昨天和一個代理商老板聊天

他說

AI服務(wù)器可能是

2025年所有ICT產(chǎn)品里最好賣的單品

之前賣安全的、賣軟件的、賣網(wǎng)絡(luò)的..

現(xiàn)在都忍不住了悄悄地賣點(diǎn)AI服務(wù)器

這讓我恍然大悟了

怪不得最近看到的一些中標(biāo)項(xiàng)目

很多知名的老牌安全上市公司

都“堂而皇之”地參與，還中標(biāo)了

代理商老板繼續(xù)說

他的團(tuán)隊(duì)現(xiàn)在遇到最大問題是

傳統(tǒng)銷售，不懂如何賣AI服務(wù)器

一上來，就給客戶甩一張清單

用賣傳統(tǒng)服務(wù)器的思路賣AI

最終又陷入拼價格的泥潭

很多傳統(tǒng)銷售都搞不清楚

客戶要拿AI服務(wù)器跑啥？

具體干啥活？要干到啥程度？

客戶一張口，銷售就接不住話

比如：我們要做多模態(tài)的「批量高吞吐」推理

另外，還有銷售給客戶說傻話↓

這服務(wù)器貴！性能強(qiáng)！

這就是一句，不懂AI的外行話

殊不知，AI服務(wù)器不是越貴越好

而是越貼近任務(wù)越高效

比如，客戶要跑推理，跑AI應(yīng)用

你推薦給客戶買跑訓(xùn)練的高端機(jī)？

你當(dāng)客戶是冤大頭啊

往往是交流完，回到公司

直奔售前

所以

賣AI服務(wù)器本質(zhì)是啥？

你以為你賣的是「產(chǎn)品」

本質(zhì)你賣的是「AI算力解決方案」

對一線銷售的要求已經(jīng)上升到了另一個level

銷售必須具備一種核心能力

把客戶的業(yè)務(wù)語言，翻譯成算力需求語言

在整條AI服務(wù)器銷售路徑中

客戶溝通→需求識別→方案設(shè)計→成交策略

其中最關(guān)鍵的一步，就是——需求識別

那么

如何進(jìn)行有效客戶需求識別呢？

第一步：搞清客戶要干嘛

在拜訪客戶之前

心里得有個大致的數(shù)

采購AI服務(wù)器的六大重點(diǎn)客戶群體

他們常見的訴求是啥

▍政府單位
一般都是私有化部署，買AI服務(wù)器很多是部署AI應(yīng)用，比如：AI政務(wù)辦公、智慧政務(wù)問答（RAG+LLM）、智能客服（12345熱線）等，關(guān)心國產(chǎn)CPU/GPU兼容性，本地化交付，可上門優(yōu)化、服務(wù)等
▍科研院所、高校
一般是搞大模型訓(xùn)練和科學(xué)計算（AI for Science），他們往往有實(shí)力采購高端訓(xùn)練服務(wù)器，但是也非?？粗匦詢r比，比較關(guān)注多租戶共享與資源調(diào)度，以及智算和超算融合。
▍傳統(tǒng)金融醫(yī)療能源等行業(yè)
實(shí)時推理和行業(yè)模型微調(diào)比較多，他們要求：高并發(fā)、低延遲推理，可靠性高，安全合規(guī)。
▍AI創(chuàng)業(yè)公司
這兩年蹦出來不少：大模型訓(xùn)練、續(xù)訓(xùn)、后訓(xùn)練、微調(diào)、API服務(wù)等。他們節(jié)奏快，看重性價比、交付周期、能靈活擴(kuò)容、要兼容多框架...
▍大型互聯(lián)網(wǎng)公司
AI服務(wù)器需求最猛、規(guī)模最大的客戶群，主要建AI集群，用于大模型訓(xùn)練、推理、多模型編排、智能體平臺，要求高吞吐、高并發(fā)、低延遲，推理成本/百萬token最低，長期穩(wěn)定性，架構(gòu)靈活
......

第一次拜訪，見到客戶

最核心的問題只有一個

用于什么場景？跑什么業(yè)務(wù)？

遇到不同客戶

他們回答肯定是五花八門的

甚至很多不是AI需求

比如：AI新應(yīng)用上線，數(shù)字人部署、公文自動生成、合規(guī)審計、AIGC內(nèi)容生產(chǎn)、LLM微調(diào)、API推理、AI Agent平臺、油氣井智能監(jiān)測、基因測序、AI客服、汽車仿真碰撞、資料庫RAG...

客戶要跑啥業(yè)務(wù)

決定了你該賣哪種服務(wù)器

其實(shí)不管跑業(yè)務(wù)

最后都大致可以歸納成

5種常見AI計算任務(wù)

不同任務(wù)對服務(wù)器的配置要求完全不一樣

?

客戶搞大模型預(yù)訓(xùn)練、續(xù)訓(xùn)

這是從零造模型的階段，拼的是極限算力

動不動就要上萬卡集群、十萬卡集群

但是現(xiàn)實(shí)情況是

真正做預(yù)訓(xùn)練的客戶很少

多是DeepSeek、百度、阿里這類頭部公司

?

客戶搞全參微調(diào)

是在現(xiàn)有大模型基礎(chǔ)上再訓(xùn)練一次

讓模型更懂某個行業(yè)或任務(wù)

關(guān)鍵詞：大顯存+I/O快+高帶寬+高互聯(lián)

有些行業(yè)巨頭在練『行業(yè)大模型』

比如：石油大模型、金融大模型

本質(zhì)就是基于通用大模型，進(jìn)行全參微調(diào)

這種客戶，一般大模型廠商直接沖上去了

帶著算力、帶著定制服務(wù)

?

