文｜魏琳華

編｜王一粟

大模型落地如火如荼，從上一代AI浪潮中殺出來的商湯，嗅到了這里面新的機會。

在最火的具身智能賽道，這兩年誕生了許多明星創業公司。這些創業公司的創始人往往擁有技術明星的光環，不少都是在學術界中某個技術領域中響當當的領頭人。

這些初創公司雖然在某一個單點技術上遙遙領先（大腦、小腦或者本體），但在機器人落地過程中，要突破從單一技術到整體復雜產品的整合。

比如，機器人要做到“能聽會看”，就要深度集成AI大模型的能力，需要與AI服務商有密切的合作。

“大家不需要從頭再去做視覺算法研發，這樣效率比較低。”商湯科技聯合創始人、大裝置事業群總裁楊帆對光錐智能稱，“比如在一些特定的任務抓取識別上，只要能快速滿足需求，廠商可能就多賣出去幾十臺機器人。”

商湯科技聯合創始人、大裝置事業群總裁楊帆

除了AI模型，不少具身智能公司也面臨“數據缺失”“模擬物理規則”等難點。“商湯有這方面的能力和積累，比如之前做自動駕駛就會有一些歷史的數據和解決方案，這些和具身智能是相通的。”楊帆稱。

“不只是基礎設施，算力之外，還有很多相關服務。”在具身智能行業的實踐，體現出商湯在生成式AI時代的新商業思考——要圍繞AI做從模型、數據、算力等多個方面的技術服務商。

包括具身智能在內，加上AIGC、AI4S（AI 科學）、傳統企業智能化轉型，商湯在4月10日的技術交流日上給出了四個行業的解決方案。這些方案，并不是商湯一廂情愿的臆想，而是過去兩年中，在行業中淬煉出的“金丹”。

扎根行業，商湯的AI 基礎設施——大裝置落地就成了有根之木，有源之水。

一個不懂模型的AI 基礎設施廠商，不是一個好服務商。商湯用大裝置證明了這一點，也希望利用這一點賺取新時代的“技術溢價”。

受夠了傳統企業服務的苦，對商湯而言，從上一代項目制的業務中脫身，轉而做含金量更高的AI技術服務，才能真正體現技術的商業價值。

低門檻、高性價比，AI基礎設施怎么做？

直到今天，“性價比”仍然是AI大模型的生死線。

雖然DeepSeek在年初極大地推動了大模型的普及和成本降低，但在如何讓大模型變得便宜好用的命題上，AI 基礎設施的潛力還遠遠沒有挖掘完畢。

“今天，AI 基礎設施供應商對客戶的需求滿足度還遠遠不夠。”楊帆說，“今天最優秀、效果最好的模型，廠商還沒辦法拿到市場上直接提供服務，因為它的性價比太低。”

平衡大模型的性能和成本，卻不是一個簡單的命題。一個不同的選擇，會造成截然相反的效果。

楊帆舉了一個例子：

一家廠商需要做一個基于DeepSeek的對話產品，并根據自有數據庫再進行定制化訓練。但對于這樣一個模型來說，在調用量高和低兩種情況下，如果都采用分布式部署架構，兩者的性價比相差極大。

由于分布式架構本身硬件成本較高，在QPS（每秒查詢數）高的情況下，它可以高效利用資源，實現極致性價比；但在QPS低的情況下，反而會造成硬件資源閑置過多，從而讓成本比傳統部署更高。

所以，AI基礎設施從來不是一門只靠硬件就能做好的生意，從算力到模型，每一層都有無數個細小的選擇會決定最終的成果。

商湯正在做的，就是通過AI基礎設施和模型訓練的配合，結合AI基礎設施的三要素：算力、算法和數據，將大模型的性價比壓縮到極致。

作為底層架構的硬件端，商湯算力充足。到2024年底，商湯大裝置的算力規模比去年翻了近一倍，達到23000PetaFlops，超過了整個北京的公共智能算力。

商湯臨港智算中心（AIDC）

同時，商湯算力的構成一部分來自于國產芯片，避免被單一GPU“卡脖子”風險。但多種芯片難免會降低數據處理效率，商湯國產芯片異構訓練效率為同構的95%，保持效率的同時，商湯還能做到保持算力穩定、充足，其算力利用率高達80%。

