文心一言「起舞」，触发云战场「变天」

3月16日，百度 “文心一言”正式发布，基于百度智能云同步开放预约测试。

近段时间，与文心一言一样火爆出圈的还有GPT-4，他们的出现意味着新一轮的人工智能变革和挑战正式打响，云厂商将展开了一场与通用智能相关的产业竞赛。

百度公司首席执行官李彦宏认为，AI对各行各业的颠覆性改变才刚刚开始。大模型时代将产生三大产业机会，分别是新型云计算公司、可以进行行业模型精调的公司、基于大模型底座进行应用开发的公司。

01、云计算格局迎新变化，云厂商难解大模型之困

云计算走过了发展的黄金十年。

在过去的十年里，我国云计算产业年均增速曾超30%，是全球增速最快的市场之一。

所谓市场有多繁荣，竞争就有多激烈。在前十年云厂商大都以卖算力、卖存储为主，“集成和总包”是云厂商为了实现规模化增长普遍采用的方式。

但从具体实践来看，这种打法不仅没有把云计算变成招财猫，反倒成了吞金兽。从一定意义上说，总包集成是一种畸形且不健康的商业路径。本质上就是什么都做，并且大部分项目有着大量的定制化需求，需要投入大量的人力物力；另外一些项目没有含金量，完全是为了刷流水而做。

长此以往，云厂商需要面对入不敷出，业务很难发展下去的挑战。

以阿里云为例，在之前的12年里一直处于亏损状态，直到2021年才扭转了这一局面，但利润率只有2%。市占率方面，相关数据统计发现，近两年阿里云、腾讯云、华为云等头部云厂商的增长持续放缓，就连最早入局云计算的阿里云的市占率也呈现连年走低趋势。

也正是在这时，云厂商认识到了不能再扮演总包集成商的角色，要从规模性增长向健康且有质量的增长转变，于是阿里云、腾讯云等一众云厂商开始调整策略，试图从集成商的角色向被集成角色倾斜。

但与之而来的是，互联网流量见顶，数字化转型进程加快，云厂商的服务对象开始从互联网企业向政企、制造业甚至是下沉市场转变。

这时企业对云厂商的需求也不再是算力、存储等基础云服务，而更加聚焦AI服务层面。有机构预测到，2020年中国83.4%的企业重视人工智能，ChatGPT等生成式AI产品火出圈后，企业对人工智能的需求再次攀升。

提供人工智能，首先想到的就是大模型。经过反复的实践得出：大模型才是人工智能的发展趋势和未来，其能实现 AI从“手工作坊”到“工厂模式”的转变。

在传统模型中，根据不同场景，需要定制不同的算法模型，无法实现通用化可复制化。研发阶段，为了应对各式各样的场景需求，AI 研发人员需要设计专网专用的个性定制化神经网络模型；落地阶段，经“一个场景一个模型”式的作坊式模型开发得到的模型在许多垂直行业场景任务不通用，无论对于企业还是云厂商来说，都是一笔不小的支出。

而大模型备自监督学习的能力，能够有效降低 AI 开发和训练成本，同时可以适配各种场景。此外基于用户的使用反馈，还可实现自主迭代升级。之于企业最大的意义就是，降低AI使用门槛，让企业能够像还是用水煤电一样，方便快捷的使用各种AI能力。

李彦宏认为，大模型时代将产生三大产业机会：第一类是新型云计算公司，其主流商业模式从IaaS变为MaaS。文心一言将根本性地改变云计算行业的游戏规则。之前企业选择云厂商更多看算力、存储等基础云服务。未来，更多会看框架好不好、模型好不好，以及模型、框架、芯片、应用这四层之间的协同。

第二类是进行行业模型精调的公司，这是通用大模型和企业之间的中间层，他们具有行业Know-how，调用通用大模型能力，为行业客户提供解决方案。目前，百度文心大模型已经在电力、金融、媒体等领域，发布了10多个行业大模型。

第三类是基于大模型底座进行应用开发的公司，即应用服务提供商。李彦宏认为，在文本生成、图像生成、音频生成、视频生成、数字人、3D等场景可能出现未来的新巨头。

因此，早在几年前国内头部厂商以及就开始了相关大模型的研究与实践，甚至有些头部云厂商还推出了自家的大模型。诸如去年9月阿里达摩院推出“通义”大模型，此外，为推进中文大模型的开源生态建设推出了 AI 模型开源社区「魔搭」；京东推出了言犀大模型；华为推出了盘古大模型等等。

但从目前来看，国内大模型仍处于早期，还没到能真正落地应用的商业化阶段。

算力规模大且性能要求高、数据规模大，且数据质量参差不齐、训练难度大且成本高，堆砌了一道国内企业难以闯进的围墙。

“算力是企业通往大模型的拦路虎，也正是目前大模型不能真正落地的巨大挑战，”几乎已经成了行业共识。

大模型由于参数规模大、数据体量大通常需要强大的算力支持，而算力的核心是人工智能芯片。美国市场研究机构TrendForce在3月1日的报告中测算称，处理1800亿个参数的GPT-3.5大模型，需要的GPU芯片数量高达2万枚，未来GPT大模型商业化所需的GPU 芯片数量甚至超过3万枚。

“缺少芯片会导致算力不足，算力不足意味着无法处理庞大的模型和数据量。”有专业的云计算技术人员曾计算过：1万枚英伟达A100芯片是做好AI大模型的算力门槛。

反观目前中国的芯片使用现状，国际环境变化之下自美国实施贸易限制政策以来，中国企业只能使用英伟达A100的最佳替代品A800芯片，但是A800芯片在中国市场严重缺货，而国内少有企业具备自研高性能芯片的能力。

