近两年，多个全球知名品牌，从原本的竞争对手，变成了SHEIN的深度合作伙伴。

李笛常说小冰不需要依靠他人的认同来存活。李笛的这一设计理念在 2013 年十分领先、创新，得到了一众微软高层如王永东、陆奇的欣赏与支持。

李笛专门建立了一个语料库，用来回答小冰的名字、家庭关系、父母姓名等等，十分巧妙。因此，周力深得李笛信任，一直被李笛委以重任。萨提亚看起来为人温和，但实际分享中却总向技术人员提出十分犀利的问题，如这项技术在未来会产生多大的商业价值、对微软参与全球竞争有什么帮助。后来李笛好不容易被王永东说服、肯加入微软，也只是以vendor（相当于兼职人员）的身份入职，没有打定主意给微软打工。在这条路径的指导下，小冰创造了一个个AI Being，如夏语冰、华智冰、崔筱盼等等，虚拟 AI 开始成为小冰的主要对外标签。

小冰的成功让他产生了留在微软的想法。多位与小冰合作紧密的技术骨干在加入小冰前，了解小冰的人员体系，去了小冰后无论如何也不肯向周力汇报，因为担心去到周力手下待不长。大模型服务成主流，MaaS 是趋势过去一年，围绕大模型技术重构上层产品与应用已成行业共识。

MaaS将彻底改变云服务的商业模式和市场格局，并为各行各业的AI原生应用带来爆发式增长的沃土。最直观的数据是，2023 年英伟达发布的 Q3 财报显示，英伟达期内营收达 181.2 亿美元，同比上涨 206%，市值超过 12000 亿美元，高出英特尔近 1 万亿美元，成为全球市值最高的芯片公司。百度曾公布一组数据，称百度文心一言自 8 月 31 日全面开放后，至今 4 个月里，百度千帆大模型平台上的大模型 API 日调用量增长了 10 倍，且调用行业不仅局限在互联网、教育与电商场景，还有营销、手机与汽车等大家所想不到的传统行业。两年前，这个数字还没有引起云计算领域的普遍认同，但也已经有一部分云厂商未雨绸缪。

计算范式的变革在过去大模型狂飙的一年中，人们最能直观感受到大模型对云计算产生影响的表现，大约是科技同行对 GPU 算力的哄抢。有行业人士甚至预测，国产 GPU 第一次大规模的格局重塑将在 2025 年之前完成。

百度解法：一个重构启示针对大模型训练难度大、算力要求高的问题，今年以来，国内外的云计算厂商也进行了各自的思考与举措。侯震宇提供的一组数据是：从3月份发布文心一言以来，推理成本已经降到了原来的1%。无论是发展大模型、还是发展云计算，百度的重构都将三者合为一谈、而不是拆开来单独讨论，这也使得百度的大模型布局力量均衡，整体能齐头并进。但除了芯片种类与数量的变化，雷峰网观察到，大模型对云计算厂商的影响实则体现在更深的维度。

第三，全面开放AI原生应用工作台在2023百度云智大会·智算大会上，百度集团副总裁侯震宇指出，AI原生时代的典型系统架构，至少包含模型、数据与应用三部分。雷峰网了解到，百度在云计算的重构上采取了降本增效、精准打击同时又面面俱到的策略。在MaaS（模型即服务）的趋势下，客户未来关心的重点将转向模型好不好，框架好不好等等，而不是仅仅看算力怎么样。快跑者能赢得百米冲刺，但马拉松需要耐心与韧力。

该平台支持将百度及第三方建设的智算中心、超算中心、边缘节点等智算节点进行全域接入，将分散和异构的算力资源打通连接起来，形成统一的算力网络资源池，再通过百度自主研发的算力调度算法，智能分析各类算力资源的状态、性能和利用率等指标，统一调度算力，实现智算资源的灵活、稳定、高效的利用。数据基础设施方面，百度沧海·存储升级发布了统一技术底座，可以支持更大规模，更高性能的计算场景。

