文 丨 新浪科技 周文猛
在今年由ChatGPT引爆的新一輪AI技術浪潮中，持有OpenAI 49%股權的微軟公司，無疑成為最大的贏家。而在這背后，作為OpenAI商用化獨家云服務提供商的微軟Azure，同樣也成了各界關注的焦點。
近日，微軟大中華區Azure事業部總經理陶然在接受新浪科技《科創100人》采訪時指出，AI時代，每個App和應用都應該被AI優化，因為構造APP的方式和APP本身的架構，正在被完全顛覆，“未來的APP應該叫AI原生”。據他介紹，基于這一判斷，“過去半年間，微軟基于AI重寫了幾乎所有內部產品”。
據新浪科技不完全統計，截至目前，國內已經出現超過100個大模型產品，其中，僅定位通用大模型和“通用+行業”的企業，便多達26家。然而，長遠來看，這么多大模型產品中，最終能夠留下的只能是少數。在對大模型算力、網絡、數據調度等不同維度的成本進行分析后，陶然指出，“大模型意味著大成本，在一定程度上，大模型的價格永遠是不可控的。”
每個APP都該被AI優化，過去半年微軟革了自己的命
在這一輪由ChatGPT引爆的AI浪潮中，微軟公司布局尤為迅速。
今年1月，微軟Azure作為OpenAI獨家云服務提供商，正式推出面向企業用戶的Azure OpenAI國際版大模型服務。3月，當全球科技圈還在因為GPT3.5的出現而感到興奮時，微軟便宣布將基于新的GPT4推出Copilot人工智能服務，并將其嵌入word、PowerPoint、Excel等office辦公軟件中。5月，微軟宣布將在windows 11中加入Copilot AI助手，Windows也接入ChatGPT。
“過去幾十年來，微軟最有名的產品是Windows、Office和Azure。但你會發現，過去半年內，微軟所有傳統的軟件產品也都全部實現了 AI的智能化和大模型的集成。”陶然表示。據他介紹，在過去半年間，微軟幾乎每周都有基于OpenAI或者基于AI的新產品或者新工具推出。
而微軟之所以如此迅速地推進AI智能化以及大模型布局，背后有一個基本理念。那便是——微軟認為，在AI時代，每個APP和應用都應該被AI優化，程序開發者將不再需要從頭開始編寫基本的業務邏輯，而是可以讓每個應用直接嵌入到AI能力和大模型中，甚至于直接使用自然語言進行AI原生應用開發。
“過去10年，關注云計算行業的人都知道有一個詞叫云原生，微軟認為，未來的APP應該叫AI原生，因為構造APP的方式和APP本身的架構，都可以完全被顛覆。”陶然表示。他指出，云原生時代的APP形態，有著諸如容器、數據層、應用層的開發，但在AI時代，程序開
發的核心將變成“數據+模型”，通過feed learning或向量數據庫的方式與模型進行交互，實現智能應用，并將其寫入網站、H5或APP中。
陶然進一步介紹指出，“以前我們是將業務邏輯、商業邏輯和需求整合成為Hardcode（硬編碼），但在未來智能應用中，我們需要更好地運用這些邏輯。”以RPA為例，以前我們寫流程化產品時，每一個業務流程和環節都是固定的，但現在，當你提交完成后，AI會自動識別你當前任務的類型，自動幫你歸類并找到相應的流程，并指導你執行。
“模型可以根據當時的上下文實時判斷，這就是AI原生APP的一些特定理念。”陶然表示。據他介紹，事實上過去半年間，諸如數字原生、互聯網電商、游戲娛樂等行業，已經成為GPT大模型落地最快的領域；此外，零售制造、汽車等傳統行業也開始認真地去評估，甚至已經開始使用OpenAI大模型去升級傳統企業業務。
“AI輔助工作越來越常見，人類與AI的協作將引領未來工作模式的變革。各行各業都可以使用自然語言與‘智能副駕’一起‘共事’，借助AI幫助自己和企業分析判斷、解決復雜問題，提升組織的生產力。”陶然表示。
大模型≈大成本，比自研更重要的是變現
伴隨著大模型研究討論及落地討論的不斷深入，當前，大模型的成本問題，也成了各界關注的焦點。在與新浪科技溝通中，陶然指出，事實上，大模型的產生和落地，成本是非常多元的，包括硬件成本、算力成本、網絡成本、算法成本、邊際成本等。“在一定程度上，大模型意味著大成本，大模型的成本永遠是不可控的”。
目前，業界普遍認為，算力成本是制約大模型發展的一大要素。但在陶然看來，算力是大模型發展中非常重要的一部分，是提升向量、矢量運算速度的關鍵，但大模型成本的節約一定不只是因為算力。他指出，目前國內認為只要有GPU便能夠做大模型，但事實上這是一個很大的
誤區。以不同GPU連接的帶寬為例，目前很多廠商和個人沒有能力去實現這種連接，但事實上，卡帶寬的速度，直接決定了大模型訓練所需花費的時間成本，同樣的一套模型，如果訓練一次需要花費一周成本為100萬美元，但如果帶寬太小最終耗時兩周，那成本就將乘以2。
“到了這一環節，真正的壁壘便不再是GPU，而是變成了網絡層。”而且，即便你解決了GPU帶寬的問題，后續編寫數據調度算法，運用開發等方面，依然需要耗費大量的成本。“因此，大模型的成本永遠是不可控的，大模型意味著大數據量、大參數量、硬件投入、算力成本以及算法成熟度都非常重要，如果寫得不好，可能需要比別人多訓練幾十次，每次都會面臨很高的成本。”陶然表示。
在他看來，大模型又被稱為大成本，這實際上是市場的共識，并非微軟的態度。與此同時，由于具備ChatGPT研發的先發效應和大量微軟內部落地運用變現能力，目前微軟已經聯合OpenAI推動了數次大模型成本下降，真正讓AI模型使用平民化。
陶然介紹指出，微軟和OpenAI的戰略一直非常明確，一致認為大模型應該成為AI時代的基礎架構。類似于百年前的水電煤和過去10年的云服務，基礎架構的特點便是使用靈活且成本低，可以讓每個企業和個人都使用。在這種情況下，國內外廠商需要考慮是否具備足夠的模型能力，以及模型的定價能力，來與微軟持平，“從經濟學上來說，這可能是一個挑戰，這也是一個需要考慮的問題”。
自1992年進入中國市場，31年間，微軟已先后在國內建立了5座數據中心。2022年3月，微軟上線了最新的中國北三區云數據中心，據介紹，該數據中心的容量，相當于微軟此前4個數據中心容量總和的2倍。在陶然看來，對于云計算企業客戶而言，“選擇云服務不僅僅取決于云服務本身的能力和定位，還要關注客戶的生態”
