阿里云明確了這個技術時代自己要解決的主要矛盾是什么。
在「AI 驅動」上好久沒發聲的阿里云，突然公布了一系列大動作。
5 月 9 日，在 AI 智領者峰會·北京站上，阿里云正式發布通義千問 2.5，中文性能已趕超 GPT4 Turbo。同時，通義千問 1100 億參數開源模型在多個基準測評收獲最佳成績，超越 Llama-3-70B，成為開源領域最強大模型。不止于此，阿里云模型和 AI 應用定制平臺——百煉也迎來全面升級。
圖片來源：阿里云
這一系列發布多少讓人意外。今年以來，阿里云聚焦「公共云優先」戰略，但在「AI 驅動」上，遲遲不見蹤影。業內一度猜測阿里云在 AI 路線上「躺平」了。
年初，阿里云先是推出公共云產品史上最大幅度降價；3 月底，羅永浩在交個朋友直播間售賣阿里云的公共云產品；此后在機場、地鐵站等廣告牌上，王小川、陳向東、江南春代言「上云就上阿里云」。
相比之下，阿里云在 AI 路線，尤其是自研模型上卻鮮少有新消息放出，倒是有一些投資傳聞。去年，阿里集團和阿里云投資了幾乎所有的國內大模型，今年也被傳追加投資了月之暗面和 Minimax?？瓷先?，阿里云似乎是要用投資「買」一張大模型時代的船票。
但從昨天的發布來看恰恰相反，阿里云對 AI，尤其是基礎大模型這個產業關鍵，依然保持著激進地投入。
此前阿里云在大模型創業團隊上幾乎大滿貫式的投資布局，現在看起來只是「心態絕對開放」的一種動作，以此來支持 AI 生態所有的可能性。技術層面，阿里云全線 AI 業務一直在不斷探索，不僅開源、閉源模型齊頭并進，在工具和服務上，阿里云「模型即服務」的整個開發棧也全面開花。
阿里云的 AI 戰略決心和目標，到現在已經開始完整顯現出來。
01 模型和 AI Infra「絕對激進」
5 月 9 日，阿里云公布了其在閉源模型、開源模型及 AI Infra 等方面的最新進展。
其最新發布的閉源 SOTA 大模型通義千問 2.5 相比此前的 2.1 版，在理解能力、邏輯推理、指令遵循、代碼能力分別提升 9%、16%、19%、10%，中文能力更是持續領先業界。根據權威基準 OpenCompass 的測評結果，通義千問 2.5 得分追平 GPT-4 Turbo，這是國產大模型第一次取得這么高的排名。
同時，通義多模態模型和專有能力模型也在業界建立了廣泛影響。在多個多模態標準測試中，通義千問視覺理解模型 Qwen-VL-Max 得分超越 Gemini Ultra 和 GPT-4V，這款模型已在多家企業落地；代碼大模型 CodeQwen1.5-7B 則是 HuggingFace 代碼模型榜單 Big Code 的榜首模型，也是國內用戶規模第一的智能編碼助手——通義靈碼的底座。
在開源路線上，阿里云最新開源了 1100 億參數的 Qwen1.5-110B。該模型在 MMLU、TheoremQA、GPQA 等基準測評中超越了 Meta 最新開源的 Llama-3-70B 模型；在 HuggingFace 推出的開源大模型排行榜 Open LLM Leaderboard 上，Qwen1.5-110B 沖上榜首，堪稱當前中國最強的開源大模型。
既做閉源模型開發，又做開源模型，阿里云的基礎模型在兩條路線上并舉。阿里云 CTO 周靖人表示，這是「模型即服務」的內涵之一，來滿足用戶和開發者生態對基礎模型的不同需求。
但有了基礎模型，距離模型在具體場景中被用起來也有很大距離。因為每個各行各業的不同企業都有自己特殊的場景、數據、需求，一個標準化的基礎模型很難直接被用起來。
為此，阿里云貼著開發者生態的場景需求，升級了 AI Infra 平臺——百煉，推出了百煉 2.0。
圖片來源：阿里云
「當下企業應用大模型存在三種范式：一是對大模型開箱即用，二是對大模型進行微調和持續訓練，三是基于模型開發應用，其中最典型的需求是 RAG，以企業數據對大模型進行知識增強。圍繞這些需求，百煉打造了模型中心和應用中心，提供最豐富的模型和最易用的工具箱?！怪芫溉私榻B。
