产业丨从云栖大会，透视中国AI变革
·聚焦:人工智能、芯片等行业
欢迎各位客官关注、转发
2023年，由GPT引领的生成式AI浪潮激发了公众的极大热情，并引发了相应的忧虑。
在这一背景下，云栖大会以[计算，为了无法计算的价值]为主题，强调了云计算在人工智能时代对于开发者创新和梦想实现的重要性。
大会内容围绕算力、人工智能+、产业创新三大核心议题展开，特别关注了大模型技术的进步，以及云计算与人工智能技术如何协同作用，促进各行各业的数字化与智能化融合。
进入2024年，云栖大会以[云启智跃，产业蝶变]为主题隆重登场，从这一主题中可以明显感受到，今年大会更加聚焦于人工智能技术在各行各业中的实际应用，以及在人工智能时代云计算技术的最新发展和产品创新。
如果说2023年是人工智能技术的风口期，那么2024年则标志着人工智能技术的商业化元年。
在这一年的时间里，人工智能与产业创新、应用实践紧密结合，推动了多个行业的变革与转型。
生成式AI有望创造更深层次的价值
在2024年云栖大会上，阿里巴巴集团首席执行官、阿里云董事长兼首席执行官吴泳铭就人工智能的未来发展发表了积极的见解。
吴泳铭指出，在过去的二十二个月中，人工智能的发展速度已经超越了历史上任何时期，尽管如此，我们仍然处于通用人工智能变革的初期阶段。
他回顾了过去三十年互联网的发展，认为其本质在于连接，它连接了人与人、信息、商业和服务等。
通过这种连接极大地提升了全球协作的效率，创造了巨大的价值，并深刻改变了人们的生活方式。
然而，生成式AI通过为生产力提供智能，有望为世界创造更深层次的价值。
吴泳铭强调，传统人工智能主要集中在模拟人类的感知能力，而生成式AI则将机器智能提升至思考、推理和创造的新维度。
他预测，生成式AI将在医疗健康、制造业和教育等多个领域发挥重要作用。
例如，研究表明，到2030年，生成式AI有可能为全球制造业节省高达1.2万亿美元的成本，并显著提高生产效率。
在医疗领域，预计到2026年，AI辅助诊断的市场规模将达到50亿美元，对全球健康产业产生深远的影响。
AI驱动的数字世界与具备AI能力的物理世界相连接，将极大地提升全球生产力，并对物理世界的运行效率产生革命性的影响。
这一切变革的快慢，将取决于人工智能基础设施的进化速度。我们目前仍处于人工智能基础设施建设的关键时期，历史上每一次技术应用的爆发，都是以基础设施的完善为前提的。
AI计算需求已经成为市场的主导力量
云计算以其集中的计算能力、灵活的部署方式、按需计费模式以及相对低廉的成本等优势，在应对算力短缺和高昂成本的挑战时，几乎成为了不可替代的解决方案。
尽管它不能解决所有问题，但在当前环境下，它的重要性不言而喻。
无论是模型训练还是推理过程，大型模型的运行都高度依赖于云服务。
在云栖大会上，吴泳铭指出，在新增计算能力的市场中，超过一半的新需求是由AI所驱动的，AI计算需求已经成为市场的主导力量，并且这一趋势预计将会持续扩大。
在过去的一年里，尽管阿里云已经投入大量资源新建了AI计算能力，但依然难以满足客户日益增长的需求。
传统的CPU为核心的计算体系正在快速向以GPU为核心的计算体系转变，AI计算正在迅速渗透到各行各业。
目前，行业中最先进的模型训练所需的计算量每年都在以4到5倍的速度增长。
中国的AI计算能力规模预计在2022年至2027年间的复合年增长率将达到33.9%；
模型参数数量以10倍的速度增长，而模型数据集则以50倍的速度增长，这些都对存储能力提出了更高的要求。
大模型对前端交互和后端生产进行革新
以深势科技为例，该公司是[AI for Science]科学研究范式的先行者，运用人工智能和多尺度模拟仿真算法，结合先进的计算手段，解决关键科学问题。
为基础领域如生物医药、能源、材料科学以及信息科学与工程研究，打造了新一代微尺度工业设计和仿真平台。
基于深势科技推出的Uni-Mol分子构象大模型，实现了分子生成、性质预测等多种通用功能。
在药物发现领域，基于Uni-Mol开发的虚拟动力学分子生成方法VD-Gen，能够直接在蛋白靶点空腔中生成具有高结合亲和力的分子。
借助阿里云的高性能计算，深势科技将单次预测支持的最大氨基酸序列长度提升至6.6k，覆盖了99.992%已知的蛋白序列。
拓斯达工业机器人公司将传统的工业机器人控制软件与通义大模型相结合，赋予了工业机器人在指令控制、传感反馈、知识学习等方面的新能力。
在3C、锂电、光伏等行业的自动化生产场景中，集成了大模型能力的拓斯达六轴工业机器人，能够与现场工程师通过语言交互，无需编写代码即可完成码垛、喷涂、装配等复杂任务。
