从2024年1-7月，央国企采购大模型项目数量已超过950个，且均匀布局在智算中心、大模型预训练、Agent和行业应用等多个方向。而除了政策影响，央国企纷纷落地大模型的背后还有哪些推动因素？
作者|思杭
编辑|皮爷
出品|产业家
最高191亿元，最低不到1万元。大模型狂飙两年，国内“AGI阵队”已然形成。同步进行着的，还有央国企的大模型项目建设。
8月6日，神州数码集团发布公告表示，子公司神州鲲泰中标《中国移动2024年至2025年新型智算中心采购（标包1）》，投标报价约191亿元，中标份额10.53%。2024年7月，湖南省委党校湖南行政学院发布招标信息，采购数字机器人服务，报价9000元。
一个是智算中心采购，一个是数字机器人服务；可以看到的是，如今在央国企内部，大模型项目建设已行至中途。甚至毫不夸张地说，在大模型浪潮席卷而来的今天，央国企正在成为一股先行力量，推动着国内大部分的AI大模型落地项目。
据不完全统计，从2024年1-7月，央国企采购大模型项目数量已超过950个，且均匀布局在智算中心、大模型预训练、Agent和行业应用等多个方向。
大模型纷纷落地国央企，阵势如此浩荡的背后，政策推动成为决定性因素。据沙丘智库，自2023年以来，国资委多次对中央企业发展人工智能提出要求。其中，在2024年2月的中央企业人工智能专题推进会上，提出中央企业要“开展AI+专项行动”。会上就有10家央企签署倡议书，表示将主动向社会开放人工智能应用场景。
同年7月，国新办举行“推动高质量发展”系列主题新闻发布会，提出未来五年，中央企业预计安排大规模设备更新改造总投资超3万亿元，更新部署一批高技术、高效率、高可靠性的先进设备。
政策的推动，当然是其中不可忽视的因素。但除了政策影响，站在产业数字化和数智化的潮头，央国企纷纷落地大模型的背后还有哪些推动因素？一个更值得思考的问题是，和云计算时代金融行业成为先锋官不同的是，在如今的AI大模型时代，为什么央国企会成为先行力量？
一、运营商、政务、能源抢先建设智算中心
AI大模型史上最大项目，当属“智算中心”。
预训练成本的疯狂上涨和推理需求的不断攀升，都在让智算中心成为必要。近日，OpenAI CEO Sam Altman在接受采访时表示，“OpenAI在年内不会发布ChatGPT-5，目前公司专注于ChatGPT-o1的研发和运营。”
GPT-5为什么不发了？原本预计推迟发布的o1又为什么提前登场？这背后的原因不由得引人深思，而训练成本就是这其中的关键因素之一。
言归正传，国内对大模型的预训练需求也愈加迫切。在加速构建国内AGI梯队的同时，性能不断刷新的大模型需要大规模智算集群的支撑。如今，万卡集群已然成为大模型军备赛的标配。而除了国内AI企业和电信运营商，正在推动落地的央国企也在加速构建智算集群，以提高AI大模型的训练及推理效率。
通常来讲，智算中心是由地方政府或电信运营商主导建设。据中国信通院不完全统计，截止2024年7月底，纳入监测的智算中心（含已建和在建）已达87个。
2023年10月，沈阳智能计算中心新基建项目工程总承包（EPC）成交结果出炉，百度携手中国建筑第八工程局有限公司（中建八局）成功中标，中标金额为9.1亿元。具体包括机房建设、机柜设计、智算中心平台，以及百度为其提供的AI软硬件能力的综合性解决方案。
而像这样的智算中心采购项目，央国企已经开始了铺天盖地的建设。对此，产业家根据金额大小，列举了近两年央国企采购智算中心项目金额最高的10个。
对比云计算时代，传统数据中心的中标方大多都是IDC厂商；而在如今的AI时代，则多了不少AI企业和互联网厂商的身影。
