今天小编分享的科技经验：AI 的下个“万亿美元机会”在哪里？，欢迎阅读。
AI 风行一年，最大的市场机会，却不在大模型本身。
2023 年，投身 AI 的入局者不少，" 群模乱舞 " 之下，玩家大概可以抽成几类。
大模型时代的下策，是单做模型，意在用技术力挤开市场大门，片面关注在模型能力、参数，硬要对标技术前沿，做最 " 牛 X" 的大模型。
这类现象在去年上半年最火，ChatGPT 掀起的热潮也捂热了不少人的大腦，但实际做下来，却总发现要拿下技术，终归逃不开大模型的 Scaling Law，投入深不见底，技术差距也无法一时弥补；产品缺乏新意，难以做到与市场需求匹配，自然也难以维持高额的算力、人员支出。
而随着资本市场渐冷，去年，这一批人已经不少，倒在了理想主义的大门前，败于 " 反复造轮子 " 带来的生产力浪费。
而中策，是模型和产品两手抓，用大模型能力带动 AI 产品的开发，为人工智能找一个能够实际落地、产生价值的安身之所。
曾有人说，大模型当下的市场思路，是把一颗上好的松露，放进油纸袋子里包好，放在顾客面前——无论多好的品质，吹到天上，食客不知道怎么吃，也不知道怎么才好吃；
而有经验的厨师，会把松露辅以牛排、鳕鱼、鹿肉等本就鲜美的食材，最大程度发挥松露的优点，把那些 " 传统 " 的菜式 " 重做 " 一遍。
要制造出 AI 的杀手级应用，也是一个道理：让 AI 发挥长处，用智能重新为原有的场景赋能。如果能找到这样一个恰到好处的结合点，很容易就能捧出下一个字节和拼多多量级的公司。
而归根结底以上两点，终归不是上策。更大的格局，是用一个更庞大的体系，把无数的 " 杀手级应用 " 纳入自己的下游，以技术推动产业和世界的变革，在时代齿轮的扭矩中采掘一个数十年难得的机会——
一个用 AI 作業系統改变世界的机会。
一、人机互動每变革一次，就诞生一个万亿美元规模的机会
在过去一年间，与诸多 AI 业内精英交流的过程中，AI 科技评论总能听到一个声音：
人机互動，才是让一家超级科技公司诞生的 " 金钥匙 "。4 月 16 号在深圳举办的百度 2024 Create AI 大会上，百度集团执行副总裁、百度智能云事业群总裁沈抖，讲了这么一个故事：
从最早期，人类与计算机的互動靠的还是布线板，工人手动插拔电缆、转动旋钮，人机互動甚至是个 " 体力活 "；
而随着汇编语言、汇编器、高级编程语言和编译器的出现，人类这才能用一种 " 类似 " 交流的方式，以一种 " 语言 " 和计算机沟通；
时间轴再次推进，很快，单机算力再难面对正急速增长的市场需求，云计算应运而生，人类也不再满足同时与一台机器 " 对话 "，而是要按需与多台机器形成的 " 集群 " 协作，把人机互動又推上了一个等级；
而到了今天，AI 大模型的出现，再次给人机互動带来了新机会——以编程为例，程式员不必再从语言学起，直接使用自然语言，在 AI 的帮助下，就能实现自己想要的功能；
也是如此，编程也就不再是人类与计算机 " 斗智斗勇 "，而变成了人对 AI" 许愿 "。
在人工智能慷慨的帮助下，" 人人都是开发者 " 的愿景已经不远。
回看这个过程，如同耕者在春季翻开土壤，无数的生机因此出现，每一次人机互動方式的新革命，带来的都是一次科技行业万亿美元规模的契机。
抓住了这个机会，苹果做出了第一台个人电腦，后又在移动互联网时代引领风潮；微软做出了第一个可视化的作業系統，又利用办公軟體奠定了今天的办公流；而在云业务的加持下，亚马逊在二级市场 20 年来狂涨近 300 倍，从一家电商平台起家，跻身今日头部科技公司的行列 ……
细心观察，人们会发现：这些万亿美元市值科技公司的诞生，都脱不开他们在技术革新的浪潮中，抓住了一个能够改变人机互動方式的机会。
开头提到，当下大模型势头正盛，如果单纯把 AI 看作是一个技术或一个产品，那么人工智能真正的潜力就仍未被完全挖掘；
相反，只有把 AI 的能力和矩阵集成为一个作業系統，管理硬體资源和軟體服务的运行池，提供对外的服务接口，并借此为人机互動带来新的变化，才有可能撬动这个万亿美元的机会。
而要做这样一个作業系統，在人机互動逐鹿之战中问鼎，又谈何容易？
二、做 AI 作業系統，高性能异构计算是 " 硬门槛 "
