來源：遠川研究所
2019年，前谷歌CEO埃里克·施密特向白宮遞交了一份頗為“詭譎”的報告。這份長達750頁的文件，核心觀點其實只有一句話：若美國再不加大投資，中國將徹底主導AI領域[1]。
施密特此舉其實有“騙經費”之嫌：一年前，谷歌曾迫于輿論壓力退出了一個政府AI項目，他一直對此耿耿于懷。但報告本身卻并非胡謅。同年，美國數據創新中心也發布了一份報告，聲稱中國AI實力全球第二，且在數據等層面比美國更具優勢[2]。
在全民追趕GPT的今天，這則舊聞讀起來頗有幾分“魔幻感”。
報告甚至上升到了“國家安全”的高度
然而，施密特口中的AI，與如今人們談論的GPT并非一個東西。
以GPT為代表的AI，指的其實是大模型。它擁有生成圖像、音頻、視頻等內容的能力，像是個文藝青年。但彼時讓美國人深感威脅的，多指識別型AI（小模型）。它擅長各類數據分析工作，如同一個木得感情的運算機器。
大模型走紅前，識別型AI曾被寄予了太多改變世界的厚望，在中國催生了一段群雄并起、熱錢涌動的黃金歲月。巔峰時期，中國AI初創企業的融資金額甚至超過了美國——李開復將其形容為“有三個AI專家就能估值7億、靠AI概念就能忽悠投資人”，也不怪美國人感到焦慮。
只是好景不長：后來VC陸陸續續退出，曾經風頭無兩的獨角獸也褪去了身上的光環，殘暴的歡愉最終以殘暴終結。
對此，百度集團執行副總裁、百度智能云事業群總裁沈抖曾打過這么一個比方：大模型出現前的AI像是氧氣——本身很有價值，但自己不會燃燒，必須找到可燃物才能把價值給發揮出來。這里的“可燃物”，指的是落地場景。
AI起起落落這十年，成也場景，敗也場景。
舊范式的困境
2016年，谷歌AlphaGO不僅徹底顛覆了圍棋，也改變了當時的AI創業。一時間，VC、科學家、大學教授，乃到各路鄉鎮企業家，無一不在談論著AI商業化的可能性。短短一年時間，國內誕生了528家AI企業，催生371起AI投融資，同比漲幅達到了38.9%；同一時間，中國AI企業申請了9000多項AI專利，幾乎是美國新增專利數的兩倍有余[3]。
不過，整個行業閉眼狂奔的同時，鮮有人會注意到初冬的號角已經悄悄吹響。2019年，繁榮戛然而止。
首先是融資遇冷：這一年的AI融資金額僅有186億元，相比2018年直接腰斬了一個0。受此影響，AI初創企業的數量也大幅縮水，僅有鼎盛時期的1/20。至于那些從競爭中幸存、成功“上岸”的AI企業，其財務狀況仍舊慘不忍睹。據不完全統計，近九成AI企業都處于嚴重虧損的狀態[4]。
大起大落背后，是AI長期以來的產業化困境。
2021年之前，業界三大主流AI技術分別是計算機視覺、語音識別、自然語言識別，本質都屬于識別型AI。單從技術層面來看，上述技術都具備著充分的下游應用空間，想象力充足。
例如在“AI+安防”領域，2020年時已有453億元的市場，且增速可觀，預計到2025年時市場規模將再翻一番[6]。
可下游需求不斷擴大，并無法拯救虧錢的AI企業。識別型AI的技術特點，決定了它是一門技術、投入與產出不成正比的生意。
識別型AI采用的是小模型——這是一種專為特定任務而生的技術。在實際訓練小模型時，研究員只需給AI灌入標注過的特定數據，便能讓AI獲得對應的能力。如果想要一個能抓“闖紅燈”的AI，那么無需教它語文數學，只要讓它從小學習各種闖紅燈的視頻即可。
小模型的優點在于簡單、高效，專用向的AI能夠很好地完成對應任務。但其缺點同樣明顯：由于沒學過其他知識，一個AI只能解決一個問題。譬如一個抓闖紅燈的AI，顯然不會具備識別超速、違規變道的能力。
