人工智能大模型、机器人等的发展，正推动国内外人工智能基础设施建设进入密集投入期。

  人工智能基础设施是人工智能技术推广普及过程中形成的一类新型基础设施，包括支持开发的AI算法框架、面向应用的AI算法平台和公共服务平台、用于算法模型训练的公共数据集等形态。

  日前，有新闻媒体报道称，英伟达计划未来四年内通过与其他公司合作的方式，在美国生产价值高达5000亿美元的AI基础设施。而国内各地也有不同程度的布局，比如上海近日印发的《新时代新征程促进民营经济高水平发展的若干措施》提到，鼓励非公有制企业参与数据、算力等人工智能基础设施建设。

  眼下，国内的人工智能基础设施建设趋势有了一些新的变化。国内科技产业智库甲子光年发文判断，中国人工智能基础设施建设将进入轻重资产结合的“混合模式”深水区。

  所谓“重资产”，指的是企业投入大量资金自建或购买人工智能基础设施，是一种更“私有”的基础设施。比如互联网大公司、部分科研机构和高校等，为保障数据安全或进行前沿研究，就会自建算力集群。甲子光年表示，自建的优点是可以在一定程度上完成全方位自主可控，而且长期经营成本有望低于外部租赁成本。但它同样面临着前期投资庞大、项目周期长、技术迭代风险高等风险。

  所谓“轻资产”，指的是通过与第三方合作建设AI基础设施，或租赁、购买第三方提供的AI算力服务，是一种更“公共”的基础设施。很多中小型AI勇于探索商业模式的公司和进行数字化转型的传统企业更青睐这样的形式。但对于算力需求持续且庞大的企业而言，云端持续租赁的总成本可能高于自建方案，而且也存在“锁定”风险。

  因此，目前慢慢的变多的公司开始采取“混合模式”，即在自建基础设施的基础上，灵活利用云服务或合作方资源做补充和扩展。比如，一些大企业会采用“分层服务”的形式，将核心、稳定且对数据安全要求高的业务放在自建的基础设施上，而将一些弹性需求较大、创新性较强的业务部署在云端，还有一些企业会采用“动态调度+自建核心节点”的形式，自建智算中心的同时推动跨区域算力调度。

  不仅是国内，国际上的企业也更倾向于这种模式。根据联想集团日前发布的《全球CIO报告：迈入全新AI经济时代》显示，63%的受访企业将其AI工作负载部署在本地或混合云上，以通过混合方案来综合本地的安全性、对基础设施的控制性与云计算的灵活性、可扩展性和性能优势。

  但是甲子光年发现，这样的模式仍然面临一些问题和挑战。比如成本难以控制、数据安全存在隐患等等。而且，“混合模式”对于人才的要求也非常高，企业不仅需要懂硬件、懂网络的技术人员，还需要熟悉各种云平台服务的专业技术人员。这种复合型人才的短缺，也将会给企业的运营带来挑战。