云端AI驱动实现互联并产生协同效应
在物理世界中，绝大多数事物将被赋予AI能力，从而催生新一代产品，并与云端AI驱动的数字世界实现互联，产生协同效应。
小鹏汽车的董事长兼首席执行官何小鹏在云栖大会上指出，尽管自1925年起自动驾驶技术便开始研发，但近一个世纪以来，该技术仅限于特定场景下的应用。
他强调，人类无法仅凭规则应对世界上所有复杂场景，即便是驾驶这一专业领域。
通过[端到端]的大规模模型技术训练，人工智能模型能够直接学习海量的人类驾驶视觉数据，赋予汽车超越大多数驾驶员的驾驶技能。
何小鹏展望道：[对于普通用户而言，从现在起至未来36个月内，我们每个人在每个城市都将能够像经验丰富的老司机一样驾驶。]
何小鹏还援引了全球自动驾驶市场的数据预测：到2030年，全球自动驾驶市场规模预计将增长至1730亿美元。
这表明，计算能力的提升和人工智能技术的持续发展将成为推动这一市场增长的核心动力。
此外，何小鹏强调，随着端到端大规模模型技术的不断进步，自动驾驶技术的商业化进程将得到进一步加速。
小鹏汽车计划在未来五年内实现完全自动驾驶汽车的量产。
阿里云不想错过AI基础设施的机遇
作为国内领先的云计算服务提供商，阿里云观察到众多新兴需求正由GPU计算能力所推动，同时大量现有应用亦在经历基于GPU的重构。
在汽车、生物医药、工业仿真、气象预测、教育、企业软件、移动应用、游戏等多个领域，人工智能计算正迅速渗透。
一个明确的趋势已经显现：各行各业均需性能更卓越、规模更宏大、更贴合人工智能需求的基础设施支持，这正是阿里云接下来的发展方向。
在云栖大会上，阿里云首席技术官周靖人指出，阿里云正致力于构建AI时代的新一代基础设施标准；
全面优化从服务器到计算、存储、网络、数据处理、模型训练及推理平台的技术架构体系。
因此，阿里云正以人工智能为核心，全面改造底层硬件架构，并与人工智能应用场景进行有机整合与融合，以加速模型开发和应用进程，致力于打造AI时代最为先进的基础设施。
除了硬件层面的革新，通义大模型也迎来了显著的升级。
阿里云首席技术官周靖人发布了通义千问新一代开源模型Qwen2.5，旗舰模型Qwen2.5-72B在性能上超越了Llama 405B，重新占据了全球开源大模型的领先地位。
Qwen2.5系列并非单一模型，而是包括了多种尺寸的大语言模型、多模态模型、数学模型和代码模型；
每个尺寸均提供基础版、指令跟随版、量化版，共计上架超过100个模型，这一全面而丰富的模型体系，满足了不同开发者在不同场景下的多样化需求。
值得注意的是，自2023年8月正式开源以来，通义大模型持续进步，逐步超越了美国最强的开源模型Llama，并多次荣登Hugging Face全球大模型排行榜的榜首。
结尾：将进入寻找适合大模型应用的场景阶段
在过去的两年中，OpenAI凭借从ChatGPT到o1模型的发展，引领了全球生成式AI产业迈入新的发展阶段。
然而，与所有信息技术领域的发展轨迹相似，当前的生成式AI也遵循了典型的Gartner曲线。
经历了初始的热潮之后，业界逐渐对生成式AI产生了失望和质疑情绪。
在众多被批评的问题中，最为突出的是人们担忧生成式AI是否会重蹈上一代判断式人工智能的覆辙，难以实现商业落地并创造显著的商业价值。
实际上，生成式AI在商业化方面受到质疑，除了早期模型训练和推理成本高昂之外，还有一个关键因素是缺乏具体的应用场景。
业界普遍认为，现阶段toB是生成式AI快速实现商业化的最佳途径，这也意味着需要在企业环境中实现应用落地。
在最近举办的外滩大会上，钉钉总裁叶军在论坛上发表讲话，指出接下来的18个月将是应用驱动人工智能创新的新阶段，即寻找适合大模型应用的场景阶段。
显然，这种转变表明企业对于大模型实际应用的核心需求和评价标准已经基本明确。
部分资料参考：AI科技明星：《云栖大会重磅发布，AI与云计算的下一次革命如何颠覆产业？》，唐晨说数：《云栖大会，全面体现阿里 All in AI》，36氪：《从云栖大会，透视中国AI水面下的暗涌》，甲子光年：《生成式AI落地的无数种可能，都在云栖大会看到了》，科技头版：《2024云栖大会，构建AI整体布局》，科技触角：《2024云栖大会大佬云集 以往与今年有何不同？》，差评X.PIN：《在今年的云栖大会上，又有哪些新趋势？》
本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。
推荐阅读：
