阿里雲大模型空前降價，開始超摩爾定律的狂奔_風聞

讓更便宜的大模型，成為全社會創新加速的基礎設施。

作者 | ray

編輯 | 靖宇

5 月 21 日，武漢光谷萬豪，阿里雲「AI 智領者峯會」。

抵達現場後，與會嘉賓發現一絲不同尋常，一個已經在一個月時間裏相繼在杭州、北京、西安舉辦過的系列峯會，這次阿里雲智能集團資深副總裁、公共雲事業部總裁劉偉光親自來了——阿里雲這次，可能要搞個大的。

果不其然，發佈會開始十多分鐘，劉偉光便聊起了一個硬件領域老生常談的話題**「摩爾定律」**。

極客最高級的致敬是「show me code」；商業教父最高級的致敬，是把他的觀點，變成行業定律，摩爾定律就是其一。

1965 年，這位英特爾聯合創始人的一句話，「單位面積上，晶體管的密度，每隔 18 個月就翻一番」，主導了迄今半導體行業 60 多年的發展。

然而，伴隨摩爾故去，摩爾定律在微觀晶體管領域，也逐漸褪色。馮諾依曼架構的原始限制、量子隧穿成為擺在眼前的攔路虎。

那將觀察角度轉為宏觀，或者轉為用户導向呢？這是阿里雲思考了很多年的問題。

從用户角度出發，晶體管密度只是其次，摩爾定律最根本的意義是在於每過 18 個月，用户就能以相同價格買到翻倍的算力。

但很顯然，實現越來越便宜的算力，不止有晶體管密度這一條路。

而公共雲與AI，或許就是阿里雲超越摩爾定律的嘗試。

01

AI 推理成本，開始指數級下降

「我覺得 AI 推理成本只有每年有十倍甚至百倍的降低，才能真正推動行業各行各業的 AI 應用的爆發。」

劉偉光話一出口，台下的人面面相覷：目前中國 80% 的科技企業，一半大模型公司都跑在阿里雲之上。每年百倍，也就意味着，阿里雲要一步將國產大模型的使用成本打到地板價。

緊隨其後，阿里雲官宣，旗下 9 款核心商業化及開源系列模型將全數降價，且都已經可以通過阿里雲百鍊官網開通使用。其中，阿里雲對標 GPT-4 級別的長文本模型 Qwen-Long，降價至 GPT-4 價格的 1/400，全球最低。

Qwen-Long 是通義千問的長文本增強版模型，主要適用最消耗 token 的長文本場景，上下文長度最高達 1 千萬，可處理約 1500 萬字或 1.5 萬頁的文檔。

此次官宣後，其 API 輸入價格從 0.02 元/千 tokens 降至 0.0005 元/千 tokens，直降 97%。這意味着，1 塊錢可以買 200 萬 tokens，相當於 5 本《新華字典》的文字量。相比之下，國內外廠商 GPT-4、Gemini1.5 Pro、Claude 3 Sonnet 及 Ernie-4.0 每千 tokens 輸入價格分別為 0.22 元、0.025 元、0.022 元及 0.12 元，均遠高於 Qwen-long。同時，Qwen-Long 輸出價格也從 0.02 元/千 tokens 降至 0.002 元/千 tokens，降幅 90%。

不久前發佈的通義千問旗艦款大模型，權威基準 OpenCompass 上性能追平 GPT-4-Turbo 的 Qwen-Max，同樣參與此次降價，API 輸入價格降至 0.04 元/千 tokens，降幅達 67％。

其他開源模型上，Qwen1.5-72B、Qwen1.5-110B 等 5 款開源模型的輸入價格也分別直降 75% 以上。

從應用範圍最廣，到性能最佳，阿里雲拿出的，都是最重磅的產品，決心可見一斑。

02

阿里雲的決心：成為大模型爆發的基礎設施

為什麼降價？

答案就寫在這次活動的主題中：「讓天下沒有難做的 AI 應用」，成為大模型時代的基礎設施。

據多位內部人士表示，AI 的定位在阿里雲已經上升到前所未有的戰略高度。在多次內部會上，阿里雲高管都將 2024 的 AI 類比 2017 年的短視頻與 2012 年的移動支付。2012 年到 2013 年，3G 過渡到 4G 過程當中，中國的移動支付兩年增長了 800%；在 2017 到 2018，多家短視頻的爆發，實現了整個中國短視頻呈現 8.5 倍的增長。

未來 AI 的爆發速度，也將遠遠超出所有人的想象——現在，中國所有大模型公司 API 的日調用量不超過一個億，年底這一數據量將達 100 億次，增長百倍。

為達成「AI基礎設施」這一目標，阿里雲給自身的定位是做到四有：

一有，有實力提供全球領先的模型服務。不久前，OpenAI 的 Sam Altman 轉發了 Chatbot Arena 榜單來印證 GPT-4o 的能力，其中全球排名前 20 的模型中，三款通義千問代表中國模型實力躋身世界前列。

Sam Altman 在 X 上轉發 GPT-4o 測試成績｜X

二有，有能力建設國內最大的推理集羣。全球三十處公共雲地域分佈、共計 89 個可用區，可做到 4X 推理吞吐提升，8X 計算資源節省，以及分鐘級快速動態擴容。

三有，有態度堅持開放、持續開源。作為首個提出 MaaS（模型即服務）理念的雲廠商，目前，瞄着讓模型更好的服務的目標，阿里雲百鍊模型服務平台已可以調用眾多三方及垂直領域大模型、魔塔社區則是中國最大的模型社區，擁有 4500+模型總數以及 500 萬+用户數；通義持續開源全模態全尺寸模型家族，共計 700 萬開源模型下載量。

