在生成式人工智能越来越成为 AI 行业“主流”之后，大家已经感受到 AI infra 对于模型的研发和部署有多么重要。

传统工业领域，电力系统是维持和保证一个个工厂正常运行的基本条件。以后，AI 基础设施之于人工智能，就像电力系统之于工业。

整个生成式AI的完整技术栈有底层到上层分为三大块：

• 基础设施层；
• 模型层；
• 应用层。

应用层提供给个人/企业用户各类 AI 程序和服务，像我们现在用到的 ChatGPT 之类的聊天机器人，在应用层，大厂们通过研发和定制产品满足用户不同领域和场景下的AI使用需求。

模型层为这些 to B/C 产品提供能力支持，包括去年开始AI行业卷的热火朝天的各类基础大模型，这些模型也会通过API等形式开放给有需要的用户去使用（MaaS）。

基础设施层则是为研发和部署整个过程提供计算资源和服务的软、硬件，GPU，训练和部署所用的软件工具，云计算和存储系统等。另外，其实数据也应该算作基础设施，谁的掌握的数据质量高、用的好，谁就有可能train出更好的模型。

在模型的研发阶段，AI infra 提供足够的算力保证研发周期；在部署阶段，大规模应用情况下如何保证模型性能，并且降低运行成本，也要靠基础设施来保证。

以后，AI 基础设施会成为各个国家重点建设的领域，甚至会上升到战略高度。

这个超以太网联盟（UEC）国际组织的目标之一“推进开放网络系统及核心技术的研发及标准制定，打造下一代AI网络基础设施。”

一个行业的标准制定也是一个逐鹿场，决定了未来在整个行业掌握着多少话语权。国内企业参与进去是一件好事。