作者 ｜ 周一笑
郵箱 ｜ zhouyixiao@pingwest.com

2025 年，AI 算力市場(chǎng)的重心正在發(fā)生偏移。DeepSeek 等開源模型的爆發(fā)是一個(gè)明確信號(hào)，AI 的主戰(zhàn)場(chǎng)正從昂貴的訓(xùn)練場(chǎng)景，被拽入高頻、碎片化的推理場(chǎng)景。在這個(gè)節(jié)點(diǎn)上，Alex Yeh 和他的 GMI Cloud 站在了一個(gè)微妙的位置。

這家成立僅 3 年的公司，正在以一種罕見的速度完成資本與產(chǎn)能的原始積累。去年 10 月，GMI Cloud 拿到了 8200 萬美元的 A 輪融資 ，今年上半年又獲得了 NVIDIA NCP（Reference Platform NVIDIA Cloud Partner）認(rèn)證 。這個(gè)認(rèn)證，截至目前全球僅有 7 家公司持有 ，在緊缺的算力市場(chǎng)，它意味著擁有最高優(yōu)先級(jí)的拿貨權(quán)和原廠技術(shù)支持 。

上周，GMI Cloud 宣布與 NVIDIA 在中國臺(tái)灣合作建設(shè) AI Factory，GMI Cloud 自行總投資 5 億美元 。這座超級(jí)數(shù)據(jù)中心計(jì)劃部署基于 GB300 NVL72 架構(gòu)的萬卡集群 。據(jù)官方透露的獨(dú)家消息，該工廠的第一期算力已經(jīng)售出，第二期也已有 50% 被預(yù)定 。

這背后是當(dāng)前算力市場(chǎng)的真實(shí)供需，盡管芯片產(chǎn)能不再像兩年前那樣極度緊缺，但優(yōu)質(zhì)、可用的集群資源依然稀缺。Alex Yeh 將這種狀態(tài)形容為一種復(fù)雜的壓力。作為 GMI Cloud 掌舵者，他必須在產(chǎn)能與需求之間走鋼絲，同時(shí)警惕懸在所有 GPU 云廠商頭頂?shù)倪_(dá)摩克利斯之劍：當(dāng) GPU 最終變成像水電煤一樣的大宗商品，一家創(chuàng)業(yè)公司如何避免淪為巨頭陰影下的流量管道？

Alex Yeh 并非典型的極客創(chuàng)業(yè)者。在創(chuàng)辦 GMI Cloud 之前，他在私募股權(quán)和風(fēng)險(xiǎn)投資領(lǐng)域工作多年，曾是加密貨幣與區(qū)塊鏈生態(tài)中最年輕的合伙人 。資本市場(chǎng)的訓(xùn)練讓他習(xí)慣于剝離技術(shù)泡沫，尋找資產(chǎn)的底層邏輯。

他曾目睹區(qū)塊鏈行業(yè)的興衰。在他看來，那個(gè)市場(chǎng)唯一恒定的資產(chǎn)是比特幣，而獲取它的路徑只有兩條，算力和能源。并沒有選擇炒作幣價(jià)，他投身于數(shù)據(jù)中心建設(shè)和電力布局 。如今，他將這套邏輯復(fù)用到了 AI 領(lǐng)域。無論應(yīng)用層如何演變，無論最終勝出的是 Coding 還是視頻生成模型，算力是唯一的確定性剛需。

但他拒絕做純粹的算力租賃商。在 AWS、Azure 和 Google Cloud 等超大規(guī)模云廠商統(tǒng)治的市場(chǎng)“牌桌”中，GMI Cloud 試圖走出一條“符合 AI 應(yīng)用企業(yè)需求的全鏈條算力支持”的新路子。

