ChatGPT o3等创新再破AI极限 第一线DYXnet张先国揭秘企业数智化关键

2024年12月大模型行业热闹非凡，国内外科技公司纷纷抢发最新应用。例如，拥有更强复杂问题处理能力的ChatGPT o3、或是国内厂商全新打造的视觉理解模型，以及全域 AI 搜索等新应用。各家争奇斗艳，在多方向不断延伸升级，也再一次为企业数智化创造了更多新的可能性。然而，企业要做到真正依托大模型，实现自身全面AI原生化转型，还需要从新的角度思考与推进。

近期，第一线DYXnet智算网络技术部总监张先国接受了51CTO的独家专访，在谈及AI智能时代，企业数智化转型需要注重的方向时，他坦言道：释放数据价值是这一进程的关键。以前数据只是存放在业务数据库中，企业仅是对其进行简单检索，很多非结构化数据难以发挥价值。但现在，借助AI的能力可以更好地释放数据价值。对于企业来说，关键在于如何发挥私有数据价值的同时保护自身数据，避免让自己的数据仅仅成为大型平台的一部分，这才是企业未来转型的真正价值所在。

随着大模型深化发展，越来越多的企业开启数智化升级。大模型私有化呈现出愈发明显的趋势。企业只有将私有数据、专业知识和行业经验融入大模型之中，进而打造出AI 原生化的业务形态，让模型生成更符合企业实际和专业需求的内容，才能够为企业提供更加具有针对性的决策支持和解决方案，进而更好地帮助企业获得竞争优势。

AINet战略布局双线并行

面对AI大模型新发展趋势，第一线正致力于向AI应用与大模型服务+AI原生基础设施服务升级。其中AI原生基础设施服务方面，第一线的战略方向便是构建AINet。在这一战略中，第一线采取了以下两条路线：

传统业务层面进行创新

这包括SD-WAN/MPLS VPN、核心网络架构以及SASE安全。目前，第一线正致力于将这些技术与AI相结合，以实现以下目标：通过SD-WAN/MPLS VPN+AI实现流量的智能预测；核心网+AI构建出InsightNet智能网络；将SASE的AI能力集成到位于核心网络边缘的SASE POP，打造智能安全防护体系。

打造AI原生超互联架构基础设施

围绕企业进行AI原生转型，第一线紧跟企业对安全、AI、算力等方面的更高要求，通过技术创新、生态合作，构建了AI原生超互联架构基础设施，实现了算力与网络的深度融合，为企业提供了一个集AI算力、私域数据、模型、隐私计算于一体的企业可信计算空间，能够支持企业在AI原生领域的创新。

融合联动

双向路线汇聚而成的AINet将提供网随需动、双网联动的服务赋能，为企业AI业务应用的训练、推理等多方面场景，提供智慧基础底座支撑。

扫清AI原生化痛点向私有化而行

张先国表示，基于私有数据构建AI原生化业务的优势显而易见，而在私有大模型的训练与推理过程中，也充满着多方面挑战。

算力需求井喷带来的挑战

在大模型训练阶段，由于参数量和训练数据集巨大，对算力有着极高的要求。以金融行业为例，在训练专属金融大模型时需要处理的数据量动辄几十T甚至达到PB级别。然而，当前市场上GPU资源紧张，算力成本高昂，如何有效利用算力资源成为企业面临的一大难题。

数据隐私保护难题

作为企业的核心资产，近年来数据泄露和隐私侵犯事件频发，让企业对于数据隐私保护的担忧日益加剧。如何保障大模型训练过程中的数据隐私安全，成为企业必须面对的重要课题。

承势而为

张先国强调，在新的趋势驱动下，第一线正不断深化探索AI原生超互联架构的建设，汇聚创新技术与AI算力资源，形成具备多元能力加持的服务底盘，承载企业AI原生化的全面升级。

构筑可信计算空间 双线并行

第一线AI原生超互联架构实现了园区与楼宇之间算力直达的高速安全通道，以构筑可信计算空间，解决了算力资源紧张和数据传输需求激增的问题，助力企业实现基于私有数据进行大模型训练的同时，实现更高级别的数据安全性。

算力层面

第一线通过整合多方AI算力资源，形成具备多元算力加持的服务底盘。

网络层面

第一线基于远程RDMA等技术打造的AI原生超互联架构，采用动态切片技术进行网络的动态切换。在客户需要大算力时，能够快速分配出大带宽且安全隐私的直连网络，并为其开通百G以上带宽，保障巨量数据与算力端之间实现快速、高效的互联互通，并在任务完成后自动释放资源。

安全层面

第一线构建了隐私计算平台，打造了端到端加密+算后即释放能力。

首先，第一线在网络中增强了实时大带宽加密能力，从而确保客户端与算力服务端之间的数据传输全程加密。当企业与算力端建立连接后，将获得性能与安全兼具的算网支撑，同时确保数据不会向外部传输。

其次，所有计算服务器将只有内存而无硬盘，实现无盘隐私计算，私有数据算后即清。这意味着计算完成后将结果传回去，随后便清空相关数据。当下一次有其他客户使用时，又会建立一个动态的私有连接，在内存空间中开展新计算服务，计算完成后同样不会留下任何痕迹与保存。如此一来，就能确保做到数据只存在于当前计算时空内的私有计算空间中，用户可放心使用相关计算服务。

解决方案

以某教育企业为例，第一线通过为其构建一个新的私域来存放数据，并提供算力专网服务。通过将数据打造为私有向量数据库形式的知识库，并与第一线提供的隐私计算算力相连接，利用隐私计算算力进行微调训练。在训练过程中，所有数据都在私域空间内完成处理，确保不会向外部传输。最终，训练出一个新的AI模型，并将其部署到公网上供教育企业用户使用。

这如同拼接“乐高”一般，第一线传统业务平面+AI原生超互联架构形成的AINet，将作为汇聚网络、算力与安全等多元能力的大底盘，支撑企业推进创意创新孵化成个性化的AI原生业务形态，以供自身智慧升级，或对外提供智慧服务。

全新技术范式

大模型私有化部署带来的诸多挑战催生了新技术与解决方案的需要。正是凭借敏锐的行业洞察力和强大的技术实力，第一线在不断转型升级过程中，打造出了AI原生超互联架构，即满足了传统业务的需求，又让企业部署私有化大模型应用变得更加简单，为业务持续创新和发展夯实了基石。这种转型不仅是业务范围的扩大，其构建的架构为企业提供了全新的技术范式，在算力资源整合上突破传统局限，通过区域联动构建起强大的算力矩阵，为应对大模型训练的高算力需求提供了创新思路。

随着大模型行业的蓬勃发展，企业数智化转型迎来新契机，但也面临着诸如算力需求、数据隐私保护等诸多挑战。第一线通过其AINet 战略布局的双线并行模式，在传统业务创新与打造 AI 原生超互联架构基础设施方面持续发力，构建出可信计算空间，从算力、网络和安全等层面提供解决方案，以应对企业在 AI 原生化进程中的痛点，为企业基于私有数据构建大模型提供了有效支撑，并在技术范式上实现创新与突破，有望助力企业在 AI 时代更好地实现智慧升级与竞争力提升，而其经验与模式也为行业发展提供了有益的参考与借鉴，值得持续关注与深入研究。