1 标准化和差异化
硬件门槛非常高，应尽可能的标准化。在标准化的硬件基础之上，构建满足不同用户需求的差异化的软件产品和服务。 软件服务的标准化和差异化，应遵循二八定律。约20%的服务是标准化的，满足绝大部分客户的常规需求（覆盖所有客户的约80%的算力用量）；80%的服务是差异化的，满足不同客户的不同需求（差异化服务整体覆盖所有客户，但不同服务覆盖不同用户，整体的算力需求较少，仅占约20%）。差异化服务的核心价值，在于构建平台跟客户业务之间的粘性。
2 智算中心的挑战和重心
常规智算中心的业务包括：
IDC机房或机架租赁。即传统IDC的业务。行业内有非常多的成功的IDC公司，也因此，此模式是一个非常不错的业务模式。 智算服务器租赁：随着大模型的流行，智算行业逐渐兴起。仅有IDC业务还不够，还需要为客户提供智算设备。当然，智算设备可以找一些专业的公司代为提供，但最终仍需要给买单的算力客户，打包成可远程访问的智算服务器租赁的方式。
抛砖引玉，在传统业务之外，增强型智算中心可提供的算力服务包括：
裸金属主机服务。传统的服务器租赁，通常是手动的。第一步，肯定是把服务器封装成可自动化下单的服务，使之成为货架产品，而不需要线下繁琐的交易流程。第二步，则是由于传统裸机的问题（无法高可用、无法硬件运维等），裸机需要进一步升级成支持高可用的、可以硬件运维的裸金属机服务（需要DPU和底层软件的加持）。 虚拟云主机服务。虚拟化能够实现更高的资源弹性，以及更高的算力利用率，可以进一步优化成本。可以给客户提供从1/N卡到8卡的足够弹性的虚拟主机实例，对一些算力需求较低、成本敏感的客户业务和场景，会更友好。 容器主机服务。虚拟化是面向硬件资源，容器是面向业务应用。因此，对客户来说，容器化对业务更友好，不需要关注太多裸机或虚拟机的底层细节。容器化服务，一般来说，会有两种模式提供：有服务器实例型和无服务器实例型（Serverless）。 训练集群服务。主机，是集群的节点；但集群不止关心节点，还关心互联。因此，需要给客户提供足够弹性的训练集群服务（集群规模通常是从8卡到成千上万卡）。 推理集群服务。推理，理论上可以不需要集群。但推理集群的价值在于，不同架构的多元异构算力整合。多元异构推理集群跟上层的计算框架和模型有一定的关联性，也跟集群算力调度有关联性，技术挑战相对较大。但其广泛落地后的价值也非常的多，比如，最极致的成本、国产算力规模化使用、降低对国外产品的依赖等等。 其他配套的算力服务。智算不仅仅是智算，围绕着智算，还有通算、存储、安全、网络等服务（统称为算力服务）需要提供。
3 算力（运营）网的挑战和重心
4 （使用算力的）企业的挑战和重心
站在企业侧视角，我们觉得，需要解决如下几方面的问题：
第一个，不同算力资源的统筹。对企业来说，有自建的算力资源，有公有云的算力资源，还有从算力网络获取的资源，这些资源需要统筹起来。此外，有的企业，自建算力资源可能存在闲置情况，这些算力资源也需要拿出来共享，获取一些收益。 第二个，多元异构算力的统筹。从技术角度来说，这跟云端的多元异构算力统筹是一个问题。但企业侧此问题有一些新的特点：算力类型极度多样、规模较小、不同企业的算力差异性巨大，等等。 第三个，企业自有或代管的终端的纳管。随着智能汽车、具身智能等领域的发展，跟传统PC机、平板电脑、智能手机相比较，这些新兴的终端，有两个显著的特点，一个是大模型+，一个是业务场景算力需求巨大但终端自有算力远远无法满足。 第四个，是云边端算力资源的统筹。终端算力不够，需要从云端和边缘端借算力，同时终端业务无感，这些算力就像在终端本地一样。此外，需要统一的云边端开发和运行环境，既能帮助终端客户解决共性的基础的计算问题，又能提供统一的云边端融合的开发运行环境。 其他未尽事宜。包括但不限于上述这些问题，仍有很多问题需要解决。
5 智算行业三元模式总结
我们总结一下算力行业的业务模式。（按照我们理解，）主要有这三种模式：
传统公有云的二元模式。这在通算时代，为算力公司的主流业务方式。 新型的电商三元模式。自己是平台方，没有额外的增值价值。我们认为，在算力行业，这种模式没有太多存在的价值。 新型的算力流转三元模式。这是一个相对健康合理的算力链，每个环节有自己的定位和核心竞争力，大家形成繁荣的算力产业生态体系。
最后，我们总结一下三者的核心价值定位，用三个字总结就是“建、落、用”，详细说明：
智算中心，主“建”。核心竞争力在于建设超大规模、超低价格的算力。 算力（运营）网，主“落”。需要比客户更懂场景，帮助客户业务从0到1。 算力企业，主“用”。（从算力视角，）企业重心在于从1到100快速复制。企业需要开拓市场，需要快速做大做强。企业只有业务规模化，才能产生更多新的算力需求。
本文章来源于软硬件融合，作者Chaobowx