不同于巨頭主要圍繞 CPU 構(gòu)建的通用云底座，GMI Cloud 選擇了重資產(chǎn)模式：底層裸金屬采買自持英偉達(dá)高端 GPU，在全球建設(shè)多個(gè)數(shù)據(jù)中心；中間 IaaS 層自研集群調(diào)度引擎——Cluster Engine（集群引擎）平臺(tái)，上層提供 MaaS 服務(wù)——Inference Engine （推理引擎）平臺(tái)。同時(shí)，據(jù)一手消息，他們還即將上線一款名為“GMI Studio”的 Workflow 產(chǎn)品，以及在年底陸續(xù)孵化強(qiáng)化學(xué)習(xí)類產(chǎn)品。這種從裸金屬到 Token，再到應(yīng)用層產(chǎn)品的全棧支持能力，讓他們?cè)诿鎸?duì) CoreWeave 等北美友商時(shí)，依然能在亞太和出海市場(chǎng)找到生存空間。

Alex 并不避諱談?wù)撔袠I(yè)的殘酷。他看到單純的 GPU 租賃生意終將面臨利潤攤薄，為了在紅海到來前建立壁壘，所以他正在做兩件事，一是在全球范圍內(nèi)鎖定 2027 年的電力資源，因?yàn)殡娏⑹菙?shù)據(jù)中心最大的硬約束；二是構(gòu)建軟件生態(tài)，通過深度優(yōu)化模型提供比原生平臺(tái)更快、更低成本的推理服務(wù)、模型服務(wù) 。值得一提的是，在行業(yè)里大家都還沒有將“電”視為第一生產(chǎn)力影響要素的時(shí)候，Alex 早就已經(jīng)提前做電廠的部署規(guī)劃。

GMI Cloud 是這一輪 AI 基礎(chǔ)設(shè)施玩家洗牌的縮影，是 AI Cloud 時(shí)代下的當(dāng)紅新貴。當(dāng)熱錢退去，只有那些能解決供應(yīng)鏈、電力和深度技術(shù)服務(wù)的公司，才能留在牌桌上。

近期，我們與 GMI Cloud 創(chuàng)始人 Alex Yeh 進(jìn)行了一次對(duì)話，談到了他對(duì)算力市場(chǎng)的判斷、公司的策略選擇，以及這門生意的本質(zhì)。以下是對(duì)話實(shí)錄，經(jīng)不改變?cè)獾木庉嫛?/p>

看不清哪個(gè) AI 應(yīng)用會(huì)跑出來，但算力是確定的

硅星人：在創(chuàng)立 GMI Cloud 之前，你有著非常豐富的 AI 和 VC/PE 投資背景。是什么契機(jī)讓你從“看項(xiàng)目的人”轉(zhuǎn)變?yōu)橄聢?chǎng)“做項(xiàng)目的人”，并投身到 AI 基礎(chǔ)設(shè)施賽道？

Alex：這其實(shí)源于我做投資時(shí)的一個(gè)核心訓(xùn)練，叫 First Principle Thinking（第一性原理思考）。我習(xí)慣去問五個(gè)“為什么”，一層層剝開表象，直到推導(dǎo)出一個(gè)市場(chǎng)里不變的真理。

舉個(gè)例子，如果不看科技看養(yǎng)老，那個(gè)市場(chǎng)里不變的真理就是“老齡化”，所有的看護(hù)、醫(yī)療需求都圍繞這個(gè)不變的邏輯展開。當(dāng)年我看區(qū)塊鏈行業(yè)也是一樣，為了尋找市場(chǎng)中的 Alpha，我發(fā)現(xiàn)那個(gè)賽道里唯一恒定的其實(shí)是比特幣。而要想持續(xù)獲得比特幣，最底層的邏輯就是“算力”和“能源”。所以我當(dāng)時(shí)沒有選擇去炒幣，而是直接投身去做了最底層的“挖礦”，也就是數(shù)據(jù)中心的建設(shè)和電力資源的布局。

現(xiàn)在的 AI 賽道雖然五花八門，從通用的 LLM 到各種垂直賽道——心理治療、數(shù)學(xué)科研、視頻模型、Coding 等等，但它們中間核心不變的是什么？推導(dǎo)到最后，它們都需要消耗巨大的算力。

