地方新闻-"日本大但人文艺术"-独家对话阿里云刘伟光：什么是真正的AI云

独家对话阿里云刘伟光：什么是真正的AI云_Z日本大但人文艺术AKER新闻

重庆：92号汽油8.14元/升

过去一年，云计算行业 " 内卷式 " 竞争的趋势渐消，但如何在生成式 AI 浪潮中蹚出一条云计算新路，没有什么标准答案能参考，无论是海外的还是国内的云服务商，都在一边实践一边验证。阿里云也不例外。阿里云智能集团资深副总裁、公共云事业部总裁刘伟光表示：" 如果我不自己在一线去感受客户的需求，我没有办法或者没有信心去设计出面向未来几年的战略方向。"他的解决方法很简单，也很有效。过去一年，他的日程表记录下了至少 162 家客户的走访日程——这还不是全部。来自一线的 AI 应用需求千差万别，最终如何沉淀为公共云平台的能力，这是刘伟光和阿里云公共云团队面临的挑战。在革命性技术发展的早期，需求是广泛发散再到不断收敛的过程，现阶段的 AI 需求已经能够凝练出一些共性。基础大模型的先行者还在持续地训练大模型，垂直化应用公司开始深度使用大模型，一些传统公司探索用大模型进行业务的创新和提效。一个更值得关注的趋势是，越来越多企业不仅是使用简单调用大模型，而是在原有应用中大量嵌入 AI Agent，甚至在原有应用之外开发 AI 原生应用。这些企业的需求集体推动了 AI 云的进化。如果说自 2006 年，云计算开创了一个时代，让更多中小企业上云、节省成本和降低门槛，初步成为企业的数字化生产力工具。那么，AI 和云的结合，将云计算产业送入一个至关重要的节点，未来所有基础设施的能力都会被 AI 所冲击。被冲击的过程就是云计算能力的完全迭代升级甚至重构的过程，AI 云时代已经到来。如同传统 IT 时代的 IOE（IBM 的小型机、Oracle 数据库、EMC 存储设备），作为上一个计算纪元的代表产物，它们缔造了通用算力的基础设施底座；AI 云则是典型的智能算力的基础设施底座，大语言模型从诞生的第一天起，就生长在云上、成长在云上。这一阶段的云服务的重要标志是——不论主动还是被动，企业拥抱云不是单纯的 IaaS（Infrastructure as a Service，基础设施即服务）资源需求，而是 IaaS、PaaS（Platform as a Service, 平台即服务）、大语言模型、AI 应用等全栈能力，这个垂直技术栈的最佳承载毫无疑问便是云计算。而对于云计算的最终使用者——企业而言，如何基于大模型形成智能时代的生产关系、发挥 AI 真正的价值成为一道必答题。刘伟光在走访 162 家客户后，感知到越来越多的传统企业级市场客户、外资企业及跨国公司（MNC）不仅将资源迁移到云端，更是将业务系统全面云化，涵盖网络、存储、大数据、数据库等 IaaS+PaaS 一体化的全栈服务。他给出了旗帜鲜明的观点：" 只有具备 IaaS+PaaS 一体化能力的云，才能被称为真正的云。这是我今天对‘云’的定义。同样地，在 AI 时代不创造社会价值的大模型，很难称之为大模型。"关于上述问题，在钛媒体《AI 云年度 10 问》栏目中，钛媒体集团联合创始人、联席 CEO、ITValue 发起理事刘湘明与阿里云智能集团资深副总裁、公共云事业部总裁刘伟光，以及阿里云智能集团副总裁、公共云首席解决方案架构师韩鸿源，展开了一次对 AI 云的深度剖析。以下为对话实录，经钛媒体编辑整理。右一为阿里云智能集团资深副总裁、公共云事业部总裁刘伟光；左一为钛媒体集团联合创始人、联席 CEO 刘湘明只有具备 IaaS+PaaS 一体化能力的云，才是真正的云刘湘明：阿里云公共云事业部是去年 11 月底成立的，这一年以来作为公共云事业部总裁，你有什么感受？刘伟光：我的第一感受是 " 希望 "。无论是内部产品研发的进展、AI 能力的提升，还是大语言模型的日益精进，以及各行各业客户在探索云和 AI 结合方面的实践，都让我对未来充满信心——不仅是未来一年，甚至是接下来的 5 到 10 年。今天，许多客户不仅将云计算视为资源，更将其当成数字化转型的关键工具；同时，他们也不仅仅把 AI 看作创新手段，而是当作推动产业升级、面向未来的战略性武器。