今天，我想和你聊聊在构建企业 AI 数据分析平台时遇到的另一个关键问题——计算问题。

构建 AI 数据分析平台的第一步，我们需要解决数据存储的问题，也就是建立一个数据湖。然而，当数据湖构建完成后，随着数据量的急剧增加，计算资源的需求也随之提升，这对硬件设备提出了更高的要求。

你可能会和我一样遇到以下问题：需要购买硬件进行扩容，而采购周期长且复杂。此外，GPU 服务器更新换代迅速，模型参数成倍增长，使用 GPU 做推理服务器的性价比越来越低。同时，普通 PC 的显存和配置常常无法满足需求。

我为你想到的解决方案是利用云计算的弹性和可扩展性来解决这个难题。在云端运行大模型，你可以根据模型的需求随时更换硬件配置。业务增长时，可以立即切换到更高配置的 GPU，而无需中断业务。

例如，当我们利用 Google Colab 运行大模型时，可以通过本地资源库访问在线大模型，实现本地资源和云计算的结合，从而构建一个高效的大模型数据分析平台。

接下来，我将演示如何利用 Google Colab 运行 Ollama，通过本地资源库访问在线大模型，展示如何结合本地资源和云计算的优势，构建一个高效的大模型数据分析平台。这样，你不仅能够解决计算资源的问题，还能灵活应对业务需求的变化。