四有，有信心，迎接 AI 應用的爆發。財報數據顯示，同比去年，阿里雲的 AI 相關收入同比三位數增長。

而與阿里雲的「四有」，形成對比的，則是行業內的「兩貴」。

**一方面是開發以及微調的人力成本貴。**大模型人才稀缺已是業內共識，某家消費電子巨頭曾算了一筆賬，大模型研發方向，公司平均平均税後人才成本為 100 萬元。而對普通企業來説，即便跳過基模這一步，採用開源大模型微調，成本同樣高企。

**另一方面則是硬件成本「硅谷卡貴」。**一個創業公司，擁抱大模型，起步價實買 50 台 GPU 服務器，甚至 100 台、200 台乃至更大尺寸的集羣。如果對標全球頂級水平，訓練一個 100B 規模的 LLM，以 Falcon 系列模型為例，其資源消耗量 3.5 萬億 token，約 4096 個 A100 組成的集羣，訓練時長約 70 天。其中，一張 A100 的價格，通常在一萬美金乃至更多。而構建集羣，除了 GPU 的採購，還有包括軟件部署、網絡費用、電費、運維成本，以及不斷投入的試錯成本，成本遠非普通企業可以承受。

那麼，對阿里雲來説，接下來的核心目標，就是如何用阿里雲的「四有」，解決AI爆發遇到的「兩貴」。

03

決定 API 價值的要素：技術高度+普惠能力

不難發現，本次活動，阿里雲的重點有二，其一是強調API價值，其二是降價普惠的能力。

API****很好理解，互聯網發展沒必要重複造輪子，大模型發展，也不是人人都需要從基模開始。通過 API 與公共雲相組合，不僅可以降低大模型開發的人力成本，更是通往大模型普惠的必經之路。

一方面，雲廠商天然的開放性，能為開發者提供私有部署所不具備的豐富模型和工具鏈。阿里雲百鍊平台上匯聚通義、百川、ChatGLM、Llama 系列等上百款國內外優質模型，內置大模型定製與應用開發工具鏈，開發者可以便捷地測試比較不同模型，開發專屬大模型，並輕鬆搭建 RAG 等應用。從選模型、調模型、搭應用到對外服務，一站式搞定。

另一方面，雲上更方便進行多模型調用，並提供企業級的數據安全保障。阿里雲可以為每個企業提供專屬 VPC 環境，做到計算隔離、存儲隔離、網絡隔離、數據加密，充分保障數據安全。目前，阿里雲已主導或深度參與 10 多項大模型安全相關國際國內技術標準的制定。

降價背後的邏輯，則是具備普惠的能力。

在 PC 時代，主導行業不斷發展的是安迪-比爾定律。其中，安迪代表的是英特爾賣 CPU 的，比爾則是微軟，做 Windows 操作系統的。兩者組合，隨着操作系統為代表的軟件的體量日益龐大，用户必須定期更新迭代新的硬件。

換到 AI 時代同理，大模型發展越好，雲計算等算力的需求越高。「生成式 AI 所依賴的算力不僅僅是 CPU 和簡單的技術帶來的策略，更多是一個大規模集羣，大規模 GPU 集羣帶來算力的基礎，包括網絡存儲背後能力的提升。所以生成式 AI，無論是推理和訓練，逐漸更多的走向雲端，再一次的點燃了公共雲的爆發」劉偉光直言。

而這次空前降價的底氣，則是雲計算本身超越摩爾定律的特性。

過去，摩爾定律主導單位面積下，芯片晶體管的密度 18 個月翻番。相同算力，用户的使用成本 18 個月降一半。

現如今，晶體管的摩爾定律失效，但公共雲的技術紅利和規模效應，依然能帶來算力成本的繼續優化。一個例證是，阿里雲過去十年，算力成本降低 80%，存儲成本降低 90%。

具體到 AI 方向，阿里雲基於自研的異構芯片互聯、高性能網絡 HPN7.0、高性能存儲 CPFS、人工智能平台 PAI 等核心技術和產品，構建了極致彈性的 AI 算力調度系統，結合百鍊分佈式推理加速引擎，大幅壓縮了模型推理成本，並加快模型推理速度。

也是因此，即便同樣的開源模型，在公共雲上的調用價格也遠遠低於私有化部署。以使用 Qwen-72B 開源模型、每月 1 億 tokens 用量為例，在阿里雲百鍊上直接調用 API 每月僅需 600 元，私有化部署的成本平均每月超 1 萬元。

至此，大模型的爆發才剛剛開始，但如何打好這場持久戰，阿里雲的基礎設施的鋪墊，已然悄然醖釀完成。

阿里雲開啓的連鎖反應

事實上，阿里雲開始幅度如此激進的降價，不會是故事的結尾。

就在今天，上午阿里雲大模型大幅降價後，下午隨即百度兩款輕量型主力大模型宣佈免費。雖然這和阿里雲降價的模型能力並不完全匹配，看起來是一種聲勢上的快速應對，但毫無疑問，阿里雲開啓的這一波大模型能力普惠將引發進一步的業界連鎖反應。

對於應用創新，大模型 API 成本的下降，甚至開始可以接近免費試用，真正跑起來再算錢，對激發應用創新是一件好事。過去，中國在實體經濟，有基建狂魔稱號，「要致富先修路」也成為家喻户曉的常識。其背後的底層經濟規律是，基礎設施的價格與社會的創新總量，之間是一個微妙的蹺蹺板結構：

只有基礎設施的價格下降，創新才會如成熟的蒲公英，藉助風口，把種子播撒向遠方。過去實體經濟如此，期待AI時代亦如此。

*頭圖來源：視覺中國

本文為極客公園原創文章，轉載請聯繫極客君微信 geekparkGO