ChatGPT 爆火，引得全世界爲之瘋狂，恍惚中一夜之間，人人都在讨論 ChatGPT，所有大佬和資本紛紛湧進大模型。
上一次如此熱鬧還是 Web 3，不過相對前者是少部分人的自娛自樂，大模型則像魔法，引得全民爲之着迷，短短 2 個月内 ChatGPT 就收獲 1 億用戶，币圈甚至認爲過去 3 個月内 AI 創造的價值，超過了虛拟貨币曆史上創造價值的總和。而創業者和投資人對大模型更狂熱，更加充滿信念感，堅信大模型的曆史意義将不亞于電力的發明；而争奪大模型技術的領導地位，則像 " 研發核武器 "。
" 全球最聰明的人都在大模型創業，沒人會禁受得住它的誘惑。" 前極狐（GitLab）創始人陳冉這樣對雷峰網說。
一個資深技術極客趙亞雄博士亦是如此。2019 年從工作了六年的谷歌離職後，便一直奔赴在創業前線，最初加入創業公司 Pixie 小試牛刀，2022 年他決定回國，因爲國内湧現出的創業機會深深吸引着他——中國正在發展獨立自主技術體系，中國要做自己的 IT 技術棧，發展自己的技術生态。對他來說，腦海中有無數誘人的技術創新點子，但是在美國成熟的技術生态中，這些想法都顯得過于激進。
對他這樣一個在國外科技大廠經受過近十年技術訓練的人來說，這是一個難能可貴的機會。從 2008 年到 2019 年的十年裏，趙亞雄博士分别在 Amazon、Google 工作，在基礎軟件領域已經成爲一名資深的技術極客。
懂技術有國際視野還心懷一腔熱情，這是支撐他在人生的舒适期，從大廠離職出來完成自己創業夢想的基礎。
2022 年 10 月回國後，趙亞雄博士獲得奇績創壇創始人 CEO 陸奇博士的天使輪投資，開始了每周工作 100 小時以上的硬核模式。他長期關注 OpenAI 及矽谷創投生态，看到在自動駕駛長期無法獲得突破、AI 創業領域一片低迷的情況下，ChatGPT 從 11 月底橫空出世後，重新激發了全球範圍内對 AI 的狂熱。
" 未來一定是 AI 的世界 "，趙亞雄博士的商業猜想轉移到大模型。但他的商業方案 " 算想未來 " 不直接參與做大模型，而是要做大模型和 AI 應用的基礎設施。未來 " 算想未來 " 要做 AI 的基礎設施—— AI IaaS Cloud，區别于傳統的雲計算廠商，即一個以 AI 爲導向的雲計算廠商。
趙亞雄博士基于自己長期在 Google 爲 Google Brain、DeepMind 構建的大規模高性能機器學習計算平台上的經驗，敏銳地意識到中國大模型的研發，受制于基礎設施軟件薄弱、人才稀缺、以及 GPU 芯片禁售的風險。他堅信，接下來将迎來大模型大爆發，對算力的需求随之會暴漲，" 算想未來 " 就是要承接住大模型帶來的這部分機會。
以下是雷峰網與趙亞雄博士的對話，講述了他對大模型的認知，對國内雲計算、SaaS 産品發展的分析以及 " 算想未來 " 的規劃。
要做大模 AI 的基礎設施
雷峰網：是什麽時候關注的大模型？
趙亞雄：2018 年我們就關注到來自 OpenAI 的博客 "AI and Compute"（https://openai.com/research/ai-and-compute）的一個結論：大模型的算力需求每 3.4 個月翻一番。我還在 Google 時，Google 就一直保持對大規模機器學習、深度學習的投入，我這邊所在的 Borg 團隊一直有專門的小組支持 Google Brain、DeepMind ，負責在大規模 GPU、TPU 集群上的資源管理和調度。
我們一直關注 Transfomer、GPT 的進展，但是 ChatGPT 的誕生确實完全出乎意料，的确完全超出了我們之前腦海中固化的 " 線性發展 " 的能力曲線。也從前同事了解到 ChatGPT 對 Google 的沖擊，感到非常震撼。
2018 年我們嘗試了 GPU Cloud 的創業方案，2020 年又嘗試了 Compute Infra with AI Chips，都沒有成功。當時最大的阻力在于，大規模的 AI 算力需求仍然隻是頭部大廠的小衆需求，市場空間有限。真正重新喚起我們對 AI 基礎設施的熱情，是在 3 月 27 日陸奇博士在奇績創壇得宣講會上，他認爲大模型已經帶來劃時代得變革。