" 大模型不是免费的午餐。" 在大会上，沈抖如此讲道。想要让 AI 作業系統能跑起来，算力是一个永远无法跨过的话题。
去年年初，在一众分析师的论断中，算力并不是一个关键因素：毕竟算力是一个 " 金钱游戏 "，只要钱够，能砸下来足够多的卡，这个问题也就自然迎刃而解。
然而一年过去，越来越多的人这才发现，当模型参数量级越卷越大，" 金钱游戏 " 所需的金钱量级，也正在超出大多数公司能承受的范围。
如此，算力问题，单靠 " 砸钱 " 也就再难得出一个令人信服的答案。
连 AI 大模型的 " 领头羊 " —— OpenAI 的 CEO 山姆 · 奥特曼都不仅一次公开抱怨手里的算力不足。至少在当下看来，算力问题正强硬地制约着 AI 的发展速度。
大模型的计算也需要 " 降本增效 "，降低算力浪费是一个重要的途径。
如何让万卡集群如同一张卡一样 " 通力合作 "、让性能可以线性扩展、任务间不产生间断，这给 AI 作業系統的算力集群设计、调度和容错提出了巨大的挑战。
而新近推出了 AI 作業系統 " 万源 " 的百度，正通过万卡集群上的有效训练时长占比超过了 98.8%，线性加速比和带宽有效性都达到了 95% 的 " 傑出人士生 " 成绩，让业界看到了新希望。
（百度智能云发布新一代智能计算作業系統——万源）
而仅解决算力浪费问题，似乎还并不足以一劳永逸地完成大模型的 " 降本增效 " ——在国内，" 禁运 " 带来的影响还在持续，要凑齐运载大模型所需的万卡算力，使用多种性能不同的芯片异构计算，几乎成了一个必选项。
异构计算，让不同厂家、不同代际、不同性能的芯片互联互通，是一个巨大的难题。
过去的通识是，异构计算只能用不同的芯片解决不同的任务；要把型号不一而足的芯片，放进同一个任务里——尤其是训练任务——几乎是天方夜谭。
要迎难而上，解决异构计算的效率问题，就不得不需要一点 " 黑科技 "。
而要做 AI 作業系統，百度在算力层的底气，就是他们已经解决了这个 " 不可能 " 的难题，屏蔽掉了不同芯片之间的差异，更是给了用户选择芯片组合的自由权。
在百度的异构计算平台 " 百舸 " 上，单一训练任务下，多家厂商的上万张芯片相互协作，百卡性能损失 3%，千卡损失不超过 5%，硬生生用技术把异构算力协作的效率提了上来。
也正是如此，芯片的 " 卡脖子 " 难题也就此被百度化解：不仅可以摆脱对单一芯片的依赖，创建一条更具弹性的供应链，把风险降到最低；还可以让成本更加可控。
百度的解决方案，一是将底层通信和上层算子的优化和实现拆分开，让专业的人做专业的事，自己专门负责底层加速库 AIAK 的开发，给异构计算搭好一个 " 大舞台 "，让各家芯片来到百度的集合通讯库都可以跑通；
二是在加速库里做好并行框架的实现，优化并行策略，通过自适应算法自动实现 TP（张量模型并行）、MP（模型并行）、PP（流水线并行）不同的并行策略的参数设定，迅速拿准并行化策略，处置训练任务的底层設定。
三是在卡间通信上，整合网络協定，GPU 层面上主要通过 NVLink，而当算力走出机器，百度主要使用的还是 RDMA，对于一些特殊的芯片，百度也有一些相当具体的实现策略。
既然短期内多款芯片并存是现实局面，那么与其怨天尤人，不如主动拥抱。百度让 " 百舸 " 争流，主打的就是主动拥抱多样化的芯片生态，在异构计算上做到极致。
脱离了 " 云 " 的硬體，AI 作業系統的实现也就成了 " 空中楼阁 " ——而云智一体，协同软硬體优化也正逐渐成为不少实力的大玩家的共识。
而要跑到一万张卡，要让一万张卡跑到同一个任务里，还是多家芯片组成的 " 多国部队 "，对于任何公司来说，都是个难以逾越的鸿沟。
今天的百度，已经跑出了一条路一云多芯、单任务多芯片的异构之路；
（业界领先的单一任务一云多芯大模型训练解决方案）
而其他玩家想要跑通这一套体系，进而在这一套体系上打造新的 AI 作業系統，在 AI 和云计算领網域多年的积累和落地则必不可少。
三、工具链，" 低成本 " 有 " 高难度 "
如果把计算能力看作 AI 作業系統的 " 内核 "，那么工具链就是链接着开发者与 AI 的 " 中间层 "。
