0
互聯網時代的杰作是「連接」，人工智能時代的標志是「決策」?！谶^去的一個月，對于人工智能時代的定義區分，大多數行業人士在大模型的創造力上找到了答案。
舉個例子，為何大數據與機器學習算法的結合早已出現，過去的十年（2012年到2022年）卻仍然停留在互聯網時代，而 ChatGPT 的出現卻勾畫出了人們心中所想的人工智能時代呢？
這背后的本質，概括來說，其實是 AI 算法能對生產力產生多大的影響。所謂「生產力」，形象的說法是機器與人的 ROI 比例區分，而大數據與過去統計學習、小模型深度學習的結合，沒有在生產過程中明顯降低人力的投入。例如，過去十年全球 AI 研究者在計算機視覺的探索上，扮演了高凈值的「科技民工」角色，AI 生產即使注入高門檻的科技屬性，也還沒有擺脫堆人力的「勞動密集型」屬性，因此 AI 生產力的釋放有限。
但在 GPT-3 為代表的大模型風潮中，大模型解決多項任務的「通用」表現讓 AI 第一次有了從項目交付跨向平臺賦能的可能，有效控制成本、提高收益，并在ChatGPT 的產品設計創新中爆發大規模可行性、在 GPT-4 中愈加彰顯「通用人工智能」（AGI）潛力。借助大模型，AI 的落地由此第一次稱得上「智能」生產力，AI 時代來臨。
比方說，ChatGPT 較于互聯網，一次「詢問」的搜索，互聯網產品的反饋結果是一條條檢索信息，需要用戶花大量的時間去篩選、甄別；而人工智能產品，如 ChatGPT，是基于檢索信息做「決策」性的整合，一鍵生成匹配用戶詢問的答案，節約了大量的時間成本，以及人力成本。
然而，我們只停留在基于大模型的單一「產品形態」（如對話形態的通義千問、ChatGPT...）上是沒有意義的。如果只將想象力放在「溝通」上，那么容易走 Siri 為代表的對話產品老路。對于人機對話，過去 AI 領域的研究學者囿于「改善溝通語氣」的目標上，導致了上一代智能對話產品更多局限于情感慰藉的效果；而 OpenAI 的研究者率先注意到更背后的需求：「溝通」是為了提升解決問題的效率，所以他們將大模型的語言理解與生成能力，與對話做了結合，創造出了 ChatGPT。
由此再看 OpenAI 的通用人工智能路徑：2020年推出的 GPT-3 是大模型的技術，2022年推出的 ChatGPT 是基于大模型的產品形態，2023年與可口可樂等企業合作則是基于大模型的「生態」創造。據 EnterpriseAppsToday 統計，截止 2023 年 1 月， OpenAI 已跟科技、教育、企服、制造、金融、零售等等行業的 902 家企業形成合作關系。技術-產品-生態是 OpenAI 的三部曲，其中，生態是 OpenAI 跑進人工智能時代的最后一公里。
目前，國內絕大多數的關注點聚焦在類 ChatGPT 的「產品」形態上，也就是第二步。但實際上，從2017年谷歌推出 BERT 以來，Transformer引領的大模型研究就已在中美兩國如火如荼展開，又在 2020 年GPT-3 的爆紅中吸取了堆數據、堆算力的訓練啟示，因此，早已進入大模型賽道的各家巨頭，如海外的微軟、谷歌，以及國內的阿里幾乎處于同一起跑線。ChatGPT 雖然帶來產品的創新，但技術含量并非不可超越，因此國內的科技巨頭也很快成功追趕上，比如阿里、百度、智譜甚至360，都能很快推出自己的類 ChatGPT 產品。
但論最終「生態」的競爭，究竟誰更有優勢？背后其實是綜合能力的較量。而綜合能力，比拼三點：一是應用大模型的基礎設施；二是先有落地場景與平臺的比拼；三是降本增效的工程能力。囿于綜合能力的限制，「生態」遲遲未在國內開展。
直到今天。
剛剛兼任阿里云智能集團CEO的張勇（花名：逍遙子）在阿里云北京峰會上放出重磅消息：阿里所有的產品都將用「通義千問」大模型改造。此外，阿里云智能集團CTO周靖人稱，通義千問將基于阿里云基礎設施向企業開放，企業可以在阿里云上訓練企業自己的行業、垂類大模型。到這個時候，中國 AI 行業者才第一次嗅到應用大模型的春風，國內大模型的逐趕者才意識到：
中國大模型「生態」的角逐，被阿里云領先了一個身位。
01 大模型在前，應用在后
如何從互聯網時代邁入人工智能時代？