3 月 27 号那天，陸奇博士召開了一個奇績創壇内部成員企業的轉型研讨會，主要是有關 AI、大模型。我們都知道陸奇博士他對 AI 領域的貢獻：作爲 AI 的一名布道者，他很早就參與過 OpenAI 的早期工作，在微軟也一直在做搜索及人工智能方面的技術管理，百度的 "All in AI " 戰略也是他制定的。
在這個研讨會上，通過陸奇博士的視角，讓我從整個人類社會經濟曆史、社會發展以及大模型帶來的機會，對大模型有了更加深刻的認識。
我們意識到 AI 基礎設施軟件，對中國大模型團隊追趕 OpenAI 至關重要。基于我們跟 OpenAI 基礎設施團隊過往的交流，我們認爲中國沒有可以匹敵 OpenAI 的基礎設施軟件技術團隊，這是 " 算想未來 " 的起點。
雷峰網：也就是我們要做 AI 的雲，但是現在國内公有雲競争已經是一片紅海了。
趙亞雄：傳統 Cloud 市場确實是紅海。但是大模型和 AI 應用的需求，完全不同于傳統 Cloud 所服務的軟件系統。在大模型和 AI 應用領域，大家的技術積累沒有質的差别。
首先我們看到中國現在有個最大的機會，就是中國正在發展獨立自主技術體系，也就是常說的國産替代，從政府到公衆、以及企業都推動。如此一來，從芯片，到服務器等基礎設施，再到上面的模型應用，都有機會完全獨立自主。每個層面都有全新的機會。
另外，因爲 AI 大模型帶來的 AI 算力的需求，包括 AI 的訓練和 AI 的應用研發，這些場景衍生出來的公有雲需求，會持續快速增長。我們有一個非常有名的統計數據—— OpenAI 在 2018 年寫的 AI and compute 的一個 blog，裏面介紹了他們統計的每個時間階段最大的深度學習模型，它訓練所需要的算力總額，每 3.4 個月就要翻一翻。那可想而知，随着未來 AI 持續地被更多人使用，算力以及從算力衍生出來的大數據還有 AI 應用研發，對基礎設施的需求會很快地超過傳統的雲計算。
雷峰網：能具體講講怎麽做 AI、大模型的基礎設施嗎？
趙亞雄：我們要做一個操作系統，或者說一個管理 AI 超級計算機的基礎設施軟件平台。
這個操作系統将 GPU（以及其他定制化的 AI 芯片）的算力，充分釋放給上層的 AI 訓練和推理，特别是大模型的訓練。我們現在要做的這個 GPU 計算平台軟件，實際上就是讓大模型訓練，可以高效地擴展到 GPU 集群所能允許的最大規模，提升訓練過程中對硬件的使用效率，加速大模型訓練的叠代速度，最終達到快速追趕 OpenAI 的目标。
通過擴大規模來提高硬件使用效率，縮短模型訓練的時間周期，原來可能要兩個月訓練，我們現在可以三個星期完成，快速地進行模型研發、叠代，從而加速去追趕 OpenAI ，盡早達到 OpenAI GPT 3.5 或者 GPT 4 的能力。
" 算想未來 " 第一階段關注提升分布式大模型訓練的規模；第二階段，我們會尋求國産 AI 算力的硬件，即 GPU 和其他 AI 芯片的合作，爲大模型及 AI 應用提供最具性價比的 AI 推理算力，并推出算想未來自己的 AI 算力基礎設施解決方案，來爲大中型企業建立私有 AI 雲。
" 算想未來 " 的最終目标，是在第三階段，集合大數據、訓練、推理以及其他 AI 計算相關的基礎設施能力和服務，立足中國、服務全球，成爲中國領先的 AI IaaS 雲服務提供商。
雷峰網：上面提到超級計算機，是類似 Meta 的 RSC（https://ai.facebook.com/blog/ai-rsc/）？
趙亞雄：AI 超算的這個概念，現在指的是一類專門來服務大規模機器學習和深度學習，還有其他 AI 訓練的一類集群式的計算平台。我們說的超算跟你提到 Meta 的 RSC，其它的系統還有 Google TPU Pod（https://cloud.google.com/tpu ) 、Tesla Dojo ExaPod（https://www.tesla.com/AI）這些都是同一類型的硬件系統。