归根结底，算力和大模型再强，使用者用不顺手，没法把大模型用进场景，将 AI 的能力用到极致，AI 的作業系統就也只能是空谈。
到了这一层，AI 作業系統面临的就不再只是一个技术难题。如何理解广阔市场和纷繁复杂的场景，也成为了一个必须被回答的问题。
一方面，面对不同预算和需求的用户，AI 作業系統必须足够灵活，给出多种能够最高效解决问题的方案。
尽管去年以来，市场对大模型原生应用的需求正不断地提升，但在使用中，" 性能、速度、价格 " 的 " 不可能三角 "，也让不少人望而却步——
如果只用一个模型，参数规模小了解决不了问题，参数规模大了又难以打平成本、满足高并发的需求。
这也就要求 AI 作業系統的提供方，不能一味抱持着一以贯之的思路，面对不同的场景，要提供不同规格的基座模型选择，不让用户在作業系統里花冤枉钱。
以百度为例，在已经获得了不少认可的文心 4.0 基础上，千帆团队又训出了 ERNIE Speed、Lite、Tiny 3 个不同量级的轻量化模型，分别针对不同用户对大模型的不同需求。
而在 ModelBuilder 提供的模型路由服务之下，针对不同难度的任务，AI 作業系統万源也可以自主选择最合适的模型完成调用，实现效价比的最优，在效果基本持平的情况下，将推理成本下降了 30%。
而在自有模型之外，千帆也支持 LLaMA、Baichuan 等等第三方的模型产品，主打一个 " 客户想要什么，我们就提供什么。"
一方面，大模型让人机互動方式走向自然语言，背后也需要一整套的 AI 能力和工具的支持。
一个更好的 AI 作業系統，要让用户可以更轻松简便地完成应用的开发，甚至只需输入一小段对应用功能的描述，甚至不用写一行代码，就可以获得实际解决自己需求的应用。
在百度的万源体系下，内置的 AppBuilder、AgentBuilder 两个应用开发平台，不仅已经让上述的想象落进了现实，而且两个平台的 SDK 也支持二次开发，让开发者细致入微的个性化需求得到满足。
不仅如此，以百度 AppBuilder 开发的应用，可以一键发布至百度搜索、微信公众号等平台，让应用的分发不再困难；也可以通过 API 或 SDK 的方式集成到自己的系统中。
另一方面，纷繁复杂的场景，使得模型的精调和完善的工具组件体系成为了必要。
在百度万源中，支持开发的工具组件数，已经上次的 11 个，高速增长到了 54 个。其中大模型的组件、 AI 能力的组件、插件工具以及数字人的组件等等种类多样，不一而足，同时还支持一次鉴权全部接入，省去不少繁琐的手续。
如同搭积木一样，用户搭配组合不同的组件，拼装之后就可以成为一个工作流，完成符合自己使用需求的大模型定制。
一个人如果长年从事 To B 生意，大多都会发现，To B 的底层逻辑总是 " 朴实无华 "：如何花小钱，办大事。
" 简单是终极的复杂。" 沈抖用这句话开始了自己在 Create AI 开发者大会上的演讲，就是意在减轻开发者的负担，为用户提供极简的开发体验。
当下，百度整个大模型平台的服务客户数在一个多月里又增长了 1 万，已经突破了 8.5 万。通过千帆精调的模型数，则涨到了 1.4 万，而开发的应用数现在也超过了 19 万。
便宜易用的工具链，让百度的 AI 作業系統体系已经有了一个不浅的用户池子。而积累起了用户，生态怎么做，则又成为了百度万源的 "One more thing"。
四、做生态，要 " 譬如北辰 "
作業系統的成功，绝不只是技术上的成功。
十几年，智能手机刚刚问世，也并不只有安卓、IOS 两家独大——塞班、黑莓、Windows 等等大批的作業系統百花齐放，激烈竞逐。而在厮杀的最后，只有安卓胜利了。
究其本质，还是得开发者得天下。
而得到了开发者，怎么把开发者留在作業系統里？怎么让开发者找到用户？赚到钱？这也考验着 AI 作業系統开发者在市场领網域的能力和资源。
在 AI 时代，市场角度上 " 客户 " 和 " 伙伴 " 的概念，正因为被进一步降低了的开发门槛而模糊。对于 AI 作業系統的开发者生态，一个点是把他们引进来，一个点是把他们留下来。
引进来，靠的是直接的激励，以及加入平台的便捷程度。这就要求 AI 作業系統足够开放，也能投入足够的成本用于激励，开办开发者大赛，让更多人加入进 AI 原生应用开发的行伍。
