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(qū)分，大多數行業(yè)人士在大模型的創(chuàng)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(qū)分，而大數據與過去統(tǒng)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(chuàng)新中爆發(fā)大規(guī)?？尚行?、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(jié)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(tài)」（如對話形態(tài)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(chuàng)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(tài)，2023年與可口可樂等企業(yè)合作則是基于大模型的「生態(tài)」創(chuàng)造。據 EnterpriseAppsToday 統(tǒng)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(yè)的 902 家企業(yè)形成合作關系。技術-產品-生態(tài)是 OpenAI 的三部曲，其中，生態(tài)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(tài)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(chuàng)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(tài)」的競爭，究竟誰更有優(yōu)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(tài)」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(yè)開放，企業(yè)可以在阿里云上訓練企業(yè)自己的行業(yè)、垂類大模型。到這個時候，中國 AI 行業(yè)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(tài)」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(tǒng)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(chuàng)業(yè)者快速經歷了兩波發(fā)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(chuàng)新，如 Adobe、金山辦公等沒有大模型發(fā)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(jié)等擅長打平臺戰(zhàn)的企業(yè)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(chuàng)業(yè)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(yōu)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(guī)模產品形態(tài)，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?zhèn)浯竽Ｐ图夹g（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(tài)」前面，成為獨立締造生態(tài)的玩家（區(qū)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(fā)，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(yè)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(yè)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(yōu)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(tài)的創(chuàng)新上為「生態(tài)」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(tài)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(tài)」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(tài)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(fā)多年的厚積薄發(fā)。阿里入局大模型角逐，沒有停留在單一的產品形態(tài)上，而是率先將重心放在縮小 AI 大模型與影響行業(yè)之間的鴻溝上，是其能領跑大模型「生態(tài)」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(tài)的第一步。

但一個完整生態(tài)的形成不能光靠阿里一家?！搁_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(qū)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(chuàng)業(yè)公司也好，大模型應用創(chuàng)業(yè)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(fā)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(fā)、服務等配套設施?！钙矫癜妗勾竽Ｐ褪强茖W家挑戰(zhàn)自己的主觀命題，也是大模型落地行業(yè)的客觀需求。

「盡管谷歌在這波大模型產品創(chuàng)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(fā)成本。研發(fā)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(yè)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(fā)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(tài)，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(qū)等等成果的加持下，諸如「通義千問」的大模型成為鏈接行業(yè)的重要一環(huán)。

大會現場，周靖人表示，每個企業(yè)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(yè)自身的行業(yè)知識與應用場景，訓練出獨有的「企業(yè)專屬大模型」。換言之，阿里也要做 AI 時代的「發(fā)電廠」，成為給各個企業(yè)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(yè)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(fā)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(yè)頭部企業(yè)，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(fā)，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(tǒng)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(guī)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(guī)模最大的智算中心，單集群可達10萬臺規(guī)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(chuàng)新和規(guī)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(fā)布了一個致力于「大模型生態(tài)」建設的計劃——「飛天免費計劃」，讓開發(fā)者免費試用云上開發(fā)大模型應用來解決業(yè)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(guī)格，無需開發(fā)者進行繁瑣的資源匹配，可以降低生態(tài)伙伴在應用大模型開發(fā)過程中使用彈性計算的門檻，促進云上的大模型應用開發(fā)。

在IaaS和PaaS之上，阿里的另一個殺手锏是MaaS（Model as a service），作為業(yè)界首個提出這一理念的企業(yè)，阿里在去年云棲大會發(fā)布了國內首個 AI 模型開源社區(qū)——魔搭（ModelScope）。而這也被認為是鏈接大模型、開發(fā)者及下游應用的關鍵一環(huán)。

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(tài)化作一個控制器，背靠模型開源社區(qū)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(qū)」也打造了類似的模式。在魔搭社區(qū)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(qū)上貢獻了自家模型，目前，社區(qū)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(fā)布后，阿里也給開發(fā)者開放了 API。企業(yè)與個人開發(fā)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(fā)者以更低的成本、更少的訓練數據實現 AI 場景應用創(chuàng)新。

阿里的態(tài)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(tài)，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(tài)的繁榮。

同時，外部企業(yè)可以基于通義大模型訓練各自行業(yè)的「垂類大模型」。行業(yè)垂類大模型同樣存在壁壘，如「高質量的行業(yè)數據、足夠深入的行業(yè) Know-How、先發(fā)布局的試點驗證」，企業(yè)結合自身業(yè)務特點在通用大模型的基礎上精調行業(yè)模型，開發(fā)出可以產生實際價值的應用，才是大模型走向行業(yè)，AI 生態(tài)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(tài)，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(fā)仍存在一定差距。但依賴用戶、數據與場景的優(yōu)勢，大模型的生態(tài)正在迅速發(fā)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(fā)布，中國的技術創(chuàng)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

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(tài)」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(yè)。雷峰網

締造一個新的時代——這是一個龐大的事業(yè)。因此，在大模型「生態(tài)」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(tài)」的口子，在智能商業(yè)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(tài)。

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(yè)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(tài)三個階段，也間接傳達了市場焦灼的狀態(tài)：大模型初步進入工程化階段，基礎設施、產品創(chuàng)新、工程落地的齊發(fā)力，哪怕錯過一個環(huán)節(jié)（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(tài)的口子，是實力的自信，也是行業(yè)發(fā)展需求使然。

對于不具備大模型研發(fā)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(公眾號：雷峰網)

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。