就像 1995 年互聯(lián)網(wǎng)剛起步時(shí)，我們根本無法預(yù)見到 20 年后會(huì)出現(xiàn) Facebook、Amazon 或是阿里巴巴。同樣的，我現(xiàn)在可能看不清未來哪個(gè)具體的 AI App 會(huì)跑出來，但我能確定整個(gè)賽道對(duì) GPU 算力的需求是確定的。所以，相比于去賭某一個(gè)具體的應(yīng)用或工具（風(fēng)險(xiǎn)較大），賭整個(gè) GPU 算力賽道對(duì)我來說是風(fēng)險(xiǎn)最小、確定性最高的選擇。加上之前做區(qū)塊鏈基礎(chǔ)設(shè)施積累的機(jī)房建設(shè)經(jīng)驗(yàn)和電力資源，也讓我能比較快速地切入這個(gè)領(lǐng)域。

硅星人：與 AWS、Google Cloud 等云服務(wù)商（Hyperscalers）相比，GMI Cloud 的核心差異化是什么？業(yè)界有聲音認(rèn)為專業(yè)的 AI Cloud 效率能高出 40%，你們有觀察到類似的優(yōu)勢(shì)嗎？

Alex：Hyperscalers 和我們最大的區(qū)別，我覺得主要體現(xiàn)在三個(gè)維度：位置（Location）、服務(wù)顆粒度（Service）和產(chǎn)品形態(tài)（Product）。

首先是位置。Hyperscalers 通常只圍繞特定的幾個(gè)核心大區(qū)（Region）服務(wù)。但在很多特定市場(chǎng)，比如東南亞，公有云的覆蓋其實(shí)并不完整，往往需要連接到東京或其他大節(jié)點(diǎn)的機(jī)房，這在延遲和數(shù)據(jù)合規(guī)上會(huì)有很大問題。GMI Cloud 創(chuàng)立之初就是一家 Global Company，我們?cè)谌蚨鄠€(gè)地區(qū)有多個(gè)節(jié)點(diǎn)，能更靈活地滿足當(dāng)?shù)乜蛻魧?duì)數(shù)據(jù)駐留和低延遲的需求。

其次是服務(wù)的深度。這個(gè)行業(yè)里，除非你是全球 500 強(qiáng)或者每年預(yù)算在 2000 萬美金以上，否則你很難在 Hyperscalers 那里獲得專屬的 Account Executive 或技術(shù)支持。但在 AI 訓(xùn)練中，機(jī)器與模型的綁定非常深，訓(xùn)練過程極不穩(wěn)定，非常需要 TAM（技術(shù)客戶經(jīng)理）和 SA（解決方案架構(gòu)師）的深度支持。GMI Cloud 能提供這種高強(qiáng)度的技術(shù)支持，幫助客戶優(yōu)化 Token 和 Infra，這是很大的體感差距。

最后是產(chǎn)品。Hyperscalers 的底座大多是圍繞 CPU 云構(gòu)建的，GPU 只是其中一部分，很多產(chǎn)品是基于 CPU 架構(gòu)做的變通。而 GMI Cloud 是 AI Native 的，我們不僅是賣算力，還做到了底層的 Model Optimization 和 Memory Optimization。例如在 Llama 模型的推理上，我們的吞吐量和首字延遲能比傳統(tǒng)云廠商快 2-3 倍；在視頻生成模型上，我們的速度甚至能比某些官方 API 快 3 倍。這就是專注帶來的紅利。

硅星人：面對(duì)與 CoreWeave、Lambda 等模式相似的競爭對(duì)手，GMI Cloud 在技術(shù)、服務(wù)以及定價(jià)策略上，最核心的優(yōu)勢(shì)是什么？

Alex：CoreWeave 和 Lambda 都是非常值得尊敬的友商。CoreWeave 主要專注于 Training 和超大規(guī)模集群，客戶集中度很高，Microsoft 和 OpenAI 占了很大比例，但在推理層面，比如按秒計(jì)費(fèi)、全球多點(diǎn)部署（特別是亞洲），他們目前涉及較少。Lambda 的優(yōu)勢(shì)在于 Container 和租賃本身，但在模型層的適配上做得相對(duì)少一些。