因此，我看到了非常大的希望。刘湘明：AI 可能是下一次 " 蒸汽机出现 " 的时刻，你提的 " 希望 " 我也特别认同。最近 IDC 发布《中国公有云服务市场（2024 上半年）跟踪》，显示 IaaS+PaaS 市场同比增长 12.2%，对比之前的增速，可以说中国公有云市场开始回暖了。其中 PaaS 同比增长达 21.9%，表现更突出一些，这里面阿里云依然保持市场领先和稳定的提升。背后的原因有哪些？刘伟光：从内因来讲，阿里云一直在践行推动 IaaS+PaaS 一体化，而不仅仅把云当成资源来进行售卖。我们希望客户能大规模采用我们 PaaS 层的产品，尤其像数据库、大数据、容器化、Serverless、开发运维工具等产品。PaaS 层的能力和数据能力对企业业务有非常直接的支撑作用，甚至可以直接推动业务。当 PaaS 的产品与客户业务百分百结合在一起，才能真正激发生产力。许多传统企业级客户、外资企业及跨国企业（MNC），已经把 IaaS+PaaS 全栈搬上云去。因为他们认为全栈上云节省了采购、时间、创新成本，还缩短了创新的时间。从外因角度看，这一年我拜访了非常多客户，发现他们对云的认知跟过去有了很大不同。很多客户认识到云不仅仅是服务器资源，更提供丰富的数字化能力。比如，开源软件发展速度远超商业化软件，在云上选择各种具备不同技术能力且开源的组件，是最好的选择。如果客户自行开发软件、产品，所花费的人力成本、研发成本、服务器成本、创新成本、试错成本都非常高。相比之下，云计算提供的开箱即用的 PaaS 化能力，可以直接助力客户业务创新迭代。越来越多的客户意识到，IaaS+PaaS 一体化才是充分利用云、用云来实现业务的迭代创新、帮助业务实现直接的增长的最好选择。阿里云服务了小红书、喜马拉雅、得物这种大型互联网企业，他们通过阿里云的大数据产品，不仅激发了数据价值，更实现了对搜索、推荐、广告等业务价值的直接提升。2024 年，小红书宣布成功迁移 500PB 数据湖至阿里云最近，我跟很多同事讲，没有 PaaS 的云，很难称之为云，只有具备 IaaS+PaaS 一体化能力的云，才是真正的云。刘湘明：可能十年前，大家经常问的问题是 " 为什么要上云 "，处于摇摆状态。但当 AI 出现之后，大家发现需要的能力在本地再也无法获得了，一定要在云上获得。刘伟光：非常对。我这一年遇到的企业几乎没有不谈 AI 的。这里面有一个重要的契机——企业大模型应用必须要跟数据结合，这就绕不过 PaaS 层的大数据、数据库产品。没有过去这么多年云计算规模化地从底层算力到网络、存储、大数据的积累，就不会有今天的大模型，它不可能在空中楼阁上建立起来。这也推动了很多客户重新审视云计算中 IaaS、PaaS、SaaS 的意义。刘湘明：从资源池到技术栈，企业的用云深度在不断加强，从自研、自建向直接选择 PaaS 层产品，从简单的资源租赁到全栈上云，有哪些原因或者业务价值推动这种转变？刘伟光：从外部市场看，云上的技术优势非常明显，所有的先进技术都优先诞生在云上。企业会优先选择先进的技术栈，而先进的技术栈只有云上有。从云计算从业者角度看，我们要满足不同类型的客户需求，就必须把能力做 " 厚 " ——不仅是满足资源层面需求，还要做好容器化往上的所有 PaaS 层。这里面还有一个与时俱进的点：云计算把所有客户聚集在云上，跟 IOE 时代把客户、技术散落在无数点上，是两种不同的技术主张。过去没有规模化的时候，只能看单点需求；在云上，当规模化的客户每天调用大模型时，大模型对网络、存储、弹性计算等都有着非常大的推动作用。因此，今天云必须要为 AI 改变、适配、升级原有的技术能力，才能满足今天 AI 使用者的需求。没有商业价值和社会价值的大模型，很难称之为大模型刘湘明：你出差很多，可能是国内见客户最多的人之一，对客户的痛点、需求应该也有很明显的体感。有没有统计过这一年大概见了多少客户？他们有什么痛点和需求？刘伟光：从公共云事业部成立到今天为止，我大概拜访过 162 个客户，走遍大江南北，看千行百业。如果不去一线感受不同行业和地域的客户需求，就没有办法判断在下一个财年我们如何设计更好的战略，支撑好市场。