除算力算法外，模型训练也是一项既耗时又耗钱的工作。训练周期方面，训练一个如ChatGPT的模型通常需要几天甚至数周的时间；

训练成本方面，据国盛证券报告《ChatGPT 需要多少算力》估算，GPT-3 训练一次的成本约为 140 万美元，对于一些更大的 LLM（大型语言模型），训练成本介于 200 万美元至 1200 万美元之间。

以 ChatGPT 在 1 月的独立访客平均数 1300 万计算，其对应芯片需求为 3 万多片英伟达 A100 GPU，初始投入成本约为 8 亿美元，每日电费在5万美元左右。这只是芯片的成本，另外大模型所需的数据采集、人工标注、模型训练等软性成本是难以计算的。

算力算法、运营成本等仍是国内大多数企业无法跨越的关卡。

02、构建AI大模型，需集齐四张「能力卡」

国内企业很难做出中国版AI大模型似乎已经成了既定事实，但百度文心一言大模型却刷新了行业认知。

从一定程度上说，ChatGPT以及百度文心一言大模型的出现，是厚积薄发的自然结果。

清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正也曾对外表示过：放眼国内，最有可能做出中国 ChatGPT 的可能是有综合优势和过去积累和拥有芯片、框架、模型、应用四层技术栈的百度。

百度集团执行副总裁、百度智能云事业群总裁沈抖表示，之前企业选择云厂商更多是看算力、存储等基础云服务，以后企业对云的需求会更加聚焦智能服务，会更多看框架好不好、模型好不好，以及芯片-框架-模型-应用这四层架构之间的协同是否高效。

具体来看，算力层面，百度自研芯片“昆仑芯”在AI计算、存储、加速、容器方面进行系统优化，提供高性价比的算力，承载海量数据的处理、超大模型的训练和推理，目前已经在多个场景实际部署几万片。

另外，百度还拥有多个云计算可用区，诸如阳泉、徐水、定兴云计算中心，其中阳泉智能云数据中心一期就可承载16万台服务器，预计整个百度阳泉云计算中心可承载24万台服务器；

百度目前已在山西阳泉、江苏盐城等地建设智算中心。其中，百度阳泉智算中心是亚洲最大单体智算中心，建设规模为4 EFLOPS（每秒400亿亿次浮点运算）AI算力，可满足各行业超大规模AI计算需求。昆仑芯科技战略负责人宋春晓表示：“人工智能芯片是算力的核心，昆仑芯2代已在百度文心大模型的应用中广泛落地，并为各行各业的智能化升级提供AI算力支持。”

据了解，百度智算中心持续创新计算架构，支持智算时代下企业不同业务场景的计算任务，提升企业的业务效率和创新能力。目前，百度智算中心已支持了文心预训练大模型、生物计算、自动驾驶等前沿AI应用。同时，基于自研创新技术可使PUE低至1.08，实现了高效节能的运行，从而降低客户的电费和运维成本。

深度学习框架层面，作为人工智能的底层操作系统——飞桨深度学习平台向下适配各种硬件，支持文心大模型的开发、高性能训练、模型压缩、服务部署的各种能力，截止2022年底已凝聚535万开发者，基于飞桨创建了67万个模型，服务20万家企事业单位，贯通了AI全产业链，串联起全栈化的产业生态体系。

文心大模型层面，则已经形成知识增强的ERNIE 3.0系列、跨模态系列等底座模型，在原有能源、金融、航天、传媒等行业的基础上，进一步升级到了11个行业大模型，将行业大模型延伸到了制造业、城市管理、汽车等关键领域。目前，百度已经实现了“0到1”做标杆的阶段，进入到了“从1-到3”的复制推广阶段。

这都为百度打造文心一言奠定坚实的技术基础，雷峰网了解到，自文心一言对外官宣后，已经有包括互联网、媒体、金融、保险、汽车、企业软件等行业的 400 多家头部企业宣布加入百度“文心一言”生态，且这个生态还在持续扩大。

为支持文心一言超大规模计算需求，进一步实现文心一言的产业化落地，去年年底开始，百度智能云已经通过三大动作全面升级云服务能力：2022年12月，发布国内首个全栈自研的AI基础设施“AI大底座”；2023年2月，升级AI研发运营一体化（MLOps）能力；2023年3月，百度阳泉智算中心完成升级。

值得一体的是，去年百度智能云还推出了“云智一体3.0”架构，并发布首个全栈自研的AI基础设施“AI大底座”。

其中，“云智一体3.0”架构，形成了一套“芯片-框架-大模型-行业应用”的智能化闭环路径，每一环都有关键自研技术，每一环之间都能形成信息反馈，通过不断获得反馈，实现端到端优化。

百度AI大底座则在AI IaaS层，整合AI芯片“昆仑芯”，在AI计算、存储、加速、容器方面进行系统优化，提供高性价比的算力，承载海量数据的处理、超大模型的训练和推理；在AI PaaS层，整合飞桨深度学习框架及百度文心大模型，打通百度的样本中心、模型中心、AI开发平台、AI服务运行平台，实现从数据存储到模型训练、生产、部署、测试的全链路、批量化生产，面向企业模型开发的全生命周期提供完整解决方案。

而面对高昂的训练成本问题，百度毫不吝啬在AI领域的研发投入力度。相关数据显示，2022年研发费用达214.16亿元，占百度核心收入比例达22.4%，百度第四季度的研发支出为57亿元，截止现在研发费用占百度核心收入比例已经连续 9个季度在20%以上。