文｜劉俊宏

在這個人工智能迅速發(fā)展的時代，我們正見證著一場關(guān)于技術(shù)、未來和創(chuàng)新的深刻討論。

在「2024 AI科技峰會」上，商湯科技的聯(lián)合創(chuàng)始人兼大裝置事業(yè)群總裁楊帆提出了對AI產(chǎn)業(yè)未來發(fā)展的深刻洞察。不僅僅是關(guān)于技術(shù)的展示，更是關(guān)于如何通過構(gòu)建強大的人工智能基礎(chǔ)設(shè)施來推動中國經(jīng)濟(jì)的發(fā)展引擎，以及如何應(yīng)對新一代人工智能技術(shù)帶來的挑戰(zhàn)。

現(xiàn)場，演講嘉賓解析商湯科技如何通過AI基礎(chǔ)設(shè)施建設(shè)來促進(jìn)產(chǎn)業(yè)的自我造血和健康發(fā)展。從信息化和智能化對中國經(jīng)濟(jì)發(fā)展的推動作用，到AI產(chǎn)業(yè)的發(fā)展趨勢，再到AI技術(shù)的商業(yè)化挑戰(zhàn)，楊帆的洞見為我們提供了一個全新的視角，以理解AI如何在各行各業(yè)中重塑現(xiàn)有業(yè)務(wù)模型和工作方式。

核心觀點如下：

1、在未來20年，信息化和智能化的升級將成為中國經(jīng)濟(jì)發(fā)展的引擎。

2、AI產(chǎn)業(yè)想要在未來自我造血和健康發(fā)展，需要從圍繞應(yīng)用場景和降低AI利用成本兩個方面著手。

3、AI產(chǎn)業(yè)必將分化成有人來提供低成本、低門檻、高效率的AI基礎(chǔ)能力，AI三要素都會被基礎(chǔ)設(shè)施化。

4、商湯希望通過建設(shè)人工智能基礎(chǔ)設(shè)施，降低人工智能的使用門檻，促進(jìn)人工智能在各行業(yè)的廣泛應(yīng)用，從而推動中國人工智能產(chǎn)業(yè)的繁榮發(fā)展，并將人工智能基礎(chǔ)設(shè)施視為新的戰(zhàn)略方向，以大裝置為主要載體，致力于推動這一戰(zhàn)略目標(biāo)的實現(xiàn)。

以下為嘉賓演講實錄：

尊敬的各位領(lǐng)導(dǎo)、各位來賓，很高興跟大家聊一聊商湯最近兩年在大模型領(lǐng)域做的探索和嘗試。

伴隨著新一代生成式AI的成熟，我們正在從硬件到軟件再到應(yīng)用生態(tài)，全方位地重構(gòu)整個信息化系統(tǒng)。過去50年信息化系統(tǒng)以流程的驅(qū)動為核心，未來伴隨AI能力持續(xù)增強，新一代信息系統(tǒng)將以數(shù)據(jù)為核心。類比編程，就像是過去面向過程編程到今天面向?qū)ο缶幊痰淖兓?，這種變化會對整個信息化行業(yè)帶來顛覆性的改變。如今，信息化已經(jīng)成為通用服務(wù)業(yè)滲透到各行各業(yè)，相信在未來20年，信息化和智能化的升級也將成為中國經(jīng)濟(jì)發(fā)展的引擎。當(dāng)下正在發(fā)生的信息系統(tǒng)根本性的變革，會帶來無數(shù)新的機會，值得用AI把千行百業(yè)都重新做一遍。

過去幾年間，AI正在越來越快地達(dá)到人類基準(zhǔn)線。同時，觀察美國的數(shù)據(jù)，2023年上半年人工智能生態(tài)呈現(xiàn)爆發(fā)趨勢。通過GitHub的數(shù)據(jù)庫和Hugging Face上模型數(shù)量，都能再度確認(rèn)這一趨勢。對于中國來說，考慮到模型成熟度和自身產(chǎn)業(yè)的特點，整體節(jié)奏上或許會比美國有所滯后，但相信在今明兩年也將能迎來AI生態(tài)的爆發(fā)。