在優化算力的基礎上，商湯通過算法優化策略，實現大模型訓練、推理兩部分的性能大幅提升。以推理為例，針對DeepSeek V3等第三方模型，商湯每秒處理Token數（TGS）已達1600+，在未做專項優化下，訓練效率竟然能優于DeepSeek的官方成績，要知道，DeepSeek可是以效率和成本著稱。

除了把性價比壓到極致，商湯的另外一個努力方向，就是把大模型業務做到更加易用。

當開源成為行業主流，商湯擁抱開源，是為了讓廠商能夠自由調用開源工具，降低大模型訓練門檻。

“今天有很多好的開源產品，它們幫助廠商更快地迭代自己的模型。”楊帆舉了個例子：

一個做模型同時做應用的極客團隊，在研發階段先用純開源的工具體系做快速搭建，驗證PMF（Product Market Fit，產品市場匹配度），但在業務上量的情況下，企業就需要選擇一個能幫助商業化的AI基礎設施服務商。在這個過程中，客戶希望繼續使用原來的開源工具，但服務平臺往往接口無法對齊，需要重新實現。

針對一系列開源衍生的需求，商湯升級的大裝置2.0版本給出了三個能力支持：開源兼容接口幫助廠商實現零成本遷移；模型廣場讓用戶自由選擇多種開源大模型并提供調用，實現零門檻使用；商湯的SenseCore平臺還提供優化過的各種開源組件，讓用戶可以根據自己的需求來自由調用。

當千行百業對于大模型的需求提高到“拿來即用”的標準上，商湯想做的，就是把模型的性價比打下來，同時讓廠商自身業務融入大模型的門檻降得更低。

懂客戶，商湯怎么做差異化壁壘？

不過，在競爭激烈的AI基礎設施供應商賽道中，商湯要想把營收做到第一梯隊，它面臨的競爭壓力依然不小。

面對硬件資源更加充沛，同時靠邊際效應把成本打得更低的云廠商來說，商湯們難以燒錢奉陪打價格戰。

競爭密切的領域，商湯怎么廝殺出重圍？

除了懂模型，更要懂客戶。

在和千行百業的客戶探索AI技術落地的十年中，商湯在無數個實踐結果后，最終推出了目前需求密切、落地更成熟的四大行業解決方案——具身智能、AIGC、AI4S（AI for Science）和傳統企業智能化轉型。

作為既做模型，也做AI基礎設施的服務商，商湯內部的產品、技術部門擁有成熟技術，把具體行業需要的對應能力直接“復制粘貼”提供給用戶，免去后者從頭鉆研的時間和精力成本。

以具身智能行業為例，針對數據短缺的問題，商湯能通過“仿真+真機”雙通道的解決方式，生成大量可用數據，直接用到模型的訓練中。將這些能力整合到一起，商湯針對具身智能行業拿出了“端到端”式的方案，從數據生產、工具支撐到模型研發，都能一手包辦。

這種“拿來即用”的產品在商湯內部還有很多。比如具身智能同樣需要應用的視覺算法，再到自動駕駛的歷史數據，還有模型訓練中需要的適配工具。

除了具身智能行業外，商湯還把這種能力延伸到了其他行業。

“實際上，無論是互聯網類客戶，還是一些線下傳統行業客戶，他們除了資源、平臺、訓練和推理的成本和性價比之外，還有很多不同的需求。”楊帆列舉了很多來自客戶的具體需求：

