文心一言「起舞」，觸發雲戰場「變天」

“雲市場的一場新型戰爭要開始了。”

3月16日，百度“文心一言”正式發布，基於百度智能云同步開放預約測試。

近段時間，與文心一言一樣火爆出圈的還有GPT-4，他們的出現意味著新一輪的人工智能變革和挑戰正式打響，雲廠商將展開了一場與通用智能相關的產業競賽。

百度公司首席執行官李彥宏認為，AI對各行各業的顛覆性改變才剛剛開始。大模型時代將產生三大產業機會，分別是新型雲計算公司、可以進行行業模型精調的公司、基於大模型底座進行應用開發的公司。

01 雲計算格局迎新變化，雲廠商難解大模型之困

雲計算走過了發展的黃金十年。

在過去的十年裡，中國雲計算產業年均增速曾超30%，是全球增速最快的市場之一。

所謂市場有多繁榮，競爭就有多激烈。在前十年雲廠商大都以賣算力、賣存儲為主，“集成和總包”是雲廠商為了實現規模化增長普遍採用的方式。

但從具體實踐來看，這種打法不僅沒有把雲計算變成招財貓，反倒成了吞金獸。從一定意義上說，總包集成是一種畸形且不健康的商業路徑。本質上就是什麼都做，並且大部分項目有著大量的定制化需求，需要投入大量的人力物力；另外一些項目沒有含金量，完全是為了刷流水而做。

長此以往，雲廠商需要面對入不敷出，業務很難發展下去的挑戰。

以阿里雲為例，在之前的12年裡一直處於虧損狀態，直到2021年才扭轉了這一局面，但利潤率只有2%。市佔率方面，相關數據統計發現，近兩年阿里雲、騰訊雲、華為雲等頭部雲廠商的增長持續放緩，就連最早入局雲計算的阿里雲的市佔率也呈現連年走低趨勢。

也正是在這時，雲廠商認識到了不能再扮演總包集成商的角色，要從規模性增長向健康且有質量的增長轉變，於是阿里雲、騰訊雲等一眾雲廠商開始調整策略，試圖從集成商的角色向被集成角色傾斜。

但與之而來的是，互聯網流量見頂，數字化轉型進程加快，雲廠商的服務對像開始從互聯網企業向政企、製造業甚至是下沉市場轉變。

這時企業對雲廠商的需求也不再是算力、存儲等基礎雲服務，而更加聚焦AI服務層面。有機構預測到，2020年中國83.4%的企業重視人工智能，ChatGPT等生成式AI產品火出圈後，企業對人工智能的需求再次攀升。

提供人工智能，首先想到的就是大模型。經過反复的實踐得出：大模型才是人工智能的發展趨勢和未來，其能實現AI從“手工作坊”到“工廠模式”的轉變。

在傳統模型中，根據不同場景，需要定制不同的算法模型，無法實現通用化可複制化。研發階段，為了應對各式各樣的場景需求，AI 研發人員需要設計專網專用的個性定制化神經網絡模型；落地階段，經“一個場景一個模型”式的作坊式模型開發得到的模型在許多垂直行業場景任務不通用，無論對於企業還是雲廠商來說，都是一筆不小的支出。

而大模型備自監督學習的能力，能夠有效降低AI 開發和訓練成本，同時可以適配各種場景。此外基於用戶的使用反饋，還可實現自主迭代升級。之於企業最大的意義就是，降低AI使用門檻，讓企業能夠像還是用水煤電一樣，方便快捷的使用各種AI能力。

李彥宏認為，大模型時代將產生三大產業機會：第一類是新型雲計算公司，其主流商業模式從IaaS變為MaaS。文心一言將根本性地改變雲計算行業的遊戲規則。之前企業選擇雲廠商更多看算力、存儲等基礎雲服務。未來，更多會看框架好不好、模型好不好，以及模型、框架、芯片、應用這四層之間的協同。

第二類是進行行業模型精調的公司，這是通用大模型和企業之間的中間層，他們具有行業Know-how，調用通用大模型能力，為行業客戶提供解決方案。目前，百度文心大模型已經在電力、金融、媒體等領域，發布了10多個行業大模型。