過去數月，這是威脅中國互聯網時代利益既得者的最核心問題。不同于直播帶貨對傳統電商平臺的沖擊，前者是在同一個范式（互聯網）下的競爭，大模型產品 ChatGPT 的「一鍵搜索與生成」能力代表的是人工智能對信息鏈接的降維打擊。
解決這個心頭大患，中國的互聯網創業者快速經歷了兩波發展：一，下場做大模型，如王小川、王慧文、李志飛等人；二，基于大模型做產品應用創新，如 Adobe、金山辦公等沒有大模型發電廠的團隊。
加上微軟應用 OpenAI 大模型能力的啟示，互聯網邁向人工智能的第一步最終選擇了一條顯而易見的道路：互聯網連接平臺的升級，例如：大模型+搜索，出現微軟的New Bing、谷歌的 Bard；大模型+辦公，出現微軟的Copilot。這些產品都可以視為 Bing、谷歌搜索、MS Office 的 3.0 作品（PC互聯網時代是1.0，移動互聯網時代是2.0，人工智能時代則是3.0）。
毫無疑問，國內大模型的落地場景也首先會出現在各類先有的互聯網產品上。而BAT、美團、字節等擅長打平臺戰的企業對此都有需求，然而，并非每個互聯網巨頭都有通用大模型的技術積累。同理，新一輪的 AI 浪潮中，擁有大模型積累的創業公司不具備成熟的互聯網產品。因此，在這一局中，這一輪領跑者必須具備兩個條件：一是大模型，二是落地場景。
而如上所述，大模型的較量中，大廠之間只要具備算力、數據與算法，效果沒有本質上的差距，百度有文心、阿里有通義（包括M6/PLUG）、華為有盤古……所以決勝點之一就是應用的數量與質量。所以，當張勇表示阿里巴巴集團旗下全系產品都將接入 AI 大模型時，阿里云峰會的臺下觀眾沸騰了——
阿里系產品家族：
?電商：天貓，淘寶，速賣通，閑魚
?出行：高德，飛豬
?娛樂：優酷，淘票票，靈犀互娛，大麥，西瓜影視，微博
?生活：餓了么，淘鮮達，盒馬
?搜索：UC瀏覽器
?辦公：釘釘
?家居：天貓精靈……
OpenAI 沒有大規模產品形態，因此第一階段只能依靠微軟的應用產品來釋放大模型的生產力，如落地成 NewBing 與 Copilot。其余大模型的競爭者還停留在技術與產品打磨的第一或第二階段，生產力的釋放也仍受到客觀局限。兼備大模型技術（通義）、產品（通義千問）與應用（釘釘、天貓精靈等）的阿里，很自然地沖到了「生態」前面，成為獨立締造生態的玩家（區別于微軟與OpenAI的聯手締造）。
阿里云北京峰會上，接入了「通義千問」大模型技術的釘釘，首次打開了國內 AI 時代智能產品的想象力——
新一代的釘釘向智能辦公邁進：針對辦公會議，釘釘可以在會議結束后自動生成會議紀要與待辦事項；針對日常辦公的文本寫作，釘釘可以自動生成活動策劃、會議策劃等工作流程方案，以及文生圖；針對群聊，釘釘可以自動生成群聊的聊天要點；針對開發，釘釘可以拍一張功能草圖自動生成小程序……
在過去，文本總結、文本生成、文本翻譯、文生圖等等都是自然語言處理（NLP）中的一個個細分方向，大模型出現之前，NLP 研究者是各自選擇一兩個細分方向深耕，雖然各有精辟，但在落地上成本與效益不匹配，類似大炮轟小鳥；但大模型出現后，一個大模型就可以解決總結、生成、翻譯等等多項任務，落地也就轉為了高速公路的思路：雖然建設成本高，但覆蓋用戶廣、使用頻率高，就具備了商業可行性。
在未來，用大模型做單個產品的智能升級，將成為行業趨勢，我們可以拭目以待。
和其它團隊不同的是，阿里最大的優勢是其場景豐富，覆蓋電商、出行、娛樂、生活、辦公、搜索等等品類，使其在大模型產品形態的創新上為「生態」做了更進一步的鋪墊：
以「幫我制定一份五一出游攻略」的問題為例，若詢問 ChatGPT，用戶只能得到一份關于機票、酒店、當地交通、飲食等等方面的文字回答；而詢問「通義千問」，用戶不僅可以得到一份文字版的攻略，未來還能相應獲取基于阿里產品生態及其外圍合作商家所提供的機酒飲食娛樂等真實產品與服務：
阿里旗下每個應用單個拎出來均扛打，對其在「AI 生態」第一階段的布局至關重要。
同時，阿里因為從 2019 年開始關注 Transformer技術做預訓練大模型的探索，在大模型技術上有深厚積累，推出全球首個萬億級參數 M6 大模型，又率先在多模態方向上探索出通義系列大模型，為其本身應用軟件的迭代升級做足了技術儲備，相輔相成。
