近期，DeepSeek的火爆表现无疑为资本市场注入了一剂强心针，激发了投资者对AI+产业链的热情。在2月5日开工首日，DeepSeek概念指数飙升14.73%，AI应用端和科技板块全线上涨，而2月6日早盘，A股TMT科技板块继续保持强劲势头，DeepSeek与AI算力概念尤为活跃。
就在这一片欣欣向荣之际，中国大模型市场又传来重大消息：百度智能云成功激活昆仑芯三代万卡集群，成为国内首个正式投入使用的自研万卡集群。上线首日，已有超过1.5万家客户通过千帆平台调用该模型。这一里程碑式的事件不仅标志着百度在自研芯片与大规模AI算力布局上取得了新的突破，更预示着AI模型训练成本的大幅下降，为整个行业的发展注入了新的活力。
随着各大科技巨头纷纷加速推进AI算力基础设施建设，万卡集群成为了业界关注的焦点。那么，万卡集群究竟是什么？为何各大企业都在积极自建自研万卡集群？国产万卡集群的不断演进又将如何改变智算产业的面貌？
近年来，AI大模型如雨后春笋般涌现，模型规模和数据参数呈指数级增长。例如，从2018年GPT-1的1.17亿参数量，到2020年GPT-3的1750亿参数量，再到2023年GPT-4的约1.8万亿参数量，参数的快速增长极大地提升了AI模型的性能。然而，这也导致AI模型训练的算力需求每3.5个月翻一番，每年所需算力增幅高达10倍，远远超出了摩尔定律的增速。
以GPT-4为例，其训练过程使用了约25000个英伟达的A100 GPU，持续时间长达90至100天，算力消耗巨大。随着大模型越来越多地应用于企业实际业务场景，后期推理的算力需求也随之增加。因此，大规模GPU算力集群成为必然选择，国内外科技厂商纷纷布局AI算力基础设施，致力于搭建万卡甚至10万卡集群。
“万卡集群”即由超过一万张加速卡（如GPU、TPU等）组成的高性能计算系统，用于加速AI模型的训练和推理过程。与训练周期长、成本高的传统千亿参数模型相比，万卡集群在计算能力、数据处理速度和存储容量等方面实现了质的飞跃。通过并行计算和分布式处理，万卡集群能够显著缩短模型训练周期，提高研发效率。
作为一种灵活的计算基础设施，万卡集群能够根据应用需求进行定制化配置和优化，支持更大规模模型和更复杂的多模态任务，为AI技术的创新和发展提供了更广阔的空间。同时，万卡集群通过提升算力利用率和简化用户部署流程，降低了AI技术的使用门槛，推动了其在各领域的广泛应用。
然而，万卡集群的搭建并非易事。要想建设万卡集群规模的算力中心，需面临算力使用效率、海量数据处理、多芯混训难题、智算中心设计以及稳定性与运维等多重挑战。这些挑战需要运用系统工程方法、精细化设计网络和软硬件整合优化等技术手段来解决。
百度智能云此次成功点亮万卡集群，得益于其在硬件和软件方面的技术创新。硬件层面，自研昆仑芯三代在算力、能效、稳定性等方面全面升级，突破了卡间互联拓扑限制，并采用创新性散热方案，确保集群高效稳定运行。软件层面，百舸AI异构计算平台4.0在构建高性能网络、优化分布式训练、多芯混训和故障诊断等方面发挥了关键作用。
百度智能云依托百舸AI异构计算平台4.0，实现了从集群创建到开发实验、模型训练、推理的全链路优化，不仅提升了自身的智算实力，也为智算行业提供了新的发展思路。凭借自研昆仑芯的技术优势和百舸平台的有力加持，百度智能云已为众多企业提供了高效、稳定、混合多芯的AI基础设施。
例如，生数科技依托百度百舸的能力，在短时间内完成了Vidu大模型的上线和开放API，素材渲染加速效率提升3倍，数据拉取效率提升51倍。长安汽车通过与百度智能云的深度合作，自动驾驶模型训练的算力总体平均使用率提升到90%以上，综合资源利用率提升了50%。教育场景先行者好未来教育集团则借助百舸平台自研出“九章大模型（MathGPT）”，已广泛应用于智能硬件、学而思旗舰学习机等多个业务场景中。
百度智能云自研万卡集群的成功点亮，不仅在国内引发广泛关注，也在国际市场掀起热议。花旗银行在研报中指出，百度、DeepSeek等中国模型的高效和低成本优势，将有助于加速全球AI应用开发，推动2025年人工智能应用的拐点。百度在港股、美股的双双上涨，也印证了这一点。
对于科技公司来说，拥有强大的万卡集群意味着在AI时代奠定了坚实的基础和竞争力。万卡集群的建设不仅反映了企业在技术水平、资金投入和战略规划上的决策和能力，还能提升其在行业中的声誉和影响力，吸引更多的人才、合作伙伴和资金，形成良好的产业生态，为企业的持续发展提供坚实支持。
