<mark id="oztn4"></mark>
0
自年初 DeepSeek 爆火后，越來越多企業開始嘗試通過 AI 提升效率。此時擺在面前的問題是：到底是通過云服務購買 Token，還是采購 AI 一體機或服務器進行私有化部署？
多位業內人士對雷峰網(公眾號：雷峰網)表示，從長遠看，基于云的 AI 部署方式將成為主流。一方面，AI 能力仍在快速演進；另一方面，企業在探索 AI 應用的過程中，其所需的算力和能力也會不斷變化，云計算因而展現出更強的靈活性和部署效率。
在2025火山引擎春季原動力大會的英特爾分論壇上，英特爾技術專家對雷峰網表示：“一些企業的需求長期穩定，一旦現有AI解決方案成功部署，就不需要頻繁更換解決方案，這類客戶更傾向于私有化部署。”
正如華勝天成助理總裁郭濤在論壇上所言：“AI 的價值不在技術本身，而在于是否真正幫助客戶降本增效。”
因此，AI 部署方式的選擇應依據企業的業務需求和特點而定，甚至可以采用云與私有化結合的混合部署方案。因為英特爾與火山引擎合作，提供既支持私有化、又支持云端部署路徑。
值得一提的是，AI部署不是非GPU不可，至強CPU在許多場景中也是非常好的選擇。
云端彈性算力部署 AI，成本最高可節省 83%
云端部署之所以被認為是未來主流，關鍵在于其彈性算力和高性價比。
“圍繞大模型的負載，不僅需要大量的GPU算力，同時也需要CPU的算力協同配合，這種分工模式要求企業必須同步升級兩類算力資源，以滿足端到端的AI業務需求。”火山引擎云基礎產品經理負責人李越淵指出，火山引擎ECS通過高度協同CPU與GPU，提升數據處理效率；提供高彈性，并且能夠保障客戶的安全隱私。
火山引擎2025春季原動力大會上，火山引擎與英特爾聯合發布了全新第四代 ECS 實例家族，基于最新的英特爾至強 6 處理器，性能與架構全面升級。
相較前一代實例，通用計算基礎型實例g4i在MySQL數據庫與Web應用中分別實現了20% 和19%的性能提升；算力增強型實例在視頻解碼和圖像渲染上分別提升15%和26%；I/O增強型實例在Spark大數據與Redis數據庫上實現了13%和30%的提升。
第四代 ECS 實例的網絡與存儲能力也實現全面升級，整機網絡和存儲帶寬提升100%，IOPS 和PPS提升30%以上，CPU主頻提升20%。
除了通用場景的性能提升，針對AI應用，基于最新四代實例，火山引擎聯合英特爾在RAG 應用進行了深度優化，涵蓋上傳文檔處理、Embedding 向量化、向量檢索、Reranking 排序四大環節。借助至強6處理器內置的AMX加速指令集，任務耗時最多可減少90%，顯著提升全鏈路效率。
針對廣泛應用于推薦和廣告投放的經典 WDL（Wide & Deep Learning）模型，火山引擎與英特爾團隊進行了深入研究，通過AMX優化，CPU的推理性能實現了質的飛躍。優化后，CPU實例吞吐能力提升114%，顯著提升模型推理效率。
這些提升都以英特爾至強6處理器性能的大幅提升作為基礎，在通用計算、Web service及AI等領域，至強6的6900系列CPU性能總體提升高達2倍以上，同時提高了1.4倍的性能功耗比改善。
相同功耗的情況下，至強6處理器相對上一代提升了1.4倍以上的性能。如果核心數固定，除了功耗改善之外，仍然可以提供20%的性能提升。對于云計算，至強6可以實現2倍的核心密度、20%的單核性能提升、60%的性能功耗比，以及最終會實現代際的30%的TCO收益。
結合火山引擎推出了業界首創的"彈性預約實例"售賣模式，客戶可以提前預約抖音的潮汐資源，同時獲得按量使用的體驗以及接近包年包月的價格。
李越淵介紹，相較常規按量計費實例，彈性預約實例使用方式下，最高能夠節省83%的算力成本，目前彈性預約的售賣方式已全面支持CPU和GPU實例。
如何降低云端部署 AI 的門檻？
云計算彈性靈活的另一面，是有一定的開發門檻。降低開發門檻，依賴好的軟件棧。
英特爾專家表示，優秀的軟件棧需要具備幾個條件：首先，具備開箱即用性，能在新環境中快速啟動并運行一個具有實際價值的“Hello World”示例，幫助用戶快速上手；