第三類是基於大模型底座進行應用開發的公司，即應用服務提供商。李彥宏認為，在文本生成、圖像生成、音頻生成、視頻生成、數字人、3D等場景可能出現未來的新巨頭。

因此，早在幾年前中國頭部廠商以及就開始了相關大模型的研究與實踐，甚至有些頭部雲廠商還推出了自家的大模型。諸如去年9月阿里達摩院推出“通義”大模型，此外，為推進中文大模型的開源生態建設推出了AI 模型開源社區「魔搭」；京東推出了言犀大模型；華為推出了盤古大模型等等。

但從目前來看，中國國內大模型仍處於早期，還沒到能真正落地應用的商業化階段。

算力規模大且性能要求高、數據規模大，且數據質量參差不齊、訓練難度大且成本高，堆砌了一道國內企業難以闖進的圍牆。

“算力是企業通往大模型的攔路虎，也正是目前大模型不能真正落地的巨大挑戰，”幾乎已經成了行業共識。

大模型由於參數規模大、數據體量大通常需要強大的算力支持，而算力的核心是人工智能芯片。美國市場研究機構TrendForce在3月1日的報告中測算稱，處理1800億個參數的GPT-3.5大模型，需要的GPU芯片數量高達2萬枚，未來GPT大模型商業化所需的GPU 芯片數量甚至超過3萬枚。

“缺少芯片會導致算力不足，算力不足意味著無法處理龐大的模型和數據量。”有專業的雲計算技術人員曾計算過：1萬枚英偉達A100芯片是做好AI大模型的算力門檻。

反觀目前中國的芯片使用現狀，國際環境變化之下自美國實施貿易限制政策以來，中國企業只能使用英偉達A100的最佳替代品A800芯片，但是A800芯片在中國市場嚴重缺貨，而國內少有企業具備自研高性能芯片的能力。

除算力算法外，模型訓練也是一項既耗時又耗錢的工作。訓練週期方面，訓練一個如ChatGPT的模型通常需要幾天甚至數週的時間；

訓練成本方面，據國盛證券報告《ChatGPT 需要多少算力》 估算，GPT-3 訓練一次的成本約為140 萬美元，對於一些更大的LLM（大型語言模型），訓練成本介於200 萬美元至1200 萬美元之間。

以ChatGPT 在1 月的獨立訪客平均數1300 萬計算，其對應芯片需求為3 萬多片英偉達A100 GPU，初始投入成本約為8 億美元，每日電費在5萬美元左右。這只是芯片的成本，另外大模型所需的數據採集、人工標註、模型訓練等軟性成本是難以計算的。

算力算法、運營成本等仍是國內大多數企業無法跨越的關卡。

02 構建AI大模型，需集齊四張「能力卡」

中國企業很難做出中國版AI大模型似乎已經成了既定事實，但百度文心一言大模型卻刷新了行業認知。

從一定程度上說，ChatGPT以及百度文心一言大模型的出現，是厚積薄發的自然結果。

清華大學人工智能國際治理研究院副院長、人工智能治理研究中心主任梁正也曾對外表示過：放眼國內，最有可能做出中國ChatGPT 的可能是有綜合優勢和過去積累和擁有芯片、框架、模型、應用四層技術棧的百度。

百度集團執行副總裁、百度智能雲事業群總裁沈抖表示，之前企業選擇雲廠商更多是看算力、存儲等基礎雲服務，以後企業對雲的需求會更加聚焦智能服務，會更多看框架好不好、模型好不好，以及芯片-框架-模型-應用這四層架構之間的協同是否高效。

具體來看，算力層面，百度自研芯片“崑崙芯”在AI計算、存儲、加速、容器方面進行系統優化，提供高性價比的算力，承載海量數據的處理、超大模型的訓練和推理，目前已經在多個場景實際部署幾萬片。

另外，百度還擁有多個雲計算可用區，諸如陽泉、徐水、定興雲計算中心，其中陽泉智能雲數據中心一期就可承載16萬台服務器，預計整個百度陽泉雲計算中心可承載24萬台服務器；

