AI应用前景广阔，云+AI推动大模型商业创新实践 | 阿里云AI应用创新沙龙回顾

基于达摩院雄厚的大模型能力积累和阿里云机器学习平台PAI杰出的AI工程化能力，阿里云与达摩院联合推出了“飞天club·阿里云AI创新技术沙龙”，汇聚业界知名投资人、科学家、工程师分享阿里巴巴在AI领域从技术创新到场景应用的全流程探索，为AI开发者和企业提供阿里云的最佳实践和解决方案。

在5月18日举办了首场商业应用专场活动，关注AI领域的企业代表和AI开发者们齐聚阿里云云谷园区，本次活动由阿里云智能浙江分公司副总经理李虹开场致辞，邀请了元璟资本投资人、达摩院及阿里云的工程师以及技术专家，围绕“AI的商业化创新”话题发表主题演讲，分别从商业投资和技术应用角度出发，分享当下对大模型发展趋势的判断，分析大模型创新及落地的关键，并现场展示了基于PAI和ModelScope在AI场景的应用实践。

模型即应用：从投资视角推演大模型的市场机遇，C端场景蕴含更多机会

元璟资本合伙人王琦以及元璟资本高级投资经理李一豪共同带来《新摩尔定律和生产力革命：AI大模型应用创新机会推演和思考》分享，探讨AI风潮下的大模型市场创新创业机遇。

王琦首先介绍了元璟资本在过去几年中在AI方向上的多方探索，先后投资过自动驾驶、服装设计、制药等细分场景下的AI应用项目。基于对AI行业应用的深刻理解，王琦认为生成式AI的出现为AI领域带来变革，包括ToB场景和ToC场景，尤其是在C端的应用。

当下大模型的发展处于早期阶段。中国目前也有大量针对不同场景或者平台性的大模型，但未来更多的机会蕴含在于各个领域、各个应用场景上的中、小模型竞争。

在不同的场景下，每个人都可能会有一个在不同应用场景上的小模型，这对创业者来说是机遇。

模型的竞争才刚刚开始。有人从底层技术突破，也有人从服务应用层创新。元璟资本提出：“模型即应用，ToC的应用可能本身就是模型。”对此，王琦认为所有要做C端应用的团队，其落脚点不仅仅是产品本身，团队自身需要有非常强的技术迭代能力。

（元璟资本合伙人 王琦）

针对不同行业、不同方向上的AI应用思考，李一豪从大模型的前沿进展切入，分别从开源和闭源两条路线进行分析。闭源路线上，海内外的平台和企业在模型规模和能力上竞争激烈；而在开源生态中，学界在加速技术研发，包括端运行的大模型开发、多模态的数据拟合训练等，几乎每天都有新的业务模式和技术进展。

李一豪总结，大模型的迭代带来生产力的革命，改变人类思考的范式，大量性推演和信息处理工作都应该交给人工智能去完成。而模型目前展现出来的核心能力，正是对非结构化数据的理解能力。发展到新一代的大模型特点是对非常多模态，非结构化数据的理解和处理，包括日常生活的。

当前不同国家、不同行业都在涌现多模态模型，包括图、视频、3D+物理、动力控制，此外边缘计算也是一个非常先进的趋势。安全问题也随之而来。李一豪表示，模型能力迭代非常快，元璟资本目前对一些单一工具的开发会相对谨慎，但看好原生的AI应用新的硬件机会，以及更智能的机器人。

基于模型端到端的应用，个人无限集数据的闭环是关键，场景和交互定义见高低。从模型的生态结构看，云端结合终端的趋势明显，底层算力、数据中心在这一波浪潮中强受益，云计算带来巨大利好。

（元璟资本高级投资经理 李一豪）

用户需求体现在信息和产品服务需求上，AI技术的迭代和大模型的应用带来了交互方式的变革，模型本身会代替人工收集并处理信息，人类的决策方式会从主动的输出通过点方式变成被推荐，未来是在有限优质推荐中做选择。

