今天小編分享的互聯網經驗：明線與暗線：讀懂雲廠商鏖戰大模型，歡迎閱讀。
圖片來源 @視覺中國
文 | 腦極體
天氣轉涼，夏天即将過去。如果有人問，雲計算廠商在這個火熱的夏天做了什麼。答案是，他們做了三件事：大模型、大模型，以及大模型。
7 月，在華為開發者大會 2023（Cloud）期間，華為雲公布了盤古大模型 3.0，随後進行了生态等方面的更新。而在此前更早時候，阿裡雲公布了通義千問大模型，并在 8 月 3 日宣布其正式開源。
來到 9 月，雲計算廠商的大模型發布更加密集。9 月 5 日，百度智能雲在 2023 百度雲智大會發布了千帆大模型平台 2.0，進一步集成百度的文心系列大模型，只隔兩天，騰訊就在 2023 騰訊全球數字生态大會發布了混元大模型，其主要出口則是騰訊雲。
至此，中國幾大雲計算廠商可以說是在大模型領網域重兵集結。相較于 AI 算法公司與研究機構，雲計算廠商做的大模型更貼近產業與應用的一線，而且大模型與雲廠商原本的業務體系、營收模塊有着相對復雜的關系。因此，雲廠商的大模型之争，絕不是簡單的模型之間技術對比。
那麼，雲計算大廠做大模型究竟是為什麼？雲 + 大模型之戰的決勝點在哪？
本文中，我們希望通過多個層次的對比與梳理，和大家一起解答這個問題。
首先要明确兩個前提：一是伴随着各行業 IT 投入的降低，雲計算廠商普遍面臨着增速放緩，營收不利的情況。根據 IDC 報告預測，未來五年中國雲計算行業的平均增長速度将下調 10% 左右，雲計算廠商的正在普遍降低業務預期。因此，大模型突然爆火，對于雲計算行業來說是難得的視窗，這個機會或許利益沒有想象中大，但目前也不得不做。
另一個情況是，從用戶界面來看雲 + 大模型的需求是十分復雜的。有的用戶需要直接調取模型，有的用戶需要 AI 算力來自己訓練模型，還有用戶需要大量的模型定制化與解決方案集成。因此雲廠商做大模型并不是很多人想象的短兵相接白刃戰。大模型相關業務，需要面向多個市場，多種商業模式。這場賽事更像是一場陣地戰，各個戰略節點都不能出現缺口。
在這場大模型鏖戰的各個層面，都有一條明線和一條暗線在牽引着局勢的發展。
IaaS 層：明線堆卡，暗線啟動國產 AI 算力
大模型帶給雲計算廠商最直接的變化，其實并不來自于模型本身，而是大模型火了之後，湧現出來的大模型熱潮需要龐大的 AI 算力。大模型數據規模巨大，且訓練模型需要專屬的 AI 算力，這就給雲計算服務商短期帶來了用雲量的更新。在雲計算 IaaS 層市場整體相對低迷的情況下，大模型的出現也算是注入了一針強心劑。
這個層面上雲計算廠商的競争節點，用一個詞概括就是 " 堆卡 "。誰能提供充沛少排隊，且盡量價格低廉的 AI 算力，誰就算赢了。而 AI 算力的來源主要是英偉達的 GPU，于是就出現了雲計算廠商買空市面上 GPU 的現象，以及 " 雲廠商都是給英偉達打工 " 的說法。
但不管怎麼說，雲計算廠商在 IaaS 層的堆卡競賽都不會結束，大量用戶依舊會以計算成本和計算效率來作為選擇公有雲 AI 算力的考量依據。這個層面上，雲計算廠商就需要提升在計算集群性、計算兼容性方面的能力，盡量發揮出每一張 GPU 的價值。
比如說，百度智能雲就承諾在萬卡集群訓練大模型時，有效訓練時間達到 95% 以上，從而降低用戶的訓練時間成本，實現更好的計算加速比。阿裡雲則提出了能夠支持高達十萬卡 GPU 的單集群規模，可讓多個萬億參數大模型同時在線訓練。
而在堆卡這條明線之外，雲 + 大模型在基礎設施層的競賽其實還有一條暗線，就是 AI 算力的國產化。
