<mark id="oztn4"></mark>
0
今天，OpenAI 正式官宣 GPT-4，其中值得關注的點有兩個：
第一點是，對比 ChatGPT，GPT-4 的智能水平有了進一步的提升。
AI 在特定領域超越人類專家，在模擬律師考試中，ChatGPT 排名末尾 10%，但 GPT-4 在短短時間內(nèi)卻進步到 Top 10%。現(xiàn)場演講中，OpenAI 甚至展示了 GPT-4 處理稅收問題的能力，假設 Alice 與 Bob 結(jié)婚后，收入 XXX，問 2018 年標準扣稅額是是多少，GPT-4 能快速得到準確答案。
另一點是，OpenAI 在 GPT-4 的論文中強調(diào)了 AI 基礎設施的開發(fā)與優(yōu)化。OpenAI 的官方博客闡明，GPT-4 是在微軟 Azure AI 超級計算機上訓練的。為了 GPT-4 能觸達全球用戶，Azure 云平臺的基建專門進行了 AI 方向的優(yōu)化。
繼 ChatGPT 之后，GPT-4 的發(fā)布，讓 AI 與云的關系更進了一步。
AI 越火，以ChatGPT 為代表的大模型越火，云服務的任務就越急迫。GPT-4 的發(fā)布，短期內(nèi)會加劇這一局面，從長期來看，AI 與云的配合、算力、算法、數(shù)據(jù)的協(xié)同，才是留給國內(nèi)投身智能計算的廠商需要打磨的地方。
GPT-4 的推出，對于「中國的 ChatGPT」們（尤其是即將發(fā)布的「文心一言」）來說自然是搶跑；但如果將 AI 視為一場長跑，我們只要跑起來就有機會——在國外友商推出一項從 0 到 1 的技術(shù)后，把這項技術(shù)玩出「花」來，實現(xiàn)從 1 到 100 的跨越是國內(nèi)廠商們的強項；而這一切的關鍵，則取決于我們的基礎技術(shù)建設，是否足夠消化這項技術(shù)。
而細究緣由，這是行業(yè)所趨，也是技術(shù)發(fā)展的客觀規(guī)律。
一、AI「三分天下」，云成為分水嶺
生物學上，靈長類動物大腦皮層的神經(jīng)元數(shù)量與通用智能水平成正比；人類的神經(jīng)元數(shù)量為 163 億個，約為大猩猩的 1.8 倍，恒河猴的 9.6 倍，前者在認知與理解世界的智能層面明顯高于高兩者。
一項研究（如下）也表明，當模型的規(guī)模達到一定程度后，大量的智能能力才具備「涌現(xiàn)」的基礎。基于以往的研究，AI 界對大模型的研究將繼續(xù)往規(guī)模拓展上努力。盡管越往后、邊際效益愈加遞減，但行業(yè)普遍的共識是：大模型的開發(fā)還遠遠沒有到頭。
換言之，以大模型驅(qū)動的 AI，會是接下來五年、甚至十年的 AI 主題。
圖源：谷歌論文「Emergent Abilities of Large Language Models」
基于這個前提，我們就不得不聚焦于大模型研究的高門檻：如果說深度學習的基石是數(shù)據(jù)、算法與算力三駕馬車，那么大模型則是大數(shù)據(jù)、精算法與大算力三駕航母，成本高、技術(shù)刁、工程難。能玩得起大模型的，必須是有人、有錢、有時間。因此，小企業(yè)與創(chuàng)業(yè)團隊基本無法「自研」，類 ChatGPT 的鑰匙只會握在資源雄厚的大廠手中。
GPT-3 剛出現(xiàn)時，大模型的這一特質(zhì)還被行業(yè)詬病。但從去年 8 月 Stable Diffusion 、Midjourney 與百度「文心一格」等掀起的文生圖熱浪開始，由大廠帶頭推動 AI 生態(tài)建設的聲音開始出現(xiàn)。有行業(yè)人士開始改口，認為科技巨頭的入局有利于推動底層模型的進一步優(yōu)化。同時，越來越多的創(chuàng)業(yè)團隊也放棄了「自研」大模型，轉(zhuǎn)而希望像 OpenAI 依傍微軟一樣，與國內(nèi)的 AI 大廠（如百度、阿里、華為等等）建立合作。
在這種情況下，國內(nèi)以語言大模型為中心的智能時代，在起步階段就出現(xiàn)了「三分天下」的局面：
首先是以百度、阿里等為代表的互聯(lián)網(wǎng)大廠，因為在深度學習的 AI 研究基礎上有雄厚積累，同時從2020年 GPT-3 出現(xiàn)后就開始加注大模型，有人才、又燒得起錢（如百度過去十年的研發(fā)投入是1000億），因此被 ChatGPT 的觀望者們視為國產(chǎn)大模型開發(fā)的領軍力量，以及大模型服務的「供應商」。
