三年了,「云智一体」终成共识

作者丨徐晓飞

编辑丨周蕾


大模型“通义千问”今天在阿里云大会上的亮相,标志着又一家互联网巨头正式加入ChatGPT军备竞赛。

要判断巨头们此次厮杀孰胜孰负,有一条十分关键的预测逻辑:

互联网企业在云智一体化的进展越快、成果越扎实,他们在这轮比拼上就越有希望下出先手棋。

如今无论是大模型,抑或是其他云或AI的产品矩阵,某种程度上来说,均是巨头们云智一体化的产物。

“云智一体”一词,最早出现在2020年百度智能云发布的战略中,此后各家科技巨头也在实践中,逐步推进云智体系的打通和融合,这一概念也逐渐成为了行业共识——可在过去很长一段时间里,云智一体的演进之路道阻且长,对企业而言是战略眼光和定力上的巨大考验。

—— 01 ——

巨头云与智的融合之路


“云智一体”落地难,这一现象究其原因,来自组织隔阂。

互联网企业在高速发展的过程中,迅速跟进了AI与云两拨技术潮流,各自配备人才、组建团队,也相应地形成了各自的发展目标和规划。但这也使得AI和云,逐渐在企业内部演变为相互独立的两个体系。

2015年左右,海内外的所有互联网公司都把AI作为单独的战略性技术,多数归属于技术职能线。简单来说,即是将科学家们都汇聚在AI研究院里,不隶属于任一业务线,以研究为第一要务。

此举之利弊,《我为什么支持BAT拆掉AI研究院》一文有过详细分析:优势在于营造了浓厚的研究氛围,能集科学家之力走在技术前沿,但与业务部门的割裂,使其缺少工程化能力和核心场景数据。

2018年后,AI商业化落地需求日益迫切,AI部门也逐步像云部门一样,面临对外商业化的目标。加上二者在技术层面也有更多紧密融合,两大部门携手共进的形势更为明确。

然而,过去AI和云在组织架构上各自独立,分别拥有专属的负责人和汇报对象,融合只停留在了虚线的项目协作上。

科技大厂要打破这种内部僵局,并不容易。譬如微软,就在2017年夏天,做出了这样一番调整:

时任微软云总裁Scott Guthrie,宣布成立Cloud AI平台部,由Guthrie的部下、微软云副总裁Joseph Sirosh带队。但Sirosh的汇报对象并非云负责人Guthrie,而是当时的微软AI一号位沈向洋。

也就是说,微软选择在云抽出一个小分队,向AI部门汇报,来实现第一步的组织协同。

到了2018年,云智一体的融合进一步加深。黄学东、Yu-Ting Kuo等资深副总裁级的科学家以及相关团队,从沈向洋旗下调任到微软云体系。不久后,这支由Sirosh带领的小分队,也重新被收编回微软云体系,相当于Joseph Sirosh带着沈向洋的团队,重新回到微软云,让云和AI进一步融合。

同时,微软云也改名为微软云与人工智能事业部,在组织上真正实现了云与智能的一体化。在此之后,微软在云的销售业绩、AI商业影响力等各方面上,均呈现逐年上涨的态势。

目光放回国内,最先提出云智一体的百度,也曾经历过一段时间云和AI的独立。2020年5月,百度宣布由CTO王海峰统领实现云与AI及基础技术体系的统一,明确提出了“云智一体”战略。百度智能云也在2020-2022年期间,以一年一级的频率,完成了云智一体架构从1.0到3.0的升级。

腾讯云与腾讯优图也曾经历过类似情况。二者虽同属于CSIG(云与产业互联网)事业群,但腾讯云的主要目标落在销售业绩和市场份额上。而早年间的优图,更多是全集团计算机视觉中枢的角色,即科研先行;随后虽对外输出,但与腾讯云在销售、交付等环节上相对独立。

2022年,在通过组织架构调整之后,例如让优图部分管理层在腾讯云挂职,负责或参与进腾讯云部分部门的工作,CSIG完成了云与AI的磨合,云智一体的战略逐渐清晰。

而阿里也同样走过一段充满考验的云智融合之路:阿里云早期与散落集团各处的AI实验室之间协作有限,但达摩院成立后,阿里的AI部门完成组织上的收编统一。此后,在行癫的带领之下,阿里云与达摩院逐步融合。

—— 02 ——

最早打通云智体系的百度,做对了什么?