不久之前，英偉達高端 GPU 面向中國市場供應鏈不穩定的消息沸沸揚揚，後來又傳出了 " 中國特供版 GPU" 價格貴、性能低的問題。這些現象愈發讓各界看到了 AI 算力走向自主可控的必然性。
在這輪大模型熱潮中，AI 算力的國產化與雲上獲取從趨勢變成了現實。其主要方式有兩種，一種是雲計算廠商兼容更多的國產芯片，提供多樣化的 AI 算力。比如騰訊雲、百度智能雲等廠商都在強化自身的國產軟硬體兼容性，并且構建 AI 計算的相關生态。
在這一點上，華為雲擁有天然的優勢。受到制裁後的幾年裡，華為逐漸将自主 AI 計算生态做大做強，已經成為國產 AI 計算中比較成熟的一支。伴随着盤古大模型的更新，華為雲同時宣布将提供自主化的 AI 雲服務，為大模型訓練提供算力底座，這意味着華為的自主化 AI 算力正式由線下走上雲端。
強調大模型、AI 框架的自主可控已經是大勢所趨。接下來，有理由相信公有雲 + 國產 AI 算力的模式，将在宏觀趨勢的推動下持續向上。最終成為左右 IaaS 市場的關鍵變量。
模型層：明線 MaaS 落地，暗線降低訂制化成本
從產業層面上看，大模型帶給雲計算的最大變化是什麼？就目前情況來看，MaaS 的新商業模式是雲廠商最為看重的一點。所謂 MaaS，是指雲廠商直接向用戶輸送 AI 大模型，從而實現模型即服務。
至少在目前的開局階段，各家雲廠商對 MaaS 這個全新模式寄予厚望，甚至有廠商直接用 MaaS 替換了此前的 SaaS，似乎經歷了久久為功之後，SaaS 模式終于要被雲產業放棄了。這也難怪。畢竟在中國市場 SaaS 的客單價較低，但需要進行的定制化工作卻很多，并且異常消耗後期服務。以大廠的綜合成本來看，SaaS 始終難以擺脫食之無味棄之可惜的雞肋定位。
既然如此，還不如轉頭擁抱更加火熱的大模型。于是可以看到各個雲廠商在 2023 年集體發力 MaaS 的新商業模式，并且為此做出了系列工作。
進軍 MaaS 的第一階段，雲廠商主要布局在三個方面：
1. 基礎模型要多且精，能夠滿足用戶在 NLP、CV、多模态等幾個大方向的多樣性需求。同時，基礎模型還是雲廠商的大模型門面。基礎模型的體驗，決定着用戶與開發者對雲廠商大模型能力的第一印象。比如文心一言的火爆，就給文心系列大模型與百度智能雲的 MaaS 服務帶來了明顯的品牌加持效應。
2. 重點領網域要重點覆蓋，在可能被高頻次調用的行業類别與應用類别上，廠商要盡量做出成熟的大模型，以及基于大模型開發的應用，盡量實現低門檻集成與開箱即用。比如騰訊雲的行業大模型精選商店，既提供混元大模型，還上架了金融、文旅、零售等 20 多個領網域的行業大模型。行業大模型，已經成為 MaaS 模式的中堅力量。
3. 要提供充沛的工具能力。除了基礎模型、高頻定制模型之外，還有海量的大模型需求。這要求用戶和開發者具備一定的開發能力，而雲廠商需要提供模型精調、應用開發方面的工具鏈。比如百度智能雲的千帆平台，就在模型之外還提供預制數據集、應用範式，以及其他幫助企業應用大模型的工具。
但看似如火如荼的 MaaS 模式，實則也隐藏了一個暗線問題：SaaS 不賺錢，于是轉頭擁抱 MaaS，但誰說 MaaS 就賺錢了呢？
雲廠商做 AI 也已經很多年了。但結果往往是效果很好，利潤很差。這其中的關節依舊在 SaaS 失速的那個關鍵原因上：定制化成本。
無論是企業應用 AI 還是現在應用大模型，本質上都難逃 AI 作為軟體的不确定性。不同企業之間的不同需求天差地别，加上 AI 在算力、數據與人才上都有極高的成本，任何定制行為都會產生一連串的連鎖反應。專家下工廠聽上去很美，但說一千道一萬，工廠最終是無法負擔專家薪資的。但如果不提供定制化，又會出現絕大多數 AI 需求無法被滿足的尴尬。
