模型即服务，好云新生态

泽平宏观

文：任泽平团队

导读
数字经济时代，数据量快速增长，企业如何用好数据资产关系到其核心竞争力。国外ChatGPT，国内文心一言出现，人工智能大模型路线成为企业低成本、更高效实现数字化以构建核心竞争力的“救命稻草”。云厂商的服务生态也将发生相应改变，模型即服务将成为人工智能公司的核心商业模式，云厂商通过订阅制、嵌入其他产品获得引流、不同的模型应对不同客户需求并进行定价等模式获取巨大的市场空间，新的增长点。
好的云，肯定是具备全栈式AI基础设施的云。它能通过强大的算力算法和深度学习框架造出优秀的大模型，帮助企业去更好地进行生产经营决策，让数据为企业所用。国内以百度为代表的公司正以全栈式自研的基础设施积极布局模型即服务，取得进展振奋人心，赋能企业智能化发展。
长远看，大模型催生新业态，带来新机遇。随着产业智能化的不断深入，云计算的生态和商业模式发展成模型即服务（MaaS），进行模型微调的公司将获得巨大机遇，它们是将通用大模型进化至行业大模型的关键，打通产业智能化的最后一公里。未来大模型时代最大的机遇或将出现在应用端。新基建最大的价值就在于应用，服务于人类生产生活，交通大模型、能源大模型、金融大模型、医疗大模型等等一系列大模型出现，围绕大模型做应用，将涌现出一批创业明星公司，进一步让人工智能服务于产业、服务于生活。


正文
1 大模型火爆出圈，模型即服务时代开启
近期ChatGPT、文心一言等语言大模型的出现引起人们关注，人工智能大模型火爆出圈，部分解放人类的脑力劳动。强人工智能时代渐行渐近，企业如何进行数字化转型和产业升级？如何构建核心竞争力，在竞争日益激烈的环境中存活？
目前，包括产业数字化和数字产业化的数字经济对GDP增长的贡献日益凸显，年模达45.5万亿元以上，年复合增速超15%。2020年数字经济在我国农业、工业以及服务业中的渗透率分别达到了8.9%、21%和40.7%，2016到2020年的年复合增速达到9.46%、5.74%和8.29%，数字经济在我国产业的渗透率仍能保持较高增速。

数字经济的飞速发展底层是海量数据的支撑，它是继土地、资本、劳动力、技术之后的第五大生产要素，2025年时全球数据总量将达到175ZB，我国数据总量达48ZB以上，占全球数据总量近30%。对于企业来说，寻求增长是商业的本质，是企业的生命线，是抗周期波动的核心工作。企业在生产经营中积累的海量数据就是其最重要的资产。因为在数字经济时代下，数据就是生产力；能不能更好、更高效地利用数据，决定了企业能否为自己创造更大的价值、实现更高的效率、做出更优的决策，它是未来区分企业经营能力的关键性标志之一。已经有越来越多的企业开始重视向数字化、智能化方向转型，转型过程中，企业不但要实现数字化智能化，还要更低成本、更高效率地实现数字化智能化。

数字化积累了庞大的要素型资产，智能化真正地帮企业解决问题。产业向智能化转移，成为下一个爆发点。国家十四五规划提出“上云、用数、赋智”行动，就是要解决企业数字化转型中不会转、没钱转、不敢转等问题。上云，重点就是要发挥普惠性云服务对产业的支持作用。用数，重点是更深层次推进大数据在实际生产中的融合应用。赋智，重点就是要支持企业和产业的智能化改造。数字经济的未来，重点将由“上云”阶段过渡到“用数、赋智”阶段，企业不仅仅要想上云，更要上好云。
此时，大模型路线成为了企业寻求增长的“救命稻草”，它以“通用智能”的思路降低算法边际成本满足各界海量的数字化需求，增强人工智能落地应用场景的经济性。大模型不需要就单独的项目派出大量专家花数月驻场收集数据、调试以及训练模型等。大量数据和足够大的算法来训练通用模型，通过量化、剪枝、知识蒸馏方法对大模型进行微调，适应行业，就能高效地进行模型生产，各类行业大模型对企业数字化转型赋能，可避免“手工作坊”式的AI生产，大大减少复制、重复搭建的成本。
未来的企业之间，不仅仅是产品力和市场实力的竞逐，而且是数字化和智能化实力的比拼。用好云，用能打造好模型的云，是企业战略决策的重点。好模型反过来又能让好的AI云服务发挥最大作用，有效转化数字资产，构建企业自身的智能化生产实力。
因此，对于云服务厂商来说，如何通过云的基础设施做出具备竞争力的大模型是赋能实体经济数字化转型的关键。以前云厂商的商业模式是典型的基础即服务模式（IaaS），只向企业提供存储、计算、网络等基础设施。进入到产业与人工智能深度融合的今天，企业需要人工智能能解决产业问题，云厂商需要有向企业提供模型的能力才能满足生产需求（MaaS）,云计算行业面临大洗牌，兵家必争之地，模型即服务（MaaS）时代开启。