相比而言,在云与智能两大体系的打通上,百度完成得最早、最彻底。

组织层面上,首先是2020年5月,百度将ACG(百度云)、AIG、TG(基础技术体系),整体整合为“百度人工智能体系”(AIG),由王海峰统帅。

集团CTO的职责,通常是从顶层设计出发,为集团各个业务线打造坚实技术底座,而非直接插手业务线。百度让王海峰兼管云业务和AI,实际上是充分发挥他的两大优势:在基础技术上的超强积累,强有力的技术与业务整合能力。

除王海峰外,还有侯震宇等百度老将,他们也确实更具技术和产品背景,而且在组织层面,能够调动更多的研究和工程专家配合云与AI的融合之计。

这一安排之下,云和AI之间的隔阂会更大限度地被打破。

王海峰统管云与AI期间,百度智能云实现云智一体架构的首度亮相和第一次进化。2020年发布的云智一体1.0架构,目标是通过云智一体、端到端的方式,便捷高效支持产业的智能应用。

2021年云智一体2.0架构下,战略细化为“适合跑AI的云”和“懂场景的AI”,共同解决企业两大核心诉求:前者消除企业的算力负担;后者降低企业的开发门槛,在云端搭建属于企业自身的AI能力。

2022年5月,百度再次调整了组织架构,沈抖从王海峰手中接过了智能云的大旗。

与王海峰同样为AI专家的沈抖,是根正苗红的人工智能正牌军,博士时期师从全球知名AI科学家杨强院士。二人有着颇为相似的学术和工程背景,沈抖无疑是延续“云与AI”融合意志的不二人选。

其次,沈抖自2012年加入百度后,先后负责过百度联盟研发部、网页搜索部、金融服务事业群(FSG)、百度移动生态事业群(MEG)等。沈抖在MEG期间全面负责销售团队,积累了不少商业化和销售体系管理经验。

相对而言,沈抖能在技术和商业上有较好的结合。让这样一位有学术背景,同时又懂业务的人去接棒百度云,能顺滑过渡王海峰的角色,更有利于推动百度云的商业化。

沈抖接任智能云业务后不久,百度的云智一体架构也再次升级至3.0版本,即形成了“芯片-框架-大模型-行业应用”的智能化闭环路径,向上可以优化已有应用、孵化新应用,向下改造数字底座,使基础云更适合AI应用,实现端到端的优化。

此时,百度的核心战略归结为“云智一体,深入产业”。总的来说,战略大概可分为四层:

第一层是深耕行业,聚焦实际场景。利用AI和云计算能力力争在核心制造业、城市治理、水务、智能交通等场景里打深打透。

第二层是通用产品,特别是跨模态沉淀下来的数字人技术、智能客服、数字孪生等技术,这是通用AI产品。

第三层就是AI大底座,由百舸异构计算平台、AI中台构成,整合了百度自研的AI芯片“昆仑芯”、飞桨深度学习框架、文心大模型,面向企业AI开发和应用提供完整解决方案。

第四层是基础设施,通用Cloud。

—— 03——

这一局,百度是“全能手”


率先打通组织壁垒、形成云智一体3.0架构后,百度得以先人一步取得“云智一体”时代的主导权。为什么这么说?

当前GPT大模型热潮是AI领域继2016年阿尔法狗战胜李世石后的又一次重大突破。当年,阿尔法狗的胜利给业界带来了对AI技术的信心,但在随后的7年里,AI饱受难以商业化、应用碎片化等诟病,直到当下这波大模型的出现,才终于让各行各业看到了AI实际应用和规模化落地的曙光。

在MaaS(模型即服务)时代,大量企业都将在大模型冲击下,迎来意想不到、甚至颠覆性的产业再造。但企业应用大模型的方式不是自己亲自下场做一个,而是搭上云智一体时代里的“基建顺风车”。

为何不亲自做?因为成本太高。

事实上,由大数据、精算法与大算力“三驾航母”驱动的大模型,一直以来都以成本高、技术刁、工程难著称,以至于中小企业基本无法「自研」,向百度、阿里等大模型服务「供应商」采购,在云上按需购买,反而相对更划算。

