2024年12月大模型行業熱鬧非凡，國內外科技公司紛紛搶發最新應用。例如，擁有更強復雜問題處理能力的ChatGPT o3、或是國內廠商全新打造的視覺理解模型，以及全域 AI 搜索等新應用。各家爭奇斗艷，在多方向不斷延伸升級，也再一次為企業數智化創造了更多新的可能性。然而，企業要做到真正依托大模型，實現自身全面AI原生化轉型，還需要從新的角度思考與推進。

近期，第一線DYXnet智算網絡技術部總監張先國接受了51CTO的獨家專訪，在談及AI智能時代，企業數智化轉型需要注重的方向時，他坦言道：釋放數據價值是這一進程的關鍵。以前數據只是存放在業務數據庫中，企業僅是對其進行簡單檢索，很多非結構化數據難以發揮價值。但現在，借助AI的能力可以更好地釋放數據價值。對于企業來說，關鍵在于如何發揮私有數據價值的同時保護自身數據，避免讓自己的數據僅僅成為大型平臺的一部分，這才是企業未來轉型的真正價值所在。

隨著大模型深化發展，越來越多的企業開啟數智化升級。大模型私有化呈現出愈發明顯的趨勢。企業只有將私有數據、專業知識和行業經驗融入大模型之中，進而打造出 AI 原生化的業務形態，讓模型生成更符合企業實際和專業需求的內容，才能夠為企業提供更加具有針對性的決策支持和解決方案，進而更好地幫助企業獲得競爭優勢。

AINet戰略布局 雙線并行

面對AI大模型新發展趨勢，第一線正致力于向AI應用與大模型服務+AI原生基礎設施服務升級。其中AI原生基礎設施服務方面，第一線的戰略方向便是構建AINet。在這一戰略中，第一線采取了以下兩條路線：

傳統業務層面進行創新

這包括SD-WAN/MPLS VPN、核心網絡架構以及SASE安全。目前，第一線正致力于將這些技術與AI相結合，以實現以下目標：通過SD-WAN/MPLS VPN+AI實現流量的智能預測；核心網+AI構建出InsightNet智能網絡；將SASE的AI能力集成到位于核心網絡邊緣的SASE POP，打造智能安全防護體系。

打造AI原生超互聯架構基礎設施

圍繞企業進行AI原生轉型，第一線緊跟企業對安全、AI、算力等方面的更高要求，通過技術創新、生態合作，構建了AI原生超互聯架構基礎設施，實現了算力與網絡的深度融合，為企業提供了一個集AI算力、私域數據、模型、隱私計算于一體的企業可信計算空間，能夠支持企業在AI原生領域的創新。

融合聯動

雙向路線匯聚而成的AINet將提供網隨需動、雙網聯動的服務賦能，為企業AI業務應用的訓練、推理等多方面場景，提供智慧基礎底座支撐。

掃清AI原生化痛點 向私有化而行

張先國表示，基于私有數據構建AI原生化業務的優勢顯而易見，而在私有大模型的訓練與推理過程中，也充滿著多方面挑戰。

算力需求井噴帶來的挑戰

在大模型訓練階段，由于參數量和訓練數據集巨大，對算力有著極高的要求。以金融行業為例，在訓練專屬金融大模型時需要處理的數據量動輒幾十T甚至達到PB級別。然而，當前市場上GPU資源緊張，算力成本高昂，如何有效利用算力資源成為企業面臨的一大難題。

數據隱私保護難題

作為企業的核心資產，近年來數據泄露和隱私侵犯事件頻發，讓企業對于數據隱私保護的擔憂日益加劇。如何保障大模型訓練過程中的數據隱私安全，成為企業必須面對的重要課題。

承勢而為

張先國強調，在新的趨勢驅動下，第一線正不斷深化探索AI原生超互聯架構的建設，匯聚創新技術與AI算力資源，形成具備多元能力加持的服務底盤，承載企業AI原生化的全面升級。

構筑可信計算空間 雙線并行

第一線AI原生超互聯架構實現了園區與樓宇之間算力直達的高速安全通道，以構筑可信計算空間，解決了算力資源緊張和數據傳輸需求激增的問題，助力企業實現基于私有數據進行大模型訓練的同時，實現更高級別的數據安全性。

算力層面

第一線通過整合多方AI算力資源，形成具備多元算力加持的服務底盤。

網絡層面

第一線基于遠程RDMA等技術打造的AI原生超互聯架構，采用動態切片技術進行網絡的動態切換。在客戶需要大算力時，能夠快速分配出大帶寬且安全隱私的直連網絡，并為其開通百G以上帶寬，保障巨量數據與算力端之間實現快速、高效的互聯互通，并在任務完成后自動釋放資源。

安全層面

第一線構建了隱私計算平臺，打造了端到端加密+算后即釋放能力。

首先，第一線在網絡中增強了實時大帶寬加密能力，從而確保客戶端與算力服務端之間的數據傳輸全程加密。當企業與算力端建立連接后，將獲得性能與安全兼具的算網支撐，同時確保數據不會向外部傳輸。

其次，所有計算服務器將只有內存而無硬盤，實現無盤隱私計算，私有數據算后即清。這意味著計算完成后將結果傳回去，隨后便清空相關數據。當下一次有其他客戶使用時，又會建立一個動態的私有連接，在內存空間中開展新計算服務，計算完成后同樣不會留下任何痕跡與保存。如此一來，就能確保做到數據只存在于當前計算時空內的私有計算空間中，用戶可放心使用相關計算服務。

解決方案

以某教育企業為例，第一線通過為其構建一個新的私域來存放數據，并提供算力專網服務。通過將數據打造為私有向量數據庫形式的知識庫，并與第一線提供的隱私計算算力相連接，利用隱私計算算力進行微調訓練。在訓練過程中，所有數據都在私域空間內完成處理，確保不會向外部傳輸。最終，訓練出一個新的AI模型，并將其部署到公網上供教育企業用戶使用。

這如同拼接“樂高”一般，第一線傳統業務平面+AI原生超互聯架構形成的AINet，將作為匯聚網絡、算力與安全等多元能力的大底盤，支撐企業推進創意創新孵化成個性化的AI原生業務形態，以供自身智慧升級，或對外提供智慧服務。

全新技術范式

大模型私有化部署帶來的諸多挑戰催生了新技術與解決方案的需要。正是憑借敏銳的行業洞察力和強大的技術實力，第一線在不斷轉型升級過程中，打造出了AI原生超互聯架構，即滿足了傳統業務的需求，又讓企業部署私有化大模型應用變得更加簡單，為業務持續創新和發展夯實了基石。這種轉型不僅是業務范圍的擴大，其構建的架構為企業提供了全新的技術范式，在算力資源整合上突破傳統局限，通過區域聯動構建起強大的算力矩陣，為應對大模型訓練的高算力需求提供了創新思路。

隨著大模型行業的蓬勃發展，企業數智化轉型迎來新契機，但也面臨著諸如算力需求、數據隱私保護等諸多挑戰。第一線通過其 AINet 戰略布局的雙線并行模式，在傳統業務創新與打造 AI 原生超互聯架構基礎設施方面持續發力，構建出可信計算空間，從算力、網絡和安全等層面提供解決方案，以應對企業在 AI 原生化進程中的痛點，為企業基于私有數據構建大模型提供了有效支撐，并在技術范式上實現創新與突破，有望助力企業在 AI 時代更好地實現智慧升級與競爭力提升，而其經驗與模式也為行業發展提供了有益的參考與借鑒，值得持續關注與深入研究。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：