AI 超算的硬件之上還有軟件層，那這個軟件層我們可以把它想象成， AI 超級計算機的操作系統，它最核心的是要提供一種能力：可以把底層硬件的算力資源，通過軟件的 API 形式，更容易地讓模型這些框架性的軟件高效率地對接起來，從而讓機器學習和人工智能的研究人員和 AI 應用的開發者，可以用盡量小的研發投入，來使用 AI 超級計算機下面的硬件計算能力。
雷峰網：國内做 AI 公有雲的，有百度百舸、火山引擎，我們是對标他們嗎？
趙亞雄：是的。百度百舸，是針對客戶自有硬件之上的私有化部署的軟件産品。" 算想未來 " 在第二階段推出的私有 AI 基礎設施解決方案，就會包含一個與百舸類似的軟件平台。而火山引擎中針對 AI 的基礎設施雲服務，包括網絡，相關大數據産品，也是我們未來要嘗試的方向。" 算想未來 " 的優勢在于，擁有來自矽谷一線大廠中核心 AI 基礎設施團隊，從事 AI 超算系統研發的實踐經驗。
另一個區别在于大家聚焦點不同，" 算想未來 " 平台聚焦底層硬件資源的管理、優化、調度。而以上的産品專注在提供軟件工具來幫助機器學習研究者、AI 應用開發者，來更快速完成機器學習模型代碼和 AI 應用代碼的編寫。換言之，" 算想未來 " 關注的是如何将硬件資源以軟件 API 的形式呈現給機器學習研究者、AI 應用開發者，讓模型訓練、AI 應用能更高效地使用硬件資源。
此外，我們的平台将聚焦在支持國産 GPU，目标是基于國産 GPU 構建媲美 nVidia 芯片的算力平台解決方案。以上百舸、火山引擎也支持其他非 nVidia GPU，但隻是将其作爲補充、并非核心。從技術獨立自主這個角度看，百舸、火山引擎并沒有優勢。
大模型的未來
雷峰網：前面提到 " 算想未來 " 是基于大模型做基礎設施，提供公有雲服務，那您怎麽看待國内這群做大模型的人和公司？我們聽到的有一種觀點是，目前國内這些做大模型的企業大多都是白費力氣，他們用的都是很老的算法，您爲什麽不直接切入做大模型，而是要做大模型的基礎設施？
趙亞雄：首先我認爲這些投資和大模型團隊的出現都是非常好的，對中國的 AI 發展有積極作用。
這一次，在人工智能方面，中國和美國的差距通過 ChatGPT 放大出來。以前官方報道的中國人工智能的水平，很多是通過專利、論文，還有畢業工程師和博士的數量等等，這種量化指标來體現。那這些量化指标有個很大的缺陷，就是沒有關注 AI 理論研究的實際水平，以及支持 AI 理論研究和應用軟件系統的基礎設施（包括硬件、軟件）的能力， AI 應用實際落地的商業閉環和對 Ai 技術生态的飛輪效應。
ChatGPT 讓我們看到美國整個生态是有更深的 " 内功 "，以前不過是發 " 大招 " 之前的蓄力，看上去平平常常，一爆發就震驚世界。
當然差距沒有想象中那麽大。相比之前各個輪次的創業熱點來說，這次的熱點是一個完全由技術驅動的創業熱潮。上一輪技術驅動的熱潮是無人車，但當時的問題是它是以美國的團隊爲核心，像小馬智行、文遠知行等，實際上都是美國的人才在美國的土地上來做這件事情，雖然接受了大量中國風投的資金，但是它整個還是美國公司。
這一次大模型的創業有一個非常好的變化，就是中國本土的人員搭上本土的資金，然後也是完全關注中國本土市場，而且完全由技術驅動。
以技術驅動的創業，最後能取得好的商業成果的概率都是很低的。這是毋庸置疑的。但是，技術驅動的創業所積累下來的技術成果，在未來都是有更大機會在新的場景下發揮價值，這跟以往的商業模式驅動的同質化創業競争區别就在這兒。商業模式同質化競争的失敗者，他所積累的東西本身幾乎沒有複用價值，至多就是提供給後來者如何規避商業競争中的同類風險。
" 算想未來 " 的信心在于，我們能搭建一個世界一流的工程團隊，擁有在矽谷頭部企業研究團隊中實踐大模型訓練的技術經驗，根據我們在美國的技術經驗和技術的實踐成果，把這些技術能力轉移到國内來做第一批早期客戶。
