GMI Cloud：出海是AI企業釋放產能、獲取新生的最佳途徑｜WISE 2025

11月27-28日，被譽為“年度科技與商業風向標”的36氪WISE2025商業之王大會，在北京798藝術區傳導空間落地。

今年的WISE不再是一場傳統意義上的行業峰會，而是一次以“科技爽文短劇”為載體的沉浸式體驗。

從AI重塑硬件邊界，到具身智能叩響真實世界的大門；從出海浪潮中的品牌全球化，到傳統行業裝上“賽博義肢”——我們還原的不僅是趨勢，更是在捕捉在無數次商業實踐中磨煉出的真知。

我們將在接下來的內容中，逐幀拆解這些“爽劇”背后的真實邏輯，一起看盡2025年商業的“風景獨好”。

此次大會上，GMI Cloud工程VP錢宇靖做了主題為《AI應用的出海效能升級·算力破局與推理架構進化》的演講。

GMI Cloud是一家北美的AI Native Cloud服務商，也是英偉達首批六大Reference Cloud Partner之一。

錢宇靖認為，對于世界用戶來說，AI應用多元化發展已經到了一個“武裝到牙齒縫”的狀態，出海成為了中國公司釋放產能、獲取新生的最佳途徑。

而在當前，中國的AI出海正在經歷著一場范式的革新——從過去的單向技術輸出，到圍繞算力全球化、需求的全球化、價值的全球化轉型。這背后，正是一場隱秘的全球價值共振。

錢宇靖

以下為錢宇靖的演講實錄，經36氪整理編輯

大家下午好！

我叫宇靖，我是GMI Cloud的VP of Engineering，主要分管的是所有工程類的項目。今天給大家帶來的分享是AI應用的出海效能升級，以及如何算力破局、完成推理框架的進化，給AI應用出海帶來更大的效能。

GMI Cloud還是一家比較新的公司，所以我在這里花一點時間給大家做一些簡單的介紹。

我們是一家專注于出海AI infra的公司，我們是NVIDIA首批六大Reference Cloud Partner之一，主要focus的項目就是我們的AI硬件以及往上的推理架構。

現在整個GMI Cloud有三大產品線——最底層的計算硬件、集群管理、MaaS層的推理服務。從三個不同維度給各種AI企業客戶提供他們所需要的能力。

我們在全球多地(東亞、南亞、北美、歐洲、加拿大)建有自有機房，同時我們剛剛耗資5億美金，在亞洲和英偉達一起建了一座GB300萬卡集群的AI Factory。在中國，我們主要面向AI 出海的企業用戶，關注出海，幫助大家做好出海。

那我們進入正題，除了業務模式需要，GMI Cloud在2025年關注到了哪些出海趨勢？

在今年這個當口，有的人會覺得AI有很大的泡沫，有的人又會信仰AI，認為AI應用接下來會有指數級的增長。從一個算力提供商或者是服務提供商的角度而言，我們所能看到的趨勢是，AI的市場的確是在一個exponential growth的形式往上增長。

雖然不同的企業、不同的分析師對于2025年下半年或者2026年的市場，有著不同的分析，但是整體的方向依然是一個向上走的方向。我們可以看到的是，今年中國海外AI應用的月活用戶依然是在不斷攀升的。

全球用戶，尤其是北美，他們對于主動擁抱AI這件事情已經養成了習慣，大家對于AI的應用的使用已經到了一個“武裝到牙齒縫”的狀態，90%以上的美國知識工作者已經非常熟練的在使用AI工具。

大家都知道，國內的付費軟件實際上是一個高同質化、高獲客成本的事情，也就是說在國內做SaaS門檻非常高。

但在中東以及拉丁美洲，有一個比較吃驚的數據，AI的應用也已經到了一個比較高的水位了，也就是說，出海市場我們的用戶教育，其實基本上已經完成了，這給我們出海帶來了一個極大的需求水位差。所以出海是釋放產能、獲取新生的最佳途徑。

當然，很多國內的企業也已經看到這個趨勢，在過去的兩年中，有很多的國內企業已經在進行AI服務出海，隨之而來的就是AI推理需求的指數型暴漲，這個是我們作為算力提供商能夠清晰感知到的一件事。

我們總結了一下，在AI出海的過程中，會遇到以下幾個關于推理相關的核心挑戰，比如服務的及時性、擴展性以及穩定性。

我們知道AI產品的一個趨勢是，潑天的富貴是突然到來的，很多時候，對于AI出海企業來講，你沒辦法以傳統軟件的角度去對它進行常規擴容，畢竟所有的Token都是需要GPU的，尤其是全球性擴容，這是一個比較大的挑戰。

此外，另外一個挑戰是，整個AI技術棧的技術迭代實在是太快了。從今年1月份到今年5月份，由于多節點系統推理爆發，Token價格實際上從一個比較高的水位，直接打到了一個地板價。

對于企業而言，它往往需要用自己的資源去做這件事情，所以他們也會有一個苦惱是，企業要如何跟得上現在的技術發展？

我們作為提供商，看到了這些需求和挑戰。GMI Cloud在今年做了什么事情呢？

首先作為一個算力服務商，我們當然是要建好自己的機房，現在我們在跟NVIDIA去做一個叫做AI Factory的項目，這個項目是黃仁勛4月份的時候給大家透露出來的，會利用最新的GB200、GB300這樣的大型的機器，極大增加集群吞吐量。我們是亞洲區域為數不多最先進行AI factory的NCP之一，而且是萬卡集群的規模。