GMI Cloud 的打法是提供 Vertical Stack（垂直全棧）的能力。我們不僅提供裸金屬做訓(xùn)練，還提供 Inference Engine，支持按 Token 計(jì)費(fèi)。這就好比我們既賣“面粉”（算力），也賣“面包”（API）。無論客戶是需要裸金屬做訓(xùn)練，還是作為創(chuàng)作者只需要調(diào)用 DeepSeek 或 Qwen 的 API，我們都能提供。而且我們?cè)谝曨l模型的優(yōu)化上下了很大功夫，提供了 Video 相關(guān)的垂直服務(wù)，這是目前很多競品還沒覆蓋到的。

不只是“套殼”，是底層優(yōu)化

硅星人：你們的 Inference Engine 平臺(tái)，和很多公司都有類似的業(yè)務(wù)。你們的核心附加值到底是什么？

Alex：這問到了點(diǎn)子上。主要有兩個(gè)核心區(qū)別，全球化能力和對(duì)底層硬件的掌控力。

據(jù)我了解，國內(nèi)同類廠商的算力主要集中在國內(nèi)，如果是做 AI 出海應(yīng)用，會(huì)遇到明顯的延遲問題。GMI Cloud 的節(jié)點(diǎn)遍布全球，能解決出?？蛻舻牡乩砦恢猛袋c(diǎn)。

更重要的是，我們擁有自己的物理算力（Own Hardware），而不是純粹的 Serverless API 聚合商。如果你去租阿里云或火山引擎，通常拿到的是 VM（虛擬機(jī)），很難做底層的“騷操作”來優(yōu)化 GPU 集群的通信和推理效率。因?yàn)槲覀儞碛械讓拥?GPU 卡，我們可以控制到 Bare Metal 甚至底層防火墻級(jí)別。只有控制硬體，才能把成本壓下去，同時(shí)把性能提上來。這就是為什么我們能比原生平臺(tái)跑得更快、更便宜。

硅星人：作為 NVIDIA 的 Reference Platform NVIDIA Cloud Partner，除了能優(yōu)先拿到新卡，這個(gè)身份還帶來了哪些“看不見”的好處？

Alex：這個(gè)認(rèn)證確實(shí)不僅是拿卡那么簡單。我們?cè)谘邪l(fā)層面與 NVIDIA 有非常緊密的 Bi-weekly Catch-up（雙周技術(shù)會(huì)議）。

舉個(gè)具體的例子，我們正在推進(jìn)全亞洲第一個(gè) GB300 液冷萬卡集群的建設(shè)。這種級(jí)別的集群建設(shè)，業(yè)內(nèi)幾乎沒有先例可循，難度非常大。NVIDIA 的團(tuán)隊(duì)會(huì)直接介入，幫我們一起調(diào)整參數(shù)、建設(shè)部署。

這種從 Confidential Computing 到 Infiniband 網(wǎng)絡(luò)層面的深度技術(shù)支持，是我們能搞定這種超大規(guī)模集群的關(guān)鍵。此外，能提前接觸到像 Rubin 這樣下一代架構(gòu)的信息和 Demo，也讓我們?cè)诩夹g(shù)規(guī)劃上能搶占先機(jī)。

硅星人：我們看到市場(chǎng)正出現(xiàn) NVIDIA 之外的專用 AI 芯片（ASIC）。GMI Cloud 的長期硬件戰(zhàn)略，是會(huì)繼續(xù)深度綁定 NVIDIA，還是會(huì)擁抱一個(gè)更多元化的算力底層？

Alex：這是一個(gè)基于理性和時(shí)間的考量。目前光是適配 NVIDIA 的迭代——從 H100 到 H200 再到 Blackwell，以及 CUDA 的升級(jí)，就已經(jīng)消耗了我們大量的人力資源。

再加上模型層也在瘋狂迭代，像 DeepSeek、Qwen、Wan 這些新模型層出不窮。光是做好 NVIDIA 架構(gòu)下的模型適配就已經(jīng)很難了。所以短期內(nèi)，我們會(huì)集中精力把英偉達(dá)芯片資源做深。當(dāng)我們的規(guī)模擴(kuò)展到一定程度后，可能會(huì)組建獨(dú)立的團(tuán)隊(duì)去探索新的硬件生態(tài)。