另外，从行业分布来看，政务和运营商对智算中心的出资则更加大手笔。对此，产业家统计了运营商、能源和政务三大领域中智算中心项目的占比：结果显示，政务行业对智算中心的投入更大，其中包括GPU租赁、硬件以及算力调度平台的采购。
实际上，从智算中心投入比就可以看出央国企对AI大模型的需求。
可以看到的是，自2023年三季度，央国企就已经开始紧锣密鼓地筹备智算中心建设。而智算中心只是央国企落地AI的一个起点。
一方面，这与上文提到的政策时间点正好吻合；另一方面，2023年第三季度也恰好是以百度、阿里、华为和电信运营商为首的“国内AGI梯队”刚刚形成。
除了智算中心，央国企对AI大模型建设的另一个重点则是行业应用，即针对特定场景搭建大模型平台或应用。
以电信运营商为例，据不完全统计，从2023年至今，运营商对AI大模型的项目建设达到了238起，其中除了75起智算中心建设外，剩余都围绕特定的场景构建大模型，主要有智能客服、营销和数字人方面的采购。
不同行业对于AI大模型的需求不同，项目重点自然也不一样。对于政务和运营商行业而言，之所以智算中心占比更大，除了政策推动，更重要的原因是对于私有化部署、本地部署的需求极高，尤其是政务领域；另一方面，相对于其他行业针对单点或各别环节的大模型应用开发，政务和运营商对大模型的需求则更为系统化，更需要从GPU资源到算力调度平台来发挥作用。
相比之下，在应用AI大模型最多的三个行业中，能源领域对智算中心的投入较少，而更多围绕大模型训练和开发方面，尤其是针对特殊场景如何训练并优化算法，如何微调模型等等。
另外，值得注意的是，对于这些对行业know-how要求更高的领域而言，他们选择中标方的时候也更为讲究；比如在挑选算力调度平台和大模型预训练、开发阶段时，中标方则围绕以百度、科大讯飞为首的AI企业；而在选择在大模型开发过程中，需要特定技术研究时，则会选择南方电网这类更懂know-how的企业。
最后，不同于云计算时代，金融行业成为头部落地试验田；在如今的AI大模型时代，在央国企当中，有四大行业脱颖而出，分别是教育、能源、运营商、政务；而金融行业却并没有表现出像云计算时代那么强的意愿。
二、AI大模型：颠覆传统IT架构背后
时代变迁。
在过去的云计算时代，大型企业进行数字化转型需要从购买或租赁服务器，到选址建数据中心，再到选择合适的云架构，接下来到平台开发环节及上层应用的搭建。
通常来讲，一家大型企业，如能源或工业企业来说，面对分布在各环节的数据，通常需要建底层的PaaS平台，从而实现灵活调用、互联互通；但尽管如此，数据孤岛、数据烟囱依然存在。
然而，这种从IaaS到PaaS再到SaaS的架构，在如今的AI大模型时代已经彻底被颠覆。企业往往需要一个行业大模型即可搞定，而不再会为了构建多个复杂应用，费时搭建PaaS平台。
诚然，企业在云计算时代交得学费也并没有浪费，在AI大模型时代，央国企在政策引导、需求迫使和环境因素等多方作用下已经开始先行落地AI大模型。
而在这其中，很大一部分都是基于过去云计算时代一些无法解决的顽疾，希望在AI大模型这里找到更好的解法。
可以观察到一个现象，目前央国企在大模型落地方面，主要围绕两点，一个是智算中心，一个是行业应用。后者包括大模型预训练，大模型开发，以及针对各别环节或特定场景构建大模型应用或解决方案。
通常来说，后者通过大模型基于特定场景的解决方案，都是在过去云计算时代无法实现的。
以运营商为例，虽然智能客服已经存在很多年，准确地说，自云计算时代以来，各类智能客服软件和解决方案层出不穷，然而对于整个行业来讲，转人工率依旧居高不下，普遍都在80%以上。而当时代的列车刚刚驶入大模型时代，智能客服就成了大模型落地的第一块试验田。
