0
作者丨徐曉飛
編輯丨周蕾
大模型“通義千問”今天在阿里云大會上的亮相，標志著又一家互聯網巨頭正式加入ChatGPT軍備競賽。
要判斷巨頭們此次廝殺孰勝孰負，有一條十分關鍵的預測邏輯：
互聯網企業在云智一體化的進展越快、成果越扎實，他們在這輪比拼上就越有希望下出先手棋。
如今無論是大模型，抑或是其他云或AI的產品矩陣，某種程度上來說，均是巨頭們云智一體化的產物。
“云智一體”一詞，最早出現在2020年百度智能云發布的戰略中，此后各家科技巨頭也在實踐中，逐步推進云智體系的打通和融合，這一概念也逐漸成為了行業共識——可在過去很長一段時間里，云智一體的演進之路道阻且長，對企業而言是戰略眼光和定力上的巨大考驗。
“云智一體”落地難，這一現象究其原因，來自組織隔閡。
互聯網企業在高速發展的過程中，迅速跟進了AI與云兩撥技術潮流，各自配備人才、組建團隊，也相應地形成了各自的發展目標和規劃。但這也使得AI和云，逐漸在企業內部演變為相互獨立的兩個體系。
2015年左右，海內外的所有互聯網公司都把AI作為單獨的戰略性技術，多數歸屬于技術職能線。簡單來說，即是將科學家們都匯聚在AI研究院里，不隸屬于任一業務線，以研究為第一要務。
此舉之利弊，《我為什么支持BAT拆掉AI研究院》一文有過詳細分析：優勢在于營造了濃厚的研究氛圍，能集科學家之力走在技術前沿，但與業務部門的割裂，使其缺少工程化能力和核心場景數據。
2018年后，AI商業化落地需求日益迫切，AI部門也逐步像云部門一樣，面臨對外商業化的目標。加上二者在技術層面也有更多緊密融合，兩大部門攜手共進的形勢更為明確。
然而，過去AI和云在組織架構上各自獨立，分別擁有專屬的負責人和匯報對象，融合只停留在了虛線的項目協作上。
科技大廠要打破這種內部僵局，并不容易。譬如微軟，就在2017年夏天，做出了這樣一番調整：
時任微軟云總裁Scott Guthrie，宣布成立Cloud AI平臺部，由Guthrie的部下、微軟云副總裁Joseph Sirosh帶隊。但Sirosh的匯報對象并非云負責人Guthrie，而是當時的微軟AI一號位沈向洋。
也就是說，微軟選擇在云抽出一個小分隊，向AI部門匯報，來實現第一步的組織協同。
到了2018年，云智一體的融合進一步加深。黃學東、Yu-Ting Kuo等資深副總裁級的科學家以及相關團隊，從沈向洋旗下調任到微軟云體系。不久后，這支由Sirosh帶領的小分隊，也重新被收編回微軟云體系，相當于Joseph Sirosh帶著沈向洋的團隊，重新回到微軟云，讓云和AI進一步融合。
同時，微軟云也改名為微軟云與人工智能事業部，在組織上真正實現了云與智能的一體化。在此之后，微軟在云的銷售業績、AI商業影響力等各方面上，均呈現逐年上漲的態勢。
目光放回國內，最先提出云智一體的百度，也曾經歷過一段時間云和AI的獨立。2020年5月，百度宣布由CTO王海峰統領實現云與AI及基礎技術體系的統一，明確提出了“云智一體”戰略。百度智能云也在2020-2022年期間，以一年一級的頻率，完成了云智一體架構從1.0到3.0的升級。
騰訊云與騰訊優圖也曾經歷過類似情況。二者雖同屬于CSIG（云與產業互聯網）事業群，但騰訊云的主要目標落在銷售業績和市場份額上。而早年間的優圖，更多是全集團計算機視覺中樞的角色，即科研先行；隨后雖對外輸出，但與騰訊云在銷售、交付等環節上相對獨立。
2022年，在通過組織架構調整之后，例如讓優圖部分管理層在騰訊云掛職，負責或參與進騰訊云部分部門的工作，CSIG完成了云與AI的磨合，云智一體的戰略逐漸清晰。
而阿里也同樣走過一段充滿考驗的云智融合之路：阿里云早期與散落集團各處的AI實驗室之間協作有限，但達摩院成立后，阿里的AI部門完成組織上的收編統一。此后，在行癲的帶領之下，阿里云與達摩院逐步融合。