硅星人：GMI Cloud 的容器化服務(wù)，與傳統(tǒng) GPU 租賃有什么不同？這些 PaaS/MaaS 層的服務(wù)，為客戶帶來的最終業(yè)務(wù)價(jià)值是什么？

Alex：傳統(tǒng)的容器服務(wù)只是給你一張卡租多少時(shí)間。而我們的 MaaS 服務(wù)是經(jīng)過深度優(yōu)化的。

根據(jù)第三方平臺(tái)的對(duì)比，我們的 API 相比其他提供商有 2.4 倍到 3 倍的提速。這背后的技術(shù)包括 GPU 并行計(jì)算（Parallelism），讓我們能在多個(gè)節(jié)點(diǎn)間高效分配推理任務(wù)；以及自動(dòng)擴(kuò)縮容（Auto-scaling）和顯存訪問優(yōu)化。最終給客戶帶來的價(jià)值就是：速度更快，成本更低。

算力還不是大宗商品，機(jī)器壞掉是不會(huì)挑日子的

硅星人：在你們與歐洲 AI 音樂平臺(tái)的合作案例中，提到了“聯(lián)合工作小組”進(jìn)行調(diào)優(yōu)。隨著客戶群擴(kuò)大，你們將如何 Scale 這種定制化能力？

Alex：這種深度模式目前主要針對(duì)重點(diǎn)客戶（Key Accounts）。這其實(shí)是一個(gè)互補(bǔ)和共同成長的過程。

比如我們有一個(gè)案例，客戶同時(shí)使用 Qwen 和 DeepSeek 兩個(gè)模型。他們擅長調(diào)優(yōu) Qwen，我們擅長調(diào)優(yōu) DeepSeek。于是我們決定 Share Repo（共享代碼庫），把各自優(yōu)化的節(jié)點(diǎn)和加速經(jīng)驗(yàn)共享出來，避免重復(fù)造輪子。通過這種深度合作，我們能將 GPU 集群的穩(wěn)定性調(diào)得非常高，通過降低故障率和優(yōu)化 Checkpointing，讓客戶的訓(xùn)練速度提升了 20%。

雖然這是高接觸服務(wù)，但我們?cè)诤献髦袑W(xué)到的技能，比如特定 Video 模型的優(yōu)化，會(huì)沉淀下來，標(biāo)準(zhǔn)化后服務(wù)于更多同類客戶。這本身也是我們?cè)诖蚰ギa(chǎn)品。

硅星人：單純的 GPU 租賃利潤會(huì)越來越薄。GMI Cloud 計(jì)劃如何通過構(gòu)建自己的軟件和服務(wù)生態(tài)，來避免陷入低利潤的“算力紅海”？

Alex：很多人認(rèn)為算力最終會(huì)變成 Commodity（大宗商品），但至少目前來看，它還不是。

在這個(gè)行業(yè)，即使你買了 GPU，如果網(wǎng)絡(luò)服務(wù)和穩(wěn)定性做不好，客戶是沒法用的。我們見過有廠商機(jī)器經(jīng)常斷網(wǎng)，或者周末找不到人維護(hù)。但你知道，機(jī)器壞掉是不會(huì)挑日子的。所以，服務(wù)品質(zhì)和集群穩(wěn)定性本身就是極高的壁壘。口碑越好，客戶越多。

另外，規(guī)模（Scale）也是壁壘?，F(xiàn)在能提供 8 卡、16 卡集群的廠商一抓一大把，但能提供單一集群 2000 卡甚至萬卡級(jí)別的廠商非常少。隨著模型越來越大，客戶對(duì)大規(guī)模集群的需求在增加，這實(shí)際上是在進(jìn)行一場(chǎng)去蕪存菁的行業(yè)洗牌。只有具備大規(guī)模交付和服務(wù)能力的廠商才能在紅海中生存下來。

