更大的價值空間。

GPU云的未來，不是卷“誰更便宜”，而是看“誰敢創(chuàng)新”。真正的技術領導者，將贏下這場AI算力革命的主導權。