AI“入世”的阿里雲方案_風聞

在阿里雲等廠商的努力下，底層算力層的AI重構正在不斷演進，開發生態同樣也在不斷完善，從局部的產品邏輯重塑，到行業層面的全面重塑，其速度只會越來越快。AI通過端到端的部署逐漸介入和改變物理世界，已經不再是偽命題。

以Chatgpt發佈為錨點，其後的22個月，沒人能否認，這是人類歷史上AI發展速度最快的歷史時期。

在剛剛過去的夏天，阿里雲全面支撐巴黎奧運會實現了歷史性突破，雲計算首次超越衞星，成為奧運主要轉播方式。所有的比賽轉播畫面，通過阿里雲全球化覆蓋的雲計算基礎設施，走向200多個國家和地區。這意味着阿里雲在主要的國家和市場，已經完成了本地化建設，並擁有了相應的支持團隊。 

如果用發展的眼光看待，這些基礎設施級別的投入，為AI時代乃至AGI的最終降臨，提供了足夠繁茂的生態和足夠肥沃的土壤。橫向擴展的AI開源社區，則讓底層的模型和應用層的產品實現“自我造血”，獲得更快的迭代速度。 

時至今日，阿里雲的AI佈局也早已走出了“雲”的範疇，到具體的產品和技術應用之上。陳列在雲棲小鎮的大模型和人形機器人，也讓曾經藏在後端的AI，開始變得腳踏實地，觸手可及。 

改變的，不變的 

2024年9月19日，2024雲棲大會在杭州雲棲小鎮開幕。

相較於一年前，兩次雲棲大會的側重點各有不同。2023年的雲棲大會，將重點放在了算力、人工智能+、產業創新三個方向。可以看出，在“AI元年”，阿里雲的重點在底層生態和後端基礎設施的構建。 

而到了今年，展館主題則變成了“人工智能+、計算、前沿應用”。正如阿里巴巴集團CEO、阿里雲智能集團董事長兼CEO吳泳銘在雲棲大會所説，大模型技術在一年的時間裏快速迭代，曾經停留在文本生成的大模型，已經具備了包括文本、語音、視覺在內的多模態能力，並開始能解決複雜問題。 

也因此，在大會佈置的“人工智能+館”，集合了包括通義、百川、Kimi、智譜等各類大模型，無論是圖片、音頻、還是3D生成等前沿交互，都能在場館內一站式體驗到。 

此外，曾經昂貴的模型推理成本，也在一年的時間裏呈指數級下降，已經遠遠超過了摩爾定律。以阿里雲的經驗來看，通義千問API在阿里雲百鍊上的調用價格下降了97%，百萬Tokens調用花費最低已經降到了5毛錢。 

正因如此，在模型能力沒有明顯差距的前提下，誰的雲計算資產分佈越多，門類更全面，誰的推理成本也會相對更為低廉，而在AGI尚未到來的時間裏，這將會是一場沒有盡頭的長征。“計算館”則從產業鏈的角度，回顧了AI時代雲計算的產業佈局，這也是歷次雲棲大會的一脈相承。 

AI對世界的改造，並不侷限於互聯網。如今很多業內人士仍然在用移動互聯網時代的範式在思考，寄希望於AI行業也像之前那般，出現一個殺手級的超級APP。 

吳泳銘則認為，AI最大的想象力絕對不是在手機屏幕上，AI最大的想象力是在通過滲透數字世界、接管數字世界，並改變物理世界，這才是AI最大的想象力。 

何為“AI滲透物理世界”？一個簡單的定義是“AI智能終端”，更直觀的例子，則是AI機器人。 

在本次雲棲大會的“前沿應用館”，一個隨處可見的場景是，曾經還是程序形態的機器人，如今已經“得道化形”，變成了真正的“人”。 

以北京銀河通用機器人的“蓋博特”機器人為例，它具備頂尖的抓取技術，用户只需在一台PAD上點擊所需的飲料，機器人根據指令，就能準確地去貨架上拿到，送到面前。根據工作人員的介紹，以後機器人店員將能跟真人一樣，及時處理訂單，並實現送貨上門。 

而同樣的智能機器人企業，共有14家參與了雲棲大會。雖然這只是AI機器人產業的冰山一角，但在某種程度上，已經開始宣告，AI已經通過這種方式，開始了對現實世界的影響和改造。 

從AGI到終端部署

截至目前大模型的能力還遠遠談不上“實現AGI”。但就方向而言，已經走在了正確的道路上。 

以OpenAI新近發佈的O1模型為例，它以更慢的推理速度，換來了解決更復雜問題的能力。在階躍星辰創始人姜大昕看來，它第一次證明了大語言模型可以像人腦一般“慢思考”。 

相比此前GPT4的即時輸入，即時生成，雖然它能把一個複雜的問題拆解成很多步，然後分步去解決，但仍然難逃直線性思維的窠臼——而以O1模型為代表的技術路徑，則是結合了模仿學習和強化學習，已經初步具備了人腦思維範式的相關特點。 