識別不同元素需要不同的標注數據
由于小模型不具備通用性，導致識別型AI只能成為一門類手工作坊的定制生意。
且具體到實際應用中，一個需求有時還需要定制不止一個AI。例如在工業領域，在制造冶金鋼卷時有缺陷檢測這一步驟。如果將這項工作交由AI，定制起來其實相當麻煩。因為鋼卷分為冷軋、熱軋，所以AI企業需要同時用“冷軋-合格”“冷軋-缺陷”“熱軋-合格”“熱軋-缺陷”四組數據訓練四遍[7]。其繁瑣程度，與“五彩斑斕的黑”有的一拼。
定制需求繁瑣的同時，對人力要求還不低——這活兒可不是月薪三千的大學生能干的。
出于業務需要，頭部AI企業都聘請了大批科學家、博士生與教授作為研究員，而AI研究員又是出了名的“高薪崗位”。2015年，谷歌為了不讓知名研究員伊利亞（Ilya Sutskever）跳槽，曾開出過200萬美元/年的高薪——后來桑達爾·皮查伊繼任谷歌CEO時，其基本工資是同一個數字。
財新曾對國內AI企業招股書做過一筆測算，發現：它們每掙1塊錢，就要花掉0.75元的人力成本。再算上定制AI的算力、數據開銷、以及其他成本，幾乎做一單虧一單。
人們這才驚奇地發現，AI這門生意似乎遠不如想象中那么性感。
陷入死局后，AI企業們只能寄希望于一場“推翻重來”式變革。幸運的是，沒過幾年，暴風雨真的來了。
通用性的價值
紅杉資本率先嗅到了風雨欲來的氣息。2022年9月，紅杉發表了文章《Generative AI： A Creative New World》，預言一場全新的科技競賽即將來臨。投資人同行很快聞風而動，一度冷清的AI圈再度人聲鼎沸。
這篇文章發布僅半年，有頭有臉的科技公司們幾乎全部一頭扎進了AI浪潮之中，要用人工智能把每個行業都重新做一遍。
例如當下火熱的直播行業，大模型應用的空間就相當廣闊。對于那些養不起專業直播團隊的商家，如今只需輸入商品信息，百度的文心一言能夠自動生成話術、配音以及數字人主播，直接包攬了整個流程。
企業無需再花錢雇主播、想話術、搞培訓，能輕松實現7*24小時直播，對中小企業而言無疑是個重大利好。
在沈抖看來，大模型創業帶來的眾多機會，將帶動數字化經濟更進一步，有機會在全球范圍內掀起一股產業再造的浪潮。
他認為，隨著大模型深入數字經濟，更多產業會出現新的改變。智能化不僅讓整個生產流程大幅提效，也改變了很多原有的生產關系，包括人和人、人和設備、人和系統的關系。以前沒有智能時，很多工作實際上是靠人來操作；有了智能以后，機器、設備、系統都可以按照人的思想去學習。
未來的工作模式，很有可能是一個聰明的人去指導一堆機器人。這些機器人執行人類的決定，重塑整個生產線。沈抖說道，“生成式AI已經形成全球性的‘AI再造業務’趨勢，企業迎來‘智能化躍遷’的歷史機遇。”
AI產業能夠二度迎來春天，背后其實是大模型技術邁向成熟。
這場變革的起點發生在2017年：彼時，谷歌幾位研究員公開了深度學習模型Transformer。以此為基礎，OpenAI等機構開始嘗試研究大模型，一種不同于識別型AI的全新技術。
其研究成果，正是如今備受關注的GPT，即Generative Pre-trained Transformer（生成式預訓練Transformer）。
眾所周知，一個AI由模型、數據、算力三要素構成。相比于傳統的識別型AI（小模型），以GPT為代表大模型在數據、模型等方面均有不同程度的革新，賦予了大模型更強的通用性。這恰好改善了小模型時代的產業化痛點，AI實現即插即用。AI企業終于能擺脫手工作坊般的生產模式，有機會變成一門好生意。