客戶搞輕量微調(diào)（LoRA、QLoRA）

在原模型上只調(diào)少量參數(shù)

屬于靈活小任務(wù)

關(guān)鍵詞：性價比+輕量+靈活

幾張中端GPU就能搞定，性價比優(yōu)先

適合中小項(xiàng)目、創(chuàng)業(yè)團(tuán)隊(duì)快速驗(yàn)證場景

?

客戶搞大模型推理

這是目前客戶需求最多的一類

就是模型已經(jīng)訓(xùn)練好要上崗干活

很多客戶為了部署AI應(yīng)用或智能體

要買個服務(wù)器/一體機(jī)，基本都是推理

關(guān)鍵詞：快+穩(wěn)+能頂并發(fā)

推理拼的不是極限算力

而是吞吐量和響應(yīng)速度

?

客戶要搞RAG

這是【AI+搜索】的混合型工作

模型回答問題前，要先去知識庫里查資料

再結(jié)合內(nèi)容生成結(jié)果

這類需求的上下文長度通常更大

所以，對服務(wù)器的算力要求也會更高一些

不僅需要更強(qiáng)的GPU和更大的顯存

對內(nèi)存和CPU的要求也更高

（檢索模塊可能運(yùn)行在CPU/內(nèi)存上）

第二步：搞清客戶有多大盤子

盤子

也就是現(xiàn)在需求+預(yù)期規(guī)模

首先，問清楚客戶現(xiàn)在采購量級

單機(jī)試點(diǎn)、機(jī)柜部署、還是機(jī)房集群級？

其次，搞清楚后期規(guī)劃

比如，現(xiàn)在是第一期，后面還有二期

還是待定，先跑跑看

根據(jù)實(shí)際業(yè)務(wù)情況，再考慮擴(kuò)容

問清楚這個并不功利，而是幫雙方避坑

遇到很多真實(shí)情況是

很多用戶一開始是試水

1、2臺機(jī)器先試試

但半年后，模型參數(shù)翻幾倍

上下文從 8K 拉到 128K，并發(fā)多到炸

速度變慢，于是客戶開始抱怨：

這機(jī)器怎么不行了？越跑越慢？

其實(shí)不是機(jī)器不行，是當(dāng)初沒留出余量

AI服務(wù)器選型不能只看今天

得往后推6–12個月，比較靠譜

AI日異月新，大概率會發(fā)生的事情是

模型會變大、上下文會變長、流量會變多

當(dāng)然，也有客戶試完了，對大模型祛魅了

發(fā)現(xiàn)對業(yè)務(wù)幫助有限，沒下文了

第三步

盡可能帶上技術(shù)一起交流

引導(dǎo)出明確目標(biāo)

圍繞「跑啥」的核心問題

順勢延展出其他問題

一、模型類問題

?模型規(guī)模：您要跑的模型有多大？（參數(shù)規(guī)模 / 模型尺寸）

?模型來源：這個模型是自研的，還是用第三方開源模型（如 Qwen、ChatGLM、Llama、DeepSeek等）？

?數(shù)據(jù)量級：訓(xùn)練/微調(diào)數(shù)據(jù)量大概多大？是否需要并行文件系統(tǒng)？

?微調(diào)策略：全參微調(diào)還是LoRA/QLoRA，SFT對齊還是偏好學(xué)習(xí)？

?模型生態(tài)：是否已經(jīng)有既定的軟件棧或兼容要求？

?業(yè)務(wù)場景：對話聊天？代碼生成？文檔解析？公文寫作？事件調(diào)查？定制化開發(fā)？還是API 調(diào)用 ？還是嵌入業(yè)務(wù)系統(tǒng)？

?未來方向：后續(xù)有沒有計劃升級模型尺寸或增加上下文長度？

二、性能與并發(fā)問題

就是，客戶希望達(dá)到什么效果

必須搞清楚客戶訴求的優(yōu)先級

是要算得多，還是要算得快，還是要穩(wěn)如狗？

目標(biāo)一不同，配置天差地別

下面問題越具體

后面的方案越有針對性

?吞吐：每秒希望生成多少 token？或每秒處理多少請求（TPS）？單次請求上下文多長？

?時延：響應(yīng)速度有什么要求？首字時間（TTFT）延遲要控制在多少？是要實(shí)時低延遲，還是批量高吞吐？

?并發(fā)：系統(tǒng)同時要支撐多少人使用？（100？500？）預(yù)計同時會有多少活躍會話？

這個過程中，一定要注意客戶的

隨口一問

這種看似不經(jīng)心的一問

代表的是客戶的某種重要訴求

接下來，方案環(huán)節(jié)

還要再疊加上自家的核心優(yōu)勢

比如：異構(gòu)算力（東西方都行）、更靈活的拓?fù)渑渲?、風(fēng)冷液冷全覆蓋、國產(chǎn)化、安全可控、交付快、支持強(qiáng)...

當(dāng)然，只買算力還不夠

大模型要落地，軟實(shí)力也很重要

比如MaaS平臺、應(yīng)用開發(fā)工具鏈等等

這些軟能力，我們后續(xù)再講

第四步

招投標(biāo)了，看看別人標(biāo)底怎么玩的

在實(shí)戰(zhàn)中再學(xué)習(xí)

這是來自某個真實(shí)項(xiàng)目的標(biāo)書要求

某985名校預(yù)算2100萬的AI服務(wù)器

具體參數(shù)我們先略過不看

就看看你能不能過得了這個演示關(guān)

這個標(biāo)底很不錯啊

說明客戶已經(jīng)不聽純忽悠了

讓開標(biāo)的時候直接上demo

沒點(diǎn)真水平，想搶單沒門了

最后就一句話

Q4了，祝大家開單順利，大單連連