大模型的路 阿里云“向内求”

　　文|光锥智能，作者|刘雨琦

　　4月11日，所有人都在盯着阿里云。

　　不只是因为，这是继去年年底，阿里巴巴集团董事会主席兼CEO张勇接任阿里云智能集团CEO之后的第一次公开讲话，更是因为在大模型激战的时代，刚刚发布了“通义千问”大模型，阿里云此时的动作举足轻重。

　　大模型毫无疑问是关注的重点，但让人意外的是，阿里没有像百度、商汤一样现场演示大模型的性能和参数，仅仅是介绍了这一模型的具体功能。在这个大模型扎堆发布的4月，阿里似乎在刻意降低通义千问的存在感。

　　“阿里所有产品未来将接入大模型进行全面升级”，张勇在阿里云峰会上宣布。

　　据光锥智能了解到，目前包括钉钉、天猫精灵、天猫、淘宝、闲鱼、盒马等产品接入了通义千问。接入后，钉钉能够实现自动写工作方案、生成应用等功能，天猫精灵则提升了人机交互水平。

　　正如微软一样，阿里想在用大模型把所有产品都做一遍。

　　不同于ChatGPT的插件开放，百度文心一言急着让客户和合作伙伴接入测试，阿里全线产品智能化的背后，或许是张勇没有说出的后半句话：

　　现阶段，通义千问的重心并不是与同类型大模型进行外部的市场化竞争，而是补齐内部生态板块。

　　01 不盖房子，做锤子钉子

　　要开发大模型就绕不开一个关键词“算力”。

　　参考ChatGPT的发展路径，所需算力被分为两部分，一是硬件算力，即微软用数万颗英伟达A100芯片帮助OpenAI打造的超算中心;二是云算力，云所形成的超强存储空间、计算空间是目前最低成本的解决方案。

　　硅谷知名风投A16Z曾在博客中表示，生成式AI的大量资金最终都稳定地流向了基础设施层——以亚马逊AWS、微软Azure、谷歌GCP为主的云厂商，以及以英伟达为代表的GPU厂商。

　　也就是说，无论是王小川还是王慧文，都绕不开采购国内云厂商的服务。阿里云、华为云、腾讯云等云巨头，早就陈列在基础设施的采购名单里。

　　张勇指出，大模型是一场“AI+云计算”的全方位竞争，超万亿参数的大模型研发，并不仅仅是算法问题，而是囊括了底层庞大算力、网络、大数据、机器学习等诸多领域的复杂系统性工程，需要有超大规模AI基础设施的支撑。

　　顺着这个思路便会发现，阿里云的做法是将基础设施进行到底。

　　那么，优秀的基础设施往往要具备两个特质：一是低成本、二是高性能。

　　对于算力来说，成本最大的门槛在于“贵”，微软数万亿美金的投入，几乎拦住了所有人。这也就不难理解，为什么张勇一直提到“降价”，毕竟想要5G网络走入千家万户，第一件事就是把流量费用“打下来”。

　　阿里云智能CTO周靖人在会上宣布，发布ECS企业级通用算力型U实例，价格对比一代主售实例最高可下降40%，同时推出对象存储预留空间产品，价格最多可降70%。

　　U实例整合了多种云服务器规格，无需进行复杂的资源配置，售价相比上一代主售实例降幅最高可达40%，更适合Web应用及网站、企业办公类应用、离线数据分析、中小型数据库等典型应用场景，具备与其他同类产品一致的稳定性和用户体验。同时，阿里云还推出了“0元升配”活动，符合条件的用户可免费升级至第7代ECS实例。

　　低价过后，想要长出庞大的应用生态，还需要降低开发门槛。对此，阿里云向开发者推出“飞天免费试用系列”，开放全栈云产品体验，首批推出50款核心产品免费试用，时长最多可达3个月。

　　其中包括ECS、数据库PolarDB、机器学习PAI等在内50款云产品的免费试用，时长支持1个月、3个月到长期免费，可支持开发者构建包括在线、大数据类、AI等不同类型应用，并且支持Serverless的开发模式。

　　“以模块化、可编程、可视化、服务化为特征的组装式开发将成为未来主流的开发范式。”周靖人表示。

　　低成本决定了能否入局，而高性能则决定了能走多远。

　　在整个AI Infra底层设施上，阿里云将其解构为了三层，周靖人把它总结为全新的“飞天智算基础设施”。

　　IaaS层灵骏：由阿里云十万卡GPU单集群组成，可承载多个万一参数大模型同时在线训练智算集群，是整个大模型训练的底座。

　　PaaS层PAI：不同于以往的PaaS层，ML PaaS以机器学习平台PAI为核心，支持万卡的单任务分布式训练规模。将AI训练效率提升10倍、推理效率提升6倍，并提供全链路的AI开发工具与大数据服务，简单来讲，就是大模型界的AI OS开发系统。