大家对 AI 的需求千差万别，有做基础大模型的先行者还在持续训练大模型，有做垂直化应用的公司在深度使用大模型，还有一些传统行业的公司用大模型进行业务创新和提效……他们不仅是简单调用，还会在原有应用中大量嵌入 AI Agent（智能体），还有很多客户在原有的应用之外去开发 AI 原生的应用，不仅在手机端，还有 PC 端的企业应用。我认为，未来整个市场对于大语言模型的使用，无论是从模型调用还是开发自己的模型，一定不仅仅局限在手机 APP 上。未来会有更多应用来自于企业应用。这些企业的应用如果站在大语言模型的肩膀上，其实真正释放的是商业价值，是社会价值。阿里云服务了很多 To B 企业、创造商业价值。比如在中华财险，他们通过阿里云通义千问，输入目标客户各类情况的提示词，就可以自动生成一份定制化团险保单。如果不完整可以再次对话，大模型会继续设计。整个项目耗时只有人工的 1 ‰或者 1 ‱。最后如果成交就会创造商业价值。2024 年中华财险宣布新一代分布式核心系统全面上线，图为中华财险与阿里云的签约仪式在快递领域，中国快递行业发展迅速，效率高、人员多、数据多且迭代快、场景多，大模型应用就非常有效果。申通快递和阿里云经过多次碰撞、验证场景之后，一起实现了大模型应用在网点经营分析、客服摘要、客服质检、地址校验等多个物流场景的落地，实现客服违规率下降 50%，信息处理率提升 60%。一家国内领先的蓝领招聘企业利用 Qwen-Plus 整理本地公众号、微信群中的零散用工信息，降低了 80% 运营人力成本；使用模型检测潜在的用工歧视、跨国用工等风险信息，大幅提升平台合规能力。此外，人岗匹配、搜索推荐、客服质检等场景灰度上线中。此外，中国的跨境电商非常发达，一家垂类的电商企业，面对大量细分品类和近百万 SKU 的日常上架及运营工作，通过通义大模型，进行商品关键词生成、标题提炼、商品描述，并辅助进行商品上架前的违规检测，可以高质量完成海量商品上线，提升商品上架效率。还有，基于通义打造的智能招投标信息服务平台，利用大模型的自然语言理解和推理能力，通过 Prompt 工程识别项目名称和公告名称中的关键信息，进行关联概率计算，向最终用户提供与项目关联的所有公告信息的搜索查询服务。尽管我们看到很多实实在在的效率提升成果，但从市场整体来看还是沧海一粟。未来中国在大语言模型发展和场景应用上会迎来快速普及，我对未来充满信心。因为越是人多，数据多、流程复杂、场景复杂的业务，大模型起到的效果就越明显。我们明年有个目标，希望阿里云提供的推理资源能服务中国 90% 的 AI agent、90% 的 AI 原生应用。如果说没有 PaaS 的云今天不能称为云，那么大模型不能创造社会价值和商业价值也是没有意义的，所以我们朝着创造价值的方向来做。刘湘明：AI 在 To B 的价值要实现，意味着 AI 应用和服务一定要无缝嵌入现有数据流和工作流，真正进入生产环境才能发挥价值，有哪些挑战？刘伟光：第一个难点是大家都知道 AI 重要，但是不知道如何下手，不知道大模型应该跟企业的哪一个场景、哪一类数据结合才能最快出效果。第二个难点是人才。在实现 AI 最后一公里建设的时候，在开源模型和推理资源基础上构建专属模型、AI 应用、AI Agent 等等工作是需要客户自己来做，别人无法代劳。它是好几件事情的组合：第一是 AI 应用开发的范式；第二是这个范式之下所有要用到的 AI 工具链；第三是选择基础大模型；第四是合理选择底层的推理资源。这四件事组合在一起才是开发一个 AI agent 或者 AI 应用的充分且必要条件。挑战存在于方方面面，但同时我也看到很多客户有独立的 AI 规划、AI 预算，AI 人才、AI 办公室……这是非常好的现象。因为只有真正把 AI 做成一个企业的一把手工程、企业级战略项目，才有可能把 AI 真正跟企业完整融合在一起。AI 云，一个充满想象力的新时代刘湘明：现在人们对于 AI 基础设施创新的关注度，远不及对大模型和生成式 AI 服务的关注，你怎么看？刘伟光：关注大语言模型或者 AI 对基础设施的演变的，是非常小的一个客户群体，比如这个领域专业的工作者、观察者，或者是基础大模型的研发者。