AI時代，重新理解阿里云
如果說，在數字化時代，阿里云給外界的標簽是基于算力、數據等要素的基建角色，那么，在如今的智能化時代，基于自身強大的云計算能力和長期以往的AI技術積累，它的這種底座底色顯然再一次被夯實、彰顯。
作者|皮爺
出品|產業家
宜昌城東大道，左側是中國船舶柴油機有限公司，右側是三峽大學，全場不到3公里。在過去的幾年時間里，這條從宜昌東站延伸出來的路線，擁堵一直是它的代名詞。
但在2022年，這個標簽成為了過去式。“現在從宜昌東站出來之后，只要時速達到45km/h，基本可以一腳油門開到底。”在宜昌開出租車多年的周師傅告訴我們，“最近城東大道順暢多了。”
作為聞名的三峽門戶城市，宜昌重新刷新了自己的底色。
就在2021年11月，宜昌與阿里云合作建設的宜昌城市大腦數字模型正式上線，這個基于”云計算+AI“的數字底座具有數據存儲、高效計算、數據治理、物聯感知、人工智能、安全可控等六大核心能力，將固有的數字場景，如宜接就辦、宜格服務、全市一個停車場、先看病后付費等全部搬到“云端”，這也標志著宜昌智慧城市建設從1.0邁向3.0時代。
城市是中國經濟的最核心構成單元。在這個單元之上，一系列關于未來趨勢的問題都在被謄寫出有清晰的答案。在其中， AI是最為明確的一個。
如果透過更為“智能”的宜昌背后，不難看到的是，在城市、在具體的場景、具體的產業，以及最小顆粒度額度的“企業”，AI的浪潮都在紛涌而來。
什么是AI？如果說之前，它更多的代表單一的某項技術，落點是人們對“阿爾法狗”戰勝世界冠軍的驚嘆，那么如今，這個技術和現實世界的距離正在飛速拉近——它的身影出現在工業生產線上，在道路駕駛上，在電力輸送上，在企業營銷和數字系統搭建上，在一眾數字產品上。
AI，正在以“大模型”的姿態，從想象力演變為產業場景的真實生產力。
一 、AIGC背后：歡迎來到智能數字時代
“面向AI時代，所有產品都值得用大模型重新升級。”這是阿里掌門人張勇在4月11日的阿里云峰會對外傳遞出的聲音。此外據了解，更落地的動作是，未來阿里巴巴所有產品都將接入“通義千問”大模型。
通義千問，是阿里云發布的AI語言類大模型。在此之前，國外基于GPT大模型的ChatGPT已經在全世界掀起一波新的AI認知浪潮。這種認知浪潮對應的是一系列語言大模型背后的技術賦能，如數據分析、營銷、翻譯、會議整理等技能。
但縱觀當下，相較于C端的熱火朝天，B端似乎并沒有激起太大的水花。那么，AI，或者是在AIGC背后的AI大模型，對產業數字化的B端市場，改變到底在哪？
客觀來看，在一眾技術方向上，B端的產業場景往往具備滯后性，即其對于某項技術或某個理念的應用要滯后于C端市場，比如營銷，比如金融科技等等，相較于C端靈活迅速的反饋鏈條，B端市場或者產業場景往往因為其反饋鏈條過長，且長尾效應較重，風格偏向穩健而長期，采取的策略更多是“謀定而后動”。
但AI大模型卻是個個例。更客觀來說，盡管人們在C端感知較弱，但在ChatGPT之前， AI大模型早已經成為產業數字化的核心力量之一。如今伴隨著人們對大模型關注，這種基于AI的智能化價值正在清晰地出現在聚光燈下。
以上文宜昌的城市案例為例，關于其“進化”的更真實表述正在被越來越多人知曉，比如停車場景，在“城市大腦”的AI等智能化手段干預下，宜昌全市已經有315個停車場實行了“先離場后付費”，使用該功能用戶數達12萬人，平均離場時間由20秒縮短為5秒。
再比如在電力應用方向，基于“AI+云”的模式，通過AI預測、強化學習、知識圖譜等AI技術，電力系統可以實現資源的智能化調度和分配，進而保證電力資源的穩定應用。
同樣的場景還有自動駕駛，視覺檢測、軌跡預測與行車規劃等算法模型，都依賴于海量的數據訓練集，在過往，這種海量數據的計算基于原有的CPU通用計算很難完成，但伴隨著AI智算等模式的出現，大批量、低成本的數據計算訓練成為可能。
如果說一眾產業場景是AI已經發力的角逐場，那么在企業內部，它的價值也更在嘗試進行著更為清晰的表達。
比如基于企業前端觸角的營銷、智能客服、智能導購，再比如企業中間流程的流程梳理、營銷轉化、數據分析，以及企業后端的客戶服務、產品研發等環節，通過與AI的結合，這些既有的環節都可以基于數據進行更為智能的演繹。
從更大的視角來看，在大模型出現之后，AI重構的不僅是單個企業或者產業環節，其構建的更是一種基于數據驅動的思維，如果說過去多年時間AI技術被更多看作是“霧里看花”的標簽的原因，是其很難在具體的業務場景內發揮出生產力的價值，那么在如今的大模型時代，從底層數據、技術到上層應用的門檻被打破重組，企業開始能夠使用AI并將其轉化為生產力的“發動機”。
在AI大模型的基礎上，數據可以真正成為“發動燃料”，而不再是“只可遠觀”的金礦。而這種趨勢下，也可以說，誰能率先打造出屬于自己業務場景的AI發動機，誰就能領跑一步。
