AI大模型落地，為什麼是央國企先行？

從2024年1-7月，央國企採購大模型專案數量已超過950個，且均勻佈局在智算中心、大模型預訓練、Agent和行業應用等多個方向。而除了政策影響，央國企紛紛落地大模型的背後還有哪些推動因素？

最高191億元，最低不到1萬元。大模型狂飆兩年，國內“AGI陣隊”已然形成。同步進行著的，還有央國企的大模型專案建設。

8月6日，神州數碼集團釋出公告表示，子公司神州鯤泰中標《中國移動2024年至2025年新型智算中心採購（標包1）》，投標報價約191億元，中標份額10.53%。2024年7月，湖南省委黨校湖南行政學院釋出招標資訊，採購數字機器人服務，報價9000元。

一個是智算中心採購，一個是數字機器人服務；可以看到的是，如今在央國企內部，大模型專案建設已行至中途。甚至毫不誇張地說，在大模型浪潮席捲而來的今天，央國企正在成為一股先行力量，推動著國內大部分的AI大模型落地專案。

據不完全統計，從2024年1-7月，央國企採購大模型專案數量已超過950個，且均勻佈局在智算中心、大模型預訓練、Agent和行業應用等多個方向。

大模型紛紛落地國央企，陣勢如此浩蕩的背後，政策推動成為決定性因素。據沙丘智庫，自2023年以來，國資委多次對中央企業發展人工智慧提出要求。其中，在2024年2月的中央企業人工智慧專題推進會上，提出中央企業要“開展AI+專項行動”。會上就有10家央企簽署倡議書，表示將主動向社會開放人工智慧應用場景。

同年7月，國新辦舉行“推動高質量發展”系列主題新聞釋出會，提出未來五年，中央企業預計安排大規模裝置更新改造總投資超3萬億元，更新部署一批高技術、高效率、高可靠性的先進裝置。

政策的推動，當然是其中不可忽視的因素。但除了政策影響，站在產業數字化和數智化的潮頭，央國企紛紛落地大模型的背後還有哪些推動因素？一個更值得思考的問題是，和雲端計算時代金融行業成為先鋒官不同的是，在如今的AI大模型時代，為什麼央國企會成為先行力量？

一、運營商、政務、能源搶先建設智算中心

AI大模型史上最大專案，當屬“智算中心”。

預訓練成本的瘋狂上漲和推理需求的不斷攀升，都在讓智算中心成為必要。近日，OpenAI CEO Sam Altman在接受採訪時表示，“OpenAI在年內不會發布ChatGPT-5，目前公司專注於ChatGPT-o1的研發和運營。”

GPT-5為什麼不發了？原本預計推遲釋出的o1又為什麼提前登場？這背後的原因不由得引人深思，而訓練成本就是這其中的關鍵因素之一。

言歸正傳，國內對大模型的預訓練需求也愈加迫切。在加速構建國內AGI梯隊的同時，效能不斷重新整理的大模型需要大規模智算叢集的支撐。如今，萬卡叢集已然成為大模型軍備賽的標配。而除了國內AI企業和電信運營商，正在推動落地的央國企也在加速構建智算叢集，以提高AI大模型的訓練及推理效率。

通常來講，智算中心是由地方政府或電信運營商主導建設。據中國信通院不完全統計，截止2024年7月底，納入監測的智算中心（含已建和在建）已達87個。

2023年10月，瀋陽智慧計算中心新基建專案工程總承包（EPC）成交結果出爐，百度攜手中國建築第八工程局有限公司（中建八局）成功中標，中標金額為9.1億元。具體包括機房建設、機櫃設計、智算中心平臺，以及百度為其提供的AI軟硬體能力的綜合性解決方案。

而像這樣的智算中心採購專案，央國企已經開始了鋪天蓋地的建設。對此，產業家根據金額大小，列舉了近兩年央國企採購智算中心專案金額最高的10個。

對比雲端計算時代，傳統資料中心的中標方大多都是IDC廠商；而在如今的AI時代，則多了不少AI企業和網際網路廠商的身影。

另外，從行業分佈來看，政務和運營商對智算中心的出資則更加大手筆。對此，產業家統計了運營商、能源和政務三大領域中智算中心專案的佔比：結果顯示，政務行業對智算中心的投入更大，其中包括GPU租賃、硬體以及算力排程平臺的採購。

