如果说 2023 年的科技产业还在紧紧追赶 OpenAI 步伐，寄希望通过整合算力、数据，实现模型能力的快速迭代。那么进入 2024 年，生成式 AI 的竞争已经全面渗透到科技产业的方方面面，从应用到模型再到基础设施，生成式 AI 正在重塑整个产业链。
这成为 2024 年云栖大会的宏大产业背景。阿里云在大会上宣布，将围绕 AI 时代的新需求，全面升级从服务器到计算、存储、网络、数据处理、模型训练和推理平台的技术架构体系，让数据中心成为一台超级计算机，为每个 AI 和应用提供高性能、高效的算力服务。
与此同时，阿里云还更新并发布一系列通义大模型产品，其中开源模型 Qwen2.5 72B 版本，基础能力全面提升，性能与全球顶尖的 GPT-4o、LLaMA 3.1 405B 不相上下，再次引发全球开源模型社区的热议。
从押注 AI 大基建到持续发力开源大模型，阿里云看到了哪些产业信号？让我们先从产业视角看看新变化。
生成式 AI 时代的新需求ChatGPT 的走红既是偶然，也是必然。技术层面，Transformer 架构早已发布多年，OpenAI 在这条路上摸索许久，GPT-2/3 都是科研小圈子的「玩具」。而通过对话服务的形式，上线一个面向普通消费者的产品，OpenAI 成功让 GPT 概念出圈，成为全球关注的焦点。
更深层次原因在于，彼时的科技巨头与风险资本，已厌倦了元宇宙、加密货币一系列不切实际的承诺，面对 ChatGPT 这样「惊艳世人」的产品，无不欣喜若狂，从微软、Google 这样的科技巨头到红杉、a16z 等资本巨鳄，开始疯狂投资 ChatGPT 或相关领域。
快速涌入的资本加速了市场的发展，当数据、算力的需求出现几何倍数的增长，科技产业的「齿轮」也在悄然变化：算力供应商的英伟达快速摆脱半导体的周期魔咒，开启了三位数增长率的狂飙之路；大小互联网公司内部散落的 AI 计算资源被全部集中到模型训练中，以 GPT-4 为标竿，新模型层出不穷；内容社区或平台摇身一变成了「数据农场主」……
更重要的变化是，现有的数字基础设施根本无法满足持续增加的需求。既是因为芯片供应短缺，无法提升算力，也是因为围绕大模型训练所需要的网络、数据处理能力、能源供给并未准备好。
2024 年开始，美国一众科技巨头相继开始投入基础设施建设，仅上半年，微软、Alphabet、亚马逊和 Meta 的资本支出总额已突破 1060 亿美元，较去年同期激增 50%，这其中绝大多数的钱都投向了诸如 GPU 计算、数据中心高速网络等基础设施领域。
上述公司在最新一季的财报发布后也异口同声传递出一个信号，未来 18 个月内还将继续加大投资力度。在中国，根据阿里云提供的数字，现在已有超过 50% 的新增算力需求来自 AI。
所有这些都折射出产业变革的方向。
一年前的 2023 云栖大会上，阿里云就表示中国有一半大模型公司跑在阿里云上，随着模型计算量和参数的不断扩大，算力、存（储）力的需求进一步提升，正是这样对产业需求近距离的观察，让阿里云意识到生成式 AI 时代的变化风向。
长期投资基础设施，阿里云的 AI 基建护城河初现坦率来说，云计算公司天然具有 AI 基建的优势，毕竟拥有了庞大的数据中心和众多云服务运营经验。对阿里云来说，过去几年围绕服务器、计算、网络、存储等基础设施的长期投资，以及大量应用到实际场景中的自研技术，无疑让其拥有了更多底气。
以计算为例，阿里云此次推出面向 AI 深度优化的磐久服务器，支持多种国内/国际异构芯片，单机支持 16 卡 GPU 高速扩展互连，支持最高1.5TB 共享显存，结合自研核心硬件，能够为客户提供最高 3.2Tbps 的扩展网络带宽；可靠性方面，通过超钛金电源和 AI 算法故障预测，进一步降低故障率。
围绕计算场景，阿里云长期以来在加速计算、容器方面的投资正在构建起新的护城河。比如，通过软硬一体协同优化，全新发布的云基础设施处理器 CIPU2.0 实现了 400Gbps 的高吞吐硬件数据加速架构，并实现了与阿里云 AI 基础设施的全面整合，满足模型训练与推理的多重需求。