比如，有的廠商需要做模型定制，但模型需要在網信辦備案審核，但整體流程對于廠商來說復雜耗時，商湯可以把審核能力開放給用戶；有的廠商需要數據私有化，不僅要保護數據安全，甚至可能需要國密認證，商湯也能提供對應關鍵能力。

拿出成熟技術、打出“更懂客戶”旗幟的商湯，并未止步于基礎的MaaS服務，而是選擇再加碼人才，幫客戶走完落地的每個關鍵點。

在技術交流日中，楊帆提及，商湯在2023年專門成立了一個子業務板塊“AI專家服務”。

“其實在給產業智能化客戶提供服務時，我們發現，追求一鍵式部署、無代碼編輯等自動化功能對于這些廠商來說意義甚微。”楊帆說。

企業一般的需求是希望基于一個基礎模型，根據自己已有的數據做定制化模型，并且要求推理能夠滿足他們對性價比的要求。

對于需求明確，但對AI技術不夠熟悉的客戶來說，標準化的解決方案沒辦法解決所有問題。在這種情況下，商湯往往需要在配置AI基礎服務的基礎上加上服務能力，派出專家提供支持。

靠著人才服務的支持和技術know-how的輸出，商湯擁有了超越其他AI企業的差異化壁壘。

抓住生成式AI浪潮，商湯蝶變

技術的浪潮滾滾向前，一個殘酷的事實是，能真正穿越周期的企業是極少數。

2016年的深度學習浪潮中，如今留下還能堅持做通用大模型的已經寥寥無幾；2023年的大模型浪潮中，六小虎也開始分化，不少已經退出通用大模型的研發。

在巨頭之外，商湯是一個幸運兒。

目前，商湯自己一邊做模型，一邊把這個過程中習得的能力和優勢復制給客戶，把經驗做成真正有用的商品，成為了AI基礎設施服務中價值更高的附屬品。

在AI基礎設施服務+大模型服務的配合下，商湯的轉型已經初見成效。

根據IDC報告，2024年H1，商湯以14.8%的市場份額位居中國大模型解決方案市場第二。

目前，生成式AI也成為了商湯營收的中流砥柱，這代表了營收質量的提升。據財報，2024年，商湯生成式AI相關業務收入超過24億元，同比增長103%；其收入占總業務比例從2023年的34.8%，升至2024年的63.7%。商湯董事長兼CEO徐立曾表示，生成式AI也是商湯最快突破20億元規模的業務。

從AI 1.0時代到2.0時代，生存超過十年的商湯，一直埋頭做AI技術，保證核心技術在第一梯隊。

大裝置業務，是商湯“反向求解”的一次實踐。

早在2018年，由于做感知智能時遇到了海量數據處理的問題，商湯基于技術需求，打造了國內首個AI千卡集群原型機。2020年，商湯又建立了國內首個智算中心。彼時，這樣的重資產投入對于商湯來說，是一筆不小的成本。

但正如英偉達為了游戲的極致視覺體驗鉆研GPU，從而在深度學習的時代“無心插柳柳成蔭”，成為當下AI時代的最大贏家。商湯在AI 1.0時代的資產投入，變成了AI大模型訓練的“礦井”。

再以AI基礎的三要素算力、算法和數據作為維度評判，商湯在擁有充足算力的基礎上，既有底層硬件優化、自研大模型的經驗，又有合成數據的能力和歷史數據沉淀。這就使商湯從一般的AI基礎設施供應商中脫穎而出。

技術交流日上，商湯大裝置面向具身智能、AIGC、AI4S以及傳統企業智能化轉型推出四大行業解決方案，則又是一次“反向求解”的成果。

對于一家公司而言，高舉高打的戰略固然重要，但貼地飛行的經驗總結才是制勝關鍵。畢竟，實踐出真知。

商湯在和客戶合作的過程中，能深度洞察到行業的痛點和需求，再根據自身落地的實踐成果，把成功的經驗重點做批量復制，最終完成商業的閉環。

重技術的商湯，在一次次反向求解中，終于找到了屬于技術主義者的勝利。