我們最近也是跟國内的大模型團隊，還有其他的曆史更長的一些人工智能公司做交流。我們很明顯地感覺到，大家對基礎設施方面有一些共性的技術問題，都是我們之前在 Google 還有其他的公司都已經解決過的。所以在技術解決能力上我們很有信心。
雷峰網：您說我們正在跟很多大模型團隊有過讨論，能透露一下接觸過哪些團隊嗎？
趙亞雄：所有中國過去一段時間出現的大模型團隊，我們都在接觸中。另外還有一些傳統的 AI 應用廠商，大家耳熟能詳企業，我們也在積極地做業務拓展，具體的信息在 " 算想未來 " 後期有了階段性成果之後，肯定會公布出來。
雷峰網：既然您同意國内大模型創業公司隻有 30+ 家，競争激烈，後期活下來的也不會很多。那麽，" 算想未來 " 闖進 AI 的基礎設施領域，市場空間有多大？
趙亞雄：首先要明确一點，我們的 AI IaaS Cloud 隻是從服務大模型團隊做切入，實際上我們的願景是 AI 基礎設施的雲服務，它無論是大模型、中模型，還是小模型，甚至是邊緣的，甚至是嵌入式移動端的，都會有相應的需求。我們會爲所有的企業提供相應的訓練、推理，還有大數據以及其他支撐性的軟件服務，像 MLOPs、AI 應用框架、Serverless AI 等等這些。
目前大模型創業，是争奪大模型市場的領導地位，其中絕大多數企業都會在競争中被淘汰，從而消失，或者隻享有極小的市場份額。但是這不意味着未來隻有極少數幾家大模型團隊。實際上在主流投資圈關注的視野之外，有很多大模型團隊都在默默地自由生長着。最後的格局應該是少數幾家頭部，後面跟了大量長尾的大模型團隊服務各個行業客戶。
另一個方面，大模型訓練也不是少數企業才會有的需求。因爲大模型開啓了 AI 經濟的序幕，意味着一般意義上的 AI 模型即将被大多數消費者、軟件廠商所接受。
此外，雖然大模型與傳統手工編寫的軟件，采用了完全不同的生産方式，但大模型仍然是一種軟件，仍然需要在使用過程中不斷進行重新訓練、微調來滿足用戶的具體需求，這導緻需求會源源不斷。
正如用戶在使用開源軟件，都或多或少會進行相應的定制，因此不會出現由少數幾個大模型公司壟斷模型訓練、推理的情況。
綜上，我們認爲以大模型訓練爲開端，逐步擴大和深入的國内 AI 經濟，将會是一個多元多維度不斷發展的市場，不會是單一的，也不會是停滞的市場。
雷峰網：大模型會給中國軟件産業帶來什麽樣的影響？
趙亞雄：鑒于中國經濟的獨特結構，國有企業主導的、以公有制主體的經濟格局，要有美國模式的 SaaS 産品出現，成本太高了。
大模型的出現意味着以 AI 爲主體的軟件服務，會給中國軟件産業帶來跳躍式發展。如同中國跳過 PC 互聯網的成熟而直接進入移動互聯網，中國的軟件服務業也會跳過 SaaS 進入 AiaaS 階段，這意味着絕大部分軟件應用都會用 AI 模型來支持其功能，也意味着更廣泛的 AI 算力需求，這正是 " 算想未來 " 最關注的市場空間。
如此一來，國内的 AI 基礎設施市場有機會出現一個 " 爲中國 AI 經濟而生的 AWS"，在 AI 雲上也随之能長出如 Netflix 這樣的現象級 SaaS 應用。這是 " 算想未來 " 的機會和目标。
但國内這些以大模型爲核心的公司，不會成爲像 AWS 那樣的大公司。我們當然是希望王慧文這樣的成功創業者，能走出一條出人意料的商業化路徑，這也是我們願意跟所有的大模型團隊，一起來琢磨在更大的集群上跑更大的模型的辦法，首先完成對 OpenAI 的追趕，然後大家再厮殺角逐出最強的團隊，跑出最好的商業模式。
雷峰網：爲什麽國内這批以大模型爲核心的創業公司，不會成爲像 AWS 那樣的大公司？
趙亞雄：假設這些大模型公司，打算以大模型構建公有雲平台，那這意味着大模型要具有廣泛的應用能力，來爲其他 AI 應用團隊提供一種等同于（現有公有雲上的）IaaS 能力，換句話說，AI 應用團隊要能夠使用大模型來搭建自己的 AI 應用。
這就存在兩個問題：1、大模型的泛化能力有待驗證。現在僅僅依靠文本語言作爲媒介的大模型，雖然表現出了類人的能力，但是難以想象這種能力如何作爲基礎能力，來嵌入其他應用，即商業化場景模糊。
