ChatGPT 带来的多米诺效应正在不断涌现。社会各界都在关注一系列问题,比如中国版 ChatGPT 什么时候能来到?其效果如何?类 ChatGPT 应用的投资与创业前景会怎样?相关产品能带来哪些应用价值?
随着百度文心一言等产品相继官宣,相关讨论和期待更加热烈。这种情况表明了人们对对话式AI和语言类大模型应用的期待,同时也让人们对百度文心一言等中国AI力量的表现充满了信心。我们可以期待,这些产品将抓住这一机遇,满足人们对对话式AI和语言类大模型应用的期待。在这种情况下,我们也应该将眼光放远,预见到类ChatGPT应用到带来的震荡,这将带来更加复杂,同时也更加深远的产业变革。
目前阶段,类ChatGPT应用带给互联网产品的影响已经讨论颇多。但大家或许相对忽视了另一个变革方向:类ChatGPT指向着云计算市场的升级与转型。
中美洲的蝴蝶振翅,将在太平洋掀起飓风;类ChatGPT的蝴蝶效应,将为云计算带来一场狂飙。
公有云模式的积弊和出路
云计算的概念可以追溯到1996年,但在当时并没有得到广泛的认可。Salesforce软件公司被认为是云计算走向应用的先驱,他们提出了云上软件这一发展方向。然而,在漫长的时间里,云计算概念并没有真正火爆起来,直到亚马逊公司的入局。亚马逊公司通过其强大的云计算技术,成为了云计算领域的领军企业,推动了云计算技术的发展和应用。
2002年,亚马逊公司推出了Amazon Web Services(AWS)平台,起初该平台为企业提供了集合亚马逊自身服务的机会,直到2006年,亚马逊首次将算力作为资源在AWS上售卖,标志着公有云模式正式诞生。这一举措不仅为亚马逊带来了丰厚的利润,也为其他企业提供了新的商业机会,推动了云计算技术的发展。
公有云模式的崛起节点,是电商和应用程序开发人员需要大量高性价比算力和存储。因此,公有云成为了高性价比的IT基础设施替代方案,也就是IaaS模式。
IaaS成就了公有云的崛起,但也同时埋下了积弊:为了获取大量用户,IaaS厂商必须不断提升性价比,同时加强基础设施投入。这导致IaaS营收能力低下,一般认为其毛利率仅有10%左右,甚至更低。因此公有云平台需要漫长的时间才能实现整体盈利,而这种情况几乎必然会导致厂商在一定阶段后会放缓投入,避免成本压力过大,这也间接导致持续高性价比的IaaS对于用户来说是难以持续的。
为了打破这个恶性循环,云计算产业掀起了向PaaS和SaaS转化的方向。因为云是距离企业数字化系统最近的地方,也是企业数字化、智能化转型的基座。所以云也是企业获取数字化服务与软件的最短路径。基于PaaS和SaaS来为企业提供数字服务,在理论上可以解决大量数字化需求,但这种模式却始终难以形成有效的价值转化路径。
总结一下,公有云=基础设施,是云计算发展至今的积弊之一,也是业界亟待突破的围城。
而如何让云上软件与服务形成规模,高价值满足企业需求,可以说是云计算产业的核心出路。
这条路最大的问题,在于SaaS和PaaS提供的最终价值不足,供需无法形成对等匹配。
改变从AI开始。深度学习技术应用与AI开发需要大量的专属算力与服务,很大程度上改变了云计算对于企业的价值。这种价值在大模型阶段产生了一次提升,而当类ChatGPT应用的确定性价值到来,云计算市场也将迎来质变的奇点。
类ChatGPT应用的蝴蝶振翅
为什么类ChatGPT与大语言模型,极有可能完成云计算产业的蝴蝶效应?
企业对于类似应用的价值与此前云上服务发生了根本的质变,大模型与企业的结合也因此有了更多的可能性。
大语言模型在企业中的应用价值如下:1. 内容生成:大语言模型可以帮助企业快速生成大量高质量的内容,例如文章、段落、句子等,节省企业编辑和撰写人员的时间。2. 信息查找:大语言模型可以识别并搜索大量的文本信息,帮助企业快速找到需要的信息,节省企业查找信息的时间。3. 专业知识匹配:大语言模型可以识别并匹配企业所需的专业知识,提供相关的信息和知识库,帮助企业快速找到所需的知识和信息。4. 辅助决策:大语言模型可以提供大量的数据和信息,帮助企业进行决策分析,提高决策的准确性和效率。大语言模型在企业中的应用可以提高企业的效率、节省时间和精力,帮助企业更好地应对市场和客户需求的变化。
ChatGPT等应用的出现,使得企业可以借助数字化工具来辅助经营和运营,提高企业的效率。这些工具,如类ChatGPT应用,已经在实际文案协作和内容生成方面展现了其强大的效果,而这正是每家企业经营中都需要的。客服、培训、办公等场景也可以紧密结合类似应用完成重构,以提高企业数字化辅助经营和运营能力。
2. 在专业领域实现大模型与行业知识、行业需求结合。这一点将在金融、政务、科研等领域实现深度落地,展现AI 行业知识的新高度。而在软件、传媒、广告等可以直接使用类ChatGPT应用完成生产效率提升的行业,相关效果将是直接且迅猛的。
企业定制化AI的需求出现井喷。更多训练大模型、应用大模型的价值节点显现出来。或许很多智能场景并不与大语言模型紧密相关,但类ChatGPT应用的带动效应,一定会推动大模型融入产业进入新的阶段。
如此一来,企业从云端获取的大语言模型的价值,将比此前的云上软件有指数级升级。这也就是说,像文心一言这类的应用将改变云计算市场的基本规则,改变云计算厂商与用户之间的供需权重。从企业努力推服务,变成用户急需要云上服务,这也标志着公有云将从卖资源向卖智能转变。