2 智慧的云打造好模型，具备全栈基础设施能力
根据调研和实践经验，我们认为能造出好模型、做好模型即服务（MaaS)的云工具，就是一朵具备真正可信赖智算基础设施的智慧的云。它能造出好模型，帮助企业解决实际问题。
一是智慧的云，有一个词业界关注度很高，叫“AI原生云时代”，指的就是人工智能和云计算搭配结合，把AI的能力移植上云，云计算也让AI变得更强，一朵“智慧的云”。云计算为AI提供了算力、数据和场景要素支持，首先云计算形成的大规模集群式的计算能力，是AI算力的基础。其次云计算上的很多服务都是要满足客户对自有数据学习、挖掘、训练和推理的需求，云汇聚了大量实操数据，可供AI使用。此外，云存储了各行各业上云过程中积累的大量实际应用场景。 随着数据量的大幅增长，AI只有通过云计算，才能更充分地利用庞大的数据，进行更加全面的分析，贴近产业实际给出决策的参考，让企业更加科学高效地解决产业实际问题，让数据要素更有效率地转化为生产力。
企业要把自己的各种庞大的数据要素用起来，要借助大模型，借助云计算的数字底座等各种效率工具。我们调研发现，企业不仅是需要用起来自己的数字资产，不仅是要用云，还有更高要求，那就是用智慧的云。智慧的云才能造出好模型，才能以智能化的方式更好地分析、处理数据，真正解决自己生产经营过程中遇到的种种问题，做到更易用、更低成本、更高效、更优化。

二是云还需具备可信赖的智算基础设施。未来模型即服务（MaaS）的整个产业结构将沿着“模型→单点工具→应用场景”的路径。例如文心一言需要大模型通过相关软件工具，可以在各种内容生成上进行赋能。因此云厂商如果能拥有全栈自主可控的智算基础设施，就能够打通模型到场景应用的最好一公里，形成闭环，取得企业信赖，做好模型即服务。
那么什么才是真正可信赖的智算基础设施？我们认为需要做到以下几点。
第一，在从芯片到框架、模型再到应用的全链路环节都具备极为优秀的性能。在技术层面上来说，更好、更高质量、更有实际问题解决能力的云服务通常需要有多方位、多层面、跨领域解决实际问题的能力。这就要求具备较高的学习和挖掘数据的AI能力，相应需要极强的技术积累支撑。
芯片上，要做到性能过硬，保证算力能力强。制造性能优异的高端芯片，才能够以更强的算力处理越来越庞大复杂的数据。AI本质是对数据的学习、挖掘、训练和推理，智慧计算对算力的要求提升将倒逼我国算力进一步增长。OpenAI测算，2012年开始,全球AI训练所用的计算量平均每3.43个月便会翻一倍,计算量扩大倍数远超算力增长速度，只有制造出算力极强的高端芯片，才能满足智算时代的计算需求，让云好用，这是基础条件。

