作为国内最早入场大模型创业的公司之一，MiniMax如今面临最急迫的问题是算力的缺口。

《中国人工智能大模型地图研究报告》指出，截至2023年5月底，国产超10亿参数的AI大模型已达79个。

就算力而言，OpenAI为了训练ChatGPT，研发消耗了三万张英伟达A100GPU，如果按半精度FP16计算，这是一个将近4000P的算力集群。而目前国内500P以上的智算中心都凤毛麟角，大概只是其八分之一。

随着大模型发展成为“持久战”，底层算力比拼将在很大程度上决定大国博弈的终章。所以，现在对于算力的需求是紧迫的，长期的。

可是，到哪儿补上算力的缺口？

云来解决算力“荒”

MiniMax在规模不大时，可以依靠自建小规模的算力平台，去满足业务需求。但是随着推出的产品和服务越来越多，面对每天有亿级的调用次数的状况，自身的算力显然不够用了。

MiniMax找到了腾讯云。

腾讯云布局异构计算多年，它为MiniMax搭建了从资源层、数据层到业务层的全栈云架构，提供稳定可靠的异构计算能力。

什么是异构计算能力？它核心点就在“异构”二字。将CPU、GPU等不同指令集、不同功能的硬件组合在一起，为不同应用提供高效、灵活的算力支持。举个例子：

就像一个厨子，把CPU、GPU、FPGA和ASIC这些优良的帮厨，根据他们自身擅长做的菜品，安排在最适合他们的位置上。来客人了，依据客人的需求，就可以在不同程度上使用到他们，烹饪出不同特色的美味佳肴。

腾讯云还面向大模型推出了HCC高性能计算集群。

它协同优化了单机算力、网络架构和存储性能：借助自研星脉网络，将集群通信带来的算力损耗降到更低；腾讯云CFS Turbo、COS+GooseFS高性能存储，让上千个计算节点能同时高速读取训练数据。

双方先拿出少量服务器做性能验证。随着实测符合预期、可用性达到99.9%，集群规模很快提升到千卡级以上。

随后，业务逐步开放，MiniMax也迎来了创立以来的首个模型验证、推理任务的洪峰，在云底座的支撑下，激增的并发计算量被稳健扛住。

但大模型任务和环境是复杂多样的，不能保证不出故障。只要中断一个小时，在千卡规模下就要产生数以十万计的成本开销，这样的开销到底能不能尽可能的避免？

腾讯云提出了解决方案——云原生。根据实测数据，基于云原生支撑，MiniMax整体用云成本降低20%。

在数据层，MiniMax在大数据分析方面也有大量的任务需求。

通过腾讯云的数据集成DataInlong、流计算Oceanus、数据湖计算DLC等云原生大数据产品提供的数据处理能力，对大量数据做实时或离线分析，满足了MiniMax在各个阶段的数据分析需求，实现数据的快速灵活部署。以容器化的方式使用大数据组件，使得模型验证、推理等任务得以按计划推进。

算力，是AIGC时代的未来

大模型研发过程中，MiniMax对云上资产安全、Web业务运营风险、DDOS攻击防护等高度

通过引入腾讯云的防火墙、WAF、主机安全、漏洞扫描、数据加密、iOA零信任安全管理等一系列安全产品，MiniMax实现了对云上资产的全方位保护，确保业务的稳定运行和数据的安全性。

MiniMax业务副总裁魏伟表示：“成熟的云基础设施，既满足了业务弹性与稳定性的需要，又提升了研发效率。MiniMax将进一步扩大用云规模， 与腾讯云加速训练、推理等更多业务场景的云上落地，共同打造面向大模型的云上基础设施。相信未来，云计算会为AIGC带来更多可能。”

Gartner预测，2025年全球服务器市场规模将超过1320亿美元，存储设备市场将达到360亿美元规模，边缘计算设备市场规模将达370亿美元。预计2025年全球AI服务器市场规模将达318亿美元，年复合增长率为19.5%。

打造大模型需要的算力规模，对企业现金流的挑战很大。云上的算力形式，可以根据用户需求灵活分配计算资源，根据半导体行业资源整合，来加速、来集中解决国内大模型创业企业所面临的问题，加快缩短差距，这将会是一个有效的解决路径。

数字时代，谁掌握了算力，谁就能“烈火烹油”。

*以上内容不构成投资建议，不代表刊登平台之观点，市场有风险，投资需谨慎，请独立判断和决策。