三年了，「云智一体」终成共识

　　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。

　　—— 01 ——

　　巨头云与智的融合之路

　　" 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。

　　—— 02 ——

　　最早打通云智体系的百度，做对了什么？

　　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。

　　—— 03 ——

　　这一局，百度是 " 全能手 "

　　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。雷峰网雷峰网雷峰网