框架和模型层面，软件适配程度要更高，算法积累足够，大模型能力要更强。一方面，要保证实现计算机视觉识别、语音交互、自然语言处理等技术不断取得突破和重大落地应用，更好地服务于解决实际问题。另一方面，深度学习框架需要做到全栈自主可控，推动大模型不断迭代升级。在此基础上，推出多样云服务使得大模型适应各产业的数字、智能化需求，做好模型即服务（MaaS）。
第二，智算基础设施能为大家提供全链路的服务保障，各层之间要实现深度融合，不仅可靠性高、帮助企业降本增效，还降低AI使用门槛，既易用，又好用。我们一直强调“新基建”，一直强调数字时代的新型基础设施建设至关重要，就是因为这种具有全套解决能力的智能基础设施建设，对整个企业行业、乃至国家社会而言，都是非常高效的。企业不必为了去解决一些数字化问题，去做基础设施的临时拼凑组合，这样的拼凑组合往往是不经济且低效率的。
好的智算基础设施，就是要高效解决算力、算法、数据处理等多维度的问题，而且这些维度之间不是独立存在的，而是互相依赖，相互优化、紧密耦合，从而提升整体基础设施效能。比如芯片解决算力问题，框架解决算法开发问题，大模型解决模型泛化问题，他们三者就犹如三人四足比赛中的团队合伙人，只有彼此心有灵犀、协调互补，才能打出完美的团队配合，赢得比赛胜利。
第三，智算基础设施需要使得云服务能够应用到各种行业，聚焦到非常具体的细分场景解决实际问题。好云可以把具体的场景升级为一套方法，让大模型成为能解决任何工业问题的学霸。
我们调研发现，实体企业，尤其是制造业，使用数字化工具的时候能否降本增效的关键是它们能否解决企业在生产过程中遇到的问题。例如，恒逸石化是全球最大的化纤生产商之一。但其之前的质检模式一直是传统的“人眼+手电筒”模式，不仅效率低下，漏检等现象也难以避免。那么好的云服务需要急企业之所急，造出的大模型可解决它存在的生产问题，即如何将质检员的质检经验转化成企业的数据资产？如何辩别绊丝、毛丝、油污等产品缺陷，缩短车间的检测时间、降低漏检率，从而提升质检效率？这些都关系到企业的生产成本和效率。
那么，现在让我们看看云计算厂商为保证自己的云能够造出好的模型，做好模型即服务，成为每个企业都想上的好云，在智算基础设施方面做出了怎样的努力？
目前，业内已有诸多云计算企业在搭建优质的智算基础设施，旨在赋能云计算服务，为实体企业降本增效。如百度智能云推出了一款全栈自研的智算基础设施产品，百度AI大底座。从硬件、框架、大模型再到应用上都拥有着极其优异的性能。具备AI大底座的百度智能云真正地做到以赋能行业智能化为出发点，做好模型即服务。
在芯片层，大底座有百度自研的AI芯片昆仑芯，已经广泛部署在百度搜索、自动驾驶、爱奇艺、金融、工业等各种应用场景，量产数万片，做到大规模的商业化落地。作为7纳米通用型GPU，百度昆仑2代AI芯片算力性能突出、优于国外同级产品。尤其是在工业质检场景，昆仑芯能替代非国产芯片，实现成本降低65%的效果，是为数不多的国产高端芯片之一。

在框架层的飞桨深度学习框架，使得我国拥有更加自主可控的AI底层能力，目前国内市场份额已位居第一，逐步实现了对TensorFlow和PyTorch等外国平台的超越。
模型层则有以文心一言大模型为基础的云服务，将提供包括推理、微调、托管在内的三种服务，适用于不同开发能力的企业和开发者，真正满足模型即服务时代的需求。推理服务上，企业可直接调用通用大模型的核心推理能力，输出推理结果；微调服务上，客户根据自己的需求，注入少量的行业数据，就可在通用大模型的基础能力上用很小的成本微调出一个自己专属的大模型。托管服务上，通用大模型或者微调出来的行业大模型，都可以直接托管至百度智能云的云端。在此基础上，企业客户只需要使用大模型即可，无需担心复杂的部署和管理问题，大模型具备更的可用性、效率和安全性。

事实上，除了百度智能云以外，如华为云等很多云厂商在算力、算法、模型等不同层面都发布了具备极其优异性能的产品。然而，对企业来说，真正重要的还是这些数字化工具能以更低的使用门槛来帮助他们达到降本增效的目的。这就需要各层之间完美融合，心有灵犀地进行团队合作，达到“1+1＞2”的效果。那么能实现全栈融合的百度AI大底座绝对是业内稀缺的产品。
百度AI大底座是百度智能云通过纵向的整合，将过去相对独立发展的几块产品线进行一体化，使得飞桨深度学习框架能够发充分挥出昆仑芯片的特征，更具备基础设施的组合效率，可避免企业在自主组合基础设施时的东拼西凑，降低整体效率；无需企业在如芯片、深度学习框架等基础设施中的核心部分投入巨额的研发成本。既节省了精力，降低了成本，又能发挥出基础设施最佳的性能和效率，达到好用的效果。
应用落地层面，百度AI大底座预置了非常丰富的场景模型产线，包括文本、视觉、跨模态等领域的15种任务类型及对应生产线，和16种细分场景，30多条行业场景生产线等，覆盖了能源电力、安全生产、遥感领域等各种行业大模型。通过预置产线，开发者可以在对应的场景高效建模，大大降低了企业和开发者使用AI的门槛。
比如，在大底座支持下，文心通用大模型在微调之后推出文心行业大模型，目前已在各个行业领域生根发芽，解决企业的实际问题，降低企业上云门槛的同时也帮助企业降本增效，为产业的智能化升级提供源源不断的动力。例如在工业质检领域，百度推出了TCL-百度·文心行业大模型，将传统的工业质检算法流程进行了变革，大幅提升了模型的研发与运营效率，实现降本增效。以半导体显示面板缺陷检测任务为例，TCL-百度·文心行业大模型的应用可使训练样本降低30-40%，开发周期降低缩短30%，同时冷启动效率可提升3倍，指标可提升10%。又如在金融领域，百度推出的泰康-百度·文心行业大模型，助力泰康保险在典型应用任务场景下的平均字段识别率提升至90%以上。