表面上看，這是阿里借助 ChatGPT 的一次領跑，但追根溯源，還是其打磨垂類產品、堅持大模型研發多年的厚積薄發。阿里入局大模型角逐，沒有停留在單一的產品形態上，而是率先將重心放在縮小 AI 大模型與影響行業之間的鴻溝上，是其能領跑大模型「生態」的原因所在。
02 不能被忽視的「 AI 基礎設施」
用大模型將旗下所有產品進行一次改造，是阿里從技術、產品邁向生態的第一步。
但一個完整生態的形成不能光靠阿里一家。「開放才能共贏」——這個觀點在文生圖模型 Stable Diffusion 憑借開源趕超 OpenAI 的 DALL·E 2.0 上得到了驗證，在 HuggingFace 為代表的 AI 模型開源社區中也得到了驗證，因此，國內的科技巨頭如百度、阿里、華為在大模型角逐中也強調這一點。
如張勇所言，面向智能時代，所有的公司都在同一起跑線上。以通用人工智能（AGI）為中心的 AI 時代才剛剛拉開序幕，大廠也好，創業公司也好，大模型應用創業者也好，如何跑完「降本增效」的最后一公里才是最終華山決勝的關鍵所在。
我們必須認識到技術發展的一個客觀需求：大模型的成熟，不是單一算法的勝利。與訓練大模型的框架、算法同樣重要的，還有計算、開發、服務等配套設施?！钙矫癜妗勾竽Ｐ褪强茖W家挑戰自己的主觀命題，也是大模型落地行業的客觀需求。
「盡管谷歌在這波大模型產品創新中落后 OpenAI 與微軟，但我們不得不肯定它的一點是，谷歌做大模型會從底層架構（如 Pathways）、算力設施（如 TPU）等多方面投入，配合降低大模型的研發成本。研發成本低，最終基于大模型的產品應用成本才能低?！挂晃恍袠I人士告訴雷峰網。
換言之，大模型的底層基礎設施決定了它的能力下限，同時又決定了它的應用上限。
從阿里云北京峰會的發布重點來看，「通義千問」更像是阿里研究大模型過程中的一個中間形態，而非終點。在云計算、互聯網應用（如釘釘、天貓精靈）與魔搭社區等等成果的加持下，諸如「通義千問」的大模型成為鏈接行業的重要一環。
大會現場，周靖人表示，每個企業都能在阿里云擁有一個專屬的「大模型空間」，既可以調用「通義千問」的 AI 能力，也可以結合企業自身的行業知識與應用場景，訓練出獨有的「企業專屬大模型」。換言之，阿里也要做 AI 時代的「發電廠」，成為給各個企業提供電力。
AI 浪潮來臨，大模型的能力有目共睹，這衍生出一系客觀的行業事實：
首先，不僅是阿里自己，相信國內大部分的公司都會用 AI 大模型將先有的軟件升級一遍，這無疑會引發訓練與推理大模型的算力需求井噴。但另一方面，國內大多數公司沒有能力自建大模型訓練的基礎設施；即使對于許多行業頭部企業，訓練大模型的費用也高于預期，對成本與效率的需求需要平衡。
千億級參數的大模型研發，不是單一的算法問題，而是囊括了底層算力、網絡、存儲、大數據、AI 框架、AI 模型等復雜技術的系統性工程問題，需要 AI 與云的全棧技術能力；云服務來看，AI 基礎設施需要超大規模且超高性能的算力底座，這又指向公共云是最佳載體。
阿里云則早已鍛造了強大的基礎設施：
在IaaS層，阿里云自建的「飛天智算平臺」是目前國內規模最大的智算中心，單集群可達10萬臺規模，千億級文件數，EB級別存儲空間，千卡并行效率達 90%，可以解決計算擁堵問題，提升計算效率。在PaaS層，基于飛天智算的阿里云深度學習平臺PAI，可將計算資源利用率提高 3 倍以上，AI 訓練效率提升 11 倍，推理效率提升 6 倍。
在技術創新和規模效應的加持下，阿里云則將普惠推向了極致，據張勇介紹，跟十年前相比，阿里云提供的算力服務價格降低了 80%，存儲服務的價格降低了接近 90%。
在阿里云北京峰會上，周靖人還發布了一個致力于「大模型生態」建設的計劃——「飛天免費計劃」，讓開發者免費試用云上開發大模型應用來解決業務問題。
周靖人稱，阿里在擁抱「Serverless」（去服務器化）的概念，同時推出了一款新的彈性計算產品，叫「U 實例」。U 實例具有通用計算特征，能夠聚合當前多種服務器的規格，無需開發者進行繁瑣的資源匹配，可以降低生態伙伴在應用大模型開發過程中使用彈性計算的門檻，促進云上的大模型應用開發。