二 、數據、智能算力、開源與飛輪效應
但這并不是一件容易的事情，或者，對單個企業而言，在摩爾效應失衡的當下，可以說是極難。
更通俗來說，伴隨著如今IT架構的升級以及線上化程度的加深，不論是在企業場景，還是產業場景，都無時無刻不在產生大量數據。此外，這些數據不僅量級大，同時其結構也更是雜亂無章，即結構化與非結構化數據并存。
在這種情況下，如果企業想要構建從0到1的數據深度模型，通用算力很難滿足要求，必須具備強大的底層智能算力，與之對應的是企業必須要構建龐大的智算中心。
單從投入來看，對中國大部分企業而言，這都是一個不能接受的天文數字。
對企業而言，通向數據智能的羅馬之路在哪？答案正是通用大模型。
實際上，早在ChatGPT爆火之前的2022年11月，阿里云就正式提出“Model as a Service”理念，并推出國內首個AI模型社區“魔搭”，開發者可以在魔搭上下載各類開源AI模型，并直接調用阿里云的算力和一站式的AI大模型訓練及推理平臺。
更通俗的說法是，企業可以在開源的阿里云大模型的基礎上，基于自身的企業細分場景進行專項的數據訓練，通過微調構建出屬于自身的產業模型，進行最終的數據的業務表達。
以前文中提到的自動駕駛場景為例，在過去的幾年時間里，在自動駕駛業務的研發上，小鵬汽車同樣面臨數據量大、算力不足的問題，通過與于阿里云智能計算平臺的協作，其訓練效率得到極大提升。
一組數據是，在雙方合作后，小鵬自動駕駛核心模型訓練速度提升近602倍。
實際上， 基于開源大模型的路徑已然成為不少企業的AI智能鑰匙。根據不完全統計，如今“魔搭”已成為國內規模最大的AI模型社區，總用戶量達100萬，模型總下載量超1600萬。
在龐大的AI生態環境背后，一個良性的飛輪效應正在形成。即在阿里云開源大模型的基礎上，企業不再需要投入巨大算力、資金從0到1構建大模型，在既有大模型的基礎上通過下游微調即可獲得數據智能表達的能力。
而對阿里云大模型而言， 伴隨著其接入數據量級的越來越大，模型本身的訓練次數也越來越多，其模型的智能程度也將會越來越高，進而可以反哺下游企業，提供更為智能的底層服務。
對企業、對阿里云、對產業，這是一個三贏的AI路徑。
三 、阿里云，重新成為底座
這正是阿里云在推動的路徑。或者更可以看作，阿里云正在將自己的角色定義為AI時代的底座。
“我們將開放通義千問的能力，為每一家企業打造自己的專屬GPT，歡迎所有人用阿里云開發自己的大模型。”在上述的峰會現場，阿里云CTO周靖人表示。
那么，阿里云能不能成為底座？
在最近的一份采訪里，周靖人曾對“通義千問”有一個定調，稱其是“中間態”，用他的話說，通義千問是把過去阿里云積累的一部分工作向社會，向開發者開放。
誠然如此。如果說在中國的大模型領域哪家企業的積累和投入最深？阿里必然是其中之一。
從時間線來看，早在2019年，阿里云就開始了大模型的訓練，在過去曾陸續發布語言大模型 Plug（后來的 AliceMind）、10 萬億參數的多模態大模型 M6，而這些在去年都被整合進“通義”大模型。
而從落地視角來看，基于自身的智能計算解決方案——飛天智算平臺，配合自身強大的云計算能力，阿里云已然完成了多個場景的驗證。
如前文提到的城市發展層面的宜昌智慧大腦，以及產業賦能層面的小鵬汽車、南方電網，同時再比如在科學領域，在復旦大學，阿里云還參與建設了中國高校第一個智能算力和通用算力相融合的科學計算平臺CFFF，其將是國內最大的高校科研公共算力平臺項目。
這些都構成并驗證著阿里云在底座角色上的底氣，而這些底氣也構成著阿里云在推動AI路徑的通暢。
關于AI模型社區“魔搭”一個更細節的成績是，截止目前，在社區內，十億參數以上的大模型有 30 多個，超百億參數的大模型有 10多 個。
換言之，在阿里云成為底座的AI路徑上，除了阿里云和企業之間的飛輪效應，也更催化出了企業和企業之間的連接和協同，共同解放著大模型的更強想象力。
這種想象力是基于大模型智能涌現本身，也更是基于阿里云的開源的“AI+云”底座加持之上。
寫在最后：
如果說，在數字化時代，阿里云給外界的標簽是基于算力、數據等要素的基建角色，那么，在如今的智能化時代，基于自身強大的云計算能力和長期以往的AI技術積累，它的這種底座底色顯然再一次被夯實、彰顯。
但實際上，從另一個角度來看，基于這種底層智能能力的加持和提升，阿里云也更在提高自己的想象力。
如果說在之前，市場對于云計算更多的價值定義是基于資源層、算力層，那么如今，在AI的加持下，阿里云以及一眾云計算廠商的將自身底座的標簽又一次做深做厚，延伸到了業務層、應用層。
這是云計算的新機會，是阿里云等一眾中國云廠商的新機會，也更是中國產業數字化的新機會。
原文標題 : AI時代，重新理解阿里云
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