这就需要云厂商们改变自身的商业模式:以往只卖计算、存储、网络的近似于“二道贩子”的粗放模式行不通了,如今需要在云与AI深度融合的基础上,向市场提供更多AI集成品、AI大模型,甚至是自上而下全套的AI解决方案,做云智一体时代的“基建者”。

这种实力的具备,无疑是一项“长期工程”。

但对百度来说,这一漫漫征途实际上早已开始。

早在2012年,百度的深度学习框架“飞桨”就已雏形崭露。随后的10年间,百度云在AI积累上更是持续发力。李彦宏曾公开表示,近10年来,百度在智能云业务上累计研发投入超过1000亿元。

由于起步早,投入大,以及在搜索基因和丰富业务场景上的优势,百度率先推出了国内首个全栈自研的AI基础设施,即“AI大底座”,面向企业AI开发提供端到端的解决方案。

具体来说,AI大底座由百舸异构计算平台、AI中台两大部分组成:

其中,前者整合了百度自研的AI芯片“昆仑芯”,在AI计算、存储、加速、容器方面进行系统优化,提供高性价比的算力,承载海量数据的处理、超大模型的训练和推理。


后者则整合了百度两大核心自研产品(飞桨深度学习框架、百度文心大模型),打通百度的样本中心、模型中心、AI开发平台、AI服务运行平台,实现从数据存储到模型训练、生产、部署、测试的全链路、批量化生产,面向企业模型开发的全生命周期提供完整解决方案。

相较于其他云厂商,百度AI大底座的最大差异化在于:不是将云和AI业务里若干产品线打包起来,套个统一外壳就对外推销,而是基于打破部门墙,组织、业务融合,以及实际场景锻造等的保障,实打实让各种产品、各种技术深度耦合,因此才能提供包含芯片、框架、模型、应用在内的全栈融合方案。这是其“灵魂所在”。

得益于这种全栈、全要素、全自研的积累,百度AI大底座目前已成为百度各项云与AI技术的集大成者,并通过云与AI底层技术的通用化、模块化,将AI服务铺开,实现了规模化。

这让企业在用云时,不必再把大量时间和成本花在“打地基”上,而是可以通过百度AI大底座把芯片、大模型、深度学习框架等高门槛的技术,变成像水电一样按需取用,真正实现“AI能力的随用随取”和AI生产全流程的降本增效。

不仅如此,百度智能云的差异化优势还在于:AI技术栈实现了“芯片-框架-模型-应用”四层架构全覆盖,并且每层都有强竞争力的自研产品:

在芯片层有昆仑芯,目前落地规模已多达数万多片;框架层有飞桨,目前综合市场份额中国第一;大模型层有文心大模型;AI应用层则有数字人、质检等各行各业广泛的落地应用。

自研产品的好处之一在于,能让百度AI四层架构间更好协同,进而实现智能化闭环;并且向上可以优化已有应用、孵化新应用,向下可以改造数字底座,使基础云更适合AI应用,上通下达从而实现端到端的优化。而这种协同性和自我迭代性,正是未来千行百业在迈入数字化深水区时,会优先考量的要素之一。

值得一提的是,也正是这种协同和迭代优势,让百度智能云成为国内第一个训练出大语言模型的云。

而反观当前云计算领域里的其他玩家,尽管也都各有优势,但不同的是,他们要么关注AI但不具备底层的芯片和系统能力,要么做芯片出身但不具备上层软件能力,无法直接接住用户的需求,在全栈和关键技术自研上,还有较长的路要走。

不可否认,当下一个激动人心的共识正在全球蔓延,那就是:数字化、智能化,正在来到“iPhone时刻”。

对各类行业企业来说,是否用AI、如何用AI正在成为一道生死时速的分界线,非智能企业将被淘汰,新的巨头将会诞生,企业想要跟上这一时代,就需要学会将AI基建变成企业自己的“智能底座”。

这种背景下,对云大厂来说,只有彻底打通云智体系,做好组织、产品、技术上的贯通融合,转型成为新阶段的基建者,才能抓住眼下这一历史性机遇窗口,开启云智一体时代,从而真正实现AI的普惠。雷峰网雷峰网雷峰网(公众号:雷峰网)