于是，怎麼從頂層設計階段就降低 MaaS 模式可能產生的定制化成本，已經成了大模型一戰最為核心的競争暗線。
在這個方面，各家廠商的探索幅度與實現方式各不相同。比如百度智能雲更傾向用預置模型、預置應用的方式來降低定制化。除了模型平台之外，百度智能雲還發布了 "AI 原生應用 Family"，通過模型 + 大模型應用的模式讓企業滿足自身需求。
在這方面，目前探索幅度最大的是華為雲。華為雲的盤古大模型 3.0，從框架設計上搭建了一個 "5+N+X" 的三層架構。這個架構把大模型分為 L0、L1、L2 三層體系。其中 L0 層包括 NLP、CV、多模态、預測、科學計算五個基礎大模型；L1 則是 N 個行業大模型，比如政務、礦山、金融等；L2 是面向各行業的細化場景模型，比如先導藥物篩選、傳送帶異物檢測等。
這個框架的設計理念，是用戶和夥伴、開發者可以根據自身需要，調用不同等級的模型進行組合拼裝，既可以直接調用集成模型，也可以基于模型進行精調，還可以獲得由不同開發者訓練的具體場景模型。這一思路的設計形式，就有了工業革命中模塊化、零部件化的特征，而具體效果如何，還有待在產業中檢驗。
整體而言，雲廠商在 MaaS 上最讨厭的就是定制化高、復用度低、後續服務工作量大的需求。這會把原廠有限的資源過度分散，最終回報難以達标。這也就是雲計算行業經常讨論的 " 小作坊式 AI 開發 "。
在目前階段，雲廠是可以在 MaaS 上只投入，不產出的。但長遠來看，從小作坊到流水線的改變能否實現，是決定 MaaS 生死的背水一戰。
生态層：明線聚合眾力，暗線開源之争
我們需要接着說大模型那個問題，定制化成本太高。正因為定制成本高，單一服務商的綜合資源有限，因此雲廠商必須把大量工作分包出去。要由合作夥伴來完成咨詢、服務、分銷等工作。否則原廠會被漫長的流程與巨大的服務成本反復折磨。這也就導致，在走向 MaaS 模式的時候，雲計算公司比以往更加需要夥伴生态的搭建。
另一方面，雲廠商在目前不僅需要夥伴，開需要盡量聚攏應用開發者。AI 大模型是個新東西，其能誕生的新應用模式具有很大的想象力。就像 iPhone 時刻有賴于大量的 APP 開發者，大模型這個 " 新 iPhone 時刻 " 也有賴于大量具有突破能力的 AI 開發者。為此，互聯網大廠一方面在自己做應用，另一方面也需要聚攏更多應用開發者。因為任何應用火了，都會為提供基礎模型與算力的雲廠商帶來一系列連鎖效應。
這些因素綜合起來，讓雲 + 大模型之戰，在最開始就變成了一場生态争奪戰。各個廠商可以說是擺開陣勢，盡一切可能來吸引夥伴和開發者加入自身的生态體系。其中，基礎措施是提供開發者與夥伴所需的技術與能力，進階模式則是推動基于大模型的技能培訓、應用開發大賽、免費資源、聯合創業計劃，在商業層面賦能夥伴和開發者。也有雲廠商主張與夥伴進行全網域協同，聯合創新，在細分市場與細分場景中以夥伴為主進行大模型落地。
而在如何吸引開發者、夥伴的生态之争中，隐藏暗線是一個非常具有互聯網思維特征的命題：能不能幹脆把模型開源免費，用極端降低成本的方式來吸納夥伴加入？
這也是最近被熱烈讨論的 " 大模型開源閉源之争 " 其來源之一。
支持開源者認為，免費就是最好的生态聚合策略，且靠免費引流的策略在互聯網時代屢試不爽。加上 AI 大模型作為基礎軟體，走向開源恐怕是早晚之事。