2、大模型的技術壁壘有限。llama 意外開源之後，其能力已經接近、或部分超越 GPT3，雖然 GPT4 的能力大幅提升。但是在大廠之間，模型的能力差距在 3 年之内（以兩者發布時間爲對比， llama 2023 年對比 GPT3 2020 年），并且這個差距是在 meta 等企業無意持續擴大模型和訓練數據規模的情況下産生的。OpenAI 尚且可以憑借先發優勢，保證市場主導地位，而國内公司由于均處于同一出發點，而且在技術路線上完全跟蹤 OpenAI，因此并不存在一家獨大的現實基礎。
當然一切仍需由市場、時間給出答案。美團誕生之初，恐怕也很難以預測其能成長爲 O2O 的統治者吧。
國内 SaaS 的機會？
雷峰網：回到 " 算想未來 "，名字是您取的嗎？有什麽樣的含義或者寄予了怎樣的意義？
趙亞雄：一開始項目名字叫初芯，大概意思就是說 AI 的計算，但是很多人反映聽上去像一個做芯片的公司，就換成了 " 算網 "。
因爲我們是一個雲計算公司，這是 " 網 " 代表的含義。那 " 算 " 則是對計算需求的體現。算網加在一起，代表我們就是一個做計算的、一個雲的提供商。因爲在未來比較長一段時期裏面，我們相信 AI 算力需求會成爲人類所有的算力需求裏面最主流的、最重要的這一部分。算網這個階段正是要服務 AI 計算的需求。
我們覺得 " 算網 " 非常順口，但很快因爲這個名字注冊不到公司和商标。團隊一起頭腦風暴後有了 " 算想未來 " 這個名字。
" 算想未來 " 表達了我們對未來 AI 算力需求的願景，算、想這兩個字代表以計算爲基礎，通過 AI 技術服務人們的想象力、創造力。" 算想未來 " 代表用計算将人們想象中的未來，變成現實的使命。
雷峰網：以前的職業生涯對您此次創業有什麽啓發和幫助？
趙亞雄：我在 Amazon Kinesis 待了 1 年不到，Google 做了快 6 年，後來以早期員工身份加入 Pixie 并被 New Relic 收購。這些年裏我一直在做雲基礎設施、AI 基礎設施相關的工作，積累了很多經驗。
例如，參與過 Amazon 一個很有名的雲産品 Kinesis；2015 年加入 Google 的 Borg 團隊，負責 Google 内部所有服務器集群，它類似一個 K8S 的平台；2018 年之後，以我爲主在 Borg 内部開啓了一個新項目，即讓 Borg 上面的應用開發者，可以更容易地開發管理他自己的業務，這個系統用到了機器學習來優化集群管理和資源調度，同時也提高了 Borg 平台上的底層硬件資源的使用效率。
Borg 後期的工作，主要的重點都是來支持機器學習和人工智能，就像網絡層的話，我們給機器學習這些算力芯片都專門設計了高性能的網絡。我也直接參與和領導了 Google 内部全球化 GPU 算力池的項目，目的是讓 Brain、DeepMind 的 AI 研究者和工程師，非常容易地把機器學習訓練任務跑在全球各地的數據中心裏。
2019 年作爲第四号員工，正式加入 Pixie 初創公司，這個公司的軟件工程體系是我跟創始人一起，按照 Google 的實踐經驗來搭建的。
具體來說，Pixie 算是我第一次正式創業，它是一家矽谷初創公司，産品是面向 Kubernetes 的微服務觀測平台，創新點是用 eBPF（Linux 内核中的可觀測性 API）實現無侵入式的數據采集。Pixie 曾獲得頂級 VC Benchmark & GV 的投資，并于 2020 年 12 月被應用性能監控領域的老牌廠商，同時在紐約證券交易所上市公司 New Relic 收購。
其實，Amazon 和 Google 的經曆，除了讓我在技術上得到曆練和積累，更多的是對我創業精神的影響。Amazon 和 Google 都是極具創業文化的公司，在 Amazon，内部每個團隊都可以作爲一個小的創業公司，來定位自己的業務方向；而 Google 鼓勵員工創業，在員工離職創業後，想要再加入 Google 并不需要面試，這給了員工很大的心理保障和激勵。
