575
編輯/宇婷
各大云服務(wù)提供商正爭相與需要計算資源的人工智能初創(chuàng)企業(yè)簽訂合同，以追趕ChatGPT的制造商OpenAI。
即便是ChatGPT把全世界的云計算公司，從云基礎(chǔ)設(shè)施的底層，拉入AI，多云環(huán)境依然很重要。
競爭激烈的云計算領(lǐng)域中，一個令人意想不到的早期領(lǐng)先者是長期落后于云計算領(lǐng)域，并因其過于激進銷售策略而在一些長期客戶中產(chǎn)生信譽問題的——Oracle。
根據(jù)外媒的報道，至少有6家風(fēng)險投資支持的AI創(chuàng)業(yè)公司，包括Character.ai和Adept AI Labs，主要依靠Oracle進行云計算。相比于Amazon Web Services或Google Cloud，Oracle可以更經(jīng)濟地運行復(fù)雜的機器學(xué)習(xí)模型。
從Oracle自身的角度看：Oracle作為相對傳統(tǒng)的老牌廠商，其優(yōu)勢可以總結(jié)為三點
? 不像Google和Microsoft過于創(chuàng)新，對創(chuàng)業(yè)公司有潛在威脅。
? 贏得AI云戰(zhàn)可能更多取決于交易，而不是技術(shù)細(xì)節(jié)。
Oracle只占云市場不到5％的份額，遠(yuǎn)遠(yuǎn)落后于Amazon、微軟和Google。在云的創(chuàng)新性上，口碑不及前三家。Oracle的云收入約為AWS在同期的收入的1/20。
海外媒體報道：“兩位使用Oracle Cloud的AI創(chuàng)業(yè)公司創(chuàng)始人表示，該公司從其服務(wù)器硬件中受益，特別是連接處理器的電纜，以降低運行大型機器學(xué)習(xí)模型的公司的價格。這些模型支持ChatGPT等復(fù)雜聊天機器人或服務(wù)，如Midjourney和Stable Diffusion，這些服務(wù)可以根據(jù)簡單的文本描述生成逼真的圖像和視頻。這些服務(wù)背后的機器學(xué)習(xí)模型比其他形式的AI用于分析和預(yù)測更加計算密集，并且需要通過能夠快速傳輸大量數(shù)據(jù)的電纜、適配器和交換機連接服務(wù)器?！?/p>
“Oracle憑借價格吸引了一些初創(chuàng)企業(yè)。MosaicML在測試所有主要云提供商時，Oracle一直比其他云提供商便宜23%至33%，該公司的創(chuàng)始人兼CEO Naveen Rao說。例如，當(dāng)MosaicML租用云端圖形處理單元來訓(xùn)練一個開源的圖像檢測模型DeepLabv3+時，Google收費44.87美元，AWS收費38.80美元，而Oracle收費29.94美元。“
”在Oracle上，這個過程速度更快：在Google Cloud上訓(xùn)練這個模型大約需要90分鐘，在AWS上大約需要70分鐘，在Oracle上只需要60分鐘。”
“MosaicML進行了類似的測試，涉及另一個圖像識別模型ResNet-50，發(fā)現(xiàn)Oracle比Google Cloud便宜50%至80%，比AWS便宜25%至50%。這些數(shù)據(jù)反映了當(dāng)時的價格狀況，可能已經(jīng)有所變化。（MosaicML表示無法測量Azure的成本，因為微軟不會提供按需成本數(shù)據(jù)）?！?/p>
“MosaicML的云成本數(shù)據(jù)是針對開發(fā)自動駕駛汽車或網(wǎng)絡(luò)圖像搜索引擎軟件的視覺識別模型的，這些新一代的人工智能公司正在開發(fā)大型語言模型，例如Character和Adept，盡管它們都租用了相同的基于云的GPU處理器，但它們有稍微不同的需求。為了有效地訓(xùn)練這些模型，云提供商必須擁有可以快速在數(shù)據(jù)中心的處理器之間傳輸大量數(shù)據(jù)的硬件?！?/p>
Oracle能夠做到這些有幾點原因：
1、晚進入市場，反而能夠捕捉到AWS、Azure的缺點
2、硬件優(yōu)勢
3、Azure并不一定直接面相用戶，很多購買發(fā)生在用戶與OpenAI之間。這一點，也恰恰是因為微軟為OpenAI提供了堅定的服務(wù)支持。
從外部因素的角度看：多云非常重要。
企業(yè)Perplexity是Azure的客戶，但也測試了Oracle和其他云提供商以評估價格。
另外，友商AWS在一定程度上憑借其專為此類工作負(fù)載設(shè)計的Graviton服務(wù)器芯片贏得了一些使用AI模型的客戶。但AWS的大部分AI業(yè)務(wù)來自運行較小的AI模型的公司，可能不適合大型模型。
Oracle云的首席技術(shù)官Greg Pavlik在接受采訪時表示，其數(shù)據(jù)中心硬件配置了專門用于運行圖像識別模型和近年來的大型語言模型等大規(guī)模AI任務(wù)，以搶占不斷增長的市場。
Pavlik曾強調(diào)：“我們能夠這樣做，是因為我們進入游戲的時間晚了。”
芯片，是長期鎖定客戶的原因之一。反過來，客戶也不希望自己被芯片鎖定，避免自身被限定在一個云之中。
本文參考海外記者Aaron Holmes的報道。
