0
作者丨徐晓飞
编辑丨周蕾
大模型“通义千问”今天在阿里云大会上的亮相，标志着又一家互联网巨头正式加入ChatGPT军备竞赛。
要判断巨头们此次厮杀孰胜孰负，有一条十分关键的预测逻辑：
互联网企业在云智一体化的进展越快、成果越扎实，他们在这轮比拼上就越有希望下出先手棋。
如今无论是大模型，抑或是其他云或AI的产品矩阵，某种程度上来说，均是巨头们云智一体化的产物。
“云智一体”一词，最早出现在2020年百度智能云发布的战略中，此后各家科技巨头也在实践中，逐步推进云智体系的打通和融合，这一概念也逐渐成为了行业共识——可在过去很长一段时间里，云智一体的演进之路道阻且长，对企业而言是战略眼光和定力上的巨大考验。
“云智一体”落地难，这一现象究其原因，来自组织隔阂。
互联网企业在高速发展的过程中，迅速跟进了AI与云两拨技术潮流，各自配备人才、组建团队，也相应地形成了各自的发展目标和规划。但这也使得AI和云，逐渐在企业内部演变为相互独立的两个体系。
2015年左右，海内外的所有互联网公司都把AI作为单独的战略性技术，多数归属于技术职能线。简单来说，即是将科学家们都汇聚在AI研究院里，不隶属于任一业务线，以研究为第一要务。
此举之利弊，《我为什么支持BAT拆掉AI研究院》一文有过详细分析：优势在于营造了浓厚的研究氛围，能集科学家之力走在技术前沿，但与业务部门的割裂，使其缺少工程化能力和核心场景数据。
2018年后，AI商业化落地需求日益迫切，AI部门也逐步像云部门一样，面临对外商业化的目标。加上二者在技术层面也有更多紧密融合，两大部门携手共进的形势更为明确。
然而，过去AI和云在组织架构上各自独立，分别拥有专属的负责人和汇报对象，融合只停留在了虚线的项目协作上。
科技大厂要打破这种内部僵局，并不容易。譬如微软，就在2017年夏天，做出了这样一番调整：
时任微软云总裁Scott Guthrie，宣布成立Cloud AI平台部，由Guthrie的部下、微软云副总裁Joseph Sirosh带队。但Sirosh的汇报对象并非云负责人Guthrie，而是当时的微软AI一号位沈向洋。
也就是说，微软选择在云抽出一个小分队，向AI部门汇报，来实现第一步的组织协同。
到了2018年，云智一体的融合进一步加深。黄学东、Yu-Ting Kuo等资深副总裁级的科学家以及相关团队，从沈向洋旗下调任到微软云体系。不久后，这支由Sirosh带领的小分队，也重新被收编回微软云体系，相当于Joseph Sirosh带着沈向洋的团队，重新回到微软云，让云和AI进一步融合。
同时，微软云也改名为微软云与人工智能事业部，在组织上真正实现了云与智能的一体化。在此之后，微软在云的销售业绩、AI商业影响力等各方面上，均呈现逐年上涨的态势。
目光放回国内，最先提出云智一体的百度，也曾经历过一段时间云和AI的独立。2020年5月，百度宣布由CTO王海峰统领实现云与AI及基础技术体系的统一，明确提出了“云智一体”战略。百度智能云也在2020-2022年期间，以一年一级的频率，完成了云智一体架构从1.0到3.0的升级。
腾讯云与腾讯优图也曾经历过类似情况。二者虽同属于CSIG（云与产业互联网）事业群，但腾讯云的主要目标落在销售业绩和市场份额上。而早年间的优图，更多是全集团计算机视觉中枢的角色，即科研先行；随后虽对外输出，但与腾讯云在销售、交付等环节上相对独立。
2022年，在通过组织架构调整之后，例如让优图部分管理层在腾讯云挂职，负责或参与进腾讯云部分部门的工作，CSIG完成了云与AI的磨合，云智一体的战略逐渐清晰。
而阿里也同样走过一段充满考验的云智融合之路：阿里云早期与散落集团各处的AI实验室之间协作有限，但达摩院成立后，阿里的AI部门完成组织上的收编统一。此后，在行癫的带领之下，阿里云与达摩院逐步融合。