硅星人：從行業(yè)視角看，先租后買（Buy-to-Own）在 AI 算力采購版圖中的位置是什么？它會(huì)走向主流嗎？

Alex： 它不會(huì)是全市場(chǎng)的主流，而是服務(wù)于特定階段、比較成熟的客戶。這類客戶通常愿意簽 3 年以上的長約，他們算過賬，認(rèn)為付完 3 年租金后，資產(chǎn)折舊也差不多了，希望能擁有資產(chǎn)的所有權(quán)。這是針對(duì)特定高端需求的一種靈活服務(wù)。

硅星人：與服務(wù)本土企業(yè)相比，服務(wù)海外企業(yè)和 AI 出海企業(yè)對(duì)你們的技術(shù)、服務(wù)和全球化能力提出了哪些不同的要求？

Alex： 中國出海企業(yè)通常有三個(gè)核心需求：1、成本可控的混合架構(gòu)：出海初期預(yù)算有限，需要高性價(jià)比。2、用戶體驗(yàn)：落地到日本、東南亞或北美時(shí)，需要當(dāng)?shù)氐墓?jié)點(diǎn)來保證低延遲。3、中文服務(wù)與合規(guī)：我們能提供普通話服務(wù)，同時(shí)解決當(dāng)?shù)氐暮弦?guī)問題。

硅星人：目前來看，哪些行業(yè)對(duì)你們的 GPU 云服務(wù)需求最旺盛？能分享一兩個(gè)最有意思的應(yīng)用案例嗎？

Alex：目前看最火的三個(gè)賽道是：AI Software Copilot（編程輔助）、Image & Video Generation（圖像視頻生成）和 AI Companions（AI 陪伴）。

最有意思的一個(gè)案例是我們有個(gè)做 Video 的客戶。他們的產(chǎn)品發(fā)布后瞬間爆火，算力需求在 1 個(gè)月內(nèi)翻了 8 倍。我們必須在極短時(shí)間內(nèi)幫他們完成極速擴(kuò)容，從幾百卡瞬間擴(kuò)到幾千卡。

這對(duì)我們的供應(yīng)鏈和調(diào)度能力是巨大的考驗(yàn)，但我們也因此贏得了客戶的極度信任。這也帶來了一個(gè)“甜蜜的負(fù)擔(dān)”，我們的卡經(jīng)常處于售罄狀態(tài)，需要在 Capacity（產(chǎn)能）和 Demand（需求）之間不斷玩“蹺蹺板”游戲。

只做“出海”與“本地化”

硅星人：在亞洲市場(chǎng)（如中國大陸、東南亞、東北亞），你們的布局和競爭策略是什么？

Alex：我們?cè)诓煌袌?chǎng)的打法非常明確。

在中國大陸，我們不碰本土 GPU 業(yè)務(wù)，只做“出海服務(wù)”。幫助中國企業(yè)落地東南亞、日本和北美。中國出海企業(yè)有三個(gè)核心需求：成本可控的混合架構(gòu)、低延遲的用戶體驗(yàn)（Local 節(jié)點(diǎn)），以及中文服務(wù)與合規(guī)。我們?cè)趤喬承┑貐^(qū)，因?yàn)橛斜镜毓?jié)點(diǎn)，解決了很多金融或 IC 設(shè)計(jì)公司在 AWS/GCP 上找不到本地算力的痛點(diǎn)。

在東北亞，我們已經(jīng)拿下了日本第二大電力公司作為客戶，并組建了日本團(tuán)隊(duì)，提供從 GPU 到模型管理的一條龍服務(wù)，服務(wù)本土大客戶和出海落地的客戶。

在東南亞，我們有豐富的機(jī)房 partner 資源，幾乎可以做到快速幫國內(nèi) AI 應(yīng)用出海企業(yè)快速拉到資源。

硅星人：去年的 A 輪融資取得了哪些關(guān)鍵進(jìn)展？基于這些成果，公司對(duì)下一輪融資有何規(guī)劃？

Alex：A 輪資金主要用于獲取 NCP 認(rèn)證和建設(shè)早期的千卡/萬卡集群。這一年的成果是顯著的，我們拿到了 NVIDIA 的核心認(rèn)證，建設(shè)了萬卡規(guī)模的算力，并贏得了投資人和客戶的認(rèn)可。

