近两年来，智算中心建设火爆，各种新项目、大项目层出不穷。而刺激智算中心建设如此快速增长的根源，毫无疑问就是AI大模型与人工智能产业爆发带来的智能算力需求。

大模型作为需求方，不断推动着智算中心向更多、更大的发展。而智算中心作为攻击方，规划目标则是为了满足大模型训练或者推理的算力需求。但双方之间，真的只是如此单纯的甲乙方关系么？

智算中心的崛起

大模型以其强大的理解力、数据处理能力、深度学习能力及广泛的应用场景，成为最被看好的未来技术。同时，大模型无论是在训练阶段，还是应用推理阶段，对算力的需求都十分惊人，这也正智算中心兴起的关键所在。

根据中国IDC圈初步统计，截止2024年7月份，我国共有智算中心399座，其中规模超过万卡的智算中心集群多达16个（详情参考：中国16座万卡智算中心分析及最新产业动态）。

除了市场化的建设外，从数字经济可持续发展的角度出发，国家相关部门也纷纷发布智算中心建设政策和措施，推动智算中心建设的发展。

今年2月，国资委要求央企加快建设一批智算中心；4月发布的《数字经济2024年工作要点》要求适度超前布局数字基础设施；7月，《中共中央关于进一步全面深化改革推进中国式现代化的决定》提出要建设和运营国家数据基础设施。同期，国家数据局表示正在编制《数据基础设施建设指引》以推动数据基础设施的建设。

无论是市场推动，还是政策指引，因为大模型的爆发和应用需求，直接推动了智算中心的技术革新和规模扩张，也成为了智算中心最重要的客户群体。

客户身份之外

当前，大模型无疑是智算中心最重要的客户之一。它们通过租赁或购买算力资源，在智算中心上完成模型的训练和推理任务。然而，如果我们仅仅将大模型视为智算中心的客户，可以说智算中心反而即将错过大模型时代的机遇。

事实上，大模型在智算中心的应用过程中，不仅消耗了算力资源，还通过其强大的数据处理和分析能力，可以为智算中心的智能运维和性能优化提供了有力支持。例如，大模型可以基于海量数据对智算中心的运行状态进行实时监测和预测分析，及时发现并解决潜在的性能瓶颈和故障隐患。同时，大模型还可以通过对历史数据的深度挖掘和学习，不断优化智算中心的资源配置和调度策略，提升其整体运行效率和稳定性。

此外，大模型还可以作为可以互动的知识库，一方面用来辅助运维人员对当前运营状况进行定位和定性，提出运维参考；一方面可以作为运维人员培训的工具，加快数据中心人才的培养。

大模型的应用，不仅增强了智算中心的智能化水平和服务质量，还为大模型自身的优化和升级提供了重要反馈。可以说，大模型与智算中心完全可以形成一个相互促进、共同发展的良性循环。

不是客户，而是机遇

在数据中心领域之外，大模型的应用可以用“遍地开花”来形容。在医疗、金融、交通、教育、城市治理等领域，大模型以其独特的优势为行业带来了前所未有的变革和机遇。

在医疗领域，大模型可以通过分析海量病历数据和医学影像资料，辅助医生进行疾病诊断和治疗方案制定；在金融领域，大模型则可以通过分析市场数据和交易信息，为金融机构提供精准的风险评估和投资建议。

而算力作为重要的新质生产力之一，在为数字经济发展提供动力的同时，自身的高性能、高质量和智能化发展也是必然选择。因此，大模型在算力领域的应用也势在必行。

首先，大模型当然是智算中心的重要客户之一，为算力企业提供了稳定的收入来源和发展空间。同时，算力企业应该积极接受、引入大模型的应用，提升自身的技术实力和服务水平，以更好地满足未来发展对算力资源的需求和期望。

因此，智算中心需要将大模型视为推动其创新发展的重要机遇。通过加强与大模型的深度互动和合作，智算中心可以不断吸收和借鉴大模型在数据处理、分析优化等方面的先进技术和经验，推动自身在智能化运维、性能优化等方面的技术创新和升级。

基于大模型的创新驱动不仅有助于智算中心在激烈的市场竞争中保持领先地位，还有助于其构建起更加完善、更加智能的算力服务体系。智算行业应进一步发挥产业协同效应，推动智算中心与大模型之间的融合与发展。