李一豪以用户需求为出发点，分别对存量和增量的市场机会做了模型的应用推演，可以看到AI与游戏、教育、金融、文娱等行业结合，可以带来更多的创新和创业机会，包括ToC和ToB的场景应用。当中，Agent（指能自主活动的软件或硬件实体）是关键节点，李一豪认为未来的Agent可以更主动地预测用户需求，个人应用的模型开发有非常大的机会，未来的购物、出行、医疗等都可以通过Agent完成。

在新摩尔定律下，算力、算法、数据呈指数爆发，模型能力本身也会成为生产力的一部分。生产力的提升，实际上可以让很多高端产品和服务泛化，帮助生活变得更美好，产生巨大的商业价值，这也是元璟资本所关注的。

李一豪认为，从中远期来看，市场的核心关注点应更多在软硬件结合的智能公司、机器人产业、高端娱乐与服务的发展上。

模型即服务：共建模型开发生态，魔搭社区助力企业一站式AI创新

AI 大模型拥有广阔的应用前景，回归技术与产品本身。自2019年起，阿里云就开始进行了大模型的研究，并在近期展示了阶段性的研究成果。达摩院技术产品专家，从技术应用角度出发带来关于大模型的思考与实践，并现场展示了阿里云的大模型产品和AI开源模型平台魔搭（modelscope.cn），助力企业AI创新。

达摩院算法专家朱鹏程分享了大模型的实践与思考，现场介绍了达摩院在大模型方面的探索，展示了大模型的应用场景。

（达摩院算法专家 朱鹏程）

达摩院成立于2017年，一直专注于技术攻克。在AI方向上，从基本的NLP到语音、视频都在做探索。从早期的文本机器人到后期的语音机器人，再到智能数字人输出，可以满足不同的渠道、不同的场景的应用需求。

朱鹏程介绍，AI的概念提出已久，早期行业集中做某一领域或专有数据模型的训练，随着算力和芯片的技术迭代，通用模型开始走向大众视野。伴随着数据的增大，大模型不管是在理解还是推理创作的能力上，都有一个非常显著的提升。以接入通用大模型的钉钉为例，用户只需输入一个斜杠就能生成文案、日程等，在线体验大模型带来的智能办公体验。未来面向AI 时代，所有产品都值得用模型重新升级。

通用的大模型，如何变为企业或行业的大模型？面对这个问题，朱鹏程看到了四个核心要点，分别是计算成本，其二是轻量化部署，其三是个性化需求，其四是数据量，当中还涉及到安全问题，这也是当下很多企业和商家的核心需求。在这个过程中，大模型的接入方式与传统的端到端接入有所区别，用户主要面临部署和硬件支持两大难题。

“云+AI”，或是企业的最佳解决方案。

去年11月，达摩院推出了国内首个开源的AI模型社区——ModelScope魔搭社区。开发者可以在魔搭社区下载各类开源AI模型和配套数据集，体验各类AI创新应用，并可直接调用阿里云的算力进行AI模型推理、训练、微调、部署等工作的一站式AI模型服务平台。到今年4月，魔搭社区的用户总量已经超过100万，成为国内规模最大的AI模型社区。

魔搭社区负责人、达摩院资深产品专家刘建荣首先指出，企业在应用大模型的过程中，除了定制难度和算力成本的问题外，模型本身的使用难度也很高，不同的模型的底层框架不同，企业还需要付出学习成本。

（魔搭社区负责人、达摩院资深产品专家 刘建荣）

魔搭社区的理念是将模型技术转化为服务，提供一站式的模型服务，包括免费的模型检索和下载、模型Demo体验、简单的模型调优和训练等。

魔搭社区开源了达摩院绝大部分的预训练模型（大模型底座模型），并引入第三方模型开发者和团队入驻，当前已上线接近900个模型，覆盖大部分应用场景。同时，平台上提供大量配套数据集，用户不仅可以调用开源数据训练和调优模型，也可以贡献自己特有的数据集，成为社区开源贡献者。

为降低模型的开发门槛，魔搭社区通过SDK的封装，让所有人都能够快速调用和训练模型。用户还能够在魔搭社区上使用Gradio、Streamlit、Static SDK等方式快速创建自己的创空间，基于平台模型与可视化SDK，只需几行代码即可自由搭建AI应用，同时平台提供CPU/GPU运行环境，支持空间一键发布。

