今天小編分享的科技經驗：AI 的下個“萬億美元機會”在哪裏？，歡迎閲讀。
AI 風行一年，最大的市場機會，卻不在大模型本身。
2023 年，投身 AI 的入局者不少，" 群模亂舞 " 之下，玩家大概可以抽成幾類。
大模型時代的下策，是單做模型，意在用技術力擠開市場大門，片面關注在模型能力、參數，硬要對标技術前沿，做最 " 牛 X" 的大模型。
這類現象在去年上半年最火，ChatGPT 掀起的熱潮也捂熱了不少人的大腦，但實際做下來，卻總發現要拿下技術，終歸逃不開大模型的 Scaling Law，投入深不見底，技術差距也無法一時彌補；產品缺乏新意，難以做到與市場需求匹配，自然也難以維持高額的算力、人員支出。
而随着資本市場漸冷，去年，這一批人已經不少，倒在了理想主義的大門前，敗于 " 反復造輪子 " 帶來的生產力浪費。
而中策，是模型和產品兩手抓，用大模型能力帶動 AI 產品的開發，為人工智能找一個能夠實際落地、產生價值的安身之所。
曾有人説，大模型當下的市場思路，是把一顆上好的松露，放進油紙袋子裏包好，放在顧客面前——無論多好的品質，吹到天上，食客不知道怎麼吃，也不知道怎麼才好吃；
而有經驗的廚師，會把松露輔以牛排、鳕魚、鹿肉等本就鮮美的食材，最大程度發揮松露的優點，把那些 " 傳統 " 的菜式 " 重做 " 一遍。
要制造出 AI 的殺手級應用，也是一個道理：讓 AI 發揮長處，用智能重新為原有的場景賦能。如果能找到這樣一個恰到好處的結合點，很容易就能捧出下一個字節和拼多多量級的公司。
而歸根結底以上兩點，終歸不是上策。更大的格局，是用一個更龐大的體系，把無數的 " 殺手級應用 " 納入自己的下遊，以技術推動產業和世界的變革，在時代齒輪的扭矩中采掘一個數十年難得的機會——
一個用 AI 作業系統改變世界的機會。
一、人機互動每變革一次，就誕生一個萬億美元規模的機會
在過去一年間，與諸多 AI 業内精英交流的過程中，AI 科技評論總能聽到一個聲音：
人機互動，才是讓一家超級科技公司誕生的 " 金鑰匙 "。4 月 16 号在深圳舉辦的百度 2024 Create AI 大會上，百度集團執行副總裁、百度智能雲事業群總裁沈抖，講了這麼一個故事：
從最早期，人類與計算機的互動靠的還是布線板，工人手動插拔電纜、轉動旋鈕，人機互動甚至是個 " 體力活 "；
而随着匯編語言、匯編器、高級編程語言和編譯器的出現，人類這才能用一種 " 類似 " 交流的方式，以一種 " 語言 " 和計算機溝通；
時間軸再次推進，很快，單機算力再難面對正急速增長的市場需求，雲計算應運而生，人類也不再滿足同時與一台機器 " 對話 "，而是要按需與多台機器形成的 " 集群 " 協作，把人機互動又推上了一個等級；
而到了今天，AI 大模型的出現，再次給人機互動帶來了新機會——以編程為例，程式員不必再從語言學起，直接使用自然語言，在 AI 的幫助下，就能實現自己想要的功能；
也是如此，編程也就不再是人類與計算機 " 鬥智鬥勇 "，而變成了人對 AI" 許願 "。
在人工智能慷慨的幫助下，" 人人都是開發者 " 的願景已經不遠。
回看這個過程，如同耕者在春季翻開土壤，無數的生機因此出現，每一次人機互動方式的新革命，帶來的都是一次科技行業萬億美元規模的契機。
抓住了這個機會，蘋果做出了第一台個人電腦，後又在移動互聯網時代引領風潮；微軟做出了第一個可視化的作業系統，又利用辦公軟體奠定了今天的辦公流；而在雲業務的加持下，亞馬遜在二級市場 20 年來狂漲近 300 倍，從一家電商平台起家，跻身今日頭部科技公司的行列 ……
細心觀察，人們會發現：這些萬億美元市值科技公司的誕生，都脱不開他們在技術革新的浪潮中，抓住了一個能夠改變人機互動方式的機會。
開頭提到，當下大模型勢頭正盛，如果單純把 AI 看作是一個技術或一個產品，那麼人工智能真正的潛力就仍未被完全挖掘；
相反，只有把 AI 的能力和矩陣集成為一個作業系統，管理硬體資源和軟體服務的運行池，提供對外的服務接口，并借此為人機互動帶來新的變化，才有可能撬動這個萬億美元的機會。
而要做這樣一個作業系統，在人機互動逐鹿之戰中問鼎，又談何容易？
二、做 AI 作業系統，高性能異構計算是 " 硬門檻 "