相比而言，在云与智能两大体系的打通上，百度完成得最早、最彻底。
组织层面上，首先是2020年5月，百度将ACG（百度云）、AIG、TG（基础技术体系），整体整合为“百度人工智能体系”（AIG），由王海峰统帅。
集团CTO的职责，通常是从顶层设计出发，为集团各个业务线打造坚实技术底座，而非直接插手业务线。百度让王海峰兼管云业务和AI，实际上是充分发挥他的两大优势：在基础技术上的超强积累，强有力的技术与业务整合能力。
除王海峰外，还有侯震宇等百度老将，他们也确实更具技术和产品背景，而且在组织层面，能够调动更多的研究和工程专家配合云与AI的融合之计。
这一安排之下，云和AI之间的隔阂会更大限度地被打破。
王海峰统管云与AI期间，百度智能云实现云智一体架构的首度亮相和第一次进化。2020年发布的云智一体1.0架构，目标是通过云智一体、端到端的方式，便捷高效支持产业的智能应用。
2021年云智一体2.0架构下，战略细化为“适合跑AI的云”和“懂场景的AI”，共同解决企业两大核心诉求：前者消除企业的算力负担；后者降低企业的开发门槛，在云端搭建属于企业自身的AI能力。
2022年5月，百度再次调整了组织架构，沈抖从王海峰手中接过了智能云的大旗。
与王海峰同样为AI专家的沈抖，是根正苗红的人工智能正牌军，博士时期师从全球知名AI科学家杨强院士。二人有着颇为相似的学术和工程背景，沈抖无疑是延续“云与AI”融合意志的不二人选。
其次，沈抖自2012年加入百度后，先后负责过百度联盟研发部、网页搜索部、金融服务事业群（FSG）、百度移动生态事业群（MEG）等。沈抖在MEG期间全面负责销售团队，积累了不少商业化和销售体系管理经验。
相对而言，沈抖能在技术和商业上有较好的结合。让这样一位有学术背景，同时又懂业务的人去接棒百度云，能顺滑过渡王海峰的角色，更有利于推动百度云的商业化。
沈抖接任智能云业务后不久，百度的云智一体架构也再次升级至3.0版本，即形成了“芯片-框架-大模型-行业应用”的智能化闭环路径，向上可以优化已有应用、孵化新应用，向下改造数字底座，使基础云更适合AI应用，实现端到端的优化。
此时，百度的核心战略归结为“云智一体，深入产业”。总的来说，战略大概可分为四层：
第一层是深耕行业，聚焦实际场景。利用AI和云计算能力力争在核心制造业、城市治理、水务、智能交通等场景里打深打透。
第二层是通用产品，特别是跨模态沉淀下来的数字人技术、智能客服、数字孪生等技术，这是通用AI产品。
第三层就是AI大底座，由百舸异构计算平台、AI中台构成，整合了百度自研的AI芯片“昆仑芯”、飞桨深度学习框架、文心大模型，面向企业AI开发和应用提供完整解决方案。
第四层是基础设施，通用Cloud。
率先打通组织壁垒、形成云智一体3.0架构后，百度得以先人一步取得“云智一体”时代的主导权。为什么这么说？
当前GPT大模型热潮是AI领域继2016年阿尔法狗战胜李世石后的又一次重大突破。当年，阿尔法狗的胜利给业界带来了对AI技术的信心，但在随后的7年里，AI饱受难以商业化、应用碎片化等诟病，直到当下这波大模型的出现，才终于让各行各业看到了AI实际应用和规模化落地的曙光。
在MaaS（模型即服务）时代，大量企业都将在大模型冲击下，迎来意想不到、甚至颠覆性的产业再造。但企业应用大模型的方式不是自己亲自下场做一个，而是搭上云智一体时代里的“基建顺风车”。
为何不亲自做？因为成本太高。
事实上，由大数据、精算法与大算力“三驾航母”驱动的大模型，一直以来都以成本高、技术刁、工程难著称，以至于中小企业基本无法「自研」，向百度、阿里等大模型服务「供应商」采购，在云上按需购买，反而相对更划算。