在争夺开发者的大战中，AI 作業系統的先发优势显然更加明显——一方面是能够首先获得一个更大的开发者群体，并且让他们更早在平台上完成产品，获得收益；另一方面是触达 AI 原生应用的 B、C 端用户更早，也能更早让开发者形成粘性，留在 AI 作業系統上。
而提到先发优势，就又不得不提到百度。无论在大模型技术、大模型生态，还是 AI 作業系統上，百度都是国内一众跟进者的领头羊。
在千帆的应用商店上，已经有 300 个 AI 原生应用上架，而第一批上线的 App 已经开始拿到了分润。
而要让人留下来，就得让开发者能够在平台上持续地获得商业收入和正反馈，最终实现用 AI 作業系統的 " 发家致富 " ——这才是 AI 作業系統能够提供给开发者的核心价值。
比如，在千帆平台上卖的最好的，是一个叫 ChatPPT 的演示文档助手，依靠亲民的价格和好用的功能，百元左右的价格，至今已经售出了上千单。
而有一家公司，短短一个月的时间，就在千帆发了 20 多款应用，涵盖背古诗、写作文、市场营销、绘图，一个月的净利润就有几百万。
如果简单的工作就能带来不错的收入，开发者怎么会不愿意留在平台上？
尽管已经有了不错的成绩，但要扭转用户的使用习惯，终归还是一件不容易的事情。
一方面让开发者看到 AI 的价值，另一方面也要实打实地给开发者带来生产力的提升和经济上的收益。
而万源的生态体系还不仅如此：
对上，万源链接开发者，通过不断更新的能力和接口，让 AI 原生应用大繁荣；
对下，万源链接芯片厂商，扩大芯片适配的队伍，给开发者提供更简便易用的异构算力；
向左，万源可以链接企业用户，让他们可以基于万源个性打造自己的 AI 作業系統；
向右，万源则链接智算中心，把更高效的计算方案推广给更多的用户。
这条路，如同《论语》中说的 " 譬如北辰，居其所，而众星共之。" 用更好的生态，将产业链路中的每一环都围绕在 AI 作業系統的身旁，进而创造一个以 AI 为轴的更广阔的生态系统。
结语：1+1>2
技术、产品、市场矩阵，要做成一个 AI 时代的作業系統，这三者一个也不能少。
作为中国第一个提出 AI 作業系統概念的大厂，百度的万源看起来似乎并不是一个新技术、新产品，而更像是当下百度智能云技术产品体系的又一次整合。
有人或许会问：这只不过又是一个新概念，拼拼凑凑算什么作業系統？要说 AI OS，集成了 New Bing 和 Copilot 的 Windows 才算是真正的 AI 作業系統。
而事实上，万源的提出，很可能是百度在 2024 年最令人激动的新动向：将诸多技术产品在作業系統上兵合一处，正很好地向外界展现了百度作为一家 AI 大厂，在人工智能领網域上 " 舍我其谁 " 的野心。
而之所以没有选择 Windows 的形态，而选择了 To B，百度万源对标的反而是微软的 Azure，做自己更擅长的赛道，找离钱更近的领網域。
去年，不少人大谈 AGI，梦想着在未来，人工智能将如同科幻小说里写的那样，改变世界；
而仍有不少人，" 枯燥 " 地打磨技术和产品，深入行业和场景，只做最落地的事情——他们也要改变世界，而且他们要在今天就一点点地改变世界。
作業系統，是科技界在人机互動上的又一次爆炸性的机会。而要抓住这个机会，就必须用一整套体系形成规模效应，让 1+1>2。
在未来，用 AI 作業系統提供全栈 To B 服务，一站式解决用户的问题，必然是优秀 AI 大厂的大势所趋，也是云大厂转型的必然方向。
其他云大厂要加入这场竞争，不仅需要有足够优质的大模型作为支持，还要有足够深厚的云技术、场景积累，能做 " 模型 - 开发 - 市场 " 的全链路支持。如同一个水桶，不能有一块短板。
把万源 AI 作業系統当成一块沃土，在上面长出的应用——无论是百度来开发，还是其他开发者来开发——都能够以多种多样的形式，走进 B 端和 C 端的很多场景，进而带动公司在云领網域上的收入。
如此看来，万源称得上是百度智能云最坚实的基石。
" 我们终极的成功，" 百度集团副总裁侯震宇在接受采访时讲道，" 就是希望我们的 ModelBulider 能够身材更多的模型，我们的 AppBulider 能够产生更多的应用，这就是我们最大的理想。
