AI 大模型热潮来袭，当下，越来越多的大模型在千行百业中落地应用。作为 AI 大模型的“底座”，AI 基础设施承载着顶层大模型的建设，也是大模型应用落地的关键。在算力、数据和基础软件三大 AI 基础设施中，算力是驱动大模型发展的底层动力，数据是训练大模型的信息基础，基础软件则是大模型应用落地的主要效率支撑。
6 月 30 日，九章云极>
在发布会上，九章云极>
大模型时代的 AI 技术依然需要“最后一公里”的结合。方磊指出，软件、模型和硬件的统一优化空间巨大，是创新最活跃的地方。强大灵活的基础软件，开放弹性的白盒模型，精通业务的专业人才，将加速实现最后一公里的跨越。
大模型时代，AI 基础软件扮演什么角色？
的爆火加速 AI 大模型应用落地。今年以来，越来越多的企业涌入 AI 大模型赛道，行业进入“白热化”竞争状态。有不少专家表示，大模型背后的技术理念早已存在多年，因此 AI 大模型并不存在技术壁垒。
“现在训练 AI 大模型最大的挑战主要集中在算力和数据层面”，九章云极>
在这一背景下，AI 基础软件的重要性凸显。未来随着算力性能逐渐同质化和标准化，数据的差异性和企业需求的个性化逐渐加大，“AI 基础软件”将成为模型训练效率和算力使用效率的决定性因素。作为模型生态系统的中坚力量，AI 基础软件将会成为大模型应用落地的最主要的效率支撑，并通过大模型+小模型的方式，形成模型训练新范式。
与构建传统应用相比，构建大模型应用的基础软件主要解决系统和架构层优化，通过一系列工具和服务，帮助企业快速、高效构建上层 AI 应用。于建岗表示，“训练大模型需要庞大的计算集群，如何更好的处理集群之间的通信？如何更好的进行模型切分？如何更好的利用内存和显存？这些都需要 AI 基础软件来解决。AI 大模型时代对基础软件最大的诉求就是如何实现模型训练优化，包括运行时推理效率的优化等等。”
模型训练新范式：大模型+小模型
AI 基础软件使得 AI 技术的应用更加广泛和高效，并为各个行业和领域的发展提供了强有力的支持。当前，企业对 AI 技术的关注度高涨，也为 AI 基础软件市场带来新的增长机遇。Gartner 预测，中国的 AI 软件市场将保持快速增长。预计未来五年，该市场的营收将从 47.67 亿美元增长至 138.58 亿美元，年复合增长率(CAGR)达到 28%。
“现在，越来越多的企业意识到 AI 基础软件的重要性。九章云极>
基于这种认知，九章云极>
作为人工智能基础软件体系，AIFS 主要包括>
“我们认为一个足够智能的、能够覆盖所有小模型的大模型时代还没有到来，比如在精准科学计算和符号推理方面大模型并不比小模型可靠，所以当前还是大小模型并存的时代。”在于建岗看来，大模型可以基于对通用知识的理解变得更广泛，也可以通过压缩或者知识蒸馏，部署到小模型环境中去替代一部分能力。但整体而言大小模型并存的时代还会延续一段时间。
九章云极 target="_blank">大模型和小模型的融合使用，大模型的小型化，或者说以大模型为底座的小型化微调，也是一种趋势，这种方式能够以低廉的成本解决大量的问题。
“大和小是一个相对的变化。”当前大模型的参数标准并不统一，相对于参数级，模型的效果且是否能够支持快速迭代对于用户实际应用来说更为重要。用户能够在一个白盒大模型基础上快速地、低成本地微调和迭代出客制化的小模型，才能高效地实现丰富场景的大模型应用。这就再次点明了 AI 基础软件工具链的重要性。
值得一提的是，本次发布的 top="2652">数据处理新范式：DataPilot
在过去的十几年，数据通常被认为是 AI 的原料、基础要素。而大模型的出现，让数据得到了 AI 的反向赋能。
利用>
九章云极>
基于“向量海”理念，DataPilot 所包含的>
其中，DingoDB 作为一款开源的多模态向量数据库，将是向量海时代的强大引擎。它结合了数据湖和向量数据库的特性，支持存储任何类型（键值、PDF、音频、视频等）和任何大小的数据。通过 DingoDB，用户可以构建专属的数据“向量海”，不论是结构化还是非结构化数据，仅通过 1 套 SQL 即可完成多模态数据的分析与科学计算。
“未来，AI 基础软件的发展会更加多样化，模型之间的数据交换也会更加频繁，也许会产生新的连接方式与生态。此外，在国家战略与政策推动下，未来可能会出现一些相对统一化的模型，这些都会驱动 AI 基础设施进一步升级。”周晓凌说道。