更多人会关注 AI 应用，这很正常。就像人们戴个 AI 眼镜，关注的是它能实现什么功能，能翻译吗？能对话吗？而不会关注背后是用什么技术来实现的。但支撑这些 AI 应用创新的核心竞争力的基础设施技术是非常重要的，就像我们打开水龙头，不会关心它从哪个水厂流出来，但那个水厂的设备应该是最先进的。所以，当 AI 能力越来越强，提示词工程产生的效果越来越好、反应越来越快、对话越来越流畅的时候，实际上是因为背后的基础设施能力非常强，这两者是相辅相成的。刘湘明：我们正站在一个拐点上，展望 2025 年，AI 与云计算的结合将开启一个充满想象力的新时代，你预判未来的增长机会将发生在哪里？企业需要做好哪些准备？刘伟光：我的想象力是无穷的，这来自于我的客户，我拜访了这么多客户，看到他们对 AI 未来发展感到兴奋。AI 和云的结合是云二次腾飞的关键。从云计算提出来到今天将近 20 年时间，是让全世界各种企业认识到云是先进技术的聚集地，云是让更多中小企业上云，能节省成本。同时能够把云不仅是资源，还是数字化生产力工具。未来的所有基础设施的能力都会被 AI 冲击，这个过程就是能力的完全迭代、升级甚至重构，这是一个 AI 云的时代。我相信未来各行各业都会不断拥抱 AI，基于大语言模型去构建的 AI 应用、AI agent 会层出不穷，甚至可能会有专门的 AI agent store，这会产生一个全新的世界。越来越多的客户正加速拥抱云的进程，而且这次拥抱云不是简简单单是对 IaaS 的拥抱，而是包含 IaaS、PaaS、AI 资源、大语言模型、AI 应用、AI agent ……是真正更加广义的全栈。对于企业来讲，要进行更细分的资源规划，从 AI 的顶层设计，到 IT 层面的 AI 人才、AI 资源，包括 AI 开发工具，都要进行全方位考量。今天所有企业都要为 AI 重新准备一套数字化工具或者 AI 工具链，这是企业应该做好的事情。我非常相信中国在拥抱 AI 这件事情上，不会比其他国家慢。中国的创新能力将在 AI 应用时代爆发，这也是我所说的 " 希望 " 所在。大语言模型应在适合的场景发挥效果，而非泛化到解决一切问题右一为阿里云智能集团副总裁、公共云首席解决方案架构师韩鸿源；左一为钛媒体集团联合创始人、联席 CEO 刘湘明刘湘明：在 2024 年与企业的交流中，你看到高频的问题或者关注点有哪些变化？这些高频词汇反映了企业在 AI 与云计算结合的新时代下，需求产生了什么变化？韩鸿源：大语言模型的效果，还是要停留在其本身适合发挥的场景里讨论，而不是泛化到一个解决一切问题的大模型。今天我们在做的所有事情，还是希望大语言模型能够在业务里面发挥其支撑作用。比如 AI 辅助写代码，这是所有大语言模型应用领域里面，经过了最充分的验证、最能体现出直接效果的场景。通过调研大互联网公司，我们看到绝大部分领先企业，已经有 20% 甚至 30% 的代码使用了 AI 辅助生成。通义灵码已经得到了比较广泛的应用。有些大型企业客户会采购上万个座席的通义灵码使用权，小一些的企业可能采购几千个座席，这种情况现在已经非常常见。当客户使用了这个工具之后，他会持续使用下去，会提出更多的需求，迭代之后也会逐步发挥更大的作用。另外我们看到，除了大语言模型本身的变化外，它还推动了底层基础设施的演进。许多客户开始更多地利用 GPU 资源进行业务创新，例如在搜索和推荐系统中引入 GPU 以提升性能。企业落地生成式 AI 的普遍难点和解决方案刘湘明：生成式 AI 在企业落地的环境准备、模型就绪、应用工程三个阶段中，企业普遍遇到了哪些难点？阿里云提供了哪些解决思路和方法？韩鸿源：我从上往下说，先从应用工程开始，在选择合适的 AI 应用场景时，我们看到两个典型的做法。一是构建全新的应用和业务系统时，希望引入 AI 或以 AI 为主构建。这种情况我们充分地分析能力，寻找适合的应用场景，并经过验证逐步迭代，最终使系统趋于完善。这种做法包袱比较小，见效快，但对现有业务的影响有限，依赖于新场景的需求。另外一个是在既有应用里引入 AI 以提升效率。这是我们比较看好的方向。