大模型的這一價值，幾乎吸引了全球所有的目光。連早已退休、專心搞慈善的比爾蓋茨，都為此興奮不已。他在一篇文章中寫道，自己有幸親歷了人類可能最重要的兩場革命的開端：第一次發生在windows萌芽、PC市場剛剛興起的80年代，而第二次正是去年——大模型剛剛開始涌現的時候。
而沈抖認為，作為“通才”的大模型還催生一種全新的產業化路徑：MaaS（Model as a Service），模型即服務。“根據我們提供的文心一言的大模型服務，企業能夠以此為基礎，結合他們所在行業去微調出一個行業大模型，再用這個行業大模型去服務整個行業。”
未來，大模型可能會成為一個類似于Android/ target=_blank class=infotextkey>安卓的“超級底座”， 每個行業都迎來AI再造的機會，并給應用端帶來大量的機會。
而在美國，已經誕生了依托于大模型開展業務的獨角獸。在德克薩斯州，一家初創企業憑借微調后的AI應用，在短短18個月時間做到了15億美元估值，年收入已有3000萬美元，比直接做大模型的企業還賺錢[10]。
不過，產業化潛力僅僅是大模型價值的一個方面。不同于過去兩年流行的元宇宙、Web3等概念，大模型帶來了實打實的生產力提升。
例如長安汽車在參與百度文心一言的邀測時，就體驗了一回大模型的生成PPT功能。過去，制作一份PPT通常要花費半天甚至一天時間；如今，只需三分鐘即可做出一份內容齊全、格式精美的PPT。未來，機械的重復性工作將完全可以交給AI，員工可以集中于創造更大價值的工作，企業競爭力增加同時增加社會財富。
百度智能云舉行的閉門溝通會上，現場演示文心一言生成PPT
毫無疑問，大模型將是未來十年科技圈最重要的敘事之一。
百模大戰
“百模大戰”來了，一如當年的“百團大戰”。
國內大公司紛紛扎堆推出大模型，百度文心一言最先，360、騰訊、阿里、商湯、科大訊飛、字節等紛紛緊追。大模型產品大多同時兼具對話問答、文章創作、代碼寫作等多項技能。市場上供給多了，但這些產品的“智力”水平卻參差不齊，如何挑選成為了一個難題。
目前主流觀點認為，可以有以下兩個標準：
第一，從芯片到框架、模型再到應用的全鏈路環節都具備極為優秀的性能。
芯片決定了算力，這是AI訓練的基礎。OpenAI曾做過一筆測算：2012年開始，全球AI訓練所用的計算量平均每3.43個月便會翻一倍，遠超摩爾定律。在肉眼可見的未來，“算力不足”都將會是制約AI發展的最大因素。因此，芯片要做到性能過硬。
只有制造出算力極強的高端芯片，才能滿足智算時代的計算需求，讓云好用，這是基礎條件。
而在框架和模型層面，軟件適配程度要更高，算法積累足夠，大模型能力要更強。深度學習框架需要做到全棧自主可控，推動大模型不斷迭代升級。在此基礎上，推出多樣云服務使得大模型適應各產業的數字、智能化需求，做好模型即服務（MaaS）。
第二，能為大家提供全鏈路的服務保障。
服務商不僅要具備多元的能力，還需要將它們有機地結合起來：如此一來不僅能帶來更高的可靠性、幫助企業降本增效，還降低AI使用門檻，既易用，又好用。
好的智算基礎設施，就是要高效解決算力、算法、數據處理等多維度的問題，而且這些維度之間不是獨立存在的，而是互相依賴，相互優化、緊密耦合，從而提升整體基礎設施效能。