雷峰網：作爲初創公司，我們怎麽與百度百舸、火山引擎這些大廠的産品來競争？
趙亞雄：這是一個很重要的問題，也是我和 COO 李靜，包括其他創始團隊成員每天都在花時間思考的一個問題。
技術角度，最大的優勢在于我們有後發優勢，這是在出現一次巨大技術變革之後，新入局的玩家共同具有的一個優勢。
在大模型帶來的 AI 計算需求之前，在所有主流平台上的 AI 需求都不是主流的需求，所以大家對該問題的研究都是很有限的。換句話，今天我們跟他們其實是處在同一個起跑線上。
對比大廠有錢有資源，初創企業勝在小而精悍，整個團隊凝成一股勁之後的戰鬥力，是很多大廠比不了的，對此我在 Pixie 深有感觸。這也是我創業 " 算想未來 " 的動力和信心來源之一。
當遇到一個非常難的一個技術問題的時候，創業公司往往整個團隊更加執着，以及整個團隊的緊密合作最後得出來的解決方案，其質量遠高于大廠。
這可以用 " 木刀 " 和 " 鋼刀 " 來比喻大廠和初創企業，相比木頭，鋼鐵更鋒利是因爲它的元素更緊密地貼合在一起，密度大。大廠更像是一個木質的機構，自然會面臨組織能力渙散、退化。所以 " 算想未來 " 要解決的就是如何長期擰成一股繩，保持高戰鬥力，跟大廠對抗，如何能始終保持這種凝聚力，這是我們最核心、最關鍵要考慮的問題。
具體到正在做的事情。我們的核心團隊成員都是來自國際大廠的 infra 技術專家，同時我們能時常與 OpenAI、 MSR 、Google、DeepMind 這些 AI 先進團隊保持密切交流、合作，從而從各個層面了解世界前列對 AI 的趨勢判斷。這是國内以業務驅動的 AI 團隊所不能比拟的，因爲我們所了解的信息始終比他們要高一個層次。
我們更多是把 AI 作爲一種改變世界的技術手段，而不是服務某項特定業務的技術能力來看待。所以我們能看到中國的 SaaS 實力不足，過去中國經濟發展實際上沒有辦法支持，如美國那麽大規模的 SaaS 企業，隻有 AI 這樣的技術工具出現，我們才能以更高效的方式來實現軟件服務。
最基本的邏輯是美國的 SaaS，現在都是以公有雲爲支撐的數據的搬運和處理，那它對數據本身的大小處理并沒有實質性的變化。有了大模型之後，就可以把上 TB 的數據濃縮到幾百 G 的模型裏面，再加上模型還有自學習能力，實際上便可以大大降低軟件服務在交付功能過程中，對數據的這個依賴程度，如此就能大大提升軟件服務的效率。
這也是爲什麽中國的 SaaS 在國内反而發展不起來，因爲市場給它的空間很有限，但對它的效率要求又非常高，又沒有一個技術手段，能用更高效率來實現這些軟件服務。現在有了大模型後，我們意識到在技術上用 AI 的通用手段來實現軟件服務，會比傳統的 SaaS 模式效率更高，而且是可行的。
綜上，" 算想未來 " 對 AI 價值的認知，比我們接觸到的國内這些大廠或者是其他創業公司，要走在更前面。
雷峰網：我們的團隊籌備情況如何？
趙亞雄：李靜是我們的 COO，她之前在高盛做投後管理，我們的首席科學家和 CTO，他們分别都是在日本和美國 AI 研究和應用領域知名的研究機構供職，但現在不方便透露他們的具體身份。
目前我們正在加速籌備完整的團隊，同時也已經開始跟很多大模型團隊做業務探讨。我們已經在推進與國内知名的語言類 AI 産品供應商的合作，來推進幫他們如何提升大模型訓練，即 GPU 的使用效率。
總體上來說，我們是一個進展非常快的團隊，因爲機會很重要，我們一直是以成爲中國 AI IaaS Cloud 領導者的目标來快速推進。像我的話，基本上從去年 10 月份到現在，每天都是 997 的工作節奏。
雷峰網：您認爲未來國内 SaaS 會如何發展？
趙亞雄：因爲 Netflix 它是傳統雲計算上的一個殺手級應用，是伴随着 AWS 的成長逐漸長出來一個 SaaS 産品代表。我們希望未來在 " 算想未來 " 的平台上，也可以生長出一個能颠覆現在各類 To C 互聯網企業的，一個全新的，以 AI 爲核心的一個消費者應用。