企业内部已有大量数字化系统支撑业务运转，这些系统在构建时 AI 尚未成熟，因此存在许多可以优化的点。例如，许多业务流程依赖文字处理，涉及大量重复性工作。如果引入机器语言理解技术，将大幅提升效率。从全球化范围看，Salesforce 等领先公司已经展示了这种潜力，将其 Agentforce 平台视为未来的增长点。然而，这种潜力的释放的前置条件是：流程会被使用足够多的次数，否则改造成本有可能支持不了业务回报。回到环境准备和模型就绪阶段，选择合适的模型及其运行方式至关重要。尤其在国内严格的合规要求下，通义提供了一个可靠的选择，它不仅在国内广泛使用，在海外也是最受欢迎的开源模型之一。下一步是决定如何支持模型运行。最简单的方式是调用现成的模型服务。模型服务已成为云计算不可或缺的能力。用户可以选择直接使用模型的服务能力，或者根据特殊需求定制模型。当模型规模化使用时，优化其运行环境变得非常关键。它直接涉及成本和生命周期管理，能否以低成本让客户持续有效地使用模型，发挥其最大价值，是一个重要挑战。云为整个模型使用全生命周期提供了一个非常好的条件。不管是从用户的选择角度还是灵活性上，都提供了非常多可能性。企业的 AI 应用部署范式刘湘明：你觉得对于不同能力的企业，未来在模型的应用部署方式上面，他们的选择会有什么不同？韩鸿源：如果想以最快的方式开展应用开发，模型服务可能是一个入手最简单的方式，而且这些模型本身经过的验证也比较多。如果企业还是想要保留一部分知识产权，就会选择另外一条路：使用一些模型做调整，或者在不做调整的情况下，自己把推理设施建起来，最后调用这些模型服务，实现相对偏私有域的应用的使用方式，也是完全合理的需求。通义千问会继续保持开源开放，客户完全可以选择自己搭建推理平台，把模型的调用变成自己内部的事情，不让别人介入到自己的模型调用过程中。语言交互的推理有波峰波谷的效应，云提供了一个比较好的选择，大家在云上使用云的全球基础设施，也可以保持自己运行的相对独立性的情况下，保有自己的一些保密和隐私。面向推理和多模态数据处理趋势刘湘明：推理也是今年特别热的词。推理市场的繁荣将对于企业使用公共云有哪些影响？又对公共云提出了哪些新的要求？深度用云的企业有哪些关注点？韩鸿源：我觉得其实训练是更吸引眼球的，但一个模型的训练过程不直接产生任何实际价值，模型真正要发挥作用是在推理阶段。训练投入会继续增长，但模型要重复使用才能释放价值，所以，未来推理投入占比可能会远远高于训练。今天云上所有模型 API 服务本身就是一个推理，是包装一层 API 之后被用户去用，通义大模型本身会使用很大的推理资源来响应客户的需求。另一种，是客户不想用现成的 API 方式使用模型，选择自己去做推理。通义系列模型在对外服务过程中积累了丰富的推理技术优化经验，使用户能够直接享受这些技术带来的红利。比如，阿里云会提供通义模型服务、会提供百炼上调整模型的方式和使用模型的方式，包括工具链，同时也会提供 PAI 平台去做更底层的能力承载，用户可以基于这些做相对更自由一些探索。最终，我们是希望能够去满足用户的全方位的需求。刘湘明：" 多模态数据 " 也是今年的一大热词。您如何看待多模态数据处理的需求和发展趋势？在这个大趋势下，阿里云在多模态数据的统一存储、检索和管理方面有哪些优势？韩鸿源：一方面模型提取非结构化数据的结构化信息能力在提升，视觉语言模型具备了自动化的信息提取的能力，可以更好地理解这些多模态数据，让以前无法有效使用的数据充分发挥作用。另一方面，Agent 和这些数据探索能力的结合蕴藏着巨大的潜力。以前，人们收集到的结构化和半结构化的数据需靠人去理解、探索，很多时候无法充分挖掘出数据的潜力。今天 AI 提供了自动化处理能力，结合大数据让 AI 探索数据会成为一个非常有潜力的发展方向。对云计算而言，除了提供基础的资源供应，上层软件能力会变得越来越重要。例如，将多模态数据管理能力被集中整合到特定产品中，实现对多种类型数据的统一管理。在 RAG（检索增强）过程中，这些数据可以在模态之间无缝切换和使用，大大简化了客户的操作复杂度和数据管理难度，从而更顺畅地运行其业务流程。（本文首发于钛媒体 APP，作者 | 张帅，编辑 | 盖虹达）