李彦宏在2022年Q4财报电话会上表示,大语言模型已经成为改变云计算游戏规则的Game Changer。这一说法的背后,是对云计算从提供基础设施到提供智能服务的宏观判断。
在这一云计算变革的过程中,像百度这样的科技公司在大模型、AI基础设施等方面的投入将成为其护城河,这些积累也将通过云服务向行业和企业进行价值转化。借助文心一言,这些大模型创新将成为真正的智能化基础设施,为行业和企业带来真正的变革和增长。
就像李彦宏所说的那样,许多公司已经官宣将文心一言集成到其产品和服务中,这只是旅程的开始。
云计算产业的飓风狂飙
企业想要将类ChatGPT应用深度集成到业务中,云计算几乎是必不可少的选择。因为封装解决方案的成本过大且难以更新,缺乏算力搭配的API模式应用又无法满足企业的深度智能化需求。这也是为什么百度“文心一言”的能力将通过百度智能云对外提供服务,以满足不同企业用户的智能化需求。
企业使用类似文心一言的应用,能够触发云计算作为服务出口的价值奇点,这也是目前可见的新一轮云计算产业狂飙的发端。
云计算厂商的核心竞争力来自于基础设施投入、资源性价比、安全稳定能力,但此后还需要在此之外增加新的竞争力评判维度,其中最关键的三点在于:用户满意度、创新能力、市场营销策略。
在AI基础设施建设方面,企业需要强大的AI算力和框架等基础设施支持。这些基础设施以算力、框架为代表,是企业云平台的基础需求。需要长期投入和持续打造,也将成为大模型云时代的主要竞争力来源。
2. 大模型积累与产业化能力。接下来,大语言模型将成为企业用云的关键节点,那么训练、应用、提供大模型的能力,也就成为了云平台竞争的核心。帮助企业开发大模型,以及向企业提供大模型,提供基于大模型的成熟应用,都将成为主力云服务模块。
3. 提供智能化服务的综合能力。除了基础资源与成熟模型应用外,企业对AI的需求是千变万化且各具特色的。这种情况下,理解产业,能够提供定制化AI服务的综合能力也变得十分重要。云计算不能仅仅成为AI能力与算力的获取地,更应该成为企业懂AI、用AI的助手与伙伴。
中国云计算产业赢得的机会远大于挑战。云厂商在框架、大模型、开发工具与AI生态等领域的积累,将迎来厚积薄发的机会。而基于“云智一体”战略,与飞桨、文心系列大模型深度结合的百度智能云,显然更加值得看好。
百度智能云事业群总裁沈抖认为,以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。随着人工智能的发展,企业越来越需要将计算资源和智能服务结合起来,以获得更高效的数据处理和分析能力。因此,企业在选择云厂商时,将会更加关注框架好不好、模型好不好,以及模型-框架-芯片-应用这四层架构之间的协同是否高效。
百度智能云在软硬件等领域的积累,终于与文心一言、大语言模型的时代机遇相逢。干柴烈火,飓风狂飙,百度智能云在软硬件等领域的积累如同燃起的烈火,迎来了时代机遇,引发了飓风狂飙般的变革。
百度智能云通过提供扎实、领先的基础设施,以及面向各行业用户定制大模型、自主AI开发的大量通用AI产品,同时面向客户提供多场景的综合智能服务,让用户能够以低门槛的方式从单一场景解决方案进化到提供多场景的综合智能服务,展示了人工智能的价值。
在相当多的案例中,我们都可以看到这些赛道已经积累了一定成果。
百度智能云推出了智能调度解决方案,可以预测区域用电负荷,提升能源供需的匹配度。在百度智能云与国网山东枣庄供电公司的合作中,就运用高精度母线负荷预测系统,实现了预测准确率超过98%。
百度智能云与吉利合作打造“1 6 N”吉利混合云平台,实现了汽车制造的大幅降本增效。该合作降低了管理运维成本达30%,提高了资源利用效率,实现了20%的资源利用率提升。百度智能云在汽车云领域的智能化能力与经验,已广泛被汽车产业所接纳和认同。
百度智能云提供完善的AI基础设施,并推出大量AI产品与服务。其智能质检、智能巡检、智能调度等AI产品在工业、能源、金融、城市等重点领域实现了突破,打造出了一批具有代表性的案例。
因此,文心一言的出现,以及后续必然出现的大模型持续升级,将是百度智能云“弯道超车”的机遇。而对于中国的科技探索和产业智能化进程而言,这个机遇同样存在。
在变革的火苗被点燃时,我们或许首先应该考虑把握和珍惜这样的机遇,而不是优先贬损这样的机遇。科技自立之路上,我们需要更多类似大语言模型的机遇,需要更多场蝴蝶风暴。
关键词:ChatGPT,云计算,IaaS,PaaS,大语言模型,企业应用,AI基础设施,智能化服务,商业模式,云计算产业,AI产业,竞争力,商业模式创新,企业定制化,大模型开发,企业用云,AI基础设施,企业智能化需求,模型-框架-芯片-应用四层架构,深度学习技术,人工智能,云计算,AI产业,商业模式,竞争力,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式创新,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,云计算产业,AI产业,竞争力,商业模式,企业定制化,大模型开发,企业用云,AI基础设施,智能化服务,