AI时代，重新理解阿里云

资讯 1年前

1.06K

如果说，在数字化时代，阿里云给外界的标签是基于算力、数据等要素的基建角色，那么，在如今的智能化时代，基于自身强大的云计算能力和长期以往的AI技术积累，它的这种底座底色显然再一次被夯实、彰显

如果说，在数字化时代，阿里云给外界的标签是基于算力、数据等要素的基建角色，那么，在如今的智能化时代，基于自身强大的云计算能力和长期以往的AI技术积累，它的这种底座底色显然再一次被夯实、彰显。

作者|皮爷

出品|产业家

宜昌城东大道，左侧是中国船舶柴油机有限公司，右侧是三峡大学，全场不到3公里。在过去的几年时间里，这条从宜昌东站延伸出来的路线，拥堵一直是它的代名词。

但在2022年，这个标签成为了过去式。“现在从宜昌东站出来之后，只要时速达到45km/h，基本可以一脚油门开到底。”在宜昌开出租车多年的周师傅告诉我们，“最近城东大道顺畅多了。”

作为闻名的三峡门户城市，宜昌重新刷新了自己的底色。

就在2021年11月，宜昌与阿里云合作建设的宜昌城市大脑数字模型正式上线，这个基于”云计算+AI“的数字底座具有数据存储、高效计算、数据治理、物联感知、人工智能、安全可控等六大核心能力，将固有的数字场景，如宜接就办、宜格服务、全市一个停车场、先看病后付费等全部搬到“云端”，这也标志着宜昌智慧城市建设从1.0迈向3.0时代。

城市是中国经济的最核心构成单元。在这个单元之上，一系列关于未来趋势的问题都在被誊写出有清晰的答案。在其中， AI是最为明确的一个。

如果透过更为“智能”的宜昌背后，不难看到的是，在城市、在具体的场景、具体的产业，以及最小颗粒度额度的“企业”，AI的浪潮都在纷涌而来。

什么是AI？如果说之前，它更多的代表单一的某项技术，落点是人们对“阿尔法狗”战胜世界冠军的惊叹，那么如今，这个技术和现实世界的距离正在飞速拉近——它的身影出现在工业生产线上，在道路驾驶上，在电力输送上，在企业营销和数字系统搭建上，在一众数字产品上。

AI，正在以“大模型”的姿态，从想象力演变为产业场景的真实生产力。

一、AIGC背后：欢迎来到智能数字时代

“面向AI时代，所有产品都值得用大模型重新升级。”这是阿里掌门人张勇在4月11日的阿里云峰会对外传递出的声音。此外据了解，更落地的动作是，未来阿里巴巴所有产品都将接入“通义千问”大模型。

通义千问，是阿里云发布的AI语言类大模型。在此之前，国外基于GPT大模型的ChatGPT已经在全世界掀起一波新的AI认知浪潮。这种认知浪潮对应的是一系列语言大模型背后的技术赋能，如数据分析、营销、翻译、会议整理等技能。

但纵观当下，相较于C端的热火朝天，B端似乎并没有激起太大的水花。那么，AI，或者是在AIGC背后的AI大模型，对产业数字化的B端市场，改变到底在哪？

客观来看，在一众技术方向上，B端的产业场景往往具备滞后性，即其对于某项技术或某个理念的应用要滞后于C端市场，比如营销，比如金融科技等等，相较于C端灵活迅速的反馈链条，B端市场或者产业场景往往因为其反馈链条过长，且长尾效应较重，风格偏向稳健而长期，采取的策略更多是“谋定而后动”。

但AI大模型却是个个例。更客观来说，尽管人们在C端感知较弱，但在ChatGPT之前， AI大模型早已经成为产业数字化的核心力量之一。如今伴随着人们对大模型关注，这种基于AI的智能化价值正在清晰地出现在聚光灯下。

以上文宜昌的城市案例为例，关于其“进化”的更真实表述正在被越来越多人知晓，比如停车场景，在“城市大脑”的AI等智能化手段干预下，宜昌全市已经有315个停车场实行了“先离场后付费”，使用该功能用户数达12万人，平均离场时间由20秒缩短为5秒。

再比如在电力应用方向，基于“AI+云”的模式，通过AI预测、强化学习、知识图谱等AI技术，电力系统可以实现资源的智能化调度和分配，进而保证电力资源的稳定应用。

同样的场景还有自动驾驶，视觉检测、轨迹预测与行车规划等算法模型，都依赖于海量的数据训练集，在过往，这种海量数据的计算基于原有的CPU通用计算很难完成，但伴随着AI智算等模式的出现，大批量、低成本的数据计算训练成为可能。

如果说一众产业场景是AI已经发力的角逐场，那么在企业内部，它的价值也更在尝试进行着更为清晰的表达。

比如基于企业前端触角的营销、智能客服、智能导购，再比如企业中间流程的流程梳理、营销转化、数据分析，以及企业后端的客户服务、产品研发等环节，通过与AI的结合，这些既有的环节都可以基于数据进行更为智能的演绎。

从更大的视角来看，在大模型出现之后，AI重构的不仅是单个企业或者产业环节，其构建的更是一种基于数据驱动的思维，如果说过去多年时间AI技术被更多看作是“雾里看花”的标签的原因，是其很难在具体的业务场景内发挥出生产力的价值，那么在如今的大模型时代，从底层数据、技术到上层应用的门槛被打破重组，企业开始能够使用AI并将其转化为生产力的“发动机”。

在AI大模型的基础上，数据可以真正成为“发动燃料”，而不再是“只可远观”的金矿。而这种趋势下，也可以说，谁能率先打造出属于自己业务场景的AI发动机，谁就能领跑一步。

二、数据、智能算力、开源与飞轮效应

但这并不是一件容易的事情，或者，对单个企业而言，在摩尔效应失衡的当下，可以说是极难。

更通俗来说，伴随着如今IT架构的升级以及线上化程度的加深，不论是在企业场景，还是产业场景，都无时无刻不在产生大量数据。此外，这些数据不仅量级大，同时其结构也更是杂乱无章，即结构化与非结构化数据并存。

在这种情况下，如果企业想要构建从0到1的数据深度模型，通用算力很难满足要求，必须具备强大的底层智能算力，与之对应的是企业必须要构建庞大的智算中心。

单从投入来看，对中国大部分企业而言，这都是一个不能接受的天文数字。

对企业而言，通向数据智能的罗马之路在哪？答案正是通用大模型。

实际上，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，并推出国内首个AI模型社区“魔搭”，开发者可以在魔搭上下载各类开源AI模型，并直接调用阿里云的算力和一站式的AI大模型训练及推理平台。

更通俗的说法是，企业可以在开源的阿里云大模型的基础上，基于自身的企业细分场景进行专项的数据训练，通过微调构建出属于自身的产业模型，进行最终的数据的业务表达。

以前文中提到的自动驾驶场景为例，在过去的几年时间里，在自动驾驶业务的研发上，小鹏汽车同样面临数据量大、算力不足的问题，通过与于阿里云智能计算平台的协作，其训练效率得到极大提升。

一组数据是，在双方合作后，小鹏自动驾驶核心模型训练速度提升近602倍。

实际上，基于开源大模型的路径已然成为不少企业的AI智能钥匙。根据不完全统计，如今“魔搭”已成为国内规模最大的AI模型社区，总用户量达100万，模型总下载量超1600万。