實際上，從智算中心投入比就可以看出央國企對AI大模型的需求。

可以看到的是，自2023年三季度，央國企就已經開始緊鑼密鼓地籌備智算中心建設。而智算中心只是央國企落地AI的一個起點。

一方面，這與上文提到的政策時間點正好吻合；另一方面，2023年第三季度也恰好是以百度、阿里、華為和電信運營商為首的“國內AGI梯隊”剛剛形成。

除了智算中心，央國企對AI大模型建設的另一個重點則是行業應用，即針對特定場景搭建大模型平臺或應用。

以電信運營商為例，據不完全統計，從2023年至今，運營商對AI大模型的專案建設達到了238起，其中除了75起智算中心建設外，剩餘都圍繞特定的場景構建大模型，主要有智慧客服、營銷和數字人方面的採購。

不同行業對於AI大模型的需求不同，專案重點自然也不一樣。對於政務和運營商行業而言，之所以智算中心佔比更大，除了政策推動，更重要的原因是對於私有化部署、本地部署的需求極高，尤其是政務領域；另一方面，相對於其他行業針對單點或各別環節的大模型應用開發，政務和運營商對大模型的需求則更為系統化，更需要從GPU資源到算力排程平臺來發揮作用。

相比之下，在應用AI大模型最多的三個行業中，能源領域對智算中心的投入較少，而更多圍繞大模型訓練和開發方面，尤其是針對特殊場景如何訓練並最佳化演算法，如何微調模型等等。

另外，值得注意的是，對於這些對行業know-how要求更高的領域而言，他們選擇中標方的時候也更為講究；比如在挑選算力排程平臺和大模型預訓練、開發階段時，中標方則圍繞以百度、科大訊飛為首的AI企業；而在選擇在大模型開發過程中，需要特定技術研究時，則會選擇南方電網這類更懂know-how的企業。

最後，不同於雲端計算時代，金融行業成為頭部落地試驗田；在如今的AI大模型時代，在央國企當中，有四大行業脫穎而出，分別是教育、能源、運營商、政務；而金融行業卻並沒有表現出像雲端計算時代那麼強的意願。

二、AI大模型：顛覆傳統IT架構背後

時代變遷。

在過去的雲端計算時代，大型企業進行數字化轉型需要從購買或租賃伺服器，到選址建資料中心，再到選擇合適的雲架構，接下來到平臺開發環節及上層應用的搭建。

通常來講，一家大型企業，如能源或工業企業來說，面對分佈在各環節的資料，通常需要建底層的PaaS平臺，從而實現靈活呼叫、互聯互通；但儘管如此，資料孤島、資料煙囪依然存在。

然而，這種從IaaS到PaaS再到SaaS的架構，在如今的AI大模型時代已經徹底被顛覆。企業往往需要一個行業大模型即可搞定，而不再會為了構建多個複雜應用，費時搭建PaaS平臺。

誠然，企業在雲端計算時代交得學費也並沒有浪費，在AI大模型時代，央國企在政策引導、需求迫使和環境因素等多方作用下已經開始先行落地AI大模型。

而在這其中，很大一部分都是基於過去雲端計算時代一些無法解決的頑疾，希望在AI大模型這裡找到更好的解法。

可以觀察到一個現象，目前央國企在大模型落地方面，主要圍繞兩點，一個是智算中心，一個是行業應用。後者包括大模型預訓練，大模型開發，以及針對各別環節或特定場景構建大模型應用或解決方案。

通常來說，後者透過大模型基於特定場景的解決方案，都是在過去雲端計算時代無法實現的。

以運營商為例，雖然智慧客服已經存在很多年，準確地說，自雲端計算時代以來，各類智慧客服軟體和解決方案層出不窮，然而對於整個行業來講，轉人工率依舊居高不下，普遍都在80%以上。而當時代的列車剛剛駛入大模型時代，智慧客服就成了大模型落地的第一塊試驗田。