此外，基于各个行业生产过程中的场景的复杂性，大模型具有平台化的反馈闭环机制，可以不断共享并积累产业应用上的知识和经验，总结不同场景的底层逻辑，通过全栈融合的系统，举一反三，在反馈后进行补充更新，快速迭代，提升业务落地和创新速度，成为解决各种产业问题的学霸。例如文心一言语言大模型开始使用后，就建立起了真实的用户反馈、开发者调用和模型迭代的飞轮，进步飞快，做到人有我优，及人有我待优。

时代变了，中国从一穷二白的社会进入到现在人均GDP已超过一万美元，居民的消费需求也从追求便宜向追求质量转变。消费需求的升级使得企业的竞争也变得越来越“卷”，哪个企业能够以更低成本做出更好的产品才能具备竞争优势，成为时代的新宠。因此企业需要积极借助外力为自己赋能，进入到用数、赋智的快车道，降低自己使用AI的门槛，提升效率。这样非但可以充分挖掘智能化带来的价值，实现产业效率优化，还可以把自己宝贵的精力聚焦在主业上，长期保持自己核心竞争力。
新趋势下，众多企业在数字化转型过程中都在如饥似渴地寻找能够帮助它们解决实际问题的好云。而如百度智能云这类具备全栈能力基础设施，造出的大模型帮助企业很好地解决了产业问题，模型即服务的理念得到企业推崇，成为企业新宠。

3 趋势和展望：大模型构建产业新生态，应用新机遇
大模型是AI技术的集大成品，是让人工智能从感知到认知过渡的基础底座。进入到大模型竞逐的大时代，人工智能云服务产业的业态将会被重构，几大新的增长机遇，把握住这些机遇对企业和个人至关重要。
第一，正如我们上文提到的，大模型创造了新型的云计算商业模式，模型即服务（MaaS），越快、越好地推出模型即服务是云厂商在新时代下抓住机遇的关键。目前，正值国外产品未开放，叠加企业数据安全问题，国内云计算企业同类型产品将成为首选。进入强人工智能时代，产业智能化进程如火如荼，企业需求旺盛之际，率先推出大模型服务的云厂商便能抢占先机，兵贵神速。
再者，未来云服务的优劣将更多取决于芯片、框架、模型、应用的性能，以及四层之间协同。随着产业智能化的深入，未来还需要进一步加强智算基础设施建设，鼓励像百度AI大底座这类型的基础设施的发展，在保证使用效率、稳定和安全性的同时，能够支持大模型变成像水电能一样供客户按需取用，进一步深化产业智能化的发展。
第二，进行行业模型精调的公司将会获得巨大的市场增量。这类公司是通用大模型和应用之间的中间层，它们能通过调用通用大模型的能力为行业客户提供行业解决方案。
未来20年，产业智能化是大势所趋，智能化生产是企业保障产品核心竞争力的关键，也是实现生产现代化的关键。未来产业与AI的结合将更加深入，智能化为中国产业升级创造的价值才刚刚开始。目前AI正逐步深入到生产领域的每一个核心场景，帮助企业实现低成本、高效率的生产决策，为企业带来效益。比如人工智能已从最初智能客服的场景，逐步深入到工艺参数优化、安全预警管理、工业质检等生产的核心领域，关系产品质量。此时，进行行业模型精调的公司显得尤为重要，企业拿到云厂商提供的通用大模型后，精调才能真正的使大模型契合于产品的产线生产，是智能化落地企业车间的最后一公里。
第三，大模型时代最大的创业机遇在应用端。创业者将围绕大模型做应用，即应用服务开发市场将会得到蓬勃发展，甚至未来可能会涌现出一批创业明星公司。未来在文本生成、图像生成、音频生成、视频生成、数字人、3D等应用场景可能出现新巨头。百度创始人、董事长兼首席执行官李彦宏认为，在移动互联网时代，能够被人们记住的操作系统其实没几个，最成功的是微信、抖音、淘宝这些应用，他们都获得了巨大的消费者市场，创造了大量的就业。未来10年，围绕大模型的应用可能诞生10倍价值于他们的机会。
就像iPhone诞生将手机区分为智能手机和非智能手机一样，是否使用人工智能将成为区分企业的重要标准。随着大模型服务的不断发展，未来企业将分为智能企业和非智能企业两类，大模型将催生大量的AI新应用，推动新巨头的诞生，非智能企业将在失去产品竞争力的情况下逐渐消失。