刘建荣表示，今天的魔搭社区正在努力实现人工智能的普惠化，同时期望能与更多的开发者和企业伙伴合作，共同构建开源的模型生态，让AI更普及。

AI工程化：AI研发新范式下，PAI提供低门槛、高性能的平台服务

大模型是一场AI加云计算的全方位竞争，超万亿参数的大模型研发，不仅涉及算法，还囊括了底层算力网络、大数据、机器学习等诸多领域的复杂的系统性工程，需要有超大规模AI的基础设施的支撑。

阿里云智能资深产品专家、机器学习产品负责人黄博远分享了他对AI研发新范式的洞察，以及大模型应用的核心要点，并带来阿里云机器学习平台PAI的分享，全面助力企业博弈AI市场。

（阿里云智能资深产品专家、机器学习产品负责人 黄博远）

黄博远看到AI已在传统和新兴业务场景中有非常多的应用，也指出在技术走向落地的过程中，企业仍面临诸多挑战，主要集中在四个方面：缺乏高质量数据集、对算力的诉求、人才和经验争夺激烈、合规问题。

目前的AI研发新范式下，超大规模的预训练模型成为热点。黄博远介绍，大规模预训练模型具备很多通用能力，在基础的认知上引入特定的行业领域经验，可以形成特定的行业解决方案。企业做大模型并不需要从0到1构建，只需在预训练模型基础上加入特定的专业数据，便可获得企业的模型。

大模型的训练可能是一次性的，而完成训练的模型需要每时每刻为客户服务。将模型变为一个低成本的在线服务，这是大模型商业化落地的关键之一。

要形成大模型的闭环链路，还需将技术下沉为服务。黄博远表示，从企业的角度讲首先要找到自己的定位，对平台而言，重点解决两类问题，分别是机器的效率和人的效率问题。只有解决了这两个效率问题，才有可能将大模型在各自的这个领域里沉淀。

阿里云机器学习PAI的模型在线服务平台PAI-EAS，将模型一键部署为在线推理服务或AI-Web应用，高吞吐低延时，支持自动扩缩容和完整运维监控体系等能力，为企业解决AI 模型推理。

黄博远介绍，在今年4月PAI发布了深度学习模型推理的专属机型——GU30，能为企业提供更高性价比的模型推理能力。同时他也指出，在基础设施之上，随着模型变大、业务变得更复杂，容器层的调度会变得非常关键。PAI通过弹性的扩缩容、定时的扩缩容以及弹性的资源池，可以降低企业的在线服务成本。

博弈AI，购买机器简单，但如何高效的使用机器，这是摆在每一个企业面前的难题。面对这个问题，黄博远现场展示了PAI的全链路工程平台服务。

从数据准备到建模交互式开发，再到超大规模的分布式训练和推理优化，这些模型开发中的工程问题都可以在PAI上得到解决。同时PAI与魔搭社区无缝衔接，用户还可以将魔搭社区的模型部署到PAI上进行分布式训练，同时能实时看到模型效果。

黄博远表示，在PAI背后的架构逻辑中，底层依赖于阿里云的基础设施和云上算力，基于多租户公共云架构搭建的系统具有灵活、可控、安全的特点，企业无需担心模型和数据的安危。同时，阿里云与达摩院合作，共同提供大模型专家服务，可以为企业解决大模型的人才困扰。

活动最后，由阿里云智能产品专家高慧玲、阿里云算法专家曲博涵带来PAI和ModelScope在AI场景的应用实践，现场展示了以文生图、聊天对话等热门AIGC场景下，企业开发者如何基于开源模型构建专属应用的开发实战，获得了到场嘉宾们的热烈反响。

作为AI不可或缺的基础设施支撑，云计算与AI在未来有更多的场景的结合值得期待。我们对于AI的创新与探索还在继续。5月25日，阿里云AI创新技术沙龙·长沙站活动即将开启，我们期待能与更多的行业企业进行交流，点击下方二维码，扫码即可在线报名参加。