" 大模型不是免費的午餐。" 在大會上，沈抖如此講道。想要讓 AI 作業系統能跑起來，算力是一個永遠無法跨過的話題。
去年年初，在一眾分析師的論斷中，算力并不是一個關鍵因素：畢竟算力是一個 " 金錢遊戲 "，只要錢夠，能砸下來足夠多的卡，這個問題也就自然迎刃而解。
然而一年過去，越來越多的人這才發現，當模型參數量級越卷越大，" 金錢遊戲 " 所需的金錢量級，也正在超出大多數公司能承受的範圍。
如此，算力問題，單靠 " 砸錢 " 也就再難得出一個令人信服的答案。
連 AI 大模型的 " 領頭羊 " —— OpenAI 的 CEO 山姆 · 奧特曼都不僅一次公開抱怨手裏的算力不足。至少在當下看來，算力問題正強硬地制約着 AI 的發展速度。
大模型的計算也需要 " 降本增效 "，降低算力浪費是一個重要的途徑。
如何讓萬卡集群如同一張卡一樣 " 通力合作 "、讓性能可以線性擴展、任務間不產生間斷，這給 AI 作業系統的算力集群設計、調度和容錯提出了巨大的挑戰。
而新近推出了 AI 作業系統 " 萬源 " 的百度，正通過萬卡集群上的有效訓練時長占比超過了 98.8%，線性加速比和帶寬有效性都達到了 95% 的 " 傑出人士生 " 成績，讓業界看到了新希望。
（百度智能雲發布新一代智能計算作業系統——萬源）
而僅解決算力浪費問題，似乎還并不足以一勞永逸地完成大模型的 " 降本增效 " ——在國内，" 禁運 " 帶來的影響還在持續，要湊齊運載大模型所需的萬卡算力，使用多種性能不同的芯片異構計算，幾乎成了一個必選項。
異構計算，讓不同廠家、不同代際、不同性能的芯片互聯互通，是一個巨大的難題。
過去的通識是，異構計算只能用不同的芯片解決不同的任務；要把型号不一而足的芯片，放進同一個任務裏——尤其是訓練任務——幾乎是天方夜譚。
要迎難而上，解決異構計算的效率問題，就不得不需要一點 " 黑科技 "。
而要做 AI 作業系統，百度在算力層的底氣，就是他們已經解決了這個 " 不可能 " 的難題，屏蔽掉了不同芯片之間的差異，更是給了用户選擇芯片組合的自由權。
在百度的異構計算平台 " 百舸 " 上，單一訓練任務下，多家廠商的上萬張芯片相互協作，百卡性能損失 3%，千卡損失不超過 5%，硬生生用技術把異構算力協作的效率提了上來。
也正是如此，芯片的 " 卡脖子 " 難題也就此被百度化解：不僅可以擺脱對單一芯片的依賴，創建一條更具彈性的供應鏈，把風險降到最低；還可以讓成本更加可控。
百度的解決方案，一是将底層通信和上層算子的優化和實現拆分開，讓專業的人做專業的事，自己專門負責底層加速庫 AIAK 的開發，給異構計算搭好一個 " 大舞台 "，讓各家芯片來到百度的集合通訊庫都可以跑通；
二是在加速庫裏做好并行框架的實現，優化并行策略，通過自适應算法自動實現 TP（張量模型并行）、MP（模型并行）、PP（流水線并行）不同的并行策略的參數設定，迅速拿準并行化策略，處置訓練任務的底層設定。
三是在卡間通信上，整合網絡協定，GPU 層面上主要通過 NVLink，而當算力走出機器，百度主要使用的還是 RDMA，對于一些特殊的芯片，百度也有一些相當具體的實現策略。
既然短期内多款芯片并存是現實局面，那麼與其怨天尤人，不如主動擁抱。百度讓 " 百舸 " 争流，主打的就是主動擁抱多樣化的芯片生态，在異構計算上做到極致。
脱離了 " 雲 " 的硬體，AI 作業系統的實現也就成了 " 空中樓閣 " ——而雲智一體，協同軟硬體優化也正逐漸成為不少實力的大玩家的共識。
而要跑到一萬張卡，要讓一萬張卡跑到同一個任務裏，還是多家芯片組成的 " 多國部隊 "，對于任何公司來説，都是個難以逾越的鴻溝。
今天的百度，已經跑出了一條路一雲多芯、單任務多芯片的異構之路；
（業界領先的單一任務一雲多芯大模型訓練解決方案）
而其他玩家想要跑通這一套體系，進而在這一套體系上打造新的 AI 作業系統，在 AI 和雲計算領網域多年的積累和落地則必不可少。
三、工具鏈，" 低成本 " 有 " 高難度 "
如果把計算能力看作 AI 作業系統的 " 内核 "，那麼工具鏈就是鏈接着開發者與 AI 的 " 中間層 "。