相比而言，在云與智能兩大體系的打通上，百度完成得最早、最徹底。
組織層面上，首先是2020年5月，百度將ACG（百度云）、AIG、TG（基礎技術體系），整體整合為“百度人工智能體系”（AIG），由王海峰統帥。
集團CTO的職責，通常是從頂層設計出發，為集團各個業務線打造堅實技術底座，而非直接插手業務線。百度讓王海峰兼管云業務和AI，實際上是充分發揮他的兩大優勢：在基礎技術上的超強積累，強有力的技術與業務整合能力。
除王海峰外，還有侯震宇等百度老將，他們也確實更具技術和產品背景，而且在組織層面，能夠調動更多的研究和工程專家配合云與AI的融合之計。
這一安排之下，云和AI之間的隔閡會更大限度地被打破。
王海峰統管云與AI期間，百度智能云實現云智一體架構的首度亮相和第一次進化。2020年發布的云智一體1.0架構，目標是通過云智一體、端到端的方式，便捷高效支持產業的智能應用。
2021年云智一體2.0架構下，戰略細化為“適合跑AI的云”和“懂場景的AI”，共同解決企業兩大核心訴求：前者消除企業的算力負擔；后者降低企業的開發門檻，在云端搭建屬于企業自身的AI能力。
2022年5月，百度再次調整了組織架構，沈抖從王海峰手中接過了智能云的大旗。
與王海峰同樣為AI專家的沈抖，是根正苗紅的人工智能正牌軍，博士時期師從全球知名AI科學家楊強院士。二人有著頗為相似的學術和工程背景，沈抖無疑是延續“云與AI”融合意志的不二人選。
其次，沈抖自2012年加入百度后，先后負責過百度聯盟研發部、網頁搜索部、金融服務事業群（FSG）、百度移動生態事業群（MEG）等。沈抖在MEG期間全面負責銷售團隊，積累了不少商業化和銷售體系管理經驗。
相對而言，沈抖能在技術和商業上有較好的結合。讓這樣一位有學術背景，同時又懂業務的人去接棒百度云，能順滑過渡王海峰的角色，更有利于推動百度云的商業化。
沈抖接任智能云業務后不久，百度的云智一體架構也再次升級至3.0版本，即形成了“芯片-框架-大模型-行業應用”的智能化閉環路徑，向上可以優化已有應用、孵化新應用，向下改造數字底座，使基礎云更適合AI應用，實現端到端的優化。
此時，百度的核心戰略歸結為“云智一體，深入產業”。總的來說，戰略大概可分為四層：
第一層是深耕行業，聚焦實際場景。利用AI和云計算能力力爭在核心制造業、城市治理、水務、智能交通等場景里打深打透。
第二層是通用產品，特別是跨模態沉淀下來的數字人技術、智能客服、數字孿生等技術，這是通用AI產品。
第三層就是AI大底座，由百舸異構計算平臺、AI中臺構成，整合了百度自研的AI芯片“昆侖芯”、飛槳深度學習框架、文心大模型，面向企業AI開發和應用提供完整解決方案。
第四層是基礎設施，通用Cloud。
率先打通組織壁壘、形成云智一體3.0架構后，百度得以先人一步取得“云智一體”時代的主導權。為什么這么說？
當前GPT大模型熱潮是AI領域繼2016年阿爾法狗戰勝李世石后的又一次重大突破。當年，阿爾法狗的勝利給業界帶來了對AI技術的信心，但在隨后的7年里，AI飽受難以商業化、應用碎片化等詬病，直到當下這波大模型的出現，才終于讓各行各業看到了AI實際應用和規模化落地的曙光。
在MaaS（模型即服務）時代，大量企業都將在大模型沖擊下，迎來意想不到、甚至顛覆性的產業再造。但企業應用大模型的方式不是自己親自下場做一個，而是搭上云智一體時代里的“基建順風車”。
為何不親自做？因為成本太高。
事實上，由大數據、精算法與大算力“三駕航母”驅動的大模型，一直以來都以成本高、技術刁、工程難著稱，以至于中小企業基本無法「自研」，向百度、阿里等大模型服務「供應商」采購，在云上按需購買，反而相對更劃算。