而在清華大學人工智能研究院副院長、生數科技首席科學家朱軍眼中，如果按業界對於AGI的“L1-L5”分級體系，ChatGPT為代表的聊天機器人，停留在L1級別；O1模型為代表的複雜推理模型，則能定義為L2，但在某些特定任務下，已經實現了較為高階的智能水平。換言之，這也代表着整個AI業界，水平上限的再次提升。 

但上述各種模型，即便已經做到了“上雲”，在沒有進入能夠物理互動的終端之前，很難説“影響現實世界”。 

基於同樣的標準，端到端的自動駕駛，或許是大模型在自動駕駛第一次大規模的商業化落地。 

在小鵬汽車董事長何小鵬看來，AI想要真正“入世”，數字世界的維度和物理世界的維度一定不同，後者一定會慢於前者。也因此，只有當軟件、硬件、用户、政策法規發生變革，且這四個變革放在一起，才能稱得上物理世界的變革。 

而自動駕駛在過去兩年的歷史機遇在於，真人司機的精力即便再大，水平再高，也無法完全勝任世界上所有的駕駛場景，而端到端的大模型加持的自動駕駛，則能很好地彌補這一點，把自動駕駛的下限和上限，都進行明顯的拓寬。最終的理想情況則是，一個一般水平的汽車用户，可以在自動駕駛的加持之下，在每個城市的駕駛水平都能如同一個老司機——這就是端到端的大模型，在用户一側最明顯的感知。 

用“GPU”，把整個行業重做一遍

無論是更高、更快、更強的大模型和智能體，還是正在大規模落地的端到端自動駕駛，模型層和應用層的日新月異超乎了大多數人的想象。 

同時也不得不承認，這一輪人工智能浪潮，比以往任何一波都更快，更密集：其一是有更實際的技術路徑支撐，其二是資本增密的速度遠超以往任何一波AI浪潮。它們依賴的共同技術基礎和硬件基礎，在於AI的爆發，帶來的計算體系的變革。 

在吳泳銘看來，過去幾十年，CPU主導的計算體系，正在加速向GPU主導的AI計算體系轉移。未來幾乎所有的軟硬件都會具備推理能力，它們的計算內核將變成GPU AI算力為主、CPU傳統計算為輔的計算模式。 

而從市場反饋來看，超過50%的新需求由AI驅動產生，因此雲計算設備的迭代呼之欲出。 

相較傳統IT時代，AI驅動的阿里雲全系產品，也迎來了家族升級。據阿里雲CTO周靖人介紹，“雲廠商擁有全棧技術儲備，並通過基礎設施的全面升級，讓AI訓練、推理、部署和應用整個生命週期變得更高效。” 

譬如最新上線的磐久AI服務器，它不僅支持單機16卡、顯存1.5T，還能提供AI算法預測GPU故障，準確率達92%； 

阿里雲ACS也首次推出了GPU容器算力，通過拓撲感知調度，實現計算親和度和性能的提升；為AI設計的高性能網絡架構HPN7.0，可穩定連接超過10萬個GPU ，模型端到端訓練性能提升10%以上。 

隨着AI基礎設施全面革新，其中一個技術紅利是模型的使用成本也越來越低。以通義千問三款主力模型為例，其價格降幅普遍在80%以上，最高達85%，這意味着接入通義千問的企業，調用模型的成本降低，速度已經遠超摩爾定律。 

以距離AI技術最近，大模型結合場景最豐富的遊戲行業為例，巨人網絡已經在遊戲創作、內部提效等方面全面擁抱AI——在雲棲大會現場最新亮相的“巨人摹境”，也是首個支持團隊協作的AI繪畫生產平台，構建起協作式標準AI美術工業化管線，一鍵式工作流實現複雜任務簡化，適用於團隊大規模美術向內容生產。 

而作為國內第一款“AI+遊戲”，網易旗下的《逆水寒》手遊將遊戲服上雲，將AI引擎的推理部署也放在雲上；最新上線的《永劫無間》手遊，則在全面擁抱阿里雲原生服務的同時，應用了在阿里雲上完成高效推理的“AI隊友”。這也是網易27年曆史上，單日新增玩家最高的遊戲。 

以過往的歷史經驗來看，在AI發展歷史上的三次浪潮中，無數行業人士對於新的技術革命，都持有短期高估和長期低估的慣性思維。這是新技術一定存在的低滲透率使然。 

但站在發展的角度來看，長期停留在“玩具級”的AI產品，如今在硬件算力和軟件革新的雙重加持下，早已脱胎換骨，已經初步具備了介入現實世界的能力，而這只是從“生成式AI元年”開啓，不到兩年內發生的事情。 

毫無疑問，在阿里雲等廠商的努力下，底層算力層的AI重構正在不斷演進，開發生態同樣也在不斷完善，從局部的產品邏輯重塑，到行業層面的全面重塑，其速度只會越來越快。AI通過端到端的部署逐漸介入和改變物理世界，已經不再是偽命題。