其次是希望站在開源大模型的肩膀上的行業(yè)團隊。這當中，又可以分為兩類團隊：一是懂大模型開發(fā)、但沒有足夠資源的 AI 公司，他們最終會像 OpenAI 一樣與大廠合作；二是不懂大模型開發(fā)、但懂行業(yè)痛點的非技術(shù)團隊，他們希望用 ChatGPT 相關的技術(shù)去解決行業(yè)問題，如售前售后、私人家教、論文翻譯與解讀等等。這一類，是大模型的「淘金者」。
最后是間接受益于大模型的 B/C 端用戶。ChatGPT 與其他的 AI 大模型（如決策、視覺、多模態(tài)）會為他們的生產(chǎn)與生活帶來智能提升。以百度「文心一格」等 AI 作畫產(chǎn)品為例，AI 小白用戶也能通過輸入簡單的一句話 Prompt（提示）「召喚」AI 快速畫出質(zhì)量高的圖像，豐富了數(shù)字圖像內(nèi)容創(chuàng)作的方法。可以想象，國內(nèi)若推出類 ChatGPT （如百度即將發(fā)布的「文心一言」）產(chǎn)品也將為用戶獲取信息、優(yōu)化工作流程等帶來極大的便利。而大模型在與行業(yè)結(jié)合、與個人用戶交流的過程中，又會獲取更多高質(zhì)量的數(shù)據(jù)，變得更智能。
換言之，大模型驅(qū)動下，AI 時代的模型與算法會成為像核電、煤電、風電一樣的資源。發(fā)電廠不會把發(fā)電的能力賣給用電的人；用電的人也沒必要自己買一個發(fā)電機，因為發(fā)電廠供電又穩(wěn)定又安全。而在這種情況下，只有「云+API」的方式才能形成強者愈強的馬太效應。
有行業(yè)人士就分析：
各巨頭公司應該會各自為戰(zhàn)，利用好自己的資源優(yōu)勢，構(gòu)建自己的服務能力，以 API 的方式賣給中小企業(yè)和政府做應用開發(fā)（像現(xiàn)在的云和以前的水電），同時自己的垂域產(chǎn)品也會做相應升級，確保對應的營收和用戶規(guī)模持續(xù)增長。
也就是說，在 ChatGPT 的淘金熱中，科技巨頭不僅是「淘金者」，還是「賣鏟人」。
當穩(wěn)健安全可控、低成本高效率的 AI 模型服務成為巨頭們要占領的下一個商業(yè)摩天嶺，如何提升「云」的智能計算水平成為關鍵；其背后的基礎設施，如芯片、框架、算法及應用，直接關乎成本與效率，也成為兵家必爭之地。
二、AI 時代，云要「智能」
由于大模型的研究特征，計算的「智能」需求也是必然趨勢，類 ChatGPT 的商業(yè)角逐最終也落在了云的競爭上。
OpenAI 曾有一個很有意思的數(shù)據(jù)統(tǒng)計：2016 年，OpenAI 員工總數(shù) 52 人，平均年薪不到百萬人民幣，云計算一欄的支出是 232.9 萬美元左右；但到 2019 年，OpenAI 的員工整體薪酬仍遠低于市場價，云計算的支出卻已經(jīng)增加到了 3100 萬美元，翻了 13 倍之多。
這說明，在 AI 的研究發(fā)展中，基礎設施比人貴，云計算的需求增速更快、商業(yè)空間無可限量。同時，在新的十年，誰能為 AI 支持算力，誰就能成為下一個領跑者。
在這一戰(zhàn)中，百度智能云是最早在云上布局 AI 能力、將 AI 與云捆綁售賣的云廠商之一。而由于十多年在 AI 領域的持續(xù)研發(fā)投入，在 ChatGPT 開啟的新 AI 時代中，AI 的底層能力似乎也開始反向助推百度在云計算服務上的優(yōu)勢，扭轉(zhuǎn)國內(nèi)現(xiàn)有的云布局。
2012年深度學習席卷時，百度是國內(nèi)最早注意到這個風向的科技公司。當年，「深度學習之父」Geoffrey Hinton 開公司拍賣，有四家企業(yè)在競標中窮追猛打，其中一家、也是唯一的一家中國公司，就是百度（另外三家分別是谷歌、微軟與DeepMind）。