AI生態(tài)的爆發(fā)，背后對應(yīng)著AI對基礎(chǔ)設(shè)施強勁的需求。根據(jù)世界主流分析機構(gòu)的一致性判斷，未來10年新興產(chǎn)業(yè)復(fù)合年增長率將超過40%，生成式AI產(chǎn)品的需求將帶來巨大產(chǎn)品收入的增長空間。

為什么要構(gòu)建AI基礎(chǔ)設(shè)施？我從2014年作為聯(lián)合創(chuàng)始人加入商湯，到2018、2019年一直在思考這個問題——AI到底應(yīng)該如何盈利？我們也相信大部分的AI公司當(dāng)下也都在面臨著同樣的問題。

從根本的角度來發(fā)問，是因為AI不能幫我們解決問題嗎？并不是，我們看到了AI在手機、安防、自動駕駛、工業(yè)制造等場景下的應(yīng)用，已經(jīng)深刻地改變了我們生活中的方方面面。

我認(rèn)為，這個問題的答案是AI研發(fā)投入實在太大了。包括硬件資源、人才儲備以及技術(shù)不斷迭代的環(huán)節(jié)中，都需要大量的投入。除非能找到一個足夠大的市場，并且只做相同的一件事，否則很難將這些投入掙回來。但現(xiàn)在我們看到，過去十年間，AI的研發(fā)投入本身在呈指數(shù)級上漲，這讓AI商業(yè)化回報的難度越來越高。另一方面，當(dāng)AI技術(shù)落地到應(yīng)用場景時，單純地解決行業(yè)問題還不足以收獲完備的產(chǎn)品定義、恰當(dāng)?shù)男袠I(yè)生態(tài)位和足夠的利潤回報。這中間的差距，在于對行業(yè)的理解、行業(yè)資源的把握以及在行業(yè)內(nèi)的生態(tài)位。而這些能力，以技術(shù)為根基的公司并不能在短時間內(nèi)獲得。

如果AI產(chǎn)業(yè)想要在未來自我造血和健康發(fā)展，我認(rèn)為應(yīng)當(dāng)從兩個方面著手。

一方面是對于應(yīng)用側(cè)圍繞應(yīng)用場景的公司，雖然AI是其產(chǎn)品的關(guān)鍵競爭力，但并不適合以AI作為其原生標(biāo)簽。因為AI只是一種技術(shù)，關(guān)鍵是如何利用技術(shù)對行業(yè)、客戶、場景中創(chuàng)造價值。只有在行業(yè)中有好的產(chǎn)品定義和生態(tài)卡位的時候，才能更掙錢。

另一方面，這些公司應(yīng)當(dāng)不斷降低AI在學(xué)習(xí)、使用、落地的成本和門檻。否則以今天AI研發(fā)技術(shù)對資源的無限需求下，利用AI將成為恐怖的增量成本。

對此，從2019年我們開始有了模糊的結(jié)論，在今天已經(jīng)清晰了起來——AI產(chǎn)業(yè)必將分化。

分化成有人來提供低成本、低門檻、高效率的AI基礎(chǔ)能力，包括算力、算法和數(shù)據(jù)的基礎(chǔ)能力，AI三要素都會被基礎(chǔ)設(shè)施化。讓更多的人在這基礎(chǔ)上以低門檻、高效率去使用這些基礎(chǔ)能力，在不同的行業(yè)和場景中創(chuàng)造價值，完成商業(yè)的閉環(huán)。這是我們認(rèn)為未來5-10年，AI能夠更加健康、百花齊放地賦能千行百業(yè)生態(tài)的方式。同樣，我們也認(rèn)為大模型基礎(chǔ)設(shè)施是行業(yè)勢必會分化出的趨勢。

其實，回顧過去十年AI技術(shù)的發(fā)展歷程，一個模型能夠容納更多的數(shù)據(jù)就能提供更好的智能，但如何讓模型容納更多的數(shù)據(jù)？這就需要模型具備更多的參數(shù)，在模型更好的結(jié)構(gòu)下，通過更多的參數(shù)來“消化”掉這些數(shù)據(jù)。同時，消納更多的數(shù)據(jù)也意味著需要更大的算力來支撐整個訓(xùn)練過程。這些環(huán)節(jié)是AI技術(shù)在過去發(fā)展的第一驅(qū)動力，但至今我們還看不到終點。