比如芯片解決算力問題，框架解決算法開發問題，大模型解決模型泛化問題，他們三者就猶如三人四足比賽中的團隊合伙人，只有彼此心有靈犀、協調互補，才能打出完美的團隊配合，贏得比賽勝利。
百度的解決方案，是將文心一言大模型與百度智能云服務結合起來，提供一種更便捷的一站式服務，即“云智一體”。
該方案同時提供了算力與大模型服務，企業只需提供自身行業的數據做微調，即可快速生產出符合市場需求的AI產品。不過，百度智能云能做的還不止微調一項，它還額外集成了推理與托管服務。
推理是大模型所具備的一項能力，指利用訓練好的AI去進行結論推導的過程。如果說微調是將已有的房子重新裝修一遍，那么推理則相當于給你空地和材料，搭建一個全新的房子。雖然推理的成本高于微調，但能讓大模型新增更多原本不具備的能力，滿足企業更深層次的開發需求。
至于托管，則能幫助較為早期的大模型創業者解決搭建團隊的難題。高薪的AI研究員一直是市場上最搶手的資源之一，初創企業不僅資金有限，且很難在人才競爭中獲得太多優勢。相比之下，托管服務則會提供一支高度專業的團隊，幫助第三方企業管理他們的AI解決方案。
由此可見，微調、推理、托管三大服務的功能各不相同，能夠滿足不同階段企業的需求。
如今，上述“云智一體”服務已成為一種行業共識。百度智能云作為這一概念的提出者，具備一些獨有的優勢。
2022年，百度副總裁沈抖升級了原有的架構，正式對外官宣了“云智一體3.0”。該架構的優勢在于，形成了“芯片-框架-大模型-行業應用”的智能化閉環路徑，百度是全球唯一在每一層都有自研產品的公司。比如芯片層有昆侖芯，框架有中國市場份額第一的飛槳。
沈抖認為，四層架構的高效協同，能實現更高的運轉效率，“我們能在同等算力投入下，把某個應用的性能提高100%，相當于讓算力需求降低了50%。”這是百度智能云非常獨特的優勢，也使得百度智能云成為國內第一個訓練出大模型的云。
如今，“云智一體”不僅僅只是一項服務，更有可能成為數字時代的一種新基建。經濟學博士任澤平曾在2023年跨年演講中預測，智能云將成為數字經濟的重要技術支撐，并在未來20年成為支撐中國經濟繁榮發展的新型基礎設施。
對當今社會而言，這些變化既是將來時，也是進行時——AI正在以肉眼可見的速度重塑這個社會。對此，輿論上充斥著許多不安的聲音。不過，當時代的浪潮撲面而來，企業、個體最好的選擇，只有擁抱它。
尾聲
不論是紅杉資本還是黃仁勛，都喜歡將當下稱為“AI的iphone時刻”。
初代IPhone發布于2007年。彼時，摩托羅拉、諾基亞才是手機市場的霸主，張小龍還在忙著做QQ郵箱，百度搜索的網頁訪問量每天都在增長，沒人知道世界上第一款智能手機到底會帶來些什么。
然而，當喬布斯講出那句“今天，蘋果將重新發明手機”時，世界依舊為之沸騰，變革的伏筆已經埋下。相比于市面上的其他產品，初代IPhone的革新之處其實只有兩個方面：一是取消了鍵盤，改用觸屏設計；二是借鑒了電腦的設計，嘗試在手機中加入瀏覽器、股票、天氣等應用。
10年之后，初代IPhone的這兩大設計已然成為了智能手機的設計標準，以此構建的移動互聯網改寫了數十億人的生活。
沈抖曾在采訪時提到，初代IPhone的出現，將手機分成了兩類：智能手機與非智能手機，而非智能手機最終被淘汰了。大模型出來后，同樣會把企業分成兩類：一類是智能企業，一類是非智能企業——類似的故事有可能會再次上演。
關于大模型的未來，如今看來仍有些模糊，但唯有一點是確信的——新時代的序幕正緩緩拉開，一場重新定義時代的比賽已經開始。
