看懂百度智能云，也就摸清了產(chǎn)業(yè)AI化路徑

自1956 年達(dá)特茅斯會議始，起起落落是人工智能產(chǎn)業(yè)發(fā)展的常態(tài)，在每一個小周期里，又會涌現(xiàn)出高低不等的潮頭，如何踏上一個又一個潮頭，而不是被動的隨潮漲潮落，是擺在行業(yè)面前的共同難題。

人工智能站在時代風(fēng)口，其生命力卻扎根在產(chǎn)業(yè)深處。

2022年，人工智能產(chǎn)業(yè)渡過了相對平緩的一年，雖然不乏大模型、AI繪畫等頻頻刷屏，但AI產(chǎn)業(yè)更值得關(guān)注的部分，是那些已經(jīng)司空見慣的應(yīng)用。

諸如人臉人體識別、圖像視頻處理、智能語音、對話式AI、NLP和機器學(xué)習(xí)等，我們已經(jīng)習(xí)慣了它們的存在，轉(zhuǎn)念一想，它們似乎就是不久前的“ChatGPT”，在炫目的表象背后，落地到產(chǎn)業(yè)實踐，創(chuàng)造出了更大的價值。

人工智能正在用比以往更快的速度落地，這與先行者倡導(dǎo)的新思路、新方法不無關(guān)系，從0到1是靈光乍現(xiàn)的點子，從1到100是想法落地的工程化實踐，以百度為代表的行業(yè)廠商，采用了人工智能和云計算等新技術(shù)相結(jié)合的方式，大幅降低了AI應(yīng)用的門檻。

而這，也成為人工智能在產(chǎn)業(yè)突圍的新路徑。

用云承載AI，補全技術(shù)代差

中國科學(xué)院院士張鈸近期公開表示，與信息產(chǎn)業(yè)相比，人工智能產(chǎn)業(yè)的發(fā)展速度和發(fā)展過程更加曲折。

信息產(chǎn)業(yè)是在信息科學(xué)技術(shù)的理論完全建立完成的基礎(chǔ)上發(fā)展，在產(chǎn)業(yè)發(fā)展之前，基礎(chǔ)理論就已經(jīng)非常完善，只需沿著理論指引的方向發(fā)展產(chǎn)業(yè)。

因此，信息產(chǎn)業(yè)建立的硬件和軟件都是通用的，跟應(yīng)用領(lǐng)域和應(yīng)用場景沒有關(guān)系，所以它的市場很大，不存在如何做大做強的問題。

他認(rèn)為，人工智能產(chǎn)業(yè)的曲折發(fā)展主要有兩個原因，一是目前人工智能的軟硬件與應(yīng)用場景和應(yīng)用領(lǐng)域密切相關(guān)，二是人工智能缺乏理論基礎(chǔ)，算法、模型都具有很大的缺陷和局限性。

比如，人工智能的“智能芯片”與計算機的芯片完全不同，是為特定的算法和特定的領(lǐng)域服務(wù)，所以它不具備計算機硬件的通用性，因此會遇到如何擴大市場的問題。

在這種情況下，人工智能面對的是一個異常碎片化的體系，在單個場景起作用的算法模型，平行遷移到其他場景，外部條件稍有變化，效果就可能大打折扣，人工智能需要一套行之有效的打法。

百度集團執(zhí)行副總裁、百度智能云事業(yè)群總裁沈抖認(rèn)為，智能化為行業(yè)創(chuàng)造價值的浪潮才剛剛開始，這就需要云計算廠商標(biāo)準(zhǔn)化地輸出智能化的底層能力，把芯片、大模型、深度學(xué)習(xí)框架等高門檻的技術(shù)，變成像水電能一樣供客戶按需取用。

百度集團執(zhí)行副總裁、百度智能云事業(yè)群總裁沈抖

這不禁讓人想起技術(shù)代差遞補性(Technical Generation Complementary)的理論——當(dāng)一項具有代差的全新技術(shù)出現(xiàn)時，由于它自身的不完備性，往往需要現(xiàn)有技術(shù)作為其補充，與之形成在技術(shù)上的“高低搭配”，因此新技術(shù)并不能夠完全取代現(xiàn)有技術(shù)而主宰整個市場。

譬如固定電話的出現(xiàn)并沒有立刻導(dǎo)致電報的出局，但移動電話的出現(xiàn)卻直接將電報三振出局。

某種意義上，人工智能作為一項全新技術(shù)，在理論和實踐上都有其本身的不完備性，云計算是信息產(chǎn)業(yè)的延伸，人工智能和云計算的高低搭配，也有望取代企業(yè)的舊動能，化作數(shù)字經(jīng)濟時代的新生產(chǎn)力。