這就需要云廠商們改變自身的商業模式：以往只賣計算、存儲、網絡的近似于“二道販子”的粗放模式行不通了，如今需要在云與AI深度融合的基礎上，向市場提供更多AI集成品、AI大模型，甚至是自上而下全套的AI解決方案，做云智一體時代的“基建者”。
這種實力的具備，無疑是一項“長期工程”。
但對百度來說，這一漫漫征途實際上早已開始。
早在2012年，百度的深度學習框架“飛槳”就已雛形嶄露。隨后的10年間，百度云在AI積累上更是持續發力。李彥宏曾公開表示，近10年來，百度在智能云業務上累計研發投入超過1000億元。
由于起步早，投入大，以及在搜索基因和豐富業務場景上的優勢，百度率先推出了國內首個全棧自研的AI基礎設施，即“AI大底座”，面向企業AI開發提供端到端的解決方案。
具體來說，AI大底座由百舸異構計算平臺、AI中臺兩大部分組成：
其中，前者整合了百度自研的AI芯片“昆侖芯”，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。
后者則整合了百度兩大核心自研產品（飛槳深度學習框架、百度文心大模型），打通百度的樣本中心、模型中心、AI開發平臺、AI服務運行平臺，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周期提供完整解決方案。
相較于其他云廠商，百度AI大底座的最大差異化在于：不是將云和AI業務里若干產品線打包起來，套個統一外殼就對外推銷，而是基于打破部門墻，組織、業務融合，以及實際場景鍛造等的保障，實打實讓各種產品、各種技術深度耦合，因此才能提供包含芯片、框架、模型、應用在內的全棧融合方案。這是其“靈魂所在”。
得益于這種全棧、全要素、全自研的積累，百度AI大底座目前已成為百度各項云與AI技術的集大成者，并通過云與AI底層技術的通用化、模塊化，將AI服務鋪開，實現了規模化。
這讓企業在用云時，不必再把大量時間和成本花在“打地基”上，而是可以通過百度AI大底座把芯片、大模型、深度學習框架等高門檻的技術，變成像水電一樣按需取用，真正實現“AI能力的隨用隨取”和AI生產全流程的降本增效。
不僅如此，百度智能云的差異化優勢還在于：AI技術棧實現了“芯片-框架-模型-應用”四層架構全覆蓋，并且每層都有強競爭力的自研產品：
在芯片層有昆侖芯，目前落地規模已多達數萬多片；框架層有飛槳，目前綜合市場份額中國第一；大模型層有文心大模型；AI應用層則有數字人、質檢等各行各業廣泛的落地應用。
自研產品的好處之一在于，能讓百度AI四層架構間更好協同，進而實現智能化閉環；并且向上可以優化已有應用、孵化新應用，向下可以改造數字底座，使基礎云更適合AI應用，上通下達從而實現端到端的優化。而這種協同性和自我迭代性，正是未來千行百業在邁入數字化深水區時，會優先考量的要素之一。
值得一提的是，也正是這種協同和迭代優勢，讓百度智能云成為國內第一個訓練出大語言模型的云。
而反觀當前云計算領域里的其他玩家，盡管也都各有優勢，但不同的是，他們要么關注AI但不具備底層的芯片和系統能力，要么做芯片出身但不具備上層軟件能力，無法直接接住用戶的需求，在全棧和關鍵技術自研上，還有較長的路要走。
不可否認，當下一個激動人心的共識正在全球蔓延，那就是：數字化、智能化，正在來到“iPhone時刻”。
對各類行業企業來說，是否用AI、如何用AI正在成為一道生死時速的分界線，非智能企業將被淘汰，新的巨頭將會誕生，企業想要跟上這一時代，就需要學會將AI基建變成企業自己的“智能底座”。
這種背景下，對云大廠來說，只有徹底打通云智體系，做好組織、產品、技術上的貫通融合，轉型成為新階段的基建者，才能抓住眼下這一歷史性機遇窗口，開啟云智一體時代，從而真正實現AI的普惠。雷峰網(公眾號：雷峰網)雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