仅仅依靠简单的算力堆叠，完全无法适用于大模型时代。在这种模式下，计算资源的利用率也会大幅提升。

尽管当前中国的大模型原生应用数量远远没有达到大众预期，与人们设想的移动互联网时代 app 层出不穷的愿景还有一定距离，但今年下半年以来，围绕大模型设想 AI 原住民时代的讨论越来越多。百度百舸·AI异构计算平台的研发最早可追溯 2009 年，这一年，百度开始用 GPU 做 AI 加速，百度开始用 GPU 做 AI 加速，不断扩大集群规模，为百舸平台最终面向市场推出奠定了基础。一些厂商正在研发围绕 GPU 提供的云计算服务，希望按照客户的实际使用量来收费。但随着越来越多泛化能力强的基座大模型的诞生，以及 MaaS 模式的成熟，大模型时代的 AI 模型不再需要从头训练，而是可以基于一个强大的通用大模型进行有监督微调而来。此外，由于大模型的参数规模与训练复杂度加大，显卡的故障率也随之提升。7 月 7 日文心大模型 3.5 发布，效果提升 50%、训练速度提升 2 倍、推理速度提升了 30 倍。

在上半年炼大模型最红火期、芯片出口管制发布之前，江湖一度传闻该巨头的 GPU 卡出货量是 4000 张起步，但仍有大批同行斥巨资还要碰一鼻子冷灰。在这种研发方式的改变下，企业的专注力集中在自家场景的数据上，加上通用大模型的泛化优势，行业用户研发大模型应用所需的算力规模与训练时间都会大幅缩短，由此带来更快的迭代速度。

与 1.0 和2.0 相比，升级后的 3.0 主要针对大模型的训练和推理场景研发，在高效、稳定以及易运维三方面进行升级，实现了万卡级别任务有效训练时长达到98%以上，带宽有效性可达 95%。千帆AppBuilder将基于大模型开发AI原生应用的常见模式、工具、流程，沉淀成一个工作台，帮助开发者聚焦在自身业务，而无需为开发过程牵扯多余精力。

目前千帆平台已经累计服务超过4万家企业用户，累计帮助企业用户精调近1万个大模型。推出自动化+人工的双重模型评估机制，大幅提升模型评估效率与质量。

这一判断符合当前大模型领域重复造轮子现象泛滥的应对方案。同时发布云原生数据库 GaiaDB 4.0、数据库智能驾驶舱、升级大数据管理平台 Serverless 能力等。在大模型的训练过程中，对计算资源的管理方式也比较粗放。多位技术人员告诉雷峰网，英伟达显卡训练大模型的一个常见故障是掉卡，即显卡在运行过程中突然失去连接或无法正常工作。

与千帆平台 2.0 相比，升级后的千帆平台将模型数量增加至 54 个，数量位居全国榜首，并针对性进行模型能力增强。而同样类比飞机模型的例子，个位数的 GPU 与上万张 GPU 卡的集群搭建也不是同一个工程量级。

一位云计算销售告诉雷峰网，今年上半年有一些运营商和小型智算中心轰抢完一批显卡后，却不知道怎么用起来。大模型诞生于大规模云计算集群，但随着行业需求的变化，云计算也要改变姿态，反主为客，跟上大模型的发展步伐。

大模型的训练周期较长，如果中途出现故障，原本已经进行了十几天的任务可能就要重新开始。而相比计算量的膨胀，云厂商服务模式的维度并没有受到太多的关注。

百度集团副总裁侯震宇认为，MaaS 的收入至少会分为两类：一类是面向模型的研发收入，即基于某个通用的基座大模型来做 SFT（监督微调），这部分会逐步取代裸用算力来进行模型训练的部分收益。毫无疑问，在大模型的影响下，云计算从互联网时代的 CPU 云为主向 AI 时代的 GPU 云为主转变已是行业共识、大势所趋。而在云计算的格局被彻底重构之前，大模型时代给算力提出的新挑战，也仍需理智思考、谨慎对待。具体来说，百度智能云的重构体现在三方面：首先，重构智算基础设施方面，百度智能云推出了百舸·AI异构计算平台3.0。

在时代巨轮飞转、从 CPU 过渡到 CPU+GPU+DPU 只有极短时间的前提下，提升显卡利用率一直是云厂商老大难的问题。结语大模型行业刚起步，事实上，无论是大模型独角兽，还是兼具云与模型的互联网大厂，都仍在不断探索，摸着石头过河中。

在这样的趋势背景下，过去的云服务模式也需要作出顺应时代的变化与调整。作为一家在人工智能领域深耕10余年的AI公司，Cloud for AI（云为 AI 而生）是百度的宿命，也是百度的优势。

换言之，计算集群的管理仍存在较大的降本增效空间。以算力中心空转现象为例。