智通財經APP獲悉，DeepSeek橫空出世並以極短時間火爆全球之後可謂徹底掀起AI訓練與推理層面的“效率革命”，推動AI大模型開發趨勢向“低成本”與“高能效”兩大核心全面聚焦，AI大模型本地化部署的大浪潮也隨之迅速席捲全球。因此在本地化AI部署需求激增趨勢下，美國老牌科技巨頭IBM(IBM.US)發佈了其最新版本的大型機系統，並且IBM強調大量企業數據將始終存儲在客戶自有的本地服務器系統，永不託管於雖然讀取與運行高效但有着數據泄露風險的雲計算模式。

IBM在當地時間週二發佈的一份聲明中表示，新一代大型機z17的性能足以處理人工智能大模型相關的AI工作負載與本地化存儲數據的協同工作。該科技巨頭補充稱，近期收購的HashiCorp公司將協助爲這些大型機器部署新的安全防禦功能。

據瞭解，z17是有着“藍巨人”稱號的IBM自2022年以來首款新大型機型，符合IBM大型機系統約三年一次的更新週期。

與亞馬遜旗下雲計算業務部門AWS，以及微軟Azure與谷歌雲平臺等雲計算服務供應商提供的雲端計算負載與存儲不同，大型機是客戶自有的本地基礎設施物理硬件。多年以來，許多行業觀察者預計幾乎所有企業數據終將遷移至AWS、微軟Azure和谷歌雲等公共或私有云服務提供商。但IBM基礎設施負責人裏克·劉易斯指出，隨着AI浪潮席捲全球，一些企業級客戶正日益意識到部分數據應保留在自有的本地服務器上，並且本地化部署AI大模型帶來的實際效益在某些應用場景強於雲端部署。

“你會發現整個行業正逐漸轉向這種混合部署模式。”劉易斯表示。“部分企業客戶執着於全面掌控自身數據、挖掘數據帶來的全部價值，並確保其永不外流且絕對準確。”

DeepSeek風靡全球之後，IBM加速迭代z系列大型機，推進數據本地化

ChatGPT、DeepSeek以及Claude等生成式AI應用程序所帶來的超高強度計算需求推升了各類與AI算力息息相關的基礎設施硬件設備市場需求。比如英偉達H100/H200以及新推出的Blackwell與Blackwell Ultra架構AI GPU需求近兩年持續在全球範圍內無比火爆，一度推動英偉達登頂全球市值巔峯——即曾在2024年穩坐“全球最高市值公司”寶座，戴爾科技、超微電腦等AI服務器製造商曾一度沉寂的高性能服務器業務板塊，如今已成爲重要的業績增長引擎。

隨着DeepSeek這類高能效生成式AI大模型持續爆火，以“低成本+高能效”爲核心標籤的全新AI大模型浪潮，正在加速推動AI本地化部署趨勢。隨之而來，傳統大型機(如IBM上述的z系列大型機)因其本地數據存儲和強大的本地化AI推理能力並支持超高強度AI工作負載而重新受到市場關注。

儘管這家總部位於紐約州阿蒙克的“藍巨人”IBM近年來已轉型爲以軟件和IT諮詢業務爲核心，但實體基礎設施硬件仍是其利潤豐厚(儘管營收與增速緩慢)的業務板塊之一。財報數據顯示，IBM旗下的實體基礎設施業務部門在上一財年實現高達140億美元營收，預計今明兩財年將呈現出小幅增長。

大型機——IBM增長平緩卻利潤豐厚的基礎設施硬件業務

近年來種種跡象表明，大型機正在AI時代煥發新生。IBM等廠商持續投入大型機技術革新，使其能夠融入當今AI應用場景。例如，IBM在2022年發佈z16主機時首次引入了芯片內置AI加速器(Telum處理器)，宣稱單臺z16每天可處理高達3000億次AI推理請求，延遲僅1毫秒。這一性能將實時AI分析(如信用卡交易反詐騙)直接嵌入交易處理中，表明大型機正被賦予前所未有的AI能力。

在DeepSeek風靡全球之後，IBM加速z系列大型機更新迭代，終於在近日最新推出的新一代大型機z17，也將呈現出比z16性能更加強大的AI任務運行效率以及面向高強度計算的綜合處理能力。

火爆全球的DeepSeek-R1推理大模型採用混合專家(MoE)架構和低精度FP8計算等創新，將超大模型訓練，以及AI應用程序極度依賴的大規模AI推理系統所需AI算力綜合成本降至多數企業可長期接受的水平。DeepSeek算法創新破解算力瓶頸，讓原本“高不可攀”的AI大模型變得相對親民，這極大激發了全球各行業參與者們在本地部署AI大模型來大幅提升業務效率的信心——包括一些中小型企業和研究機構如今也有能力嘗試自建本地化的大模型服務，而不必完全依賴雲上巨頭提供算力。並且一些大型企業出於私密數據安全、時延、能耗以及定製化提升某些內部場景的經營效率等考量，也正在積極擁抱本地部署，從而賦予傳統大型機新的生命力。

DeepSeek風靡全球，可謂樹立了“算效優先”的行業導向，促使更多AI大模型走向小模型化、低能耗化，在雲端與本地終端間分佈式協同。這股趨勢與企業對數據主權、成本可控的訴求相呼應，最終結果就是AI算力部署從集中走向分散與混合模式，大型機等本地平臺因而迎來了新的歷史機遇c

展望本地化AI算力資源部署的前景，隨着IBM等推出像z17這樣專爲AI大模型優化的大型機，以及更多高能效AI大模型的湧現，我們很可能看到雲計算與本地大型機“雙輪驅動”AI時代的格局持續發展：設計私密或高安全等級數據的關鍵業務場景的AI算力資源由本地大型機/邊緣設備承擔，大規模通用AI服務由雲計算平臺提供，二者協同也將爲企業帶來性能、成本與安全的最優平衡。