2013年，百度建立了中國第一個深度學習研究院（IDL）。作為國內(nèi)最早進入深度學習領域的互聯(lián)網(wǎng)大廠，百度在 AI 上十年投入 1000 億，2016年開源出首個國產(chǎn)深度學習框架PaddlePaddle（飛槳），是國內(nèi)至今唯一能與國際兩大主流框架 TensorFlow 和 PyTorch 正面交鋒的深度學習框架；大模型上，2021年發(fā)布百億參數(shù)中英雙語大模型 PLATO-X、千億參數(shù)大模型「百度·文心」，2022年又發(fā)布知識增強大模型 Ernie……
由于很早開始訓練深度學習模型，百度在計算資源的布局上也極早考慮到了 AI 的需求。
據(jù)了解，2012年，百度就在李彥宏的老家山西陽泉建了一個計算中心，2014年開始分批投入使用，2018年全部交付。百度陽泉計算中心擁有600多項自主研發(fā)技術(shù)專利，包含「冰山」冷存儲服務器和 X-MAN 超級 AI 計算平臺等自研計算系統(tǒng)，每秒可以完成 2000 萬億次深度神經(jīng)網(wǎng)絡計算。
建成后，百度在陽泉的計算中心一直是只跑百度自己的業(yè)務，比如搜索、網(wǎng)盤、自動駕駛、生物計算等，在各種 AI 場景下均有磨練。2022 年 12 月底，百度正式將陽泉計算中心升級為「智算中心」后，開始對外提供 AI 的智算需求服務。據(jù)了解，目前百度智算中心在現(xiàn)有千卡并行環(huán)境下可以實現(xiàn)加速比90%，做到單機群萬卡規(guī)模，有效支持大規(guī)模訓練場景。
百度陽泉智算中心
目前國內(nèi)多個智算中心里，阿里烏蘭察布智算中心的算力為 3 EFLOPS，商湯上海臨港計算中心的峰值算力為 3.74 EFLOPS，而百度陽泉智算中心的算力可達到 4 EFLOPS。
內(nèi)部消息，百度即將發(fā)布的「文心一言」一部分也是在陽泉智算中心計算。陽泉智算中心專門搭建了一個機房去支持「文心一言」的運行，目前正在封閉壓力測試中，即將上線。此前，陽泉已支持文心大模型、文心一格等 AI 產(chǎn)品的計算需求。
目前，陽泉智算中心也是亞洲最大的單體智算中心。在多項自研制冷技術(shù)的加持下，百度陽泉智算中心的 PUE 值降到了 1.08，排名全國第一。更低的能耗意味著更低的成本，價格的優(yōu)勢也最終體現(xiàn)在對外的云服務上。雷峰網(wǎng)
更值得一提的是，百度智能云在 2022 年推出了端到端的 AI 基礎設施——「AI 大底座」，可以提供 AI 模型開發(fā)的全棧服務。在百度的「AI 大底座」上，企業(yè)不用有很高的 AI 開發(fā)能力，也無需投入大量成本建設企業(yè)的 AI 基礎設施，只需把精力和成本放在自身業(yè)務場景的打磨上，AI開發(fā)的全流程都可以交給百度“AI大底座”來完成。
傳統(tǒng)來說，AI 算法的開發(fā)部署需要經(jīng)過四大環(huán)節(jié)：數(shù)據(jù)處理、算法訓練、芯片適配計算與應用開發(fā)，其中，訓練算法的框架與芯片是壁壘環(huán)節(jié)。百度的「AI 大底座」在芯片環(huán)節(jié)布置了自研的昆侖芯、框架環(huán)節(jié)布置了飛槳，模型層則有文心大模型等，頂層應用還開發(fā)出 AI 數(shù)字人、AI 質(zhì)檢等應用，打通了 AI 開發(fā)一整套流程，且每一環(huán)單獨拿出來都很扛打。
圖注：百度 AI 大底座架構(gòu)圖
ChatGPT 出來后，大家的關注點集中在算力的數(shù)量與成本上，這一點毋庸置疑。但長期來看，大模型與 ChatGPT 最終必然會沉淀到行業(yè)中去解決實際問題。這時候，「模型即（商品）服務」的概念下，將 AI 模型包裝成易用可得的商品的能力就成為決勝關鍵。
而「AI 大底座」猶如方塊拼湊，設計的靈活度就恰到好處。
如果小模型時代，AI 的智能是一年級學生的水平，那么大模型時代，AI 的智能則相當于高中生。不同的智能水平，必然驅(qū)動不同的應用需求，未來的 AI 應用場景與 AI 開發(fā)流程也將很可能發(fā)生巨變。也就是說，ChatGPT、乃至 AGI 的應用開發(fā)面臨極大的不確定性。
百度在芯片、框架、算法與應用方面，均有 AI 能力，能應對產(chǎn)業(yè)的更多需求：
?面向有一定 AI 開發(fā)團隊的大企業(yè)，百度可以提供「AI 大底座」中的其中一環(huán)或多環(huán)能力，如飛槳+昆侖，或飛槳+文心，或昆侖+文心；
