上海提前布局智算服务：公共云提供智能算力 专有云实时更新知识库 “两朵云”新基建将赋能千行百业

　　  记者 查睿 束涵

　　  5月11日，中国算力平台（上海）教育专区暨上海教育智算服务平台正式启动；4月，上海发文要求加快“人工智能+政务服务”改革，推动云、网、算等新型基础设施融通；3月，上海提出未来要形成支撑性智算云算力集群，提升智算服务能级……

　　  今年以来，上海频频发布人工智能产业新政，其中“智算云平台”成为关键词，精准抓住大模型竞争的“命门”，也意味着上海算力基础设施正逐步赋能千行百业。

　　  业内人士认为，无论是公共云的智能算力，还是专有云的知识库，上海均已提前布局，力争打造更具竞争力的产业集群。

　　  “AI上云”正成为主流

　　  今年初，DeepSeek“一石激起千层浪”，掀起全国算力浪潮的同时，也激活了云计算平台的海量需求。

　　  大模型训练依赖“大力出奇迹”，只有海量参数加上巨量算力，才能训练出高性能的大模型。

　　  面对算力需求，自建服务器成本过高，将大模型放在云端服务器上训练，仅需为算力消耗付费，成了多数中小AI企业的最佳选择。因此，云计算正成为AI产业的“新基建”，中国工程院院士王坚曾形容，“云计算和大模型的关系，就像是电和电机的关系，未来的云端算力会被模型消耗掉”。摩根士丹利最新报告也显示，预计到2026年底，46%的数据将集中到云计算平台。

　　  近年来，“AI上云”的趋势愈发明显。大模型厂商与云计算平台的“双向奔赴”，一方面是AI企业对算力的需求持续增长，另一方面是云计算平台也在打造丰富的AI生态。

　　  上海四大基模之一MiniMax自主研发的多模态通用大模型，从诞生到成长都在“云端”。记者了解到，MiniMax大模型从上架腾讯云到启动训练，仅需1天。此外，云端训练将大模型数据损耗压缩至6%，GPU（图形处理器）芯片的利用率提升40%，研发成本削减30%，算力能效发挥到极致。同时，MiniMax凭借云服务器覆盖全球的计算节点，还顺利出海至180多个国家和地区。

　　  也就是说，MiniMax不再需要为算力、网络等基础支持费心，仅需专注于模型迭代的研发工作，孵化出海螺AI、星野社区等明星产品，并成长为国内AI明星企业。

　　  同时，云计算平台也在接入更多大模型。“随着单一模型难以覆盖复杂场景需求，头部厂商开始转向多模型生态构建，这有助于绑定开发者与行业合作伙伴，稳固自身生态圈。”业内人士指出。

　　  诸如，全球头部云计算平台微软Azure绑定OpenAI的同时，也在开发轻量级模型Orca、小参数模型Phi等，优化推理成本。阿里云自研通义千问，搭建开源社区“魔搭”，吸引众多开发者围绕开源大模型进行创新。

　　  AI智能算力成为发力点

　　  “前几年，国内云计算平台缺少足够应用场景，发展一度停滞。DeepSeek的算法优化，降低了云计算的成本，也盘活了云服务市场，创造了大量AI训练的需求。”业内人士认为，未来几年，AI智能算力仍将持续紧缺，这对提前布局算力的上海来说是绝对利好。

　　  长期以来，上海积累了一批头部的算力和数据平台。比如上海数据港长期服务阿里云、腾讯云、网易等为代表的云计算巨头企业，利用自身的数据中心资源优势，为AI企业提供高效的算力支持。云赛智联在算力资源的基础上，还能提供数据处理、分析以及人工智能应用开发等解决方案。云计算龙头企业优刻得在算力租赁方面具有独特的优势，是全国首家公有云科创板上市公司……

　　  “国内最大的GPU智算中心落地上海，我们还在松江部署了新一代高性能计算集群，可为大模型提供强大的算力支持。”腾讯云副总裁王前表示，上海的AI基础设施完备，包括算力的技术设施领先全国，是AI产业发展的“骨架”；上海的AI应用场景丰富，金融、生物制药、装备制造、科技创新等行业齐备，发展较为成熟，为AI产业落地提供了“肌肉”；上海的科研机构集聚，科研人才丰富，人才的储备就像AI产业的“血液”。

　　  正是“骨架、肌肉、血液”完善的AI生态，让上海稳居国内AI高地，具备很强的产业辐射能力。

　　  基于充沛的通用算力基础，更适合AI训练的智能算力，正成为上海的下一个发力点。

　　  今年3月底印发的《上海市关于促进智算云产业创新发展的实施意见（2025—2027年）》提出，到2027年，上海智算云产业规模力争突破2000亿元，智算规模力争达到200EFLOPS（每秒百亿亿次浮点运算），其中自主可控算力占比超70%，云边端协同、产业链条完备的生态体系基本形成，并打造若干综合型智算云平台和一批垂直型智算云平台。

　　  给大模型“上课”是关键

　　  “模型是‘大脑’，知识库是‘课本’，大脑智商再高，如果没有学过相应的知识，也无法很好地解决问题。”腾讯集团云与智慧产业事业群CEO汤道生认为，云服务解决AI算力只是大模型落地的第一步，AI应用也离不开专有云知识库。

　　  业内人士告诉记者，知识库通常是企业或垂直行业经过逻辑关联处理过的数据，储存在本地部署的专有云上，是大模型各类应用的核心竞争力。

　　  众所周知，大模型依靠训练时的数据“记忆”来回答问题，知识库就像是实时更新的“图书馆”。“大模型+知识库”之后，大模型负责理解问题，然后从知识库中精准检索内容再回复，这样在保证大模型能力的同时确保答案的准确性。比如，在AI医疗领域，大模型理解患者描述的症状，知识库提供最新的诊疗指南。

　　  在这一方面，上海也开始摸索实践。

　　  今年2月，上药控股打通药学专业知识库和DeepSeek-R1及混元大模型，融合推理能力与药学专业领域知识，生产不同功能的AI智能体，为药师和患者提供专业的药学建议。依托腾讯云在医学知识图谱上的优势，上海瑞金医院发布的医学大模型已在十余个头部临床科室落地，以体检报告生成为例，平均每5秒即可自动生成一份总检报告，每天自动生成超过500份，报告采纳率达到96%以上。

　　  “越来越多的AI应用不再局限于纯文本来生成回答，涉及的数据类型日益复杂，这也要求知识库能够处理和存储不同类型的数据，并支持结构化、半结构化及非结构化数据的复杂融合查询。”国产数据库OceanBase的首席执行官杨冰表示，将大模型能力与知识库专有云结合，是让模型应用更懂业务的关键所在。