而反對者認為，大模型還處在剛剛發展的階段。廠商需要持續投入大量研發成本進行更新，盲目的免費會導致大模型發展陷入停滞，攪亂科技進步秩序。并且大模型開源不僅能降低夥伴和開發者的成本，也會導致市場最終定價降低，攤薄夥伴的利潤，最終導致企業不願意投入研發創新。
不管怎麼說，大模型開源與閉源的對壘，已經從產業探讨變成了雲計算市場的現實。8 月 3 日，阿裡雲宣布通義千問開源，成為首個宣布大模型開源的中國互聯網雲廠商，并且阿裡雲打造的 AI 模型社區魔搭 ModelScope 還以開源、免費、可商用作為主要買點，提供國内外的各種開源大模型。
此後，究竟是越來越多的雲廠商在鲇魚效應下走向開源，還是依舊會保持高技術與低成本之間的對壘？讓我們拭目以待。
以我個人觀點來看，大模型的發展潛力還很大，可探索空間眾多。處于發展中的技術其實并不适合快步走向開源，因此相當部分的大模型保持閉源商業模式，是一個更大概率事件。
解決方案層：明線首批大客戶，暗線政企上雲新視窗
無論說的多麼熱鬧，其實企業直接通過 API 接口調用大模型，這種 MaaS 服務模式的利潤并不高。甚至可以說，在目前 " 百模大戰 " 的背景下，簡單調用大模型變成了一件頗為廉價的事情。
而持續投入的雲計算行業，顯然不能滿足于這種商業模式，因此必然要争取一些客單價高，利潤大的項目。而政企大客戶選用基于大模型的數字化解決方案，就成為了雲計算廠商眼中的新機會視窗。
在眾多類型的政企大客戶中，又有錢，又有數字化能力，且願意盡快探索大模型可能性的只有兩類：智慧城市與金融。其他更偏向實體的制造、能源、交通等行業，則相對來說更加謹慎，還處在對大模型的觀望了解之中。
因此，争奪政務與金融大客戶訂單，就成為了雲計算廠商進入大模型賽道後的一個标準動作。比如我們可以看到在 2023 百度雲智大會上，百度智能雲發布了基于大模型的數字政府解決方案九州。華為雲則在強化和推廣金融、智慧城市等領網域結合盤古大模型的解決方案。
在可見的未來，雲計算廠商除了在模型能力與模型平台的競争之外，還将在以城市、金融為代表的重點領網域進行争奪。而回答好這些領網域為什麼需要大模型，大模型能帶來哪些與以往不同的價值，是雲廠商必須回答的第一道考題。
在為大客戶構建解決方案層面，也隐藏着一條暗線。這條線索直接關乎于雲計算廠商的焦慮感：大型政企客戶，不那麼願意上雲了。
在幾年前，大型政企上雲是一種大勢所趨，可謂是能上盡上，多上快上，但在目前階段，政企客戶更加強調數據與數字化系統的安全可控，盲目上雲被認為并不可取。尤其是否能把大量關鍵數據放互聯網雲平台上，開始逐漸變成一種疑問。目前階段，國資雲、國家雲的提法不斷強化，即使上雲，大型政企也會優先考慮以我為主，多雲采購的策略，而這在無形中就分散了雲廠商的利潤空間。
在這樣的背景下，雲廠商對大模型的一個隐性期待，是能夠讓其成為推動大型政企繼續上雲的技術契機。畢竟在雲上獲取大模型，有天然的成本與可操作性優勢。
因此，能不能更好展現出大型政企、重點實體行業部署大模型解決方案的重要性，同時打消政企在數據安全、自主可控、持續服務、品牌信任等領網域的疑問，就成為了雲廠商鏖戰大模型的另一道必答題。
事實上，雲計算與大模型的結合，還有很多賽點可以讨論。比如大模型與 PaaS 的結合；雲廠商在辦公、網盤等 toB 應用結合大模型的情況等。整體而言，算力、MaaS、生态、大型政企解決方案，構成了雲計算廠商能否在大模型之戰中獲得競争力的四個層面。
無論對于哪家公有雲廠商來說，這場競賽的目标都是一致的：讓模型有用，讓成本下降，讓 AI 成為盈利的起點
大模型最終會變成又一個雞肋，還是新時代的大門？路漫漫其修遠兮，雲計算還需要上下求索。