?面對 AI 基礎設施較差的傳統(tǒng)行業(yè)，百度的「AI 大底座」可以提供全流程、端到端的 AI 開發(fā)服務。加上百度有 EasyDL 的全自動開發(fā)實踐，此前基于大底座，百度智能云已經(jīng)積累了 11 個行業(yè)大模型的訓練與計算經(jīng)驗，可以幫助客戶定制場景服務。雷峰網(wǎng)(公眾號：雷峰網(wǎng))
據(jù)了解，百度智能云的戰(zhàn)略是「云智一體，深入產(chǎn)業(yè)」，強調(diào)云與 AI 能力的結(jié)合，并深入產(chǎn)業(yè)的具體場景，用云與 AI 解決產(chǎn)業(yè)生產(chǎn)環(huán)節(jié)中的實際問題，幫助企業(yè)實現(xiàn)智能化轉(zhuǎn)型，而不是簡單提供存儲與計算能力。雷峰網(wǎng)
雷峰網(wǎng)觀察到，百度在 2021 年年底打磨出文心大模型后，就開始對產(chǎn)業(yè)輸出。百度的輸出模式是：首先服務行業(yè)大客戶，通過解決大客戶的棘手難題積累數(shù)據(jù)與經(jīng)驗，沉淀到「AI 大底座」的模型層中；然后，將已經(jīng)實踐過的行業(yè)大模型能力復制到行業(yè)內(nèi)的其他客戶場景中，實現(xiàn)模型的泛化。
這套模式在大模型時代尤其具有商業(yè)可行性。
舉個例子，百度與國家電網(wǎng)合作巡檢項目，通過無人機搜集山頭電線桿的圖像后返回數(shù)據(jù)中臺進行處理與算法優(yōu)化，新訓練的「電力大模型」算法識別準確率能提升 30%、效率提升 5 倍。在小模型時代，一個 AI 算法在東北三省也許適用，但遷移到南方就需要重新訓練；但在大模型時代，遷移到另一個地方時，只需要在當?shù)夭杉倭繑?shù)據(jù)進行低成本調(diào)優(yōu)，「電力大模型」就可以直接上崗。
大模型打磨地越多，復制成本越低，后面的客戶就越用越好。在智能時代，云的定義發(fā)生了改變：以前云是資源，按需索取；現(xiàn)在，云需要搭載 AI 技術(shù)變成生產(chǎn)力，解決企業(yè)招聘部分崗位難、降低企業(yè)用人成本等，轉(zhuǎn)化為可見的效率。
細數(shù)國內(nèi)云廠商的 AI 能力，隨著「云+AI」的模式逐漸占據(jù)主流，過往在 AI 研發(fā)上投入不足的云廠商正在智能計算的奔跑中退后。百度智能云起步晚、市場占有率低，但改變了戰(zhàn)斗方式，逐步體現(xiàn)出了 AI 時代的差異化競爭優(yōu)勢，將自己打造成智算時代最接近用戶需求的一朵云。
ChatGPT 的風波，在云的市場，分流出了一條新的路：云智一體，勢不可擋。在這次 AI 時代的搶跑中，百度確實迎來了新的機遇。
三、「賣鏟人」也是「淘金者」
據(jù)了解，百度大模型為其內(nèi)部產(chǎn)品的效果提升做出了肉眼可見的貢獻。
一個數(shù)據(jù)統(tǒng)計是，在百度文心大模型的加持下，百度搜索的問題分類準確率提升 4.5%，新聞去重召回率提升 8%，視頻推薦召回率提升 10%，小度的意圖理解準確率提升了3.1%。
百度既是「淘金者」，也是賣淘金工具的人。只有了解淘金的難點，才能賣好工具。
消息稱，百度發(fā)布文心一言后，將通過百度智能云對外提供服務，逐步將文心一言的能力落地到生產(chǎn)的實際場景中。未來，不管是 API 的調(diào)用，還是場景的定制，都是通過云去統(tǒng)一對外輸出。
從前，云廠商之間的競爭主要體現(xiàn)在比較誰能夠在最短的時間內(nèi)響應客戶需求。算力越精準，客戶的成本越低。但人工智能時代來臨后，AI 會衍生出許多生態(tài)的問題，光比彈性已經(jīng)意義不大。未來，客戶需要的也不再只是一張能訓練 AI 的GPU，而是一整套 AI 解決方案。
ChatGPT 打造了云的分水嶺，這一戰(zhàn)，百度能否勝出？
時間會告訴我們答案。
參考鏈接：
?https://arxiv.org/pdf/2206.07682.pdf
?https://openai.com/product/gpt-4
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