再比如在能源行業，知識如何沉澱，再如何讓新人用起來，一直都是一大難題。即使在雲端計算時代，工業網際網路平臺林立，很多問題依舊沒有答案。而在如今的大模型時代，一個行業大模型便可以解決很多問題。這其中關鍵發揮作用的便是在行業大模型構建過程中的RAG搭建環節，它相當於一個企業知識庫，任何輸入的知識，都可以輕鬆呼叫。

像上述所展示的，對於某些行業來說，大模型並不是“雞肋”。相反，它能夠扮演“超強大腦”的角色，將企業的全部智慧匯聚到一起，並有的放矢地發揮作用。

然而，對有些行業而言，大模型目前還並未找到用武之地。

比如在金融行業，目前落地較多的專案主要圍繞知識庫問答方面，很難深入到核心業務。一方面，是出於金融監管和資料隱私等顧慮；另一方面，也是更重要的，目前AI幻覺問題還很難徹底得到解決，任何AI演算法可能為金融行業所帶來的錯誤預測和建議，都可能帶來重大經濟損失。

而無論是智慧客服還是行業大模型，無論是政務領域，還是運營商或能源、政務、教育等行業，在央國企先行落地大模型的背後，有三點核心原因。

首先，在大模型時代，央國企多年積累的資料得以發揮作用，他們不僅僅包括像財報報表、交易記錄等已經做好歸納整理的結構化資料，還包括一些重要的企業資產，如散落在各個系統內部的聊天記錄、檔案、圖片等等，如今這些非結構化資料都可以在AI大模型中，變成“企業知識庫”，併發揮其價值；

其次，不同於過去雲端計算時代從IaaS到PaaS再到SaaS的三層架構，大模型有著很強的協同性，只需在前期大模型開發階段做好訓練和微調，後期即可直接基於資料進行前端行為的加持。

最後，也是很重要的一點，央國企本身就有龐大的伺服器叢集，其自身具備強大的算力基礎，基於這些基礎可以更好地推進大模型落地。

三、競爭點：預訓練、安全及行業know-how

從中標情況來看，可以毫不誇張地說，央國企撐起了國內大模型商業化的半壁江山。

然而，大模型落地程序行至中途，仍然有很多問題亟待解決。

據中信建設證券資料顯示，2024年-2027年全球大模型推理的峰值算力需求量的年複合增長率為113%，遠高於訓練的78%。而預訓練成本和推理成本的疊加，也推升了整個AI基礎設施的市場份額。

據艾瑞諮詢推算，2023年中國AI基礎資料服務市場規模為45億元，預計到2028年，其市場規模將達170億元，且未來五年的複合增長率為30.4%。

這同時也解釋了近兩年央國企搶建智算中心的原因。然而，阻擋大模型落地程序的還不僅僅是算力資源短缺。

雖然大模型時代已經顛覆了過去從IaaS到PaaS再到SaaS的傳統三層架構，但在新時代下，新的架構也迎來了一些新的挑戰，比如從AI Infra到MaaS，再到上層的AI應用，中間涉及很多模型搭建的環節，這些都需要大模型服務商與企業一同探索落地路徑。

對於央國企來說，用AI大模型賦能雖然已成為共識，但怎麼用大模型，具體把大模型加在哪個環節，大模型如何發揮作用，以及如何開發和訓練大模型，面對這些問題，企業並沒有太多頭緒。因此，這就給AI大模型供應商提出了更高的要求。

在這過程中，供應商是否掌握行業know-how，在有些時候甚至可以成為能否拿下標的的關鍵因素。對此，以百度、華為、科大訊飛為首的AI大模型企業，都不約而同地在2024年扛起“行業大模型”的大旗。

據統計，在能源領域，2024年上半年就出現了不少預訓練過程中某項技術研究的投標專案。

另外，值得注意的是，隨著AI應用走向深水區，資料安全、資料共享和資料溯源等問題則開始被一一搬到檯面上。據悉，10月9日，中辦、國辦正式釋出《關於加快公共資料資源開發利用的意見》，提出到2025年，公共資料資源開發利用制度規則初步建立；到2030年，公共資料資源開發利用制度規則更加成熟，資源開發利用體系全面建成。

雖然如今的AI大模型已經可以讓資料溯源成為現實，但其中的責任劃分和資料安全等等問題，還需要AI服務商和企業一同探索。