歸根結底，算力和大模型再強，使用者用不順手，沒法把大模型用進場景，将 AI 的能力用到極致，AI 的作業系統就也只能是空談。
到了這一層，AI 作業系統面臨的就不再只是一個技術難題。如何理解廣闊市場和紛繁復雜的場景，也成為了一個必須被回答的問題。
一方面，面對不同預算和需求的用户，AI 作業系統必須足夠靈活，給出多種能夠最高效解決問題的方案。
盡管去年以來，市場對大模型原生應用的需求正不斷地提升，但在使用中，" 性能、速度、價格 " 的 " 不可能三角 "，也讓不少人望而卻步——
如果只用一個模型，參數規模小了解決不了問題，參數規模大了又難以打平成本、滿足高并發的需求。
這也就要求 AI 作業系統的提供方，不能一味抱持着一以貫之的思路，面對不同的場景，要提供不同規格的基座模型選擇，不讓用户在作業系統裏花冤枉錢。
以百度為例，在已經獲得了不少認可的文心 4.0 基礎上，千帆團隊又訓出了 ERNIE Speed、Lite、Tiny 3 個不同量級的輕量化模型，分别針對不同用户對大模型的不同需求。
而在 ModelBuilder 提供的模型路由服務之下，針對不同難度的任務，AI 作業系統萬源也可以自主選擇最合适的模型完成調用，實現效價比的最優，在效果基本持平的情況下，将推理成本下降了 30%。
而在自有模型之外，千帆也支持 LLaMA、Baichuan 等等第三方的模型產品，主打一個 " 客户想要什麼，我們就提供什麼。"
一方面，大模型讓人機互動方式走向自然語言，背後也需要一整套的 AI 能力和工具的支持。
一個更好的 AI 作業系統，要讓用户可以更輕松簡便地完成應用的開發，甚至只需輸入一小段對應用功能的描述，甚至不用寫一行代碼，就可以獲得實際解決自己需求的應用。
在百度的萬源體系下，内置的 AppBuilder、AgentBuilder 兩個應用開發平台，不僅已經讓上述的想象落進了現實，而且兩個平台的 SDK 也支持二次開發，讓開發者細致入微的個性化需求得到滿足。
不僅如此，以百度 AppBuilder 開發的應用，可以一鍵發布至百度搜索、微信公眾号等平台，讓應用的分發不再困難；也可以通過 API 或 SDK 的方式集成到自己的系統中。
另一方面，紛繁復雜的場景，使得模型的精調和完善的工具組件體系成為了必要。
在百度萬源中，支持開發的工具組件數，已經上次的 11 個，高速增長到了 54 個。其中大模型的組件、 AI 能力的組件、插件工具以及數字人的組件等等種類多樣，不一而足，同時還支持一次鑑權全部接入，省去不少繁瑣的手續。
如同搭積木一樣，用户搭配組合不同的組件，拼裝之後就可以成為一個工作流，完成符合自己使用需求的大模型定制。
一個人如果長年從事 To B 生意，大多都會發現，To B 的底層邏輯總是 " 樸實無華 "：如何花小錢，辦大事。
" 簡單是終極的復雜。" 沈抖用這句話開始了自己在 Create AI 開發者大會上的演講，就是意在減輕開發者的負擔，為用户提供極簡的開發體驗。
當下，百度整個大模型平台的服務客户數在一個多月裏又增長了 1 萬，已經突破了 8.5 萬。通過千帆精調的模型數，則漲到了 1.4 萬，而開發的應用數現在也超過了 19 萬。
便宜易用的工具鏈，讓百度的 AI 作業系統體系已經有了一個不淺的用户池子。而積累起了用户，生态怎麼做，則又成為了百度萬源的 "One more thing"。
四、做生态，要 " 譬如北辰 "
作業系統的成功，絕不只是技術上的成功。
十幾年，智能手機剛剛問世，也并不只有安卓、IOS 兩家獨大——塞班、黑莓、Windows 等等大批的作業系統百花齊放，激烈競逐。而在厮殺的最後，只有安卓勝利了。
究其本質，還是得開發者得天下。
而得到了開發者，怎麼把開發者留在作業系統裏？怎麼讓開發者找到用户？賺到錢？這也考驗着 AI 作業系統開發者在市場領網域的能力和資源。
在 AI 時代，市場角度上 " 客户 " 和 " 夥伴 " 的概念，正因為被進一步降低了的開發門檻而模糊。對于 AI 作業系統的開發者生态，一個點是把他們引進來，一個點是把他們留下來。
引進來，靠的是直接的激勵，以及加入平台的便捷程度。這就要求 AI 作業系統足夠開放，也能投入足夠的成本用于激勵，開辦開發者大賽，讓更多人加入進 AI 原生應用開發的行伍。