在IaaS和PaaS之上，阿里的另一個殺手锏是MaaS（Model as a service），作為業界首個提出這一理念的企業，阿里在去年云棲大會發布了國內首個 AI 模型開源社區——魔搭（ModelScope）。而這也被認為是鏈接大模型、開發者及下游應用的關鍵一環。
不久前，微軟亞洲研究院與浙江大學的研究團隊將 ChatGPT 與 HuggingFace 結合，推出了大模型的一個新玩法，叫「HuggingGPT」。HuggingGPT 將大模型產品形態化作一個控制器，背靠模型開源社區HuggingFace，用戶在前端提問，大模型可以調用 HuggingFace 里在這個問題上表現最好的開源模型去解答。本質上，這是大模型+開源項目的聯手勝利。
同樣地，阿里推出「通義千問」后，「通義千問+魔搭社區」也打造了類似的模式。在魔搭社區上，不僅僅是阿里在開放AI模型，還有智譜 AI 等知名大模型團隊均在魔搭社區上貢獻了自家模型，目前，社區模型量已超過800 個，總用戶量超 100 萬，模型總下載量超 1600 萬。
通義千問發布后，阿里也給開發者開放了 API。企業與個人開發者都可以登陸阿里靈駿平臺獲取 API 鑰匙，快速訪問「通義千問」，調用通義千問的大模型能力，這樣可以幫助應用開發者以更低的成本、更少的訓練數據實現 AI 場景應用創新。
阿里的態度很明確：
在 AI 大模型時代，他們要做對基礎設施要求更高的通用大模型，如通義大模型，并基于通用大模型做通用類的大模型產品形態，如「通義千問」。做好自己的「本分」后，阿里率先升級自家產品，一是彰顯通義大模型技術和產品的落地可行性，二是帶領 AI 大模型生態的繁榮。
同時，外部企業可以基于通義大模型訓練各自行業的「垂類大模型」。行業垂類大模型同樣存在壁壘，如「高質量的行業數據、足夠深入的行業 Know-How、先發布局的試點驗證」，企業結合自身業務特點在通用大模型的基礎上精調行業模型，開發出可以產生實際價值的應用，才是大模型走向行業，AI 生態最終形成的序曲。
03 仰望星空
先有「云原生」，爾后有「智能原生」。
無論是技術，產品還是生態，中國的大模型仍處于起步階段。技術上，與 GPT-4 相比，國內的大模型研發仍存在一定差距。但依賴用戶、數據與場景的優勢，大模型的生態正在迅速發展。無論是 3 月百度文心一言的領跑，還是四月大模型技術的集中發布，中國的技術創新者都感受到了猶如十年前移動互聯網剛起來的火熱。雷峰網(公眾號：雷峰網)
我們迎接人工智能時代的第一步，是對大模型產品的好奇心；第二步，則是對大模型產品的應用，也是在這一步，AI 的「生態」開始形成——大模型成為生產力，改變生產關系，必然要走向實際、影響具體行業。雷峰網
締造一個新的時代——這是一個龐大的事業。因此，在大模型「生態」的締造上，每個人都能找到自己的位置。借助「通義千問+」、云基礎設施與模型開源的理念，阿里首先撕開了「生態」的口子，在智能商業平臺的顛覆上做了表率啟示，也在技術底座上傳達了「服務者」的心態。
有人說這是 ChatGPT 加劇了 SaaS 的寒冬，但也有人說，「通用大模型+垂類大模型」的打法恰恰是利好行業服務者。大模型的「功能集成」與「一鍵解答」思想，恰恰是實現降本增效的手段啟示。
阿里的大模型在短時間內歷經技術、產品與生態三個階段，也間接傳達了市場焦灼的狀態：大模型初步進入工程化階段，基礎設施、產品創新、工程落地的齊發力，哪怕錯過一個環節（如算力的缺失），晚一個月，也可能被時代的巨浪遠遠甩在后面。阿里率先撬開生態的口子，是實力的自信，也是行業發展需求使然。
對于不具備大模型研發能力、算力基礎設施的新一代 AI 淘金者，他們所面臨的內外「逼迫」也不亞于互聯網大廠。每一個不想被時代淘汰的人，在大模型主導的產品革新浪潮中，每一步都變得至關重要。選擇對的合作伙伴，也變得重要。
AI 的新時代，舉杯歡慶的同時，愿我們跨過險灘，到達新的彼岸。雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
