截至4月中旬，已有超過15家國產人工智能大模型官宣或正式亮相，其中既有大家耳熟能詳的百度文心、阿里巴巴通義千問，也有科大訊飛、華為、360、網易、騰訊等互聯網老面孔，更有昆侖萬維、達觀數據、商湯科技甚至復旦大學等上游或學術機構加入其中，一時間人工智能大模型如雨后春筍一般全面落地，風光無倆。
但我們知道，人工智能大模型的根基在于云計算，沒有微軟Azure，OpenAI也很難發展到今天這個水平，但云計算，或者說云服務的模式其實并不完全適配人工智能大模型，這也就意味著現在的云計算產業，將會迎來一波不可避免的洗牌和升級。
01
弱人工型崗位將被替代，寡頭現象愈演愈烈
細數云計算的歷史，不難發現它是基于對海量數據的處理而誕生的，比如電商平臺雙十一活動的巨額成交量、春運火車票搶購等有著爆發性流量特點的服務，后來云服務器將處理的數據進行匯總歸類，形成了針對性的群體標簽，比如年輕人愛買什么，老年人愛吃什么，女孩子愛穿什么，進而形成了大數據產業。
有了大數據的支持，網絡平臺就可以給不同的用戶打上不同的標簽，把相應的產品廣告推送到用戶眼前，這也就形成了算法推薦，而形成這一套鏈路的中間過程，就是數據分析師在起關鍵作用。
而人工智能大模型的快速迭代，意味著類似數據分析這樣的弱人工型崗位，將會迅速被效率極高的人工智能所替代，它不僅可以給用戶打標簽，甚至可以直接針對個人來量身定制，做到每個人接收到的信息都是獨一無二的，這是大數據的理想形態，也是傳統云計算無法企及的高度。
國產人工智能大模型進入“百花爭鳴”時代
對于企業來說，對云計算的根本述求就是降本增效，如果人工智能可以在一些崗位上實現替代，比如客服，只需要少量維護人工智能的高級程序員就能實現，這就是人工智能大模型對云計算行業的一個基本影響。
當然，目前的人工智能大語言模型也存在計算能力不均衡問題，比如在專業領域、強人工領域的性能表現并不太好，在我們此前對文心一言、通義千問和ChatGPT的測試里，它們在專業領域都會犯下一些很隱蔽的錯誤，甚至會誤導用戶。
所以，大語言模型的專業細分領域微調會有比較強的需求，在該場景下，細分領域的咨詢、客服、交互機器人應用會爆發，而這些應用在技術棧上具有高度的一致性，很適合SaaS（軟件即服務）的實現和部署，但也給云端人工智能算力帶來一定的挑戰，如果大家都使用GPU進行訓練和推理，成本無疑是一大挑戰，這也是馬斯克感嘆“所有人都在買GPU”的原因，而正是因為成本居高不下，所以能玩人工智能大模型的基本上是大平臺，也無疑會促使云計算和人工智能一樣，進一步向頭部企業集中。
02
從to B到to C，云計算“擴容”在即
在此之前，云計算是一個雖然無處不在，但廣大用戶卻幾乎無感的東西，而隨著人工智能大模型的不斷演進，云計算在消費端將會凸顯出更清晰的輪廓，這是因為集合不同大模型功能的應用會變得越來越流行。
阿里巴巴已經在云服務端大量接入人工智能
因為不同模態的模型是在不同數據類型下進行訓練的，這意味著它們學到的知識可能并不重疊，因此云服務端可以很方便地把這些具有不同知識的不同模態的大模型功能，像流水線一樣進行組合，比如可以用語音對汽車發出指令開啟哨兵模式，然后圖像識別功能檢測到已登錄的人臉，比如家人時就自動開門，陌生人靠近時就開啟錄像功能。
這種高度定制化的應用在組合型人工智能面前并不算太難，同時用戶實用度也大大提高，無疑會讓大模型的應用范疇明顯擴容，進而讓更多的C端用戶在日常生活中習慣于調用人工智能，形成飛輪效應。
而對于云計算平臺而言，如果可以同時提供不同模態大模型，并且具備這種多模態組合能力，就讓云計算可以在C端開拓出一片新天地——智能家居會更加智能，大模型物聯網接口會變得更重要，不能接入大模型能力的設備會被逐步淘汰，低成本再加上定制化的功能會給大云計算平臺帶來更多優勢，行業因此可能會更進一步集中。