在争奪開發者的大戰中，AI 作業系統的先發優勢顯然更加明顯——一方面是能夠首先獲得一個更大的開發者群體，并且讓他們更早在平台上完成產品，獲得收益；另一方面是觸達 AI 原生應用的 B、C 端用户更早，也能更早讓開發者形成粘性，留在 AI 作業系統上。
而提到先發優勢，就又不得不提到百度。無論在大模型技術、大模型生态，還是 AI 作業系統上，百度都是國内一眾跟進者的領頭羊。
在千帆的應用商店上，已經有 300 個 AI 原生應用上架，而第一批上線的 App 已經開始拿到了分潤。
而要讓人留下來，就得讓開發者能夠在平台上持續地獲得商業收入和正反饋，最終實現用 AI 作業系統的 " 發家致富 " ——這才是 AI 作業系統能夠提供給開發者的核心價值。
比如，在千帆平台上賣的最好的，是一個叫 ChatPPT 的演示文檔助手，依靠親民的價格和好用的功能，百元左右的價格，至今已經售出了上千單。
而有一家公司，短短一個月的時間，就在千帆發了 20 多款應用，涵蓋背古詩、寫作文、市場營銷、繪圖，一個月的淨利潤就有幾百萬。
如果簡單的工作就能帶來不錯的收入，開發者怎麼會不願意留在平台上？
盡管已經有了不錯的成績，但要扭轉用户的使用習慣，終歸還是一件不容易的事情。
一方面讓開發者看到 AI 的價值，另一方面也要實打實地給開發者帶來生產力的提升和經濟上的收益。
而萬源的生态體系還不僅如此：
對上，萬源鏈接開發者，通過不斷更新的能力和接口，讓 AI 原生應用大繁榮；
對下，萬源鏈接芯片廠商，擴大芯片适配的隊伍，給開發者提供更簡便易用的異構算力；
向左，萬源可以鏈接企業用户，讓他們可以基于萬源個性打造自己的 AI 作業系統；
向右，萬源則鏈接智算中心，把更高效的計算方案推廣給更多的用户。
這條路，如同《論語》中説的 " 譬如北辰，居其所，而眾星共之。" 用更好的生态，将產業鏈路中的每一環都圍繞在 AI 作業系統的身旁，進而創造一個以 AI 為軸的更廣闊的生态系統。
結語：1+1>2
技術、產品、市場矩陣，要做成一個 AI 時代的作業系統，這三者一個也不能少。
作為中國第一個提出 AI 作業系統概念的大廠，百度的萬源看起來似乎并不是一個新技術、新產品，而更像是當下百度智能雲技術產品體系的又一次整合。
有人或許會問：這只不過又是一個新概念，拼拼湊湊算什麼作業系統？要説 AI OS，集成了 New Bing 和 Copilot 的 Windows 才算是真正的 AI 作業系統。
而事實上，萬源的提出，很可能是百度在 2024 年最令人激動的新動向：将諸多技術產品在作業系統上兵合一處，正很好地向外界展現了百度作為一家 AI 大廠，在人工智能領網域上 " 舍我其誰 " 的野心。
而之所以沒有選擇 Windows 的形态，而選擇了 To B，百度萬源對标的反而是微軟的 Azure，做自己更擅長的賽道，找離錢更近的領網域。
去年，不少人大談 AGI，夢想着在未來，人工智能将如同科幻小説裏寫的那樣，改變世界；
而仍有不少人，" 枯燥 " 地打磨技術和產品，深入行業和場景，只做最落地的事情——他們也要改變世界，而且他們要在今天就一點點地改變世界。
作業系統，是科技界在人機互動上的又一次爆炸性的機會。而要抓住這個機會，就必須用一整套體系形成規模效應，讓 1+1>2。
在未來，用 AI 作業系統提供全棧 To B 服務，一站式解決用户的問題，必然是優秀 AI 大廠的大勢所趨，也是雲大廠轉型的必然方向。
其他雲大廠要加入這場競争，不僅需要有足夠優質的大模型作為支持，還要有足夠深厚的雲技術、場景積累，能做 " 模型 - 開發 - 市場 " 的全鏈路支持。如同一個水桶，不能有一塊短板。
把萬源 AI 作業系統當成一塊沃土，在上面長出的應用——無論是百度來開發，還是其他開發者來開發——都能夠以多種多樣的形式，走進 B 端和 C 端的很多場景，進而帶動公司在雲領網域上的收入。
如此看來，萬源稱得上是百度智能雲最堅實的基石。
" 我們終極的成功，" 百度集團副總裁侯震宇在接受采訪時講道，" 就是希望我們的 ModelBulider 能夠身材更多的模型，我們的 AppBulider 能夠產生更多的應用，這就是我們最大的理想。