百度目前已在山西陽泉、江蘇鹽城等地建設智算中心。其中，百度陽泉智算中心是亞洲最大單體智算中心，建設規模為4 EFLOPS（每秒400億億次浮點運算）AI算力，可滿足各行業超大規模AI計算需求。崑崙芯科技戰略負責人宋春曉表示：“人工智能芯片是算力的核心，崑崙芯2代已在百度文心大模型的應用中廣泛落地，並為各行各業的智能化升級提供AI算力支持。”

據了解，百度智算中心持續創新計算架構，支持智算時代下企業不同業務場景的計算任務，提升企業的業務效率和創新能力。目前，百度智算中心已支持了文心預訓練大模型、生物計算、自動駕駛等前沿AI應用。同時，基於自研創新技術可使PUE低至1.08，實現了高效節能的運行，從而降低客戶的電費和運維成本。

深度學習框架層面，作為人工智能的底層操作系統——飛槳深度學習平台向下適配各種硬件，支持文心大模型的開發、高性能訓練、模型壓縮、服務部署的各種能力，截止2022年底已凝聚535萬開發者，基於飛槳創建了67萬個模型，服務20萬家企事業單位，貫通了AI全產業鏈，串聯起全棧化的產業生態體系。

文心大模型層面，則已經形成知識增強的ERNIE 3.0系列、跨模態系列等底座模型，在原有能源、金融、航天、傳媒等行業的基礎上，進一步升級到了11個行業大模型，將行業大模型延伸到了製造業、城市管理、汽車等關鍵領域。目前，百度已經實現了“0到1”做標杆的階段，進入到了“從1-到3”的複制推廣階段。

這都為百度打造文心一言奠定堅實的技術基礎，雷峰網了解到，自文心一言對外官宣後，已經有包括互聯網、媒體、金融、保險、汽車、企業軟件等行業的400 多家頭部企業宣布加入百度“文心一言”生態，且這個生態還在持續擴大。

為支持文心一言超大規模計算需求，進一步實現文心一言的產業化落地，去年年底開始，百度智能雲已經通過三大動作全面升級雲服務能力：2022年12月，發布國內首個全棧自研的AI基礎設施“AI大底座”；2023年2月，升級AI研發運營一體化（MLOps）能力；2023年3月，百度陽泉智算中心完成升級。

值得一體的是，去年百度智能雲還推出了“雲智一體3.0”架構，並發布首個全棧自研的AI基礎設施“AI大底座”。

其中，“雲智一體3.0”架構，形成了一套“芯片-框架-大模型-行業應用”的智能化閉環路徑，每一環都有關鍵自研技術，每一環之間都能形成信息反饋，通過不斷獲得反饋，實現端到端優化。

百度AI大底座則在AI IaaS層，整合AI芯片“崑崙芯”，在AI計算、存儲、加速、容器方面進行系統優化，提供高性價比的算力，承載海量數據的處理、超大模型的訓練和推理；在AI PaaS層，整合飛槳深度學習框架及百度文心大模型，打通百度的樣本中心、模型中心、AI開發平台、AI服務運行平台，實現從數據存儲到模型訓練、生產、部署、測試的全鏈路、批量化生產，面向企業模型開發的全生命週期提供完整解決方案。

而面對高昂的訓練成本問題，百度毫不吝嗇在AI領域的研發投入力度。相關數據顯示，2022年研發費用達214.16億元，佔百度核心收入比例達22.4%，百度第四季度的研發支出為57億元，截止現在研發費用佔百度核心收入比例已經連續9個季度在20%以上。

03 寫在最後

雲計算發展從黃金期過渡到瓶頸期，以賣資源搶占市場的時代已經結束，與之而來的是通用智能化時代。在這個時代，誰先基於大模型搶先開發重要的應用服務在這個時代，誰能推出通用化可複制化的智能化解決方案，誰就能在下一個雲計算發展的十年中佔據有利位置。

雷峰網了解到，從3月16號開始，文心一言正式開放預約，至3月17日下午2點，排隊申請百度智能雲文心一言企業版API調用服務測試的企業用戶突破8萬家。感興趣的讀者可直接搜索“百度智能雲”進入官網，申請加入文心一言的雲服務測試。（雷峰網）