所以，AI未來必將實現(xiàn)基礎(chǔ)設(shè)施化，而且基礎(chǔ)設(shè)施化將體現(xiàn)在三要素的每個方面。

我們今天已經(jīng)看到的算力基礎(chǔ)設(shè)施化，典型的有AIDC、AI云。算法的基礎(chǔ)設(shè)施化有MaaS、模型API，在過去的一年間正在被更多的人所認(rèn)知并接受。數(shù)據(jù)的基礎(chǔ)設(shè)施化，當(dāng)前行業(yè)內(nèi)雖然還沒有達(dá)成共識，但我相信隨著越來越多人關(guān)注，很快也將形成明確統(tǒng)一的認(rèn)識。

對于中國來說，當(dāng)下我們在三要素的發(fā)展上面臨著諸多挑戰(zhàn)。

算力部分，我們在今天仍面臨著芯片層面的技術(shù)挑戰(zhàn)。面對這些問題，我們在2021年攜手頭部AI平臺廠商和AI云側(cè)的芯片公司，成立了人工智能算力產(chǎn)業(yè)生態(tài)聯(lián)盟（ICPA），共同推動AI芯片加快完成市場化和商業(yè)化，讓國產(chǎn)AI芯片能夠快速形成具有市場競爭力的生態(tài)。破解2023年以來，全行業(yè)都在給英偉達(dá)“打工”的局面。而這個目標(biāo)，現(xiàn)在看來并不遙遠(yuǎn)。今天有越來越多的國產(chǎn)AI芯片應(yīng)用于推理，也有少量的芯片應(yīng)用于訓(xùn)練。這些芯片正在快速接近實際商用的界限，性價比正在逼近英偉達(dá)在國內(nèi)所能提供的產(chǎn)品和方案。

伴隨著算法需求，我們也需要更大規(guī)模的算力集群的高速互聯(lián)。以我們在臨港的智算中心為例，已經(jīng)達(dá)到6800P的體量，單集群能連到4000卡。雖然與美國最先進(jìn)水平還有差距，但我們愿意為此持續(xù)努力并為之奮斗。

算力規(guī)模化布局上，預(yù)計到今年一季度結(jié)束，商湯會建成一張由10個點位構(gòu)成的算力網(wǎng)。在未來結(jié)合超大規(guī)模訓(xùn)練和各區(qū)域推理的落地，加速AI大模型落地進(jìn)程。

算法部分，在基模型能力上，我們的日日新·自然語言大模型在主客觀的指標(biāo)，基本上已經(jīng)能夠?qū)?biāo)GhatGPT3.5，并且還在持續(xù)迭代。相信在與國內(nèi)各個合作伙伴和友商的共同推動下，中國自有關(guān)鍵性基模型的能力將持續(xù)改進(jìn)。

在垂直應(yīng)用上，商湯也做了比較多的探索和嘗試。我們做了擬人交互、代碼助手和金融領(lǐng)域等工具，實現(xiàn)了AI在場景的快速落地。

此外，在模型的價值觀上，我認(rèn)為中國基模型未來發(fā)展最為關(guān)鍵的要素是與中國倡導(dǎo)的價值觀對齊。當(dāng)基模型數(shù)據(jù)量和數(shù)據(jù)規(guī)模暫時無法拉開質(zhì)的差距前，基模型的模型能力難以拉開差距。這時候需要實現(xiàn)基模型與人的價值觀對齊，這同樣也需要大量訓(xùn)練策略在背后形成支撐和保障。

最后是數(shù)據(jù)積累層面，當(dāng)前中文全場景高質(zhì)量數(shù)據(jù)仍然處于匱乏狀態(tài)。我們需要更多、更高效數(shù)據(jù)以幫助推動整個模型能力的持續(xù)進(jìn)步。

最后，我們相信在這個體系之下，未來AI基礎(chǔ)設(shè)施可能是以智算中心、AI云或其他的形態(tài)。在今天，我們已經(jīng)能看到市場上不同業(yè)內(nèi)同仁正在用不同方式去做探索。未來，低門檻、低成本、高效率的AI基礎(chǔ)設(shè)施將幫助整個AI產(chǎn)業(yè)進(jìn)入一個更加良性、自我造血的繁榮生態(tài)。商湯大裝置希望能夠在人工智能基礎(chǔ)設(shè)施的產(chǎn)業(yè)發(fā)展中貢獻(xiàn)一份力量。