其次，應具備可觀察性與可修改性，核心組件應透明可見、可調整，避免成為“黑盒”，這也是開源的重要價值之一；
最后，考慮到AI應用的復雜性，軟件棧應具備良好的模塊化與容器化架構，便于靈活組合與高效部署。
綜合以上的考量，英特爾基于開源項目OPEA，將其變成了一個集成類的開源項目，并且在火山云上提供了一個基于OPEA的開發環境，提供了像聊天機器人的應用，后續還將持續更新。
這只是入門，要落地AI還需要持續進階。“通過系統化的設計之后，我們在網上推出了‘云端進化論’系列課程，通過在線提供的進階視頻，讓開發者看到整個鏈路里端到端的技能分解評估和優化的手段。”英特爾技術專家介紹。
為進一步應對 AI 的系統復雜性，英特爾將各種服務通過容器化的方式封裝，在火山引擎上提供十幾種不同的服務，幫助開發者好理解其內在邏輯的同時，后期開發者無論做關鍵模塊的替換、升級或者做多個實例的擴展，微架構的方式都更加方便。
目前，在火山引擎 g4il 實例中，用戶可在操作系統選項中看到一個名為“開源大模型應用知識問答”的新鏡像，基于 OPEA，經過選擇、點擊、啟動的步驟，即可在兩分鐘內部署一個可用的聊天機器人實例。
進階到更復雜的 Agent 應用，英特爾將 RAG 知識庫、工具鏈與多模態組件封裝為 MCP Server，通過統一接口向 Agent 開放調用。
“通過和火山引擎的合作，我們提供了低門檻、觸手可及的硬件環境，提供了開放、白盒使用的軟件棧，提供了豐富的從專門到專家，從簡單到復雜全套的培訓視頻。”英特爾技術專家說，“這些都是為了降低AI在云端部署的門檻。”
當然，AI 普及的仍需要產業協作。
正如英特爾中國互聯網行業總監李志輝所說：“芯云協同已進入新階段，從技術融合邁向生態共建。我們呼吁更多合作伙伴共同參與，建立跨芯片、云服務、應用層的開放標準，降低生態協作成本。”
32B 模型：邊緣部署 AI 的甜點
即便云計算足夠靈活高效，對于高度關注隱私的企業而言，私有化部署仍是首選，而高性價比的一體機是其理想之選。
這類方案不僅要求硬件平臺性價比高，還要確保 AI效果能滿足業務需求。
“32B的模型是一個很好的價值點。”英特爾技術專家說，“32B模型的性能表現出色，遠超足夠好的范圍。另外，因為模型相對小，對算力的需求比較低，使用消費級GPU就能滿足一些邊緣應用落地的需求。”
基于英特爾至強處理器和多張英特爾銳炫顯卡的一體機解決方案，采用全新的英特爾銳炫 Pro B60，單卡可提供24GB顯存，在上下文擴展和并發擴展等場景中，提供更強的處理能力。
不過，硬件只是基礎，開發者更關心遷移成本。為此，英特爾提供了包括 vLLM、PyTorch 在內的完整軟件棧及服務化企業 AI 平臺（EAP），幫助客戶順利遷移至英特爾平臺。
“我想強調，除了提供這套服務之外，我們和業界很多的應用打通，比如說英特爾與跟火山引擎的HiAgent合作。”英特爾技術專家表示。
HiAgent 是火山引擎基于 Agent DevOps 理念打造的智能體平臺，支持模型接入、推理、精調及私有化集成。在英特爾的一體機方案中，用戶可直接部署HiAgent滿足企業級AI私有部署需求。
目前，英特爾與火山引擎HiAgent、華勝天成聯合打造了基于英特爾銳炫顯卡算力平臺的HiAgent一體機方案，能夠為市場提供高性價比、可擴展性更強的AI一體機方案。
華勝天成在自身的業務中積極推進 AI 落地，并將其服務能力拓展至更多客戶。作為擁有 20 年智能呼叫中心經驗的企業，華勝天成打造的智能體產品已廣泛應用于金融、煙草、汽車等多個行業。
華勝天成的另一個產品投標大王，最早是用于內部，因為華勝天成作為一家集成商，每年要投上千個標，使用了投標大王之后，提高了近50%的效率。
如今，到底如何部署AI的答案已不再模糊。無論是技術上還是生態上，英特爾、火山引擎等合作伙伴均已提供完備的私有化與云端 AI 解決方案，并持續降低部署門檻。
關鍵在于，企業能否找到適合應用 AI 的業務場景，將其價值真正落地。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