從行業(yè)動態(tài)來看，包括百度智能云在內(nèi)，亞馬遜、谷歌和微軟等廠商都在其云服務(wù)中融入了先進(jìn)的人工智能技術(shù)，商湯等AI廠商也開始推出云平臺，為了向客戶提供更高效、更具性價比的云和人工智能服務(wù)，通過云來輸出人工智能，成為越來越多廠商的共同做法。

蟬聯(lián)AI公有云服務(wù)第一，百度靠什么

AI云服務(wù)是臻至成熟的技術(shù)和市場熱點，百度智能云是更早布局的廠商，前瞻性的投入和預(yù)判，使其擁有了相對從容的騰挪空間。

在IDC最新發(fā)布的《2022 H1中國AI云服務(wù)市場研究報告》中，百度智能云連續(xù)四年在AI公有云服務(wù)整體市場排名第一，整體市場份額占比28.1%。

從AI公有云細(xì)分市場來看，百度智能云在"人體人臉"、"圖像視頻"兩個規(guī)模最大的子市場繼續(xù)保持第一。

此外，從增速來看，對話式AI、NLP是AI公有云市場增長最快的兩大子領(lǐng)域，這也是現(xiàn)在大火的AIGC的底層技術(shù)能力。百度智能云在這兩個領(lǐng)域表現(xiàn)出強勁的增長態(tài)勢，繼續(xù)處于領(lǐng)導(dǎo)者地位。

報告指出，從年度增速的角度來看，基于云計算的AI能力逐漸得到驗證，企業(yè)上云率和云原生企業(yè)占比逐漸提高，混合云技術(shù)日益成熟和普及，這些因素驅(qū)動AI公有云部署方式快速增長，增速遠(yuǎn)超AI軟件整體市場增速。

這也說明AI云服務(wù)模式通過了技術(shù)和產(chǎn)業(yè)的雙重考驗，在推動人工智能落地的過程中，扮演了重要的角色。

百度在AI公有云服務(wù)市場蟬聯(lián)四年第一，技術(shù)高壓投入是主要原因，百度在人工智能領(lǐng)域10年累計研發(fā)投入超1000億元，2021年核心研發(fā)占比23%，依托十年來的壓強式、馬拉松式研發(fā)投入，百度自研領(lǐng)先AI技術(shù)成果頗豐。

不過，“燒錢”是人工智能的特性，動輒幾百億是AI廠商的入場券，此前人工智能沒能兌現(xiàn)預(yù)期，并不只是因為技術(shù)不足，不夠接地氣也是重要原因，高高在上的人工智能，總是無法規(guī)模落地到樸素的應(yīng)用場景。

無法落地就沒有市場空間，百度在實現(xiàn)技術(shù)領(lǐng)先的基礎(chǔ)上，也將落地為先貫徹到其市場策略中，并不斷將行業(yè)需求凝練為簡單易用的AI產(chǎn)品。

IDC中國高級分析師楊雯表示，未來如何將“單點方案”推向“通用方案”，快速精準(zhǔn)的解決客戶痛點，是市場需要持續(xù)探索的方向。

AI從產(chǎn)品化走向工程化，需要充分考慮如何將AI數(shù)據(jù)、算法、模型與實際場景相結(jié)合，從而更高效運用數(shù)據(jù)、推動AI規(guī)模化應(yīng)用。

這就意味著云廠商要不斷將行業(yè)需求沉淀到標(biāo)準(zhǔn)化AI產(chǎn)品中，打造成標(biāo)準(zhǔn)化產(chǎn)品，然后再應(yīng)用到更多行業(yè)。

百度智能云目前正致力于降低技術(shù)門檻-大模型與深度學(xué)習(xí)平臺融合，推動AI普惠，賦能千行百業(yè)、走進(jìn)千家萬戶，并深耕跨模態(tài)AI，打造軟硬一體的融合創(chuàng)新，重點投入預(yù)訓(xùn)練大模型，重點行業(yè)為金融、工業(yè)制造、能源、政府。

比如，在金融領(lǐng)域，百度智能云幫助中國郵儲銀行構(gòu)建了國內(nèi)大型商業(yè)銀行中首個落地的全行范圍統(tǒng)一機器學(xué)習(xí)平臺“郵儲大腦”，建成全行機器學(xué)習(xí)平臺 。

上線應(yīng)用后，對信用卡億級別樣本的數(shù)據(jù)清洗和數(shù)據(jù)分析時間從月級別、周級別壓縮至小時級別，大大提升了最繁重的數(shù)據(jù)處理工作效率。

在智能風(fēng)控領(lǐng)域，已支持了300多個信用評級、用戶風(fēng)險畫像等相關(guān)模型的構(gòu)建，實現(xiàn)了以天為周期的模型迭代，并通過自動化將審批時間縮短到秒級。