然后就是繼續迭代我們的集群引擎和推理引擎。分別是中間層和上一層。這兩個引擎目標的客戶群也是不一樣的——我們的集群引擎，它面對的客戶是有一定工程技術能力、想要做一些比較復雜應用的客戶；上層的推理引擎，是對一些更加輕量級，完全注重于終端應用的一些企業客戶而設計的。

我們的集群引擎（Cluster Engine），實際上跟傳統云是非常類似的，只不過作為AI的原生云，它更focus在GPU本身的算力。

我們的集群引擎是一個標準的IaaS層，基本上覆蓋了底層的硬件、中間的裸金屬，再往上是集群管理，并且我們會覆蓋非常非常多的可監控性的一些插件，給大家提供一個比較熟悉的過程。

很多出海企業可能會習慣用一些海外大云，比如GCP、AWS，這些云關于GPU workload的一些功能，我們同樣會去支持。我們會有一個特殊化的IB組網技術，使得客戶能夠選擇他自己想要的集群尺寸來進行訓練。

另外，現在很多客戶會有私有的集群，在這個過程中，往往會遇到擴容的問題，這個問題也會被我們的Cluster Engine所完美的解決，因為我們已經接入了一個多云的架構。客戶可以在他自己的資源以及傳統的大云的資源之間進行切換，來完成他的峰值擴縮容的需求。

再講一下我們的推理引擎（Inference Engine）。推理引擎是一個更加簡單的產品項目，也就是前段時間大家所講的比較火的一個概念叫做Serverless。

我們的推理引擎集成了全球頭部的大模型，無論是開源還是閉源，在我們平臺上都有得到支持，你只需要一個API就可以訪問全球最新、最強的所有模型。

另外，我們的GMI Cloud 推理引擎支持跨集群、跨地區的自動擴縮容。為什么要做這件事呢？這也是跟出海需求強相關的事。我們發現很多客戶去訓練了一套自己的模型，當他上線了以后就會發現，他的流量在峰值的時候接不住。其次，當不同地區的用戶上線了以后，也會由于他集群地址一開始的選擇，影響他的整個產品體驗。

所以Inference Engine2.0的這個版本就是專門為這種場景所設計的，我們可以幫客戶去解決跨地區和跨集群自動擴縮容的問題。

具體怎么做的呢？我們其實做了一個三層設計的架構，調度全球的資源。基本上所有的Engine的Workload可以被分為兩種調度方式，一種是queue based，第二種是load balancing based。

queue based主要適用于現在比較火的一些像視頻類或者語音類的模型；load balancing based主要適用于大家比較熟知的一些大語言模型，我們會根據不同的Workload，來選擇它的調度方式。

比如，一個Workload對于延時是不是足夠敏感？還是說成本更加敏感？對于不同的選項，我們會調度到不同的大區，在不同的大區再把工作流進行分發，達到一個終端的GPU上面。

簡而言之，我們的推理引擎的核心架構有五個核心的特征：

1、全球化的部署，你只需要用我們一個平臺就可以解決全球化服務的部署。

2、我們幫你解決了二級調度架構的問題，當然這個跟全球部署也是息息相關的。

3、彈性。所有出海的模型公司、應用公司遇到最大的問題是彈性伸縮，因為企業剛開始的流量都具有波峰波谷的性質，它一開始目標的客戶人群以及客戶地區總是有限的，所以彈性是一個剛需。

4、高可用設計，我們可以保證客戶的Workload可以在任何時刻都可以被訪問。

5、所有Workload的統一管理。

以上五個特性是我們根據我們所看到的客戶需求而提供的五大特性。

跟剛才的集群引擎一樣，GMI Cloud Inference Engine也支持混合云。無論你是自己想要自建集群，還是用GMI Cloud自己的集群，或者是在一些公有云上已經有了Credit，或者是已經有了一些Workload，都可以通過我們平臺做統一的納管。你不太需要擔心資源的碎片化以及利用率，這在我們的頂層調度中已經被考慮到了。

在這邊，我也打一個小小的廣告。如果你有需求，需要host你自己的模型進行出海的話，可以試一試我們的推理引擎2.0的產品，叫做Dedicated Endpoint，也就是一個獨站式的節點。

你可以嘗試使用一下這個產品，嘗試一下想要把節點布到哪些集群、哪些地區上，以及你可以根據需求選擇便宜的節點或者更便捷的節點。

另外，給大家一個小小的預告，我們即將上線一個名為“GMI Studio”的產品，一個全新打造的創作體驗產品。

這個產品力，我們將原本偏模型管理以及部署的控制臺，升級為一個面向創業者、用戶群的產品。通過GMI Studio，用戶無需本地環境，也不需要搭建一個復雜的推理框架，就能夠在云端以“拖拽”的方式，自由組合出最新的AI模型以及它的應用。

最后，讓我們來暢想一下2026年吧。

2026年的AI出海范式升級，是一個從舊范式——（也就是）單向的技術輸出，到新范式——（也就是）全球價值共振的過程。

隨著AI出海浪潮愈演愈熱， AI 全球化正式升維，跳出 “技術單向輸出” 的淺層認知，指向全球 AI 產業從 “資源割裂” 到 “價值循環” 的底層變革。它不再是 AI 應用的地理性擴張，而是算力、技術、需求在全球范圍內形成的 “雙向賦能生態”。

算力層，全球資源余缺互補，優質算力加速模型優化；應用層，Token 從單純的 API 調用計量，演進為算力結算與生態激勵的復合價值載體。全球AI創新共生，模型、應用、場景、算力正在形成新的價值正循環。