AI大模型正掀起新一轮人工智能应用的热潮。最先受益的是云厂商，这是由于云计算能够提供大模型所需的计算、存储等资源与服务，并且灵活可扩展、弹性调度，帮助企业迅速起步、降低成本，成为大模型训练、AI推理的必要基础设施。最热闹的也是云厂商，大模型正在带动云业务的发展，各家云厂商也在积极为企业训练和部署大模型提供包括AI算力在内的多元算力。
作为国内众多云厂商之一，青云科技面对新的市场需求，也快速走上了新的进击之路：一是构建和不断完善算力基础设施，提供多元算力产品和服务；二是借助云原生技术能力，为企业提供高效便捷的云原生服务，帮助企业实现跨平台的应用部署和构建。
青云科技副总裁沈鸥表示：“对于AI大模型，我们看到的是企业都有兴趣，在这个领域也想要有所探索。相关AI算力价格随之水涨船高、供不应求。”
“大模型对算力和高速网络有很高需求，同时AI的应用也要求以云为载体，实现即插即用。AI与云融合，对云（计算）的增长空间和发展模式都将产生重大影响。”一位业内人士称。
但AI算力需求井喷的同时，企业在获取AI算力上也存在不少痛点。
首先，AI算力离不开计算、网络、存储等各种复杂底层资源和生态环境的创新与支撑。这些客观因素给企业自建数据中心，带来了非常高的技术和成本门槛。
其次，AI大模型的训练和推理，是一个复杂的技术体系，涉及多元算力统一、高效、灵活的调度和管理。而如何屏蔽底层异构基础设施的差异，按需及时获取不同的算力资源，满足不同业务场景的需求也非常关键。
再者，除了底层基础设施的支持外，强大的技术支撑团队、快速的AI需求响应能力、协助企业快速落地AI应用等方面支持，也是当下企业的全新需求。
打造完整的算力基础设施，一直是青云对外提供算力服务的优势。目前，青云已经形成了覆盖通用计算、高性能计算、科学计算等在内的多元算力服务矩阵，包括企业级e系列云服务器、EHPC高性能计算、QKE容器引擎、分布式存储、企业云平台、超级智算平台等，为企业多场景AI业务开展提供稳定的算力支持。
众所周知，算力更多是资源驱动，本身并没有太高的竞争壁垒。市面上算力资源的提供方众多，但普遍缺乏相应的运营能力。沈鸥认为，算力资源提供方和资源需求方之间往往是不对等的，实现统一的管理运营就变得特别重要。为此，青云在算力调度上不断提升能力，屏蔽超算服务器、AI 服务器、通用服务器等多种异构基础设施的差异，向下接驳异构化的算力和硬件平台，实现对算力的统一纳管、调度、配给和全生命周期管理，进而向上支撑各种行业应用。
同时，青云通过高度解耦、分布式的体系架构，还能够把第三方算力资源纳入青云的公有云服务体系当中，为客户提供更加高质低价的算力服务。
另外，青云也在积极拓展与大模型公司的合作，互相补齐能力，比如算力接口和标准协议的建立、成熟的监控运维体系打造，以形成行业方案或者场景方案，满足AI客户更多层面的算力服务和大模型应用需要。
基于议价权、数据安全等多重因素考虑，多云战略成了越来越多企业的上云和用云的选择。而云原生技术，可以无视IaaS底层的差异性，提供应用服务。在云原生的加持下，PaaS逐渐与底层的IaaS解耦，算力资源服务商和应用服务供应商会慢慢形成两个群体。“青云将会借助云原生的能力，往应用服务的领域走”。
青云KubeSphere容器平台企业版4.0也已上线，其最大的亮点是采用了全新的LuBan架构，实现平台高度模块化，并提供丰富的插件中心，满足企业各种功能和场景需求。围绕LuBan架构和插件中心，KubeSphere企业版将携手合作伙伴、客户围绕云原生展开生态共建，加速企业云原生转型。