正如沈抖所言，過去幾年，百度智能云就是從水電能、制造、交通、金融，這些重點行業(yè)切入，聚焦在生產(chǎn)經(jīng)營的核心場景，把AI技術(shù)與云技術(shù)深度融合，去解決產(chǎn)業(yè)里的實際問題，幫助客戶在非常有挑戰(zhàn)的環(huán)境中，實現(xiàn)可持續(xù)的增長。

AI大底座的“縱橫捭闔”

IEEE(電氣電子工程師學(xué)會)在其《IEEE全球調(diào)研：科技在2023年及未來的影響》報告中指出，人工智能和機器學(xué)習(xí)將成為云服務(wù)的一部分，因為很少有企業(yè)有資源來構(gòu)建自己的人工智能基礎(chǔ)設(shè)施——收集數(shù)據(jù)和訓(xùn)練算法需要大量計算能力和存儲空間。

AI云服務(wù)的結(jié)合程度比我們所看到的要更廣、更深，很多廠商都看到了這個機會，百度將其具化為“云智一體，深入產(chǎn)業(yè)”戰(zhàn)略。

第一層是深耕行業(yè)、聚焦場景，第二層是AI通用產(chǎn)品，第三層是百度最具差異化優(yōu)勢的部分，是由AI IaaS和AI PaaS緊密組合而成，即百度智能云新近推出的AI大底座，第四層是通用的Cloud。

“云智一體，深入產(chǎn)業(yè)”也回答了人工智能的產(chǎn)業(yè)突圍難題。云和人工智能的互相趨近，提供了一個絕佳的機會窗口。

然而在實際應(yīng)用中，AI與云服務(wù)的結(jié)合并非順理成章，相反地，AI原生對云計算的基礎(chǔ)設(shè)施提出了新要求：

全棧融合（需要提供芯片、框架、模型、應(yīng)用在內(nèi)的全棧方案）、端到端優(yōu)化、提供極致的資源效能和模型效能，成為未來智能計算發(fā)展的三大主流方向。

企業(yè)在用云時，需要把大量時間精力花在構(gòu)建基礎(chǔ)設(shè)施上，且這樣的基礎(chǔ)設(shè)施大多是拼湊組合的，沒有發(fā)揮出最佳的性能和效率，同時，基礎(chǔ)設(shè)施中的核心部分。

比如芯片、深度學(xué)習(xí)框架、大模型，需要大規(guī)模投入才能做好，一般企業(yè)無力支付巨額的研發(fā)成本。

百度智能云通過AI大底座來解決如上問題。

2022年9月，百度智能云發(fā)布“云智一體3.0”技術(shù)架構(gòu)，匯聚百度在AI各個層面的關(guān)鍵自研技術(shù)。

12月，百度智能云更進(jìn)一步，發(fā)布國內(nèi)首個全棧自研的AI基礎(chǔ)設(shè)施“AI大底座”，讓企業(yè)可以快捷、低成本地實現(xiàn)“AI能力的隨用隨取”。

AI大底座是百度智能云核心能力的體現(xiàn)，橫向拓寬了人工智能的應(yīng)用場景，縱向深入到細(xì)分場景的核心地帶，讓百度智能云在數(shù)字技術(shù)和實體經(jīng)濟融合過程中，發(fā)揮出更強的AI溢出效應(yīng)。

作為國內(nèi)首個全棧自研的AI基礎(chǔ)設(shè)施，AI大底座面向企業(yè)AI開發(fā)和應(yīng)用提供端到端自主可控、自我進(jìn)化的解決方案，讓企業(yè)可以快捷、低成本地實現(xiàn)“AI能力的隨用隨取”。

具體來看，百度AI大底座由AI IaaS層、AI PaaS層兩大部分組成：

AI IaaS層（百舸異構(gòu)計算平臺）：整合百度自研的AI芯片“昆侖芯”，在AI計算、存儲、加速、容器方面進(jìn)行系統(tǒng)優(yōu)化，提供高性價比的算力，承載海量數(shù)據(jù)的處理、超大模型的訓(xùn)練和推理。

AI PaaS層（AI中臺）：整合百度兩大核心自研產(chǎn)品（飛槳深度學(xué)習(xí)框架、百度文心大模型），打通百度的樣本中心、模型中心、AI開發(fā)平臺、AI服務(wù)運行平臺，實現(xiàn)從數(shù)據(jù)存儲到模型訓(xùn)練、生產(chǎn)、部署、測試的全鏈路、批量化生產(chǎn)，面向企業(yè)模型開發(fā)的全生命周期提供完整解決方案。

借由AI大底座，百度智能云把具體場景升級為一套通用算法模型，降低AI工程化門檻，在自動駕駛、生命科學(xué)、智能制造等領(lǐng)域迅速落地。

人工智能未來仍會經(jīng)歷潮起與潮落，百度沉淀下來的思考，或許是技術(shù)之外更值得推崇的財富。