这就需要云厂商们改变自身的商业模式：以往只卖计算、存储、网络的近似于“二道贩子”的粗放模式行不通了，如今需要在云与AI深度融合的基础上，向市场提供更多AI集成品、AI大模型，甚至是自上而下全套的AI解决方案，做云智一体时代的“基建者”。
这种实力的具备，无疑是一项“长期工程”。
但对百度来说，这一漫漫征途实际上早已开始。
早在2012年，百度的深度学习框架“飞桨”就已雏形崭露。随后的10年间，百度云在AI积累上更是持续发力。李彦宏曾公开表示，近10年来，百度在智能云业务上累计研发投入超过1000亿元。
由于起步早，投入大，以及在搜索基因和丰富业务场景上的优势，百度率先推出了国内首个全栈自研的AI基础设施，即“AI大底座”，面向企业AI开发提供端到端的解决方案。
具体来说，AI大底座由百舸异构计算平台、AI中台两大部分组成：
其中，前者整合了百度自研的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。
后者则整合了百度两大核心自研产品（飞桨深度学习框架、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。
相较于其他云厂商，百度AI大底座的最大差异化在于：不是将云和AI业务里若干产品线打包起来，套个统一外壳就对外推销，而是基于打破部门墙，组织、业务融合，以及实际场景锻造等的保障，实打实让各种产品、各种技术深度耦合，因此才能提供包含芯片、框架、模型、应用在内的全栈融合方案。这是其“灵魂所在”。
得益于这种全栈、全要素、全自研的积累，百度AI大底座目前已成为百度各项云与AI技术的集大成者，并通过云与AI底层技术的通用化、模块化，将AI服务铺开，实现了规模化。
这让企业在用云时，不必再把大量时间和成本花在“打地基”上，而是可以通过百度AI大底座把芯片、大模型、深度学习框架等高门槛的技术，变成像水电一样按需取用，真正实现“AI能力的随用随取”和AI生产全流程的降本增效。
不仅如此，百度智能云的差异化优势还在于：AI技术栈实现了“芯片-框架-模型-应用”四层架构全覆盖，并且每层都有强竞争力的自研产品：
在芯片层有昆仑芯，目前落地规模已多达数万多片；框架层有飞桨，目前综合市场份额中国第一；大模型层有文心大模型；AI应用层则有数字人、质检等各行各业广泛的落地应用。
自研产品的好处之一在于，能让百度AI四层架构间更好协同，进而实现智能化闭环；并且向上可以优化已有应用、孵化新应用，向下可以改造数字底座，使基础云更适合AI应用，上通下达从而实现端到端的优化。而这种协同性和自我迭代性，正是未来千行百业在迈入数字化深水区时，会优先考量的要素之一。
值得一提的是，也正是这种协同和迭代优势，让百度智能云成为国内第一个训练出大语言模型的云。
而反观当前云计算领域里的其他玩家，尽管也都各有优势，但不同的是，他们要么关注AI但不具备底层的芯片和系统能力，要么做芯片出身但不具备上层软件能力，无法直接接住用户的需求，在全栈和关键技术自研上，还有较长的路要走。
不可否认，当下一个激动人心的共识正在全球蔓延，那就是：数字化、智能化，正在来到“iPhone时刻”。
对各类行业企业来说，是否用AI、如何用AI正在成为一道生死时速的分界线，非智能企业将被淘汰，新的巨头将会诞生，企业想要跟上这一时代，就需要学会将AI基建变成企业自己的“智能底座”。
这种背景下，对云大厂来说，只有彻底打通云智体系，做好组织、产品、技术上的贯通融合，转型成为新阶段的基建者，才能抓住眼下这一历史性机遇窗口，开启云智一体时代，从而真正实现AI的普惠。雷峰网雷峰网(公众号：雷峰网)雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