再比如在能源行业，知识如何沉淀，再如何让新人用起来，一直都是一大难题。即使在云计算时代，工业互联网平台林立，很多问题依旧没有答案。而在如今的大模型时代，一个行业大模型便可以解决很多问题。这其中关键发挥作用的便是在行业大模型构建过程中的RAG搭建环节，它相当于一个企业知识库，任何输入的知识，都可以轻松调用。
像上述所展示的，对于某些行业来说，大模型并不是“鸡肋”。相反，它能够扮演“超强大脑”的角色，将企业的全部智慧汇聚到一起，并有的放矢地发挥作用。
然而，对有些行业而言，大模型目前还并未找到用武之地。
比如在金融行业，目前落地较多的项目主要围绕知识库问答方面，很难深入到核心业务。一方面，是出于金融监管和数据隐私等顾虑；另一方面，也是更重要的，目前AI幻觉问题还很难彻底得到解决，任何AI算法可能为金融行业所带来的错误预测和建议，都可能带来重大经济损失。
而无论是智能客服还是行业大模型，无论是政务领域，还是运营商或能源、政务、教育等行业，在央国企先行落地大模型的背后，有三点核心原因。
首先，在大模型时代，央国企多年积累的数据得以发挥作用，他们不仅仅包括像财报报表、交易记录等已经做好归纳整理的结构化数据，还包括一些重要的企业资产，如散落在各个系统内部的聊天记录、文件、图片等等，如今这些非结构化数据都可以在AI大模型中，变成“企业知识库”，并发挥其价值；
其次，不同于过去云计算时代从IaaS到PaaS再到SaaS的三层架构，大模型有着很强的协同性，只需在前期大模型开发阶段做好训练和微调，后期即可直接基于数据进行前端行为的加持。
最后，也是很重要的一点，央国企本身就有庞大的服务器集群，其自身具备强大的算力基础，基于这些基础可以更好地推进大模型落地。
三、竞争点：预训练、安全及行业know-how
从中标情况来看，可以毫不夸张地说，央国企撑起了国内大模型商业化的半壁江山。
然而，大模型落地进程行至中途，仍然有很多问题亟待解决。
据中信建设证券数据显示，2024年-2027年全球大模型推理的峰值算力需求量的年复合增长率为113%，远高于训练的78%。而预训练成本和推理成本的叠加，也推升了整个AI基础设施的市场份额。
据艾瑞咨询推算，2023年中国AI基础数据服务市场规模为45亿元，预计到2028年，其市场规模将达170亿元，且未来五年的复合增长率为30.4%。
这同时也解释了近两年央国企抢建智算中心的原因。然而，阻挡大模型落地进程的还不仅仅是算力资源短缺。
虽然大模型时代已经颠覆了过去从IaaS到PaaS再到SaaS的传统三层架构，但在新时代下，新的架构也迎来了一些新的挑战，比如从AI Infra到MaaS，再到上层的AI应用，中间涉及很多模型搭建的环节，这些都需要大模型服务商与企业一同探索落地路径。
对于央国企来说，用AI大模型赋能虽然已成为共识，但怎么用大模型，具体把大模型加在哪个环节，大模型如何发挥作用，以及如何开发和训练大模型，面对这些问题，企业并没有太多头绪。因此，这就给AI大模型供应商提出了更高的要求。
在这过程中，供应商是否掌握行业know-how，在有些时候甚至可以成为能否拿下标的的关键因素。对此，以百度、华为、科大讯飞为首的AI大模型企业，都不约而同地在2024年扛起“行业大模型”的大旗。
据统计，在能源领域，2024年上半年就出现了不少预训练过程中某项技术研究的投标项目。
另外，值得注意的是，随着AI应用走向深水区，数据安全、数据共享和数据溯源等问题则开始被一一搬到台面上。据悉，10月9日，中办、国办正式发布《关于加快公共数据资源开发利用的意见》，提出到2025年，公共数据资源开发利用制度规则初步建立；到2030年，公共数据资源开发利用制度规则更加成熟，资源开发利用体系全面建成。
虽然如今的AI大模型已经可以让数据溯源成为现实，但其中的责任划分和数据安全等等问题，还需要AI服务商和企业一同探索。
精彩评论