　　MaaS层：基于IaaS的算力和PaaS的开发工具，阿里云提供以通义大模型系列为基础的企业定制大模型，并在此基础上，搭建国内首个MaaS开放平台——魔搭社区。

　　其中，PAI是一个重要的连接器。周靖人讲到，PAI×灵骏可以打造一个高性能分布式模型训练平台，PAI×灵积，可以打造低延时大模型推理和服务平台，覆盖了模型的推理、训练全过程。

　　纵观国内大模型发展现状，这也是软件结构中最薄弱的一环。人人都想要盖房子，却没有人画设计图、没有设计软件、没有锤子和钉子，阿里云想要补齐的中间层，连接了底层算力和上层模型，同时，基于MaaS的开发平台，构建出一个类安卓开发平台的应用生态也是另一个核心竞争力。

　　打造生态，是一直以来贯穿阿里的基因。回顾阿里云两方面的降本就能发现，一边为企业扫平价格门槛，拉起中小企业的手;另一边则联合千万开发者，通过Severless的形式，迅速发展应用。

　　当然，在此之前，仍然有大量数据准备的环节，但这对于在云计算第一阶段以IaaS形成核心突破力的云巨头来说，基础比别人更厚实。

　　诚然如张勇所言：“所有企业在智能化时代都将站在同一条起跑线上，互联网公司和非互联网公司不存在先进或者落后的区别，传统企业有弯道超车的机会。”

　　但云厂商的起跑线一定比其他人更为靠前。

　　02 MaaS是云厂商们增长的第二曲线

　　蔡英华作为阿里云商业化一把手，他出席的重要程度，并不亚于张勇。

　　但遗憾的是，当周靖人在讲“魔搭”的时候，蔡英华还在讲“微搭”，与这个以大模型贯穿始终的峰会，似乎有点不搭。

　　去年提到“组织协同”“低代码微搭”“业务转型”还是比较前沿的数字化名词，在当下却显得已经是再基础不过的业务了。万众期待的，是基于阿里云的思考，找到如何将MaaS、智能化SaaS商业化的答案。

　　这个问题，蔡英华没有给出答案，而是给出了路径。蔡英华认为，智能化的本质就是以数字化为基础，以数据为驱动，最后迈向应用智能化的过程。

　　云智一体只是智能化发展的起点，但不是智能化的终点，应用智能化是一种产品形态，却不是商业策略。

　　怎么能够一边打磨能力一边赚钱?不只是阿里云需要思考这个问题。

　　事实上，即便没有大模型的催熟，云巨头们也来到了一个转折点。回顾阿里云历季营收数据会发现，2020年Q1至今，阿里云营收同比增长在逐渐下滑，环比增长呈跳跃式，近两年仍未达到稳定增长趋势。

　　不只阿里云，AWS的增长状况也达到了一个新的瓶颈期，亚马逊公司首席财务官奥尔萨夫斯基称，AWS现在的增长率在13%-19%中段。他指出：“早在2022年第三季度中期开始，我们的同比增长速度放缓，是因为各种规模的企业都在评估如何优化其云计算支出，以应对严峻的宏观经济形势。”且在之后的几个季度里，AWS仍然要遭遇阻力。

　　这意味着，无论是AWS还是阿里云，商业化都到了变革的关键节点。MaaS很可能成为云厂商们增长的第二曲线。

　　带这个思考重新看“2019年，微软Azure花10亿美元买断OpenAI成为其独家供应商”，就更加感叹纳德拉的老谋深算。一方面，Azure成为OpenAI的独家供应商后，所有基于ChatGPT和GPT4的MaaS(模型即服务)服务都长在Azure上，这将为Azure快速获得市场份额，甚至有反超AWS的可能。另一方面，OpenAI通过Azure训练自己的AI大模型，也快速、高强度打磨了Azure的智能化能力，目前Azure是全球排名第一的智能云。

　　目前，微软已经在努力使Azure的AI功能变得更加强大，推出了新的虚拟机，使用英伟达的H100和A100 Tensor Core GPU，以及Quantum-2 InfiniBand网络。微软表示，这将允许OpenAI和其他依赖Azure的公司训练更大、更复杂的AI模型。

　　但这始终是产品和能力的补齐，商业模式该如何像产品一样拥有创新式的改变?

　　周靖人在峰会后采访中讲到，基于MaaS的AI原生架构，可能会对现有的模式带来冲击，将出现不以业务付费而以效果付费的模式。这也是目前OpenAI开放ChatGPT后的收费模式，以企业调取的Token进行收费。

　　这将会改变现有的SaaS订阅制付费、PaaS解决方案定制化付费和IaaS资源购买式付费的规则。这是对所有云巨头提出的新挑战，在新的规则下找到新姿势，并非个体的努力所能成就，也不是一日之功。

　　正如比尔盖茨曾讲到：“人们总是高估了未来一到两年的变化，却低估了未来十年的变革。”站在这个智能化的开端，技术的速度以天为单位在迭代，产品和商业化能力也许要更快速地补齐，但我们需要给大模型和云厂商们一点耐心。