對(duì)于 B 輪融資，我們預(yù)計(jì)規(guī)模是 2 億美金，預(yù)計(jì)本年底就可以 Close。這筆資金將主要用于建設(shè) AI Factory，將我們的集群規(guī)模在現(xiàn)有基礎(chǔ)上翻倍甚至翻三倍，特別是在北美、日本和臺(tái)灣地區(qū)的擴(kuò)容。

巨石、鵝卵石和沙

硅星人：你覺得未來兩三年，GPU 云算力這個(gè)市場(chǎng)，最大的機(jī)會(huì)和挑戰(zhàn)會(huì)是什么？

Alex：最大的挑戰(zhàn)絕對(duì)是電力。真的不夠用。

我們最早找機(jī)房時(shí)只需半兆瓦（0.5MW），現(xiàn)在找機(jī)房起步就是 40MW。整個(gè)規(guī)模發(fā)展非常可怕。我們現(xiàn)在做規(guī)劃已經(jīng)不是看 6 個(gè)月后，而是要直接去鎖定 2027 年的電力資源。這也迫使我們往上游走，直接跟 Hyperscalers 和電力公司合作。未來的競爭，很大程度上會(huì)是能源的競爭。

硅星人：怎么看待開源和閉源大模型的競爭？這對(duì)你們有什么影響？

Alex：我覺得開源是整個(gè)產(chǎn)業(yè)的推進(jìn)器。像今年的 DeepSeek V3 一出來，市場(chǎng)反應(yīng)非常熱烈，企業(yè)發(fā)現(xiàn)終于可以低成本地控制自己的數(shù)據(jù)和模型了。

以前大家覺得開源閉源差距很大，現(xiàn)在這個(gè) Gap 正在迅速縮小（Converge）。之前像 Cursor 這樣的產(chǎn)品一火，大廠馬上就能出一個(gè) Cloud Code 把它覆蓋掉，因?yàn)槌杀咎吡?。但開源模型讓大家有了反擊的機(jī)會(huì)。我有一個(gè)大膽的預(yù)測(cè)，在 Video 賽道，也會(huì)出現(xiàn)“DeepSeek Moment”。像阿里的 Wan 2.5 已經(jīng)非常強(qiáng)了，未來視頻模型也會(huì)像 LLM 一樣，出現(xiàn)一個(gè)開源的高光時(shí)刻。這對(duì)我們這種基礎(chǔ)設(shè)施廠商是巨大的利好。

硅星人：最后一個(gè)問題，我們正進(jìn)入一個(gè)“推理時(shí)代”。GMI Cloud 的理想狀態(tài)，會(huì)是一個(gè)什么樣的角色？

Alex：我們不希望只做一個(gè)單純的“算力提供商”，那樣只會(huì)越做越窄。我們希望做一個(gè)可以解決 AI 應(yīng)用企業(yè)所有技術(shù)及算力需求的 Verticalized AI Service Platform（垂直化 AI 服務(wù)平臺(tái)）。

我有一個(gè)比喻，叫做 "Rock， Pebble and Sand"（巨石、鵝卵石和沙子）：

Rock（巨石）：像 CoreWeave 那樣，提供超大規(guī)模集群給大模型公司做 Training。

Pebble（鵝卵石）：通過 K8s 和 Container，服務(wù)于需要靈活性、中等規(guī)模算力的初創(chuàng)企業(yè)。

Sand（沙子）：通過 Inference Engine 提供 API 服務(wù)，讓創(chuàng)作者和開發(fā)者能像抓沙子一樣，隨時(shí)隨地調(diào)用 DeepSeek、Qwen 等模型。同時(shí)針對(duì)開發(fā)者和創(chuàng)作者，我們也會(huì)孵化更多好用的服務(wù)，比如 Workflow 等。

我們的終局是把這三層全部打通，從最小的 API 調(diào)用到最大的萬卡集群訓(xùn)練，提供一個(gè)全棧式的解決方案。

點(diǎn)個(gè)“愛心”，再走 吧