再比如，阿里云容器计算服务 ACS 此次的升级，在进一步降低算力成本的同时（最高降幅 55%），还首次推出 GPU 容器算力，通过拓扑感知调度，确保计算的亲和性与性能。
数据中心的网络能力也是关键领域，此前阿里云已经推出了为智算集群设计的 HPN7.0 网络系统，其架构的相关论文被业内认为是 AI 网络架构新范式。今年，HPN7.0 在性能和稳定性等方面均有提升，借助大量自研技术和全栈协同的能力，能够支持 3.2T RDMA 网络带宽，模型训练性能端到端提升 10%，集合通信性能提升十余倍。
除此之外，围绕大模型训练中的数据存储与模型开发的全链路，阿里云也推出了一系列全新或升级的方案。其中，将模型训练数据存储与原来云计算的对象存储服务打通，构建起了 Storage for AI 与 AI enable Storage 两大方案，能够大幅降低数据存储成本，还能优化数据管理能力，提升模型训练的效率。
而在 AI 开发平台 PAI 上，针对生成式 AI 推理成本大幅增加的现状， 推出「请求特征感知的LLM智能路由」、「异步&离线推理服务」、「训推一体化调度引擎」等产品，进一步提升了 AI 开发平台的灵活性和效率。
当基础大模型成为全新 AI 基础设施基础大模型正在成为生成式 AI 时代的全新基础设施，而基于成本、安全还是可定制的考量，能力不断提升的开源模型也变得极具吸引力。
2023 年 8 月，阿里云成为国内首个加入自研大模型开源行列的科技公司，随后的一年多时间，陆续开源出几十款不同模态、不同尺寸的大模型，逐步形成了与 Meta 平起平坐的开源生态。
今年 6 月，阿里云发布开源模型 Qwen2–72B，性能超过当时最强的开源模型 Llama3–70B，也超过包括文心 4.0、豆包 pro、混元pro等在内的众多中国闭源大模型，成为全球开源模型的王者。
此次云栖大会上，新一代开源模型 Qwen2.5 系列正式发布，涵盖多个尺寸的大语言模型、多模态模型、数学模型和代码模型，每个尺寸都有基础版本、指令跟随版本、量化版本，共计 100 多个模型，刷新了业界纪录，其中的旗舰模型 Qwen2.5–72B 性能超越 Llama 3.1 405B，再登全球开源大模型王座。
与新模型同时发布的，还有持续释放的大模型技术红利。随着模型算力成本的下降，通义千问三款主力模型再次大幅降价，最高降幅 85%，每百万 tokens 的价格低至三毛钱，这将大幅降低企业、开发者使用大模型的门槛，推动更多模型上的创新。
强大的基础模型能力赋予 Qwen 更具挑战性的用途，而一系列不同尺寸的模型，也满足了不同场景、设备的模型需求。全球众多企业、开发者将 Qwen 作为基座模型，开发出众多模型和应用，比如蚂蚁集团的 CodeFuse-Qwen 是基于Qwen 的代码领域专属模型、越南开发者使用 Qwen 开发越南语大模等，而在开源社区帮助下，Qwen 也拥有了更多应用场景，适配 CPU 和 macOS 的芯片等都不在话下。
公开数据显示，截至 2024 年 9 月中旬，阿里云开源模型 Qwen 系列的全球下载量已经超过 4000万，通义原生模型和衍生模型总数超过 5 万个，成为仅次于 Llama 的世界级模型生态，在全球众多开发者和企业的努力下，通义大模型已经深入千行百业，成为行业 AI 创新的底座。
写在最后：通往 AGI 的「修路人」毫无疑问，ChatGPT 开启了一个迈向 AGI（通用人工智能）的新时代，这是人类几百年来追求类人智能的坚实一步，刚刚发布的 OpenAI o1 为语言模型增加了推理能力，也让诸如 AGI 或「奇点」变得不再遥远。
然而所有「造梦者」的故事都需要脚踏实地的工作，正如阿里巴巴集团CEO、阿里云智能集团董事长兼 CEO 吴泳铭所言，要实现真正的 AGI，下一代模型需要具备更大规模、更通用、更泛化的知识体系，同时将具备更复杂更多层次的逻辑推理能力。
要训练出如此强大的模型，产业还需要更强大的基础设施。就像修建一条通往未来的高速公路。我们需要更强大的计算集群、更高效的算法、更快速的网络，以及性能更好、价格更低的基础模型。
这些「修路人」的工作可能不如 AI 突破那样令人瞩目，却是实现 AGI 梦想不可或缺的基石。
阿里云就是这样的「修路人」。