對希望直接調用模型進行推理的企業，百煉集成了包括開源和閉源在內的上百款大模型 API，同時聯動魔搭開源社區，支持企業上架通用或行業模型，給開發者提供足夠多的模型選擇。同時，百煉依托阿里云 AI 基礎設施，支持千億級模型的萬級并發推理需求。
對需進一步訓練模型的用戶，百煉提供從數據管理、模型調優、評測到部署的全鏈路模型服務，用戶可彈性按需調用算力，無需關心底層架構。訓練過程可視化，還可自動評測模型質量，并與其他模型對比。
對希望打造 RAG 應用的企業，百煉支持 Assistant API 開發模式，可在百煉上輕松創建知識庫，并一鍵開啟知識檢索增強（RAG），通過 Assistant API 聯合輸出。同時，百煉支持 agent 智能體開發，并能實現多智能體協作、對話記憶等高級功能。
事實上，隨著大模型成為軟件開發的新范式后，國內各大模型廠商都推出了模型 api 供開發者調用，但大部分廠商在微調及 AI 應用開發工具上相對缺乏。阿里云百煉平臺則依托阿里云豐富的基礎設施，在工具鏈豐富度、大規模 AI 服務能力以及對開發者生態的融合上，更勝一籌。
這得益于其強大的云計算和生態能力。大模型時代的云計算，長什么樣子？這個問題在大模型還沒有火出圈時，阿里云就在 2022 年云棲大會上首次提出，今天也被整個行業擁抱成為大模型時代云的新架構——MaaS（模型即服務）。百煉這樣的工具層正是 MaaS 的一種表現形式。
圖片來源：阿里云
但 MaaS 并不是無中生有的新架構，而是云計算中的 PaaS 工具層在大模型時代的延伸。阿里云之所以最早看到這一趨勢，也是由于其在云計算架構上的前瞻性。隨著基礎模型的豐富，百煉平臺的完善，?開發者可以快速定制自己的模型和 AI 應用，像玩樂高一樣，從場景和數據出發，DIY 大模型時代的 AI 應用。
不難發現，阿里云的 AI 路線在開源、閉源、工具都朝著行業領先在投入和「較勁兒」，從這一系列發布中，你很難發現阿里云用「生態投入」替代「技術研發」的苗頭，更談不上坐享其「賣鏟子」的基礎設施定位。取而代之地，阿里云更加縱深的「AI 驅動」路線顯現。
02 心態上「絕對開放」，業務上「全面覆蓋」
看完了這一串眼花繚亂的發布，最后我們回到一個基礎的問題：阿里云的「AI 驅動」戰略到底是什么思路？
ChatGPT 發布一年以后，大型云廠商逐漸構建起日趨完善的 AI 產品服務體系，并逐漸分化出自己的特點。有的主打開放生態，有的主打自研閉源，也有的專注工具層。
而阿里云當下的路線，是覆蓋了幾乎所有的 AI 技術棧，并在每一條線上都持續投入。
在基礎模型上，阿里云不僅自研對標 GTP-4 水平的閉源模型，也在開源模型上一騎絕塵，甚至投資了國內其他的大模型公司；在 AI 工具層面，從 Prompt Engineering、RAG 到 Agent，任何一條新的技術棧出現，阿里云也都在第一時間跟進。
在場景上，阿里云沒有像其他云平臺一樣，聚集在一兩個垂類場景或者電商、生成等一兩個熱門場景，走單點突破然后以點帶面的打法，而是以極高的壓強投入，覆蓋所有重點的業務場景。
作為國內最大的云廠商，阿里云的規模和資源決定了其有做這種全覆蓋打法的底氣。但更深層次地，決定其這么做的原因是：在當前這個階段，AI 技術棧還遠非收斂的時刻，更不用說最終哪個場景可以長得足夠大這樣的問題。另外，阿里云企業客戶類型和需求的豐富度，也是國內之最，驅使它必須全面布局。
過去不到兩年的時間里，從 GPT-3.5 再到 GPT-4 Turbo 甚至傳言中的 4.5/5，幾乎每過半年 AI 基礎模型或工具能力就會迎來一次代際級的提升，每一代 AI 的能力就像是從高中生到大學生、職場新人再到總監、VP。與此同時，技術棧也在快速變化，從對話式 AI，到智能助理、智能體、RAG、Prompt Engineering……遠遠沒有到 AI 技術范式出現定格的時刻。
阿里云目前顯然沒有放棄某一條路線的打算。而是在算力平臺、開源社區、開源模型、工具鏈上全方位投入，不僅自研開源和閉源模型，還以開放的姿態引入產業鏈的各個合作伙伴。這讓他們在過去一年里收獲了最多的用戶、開發者和場景用例。阿里云透露，通義千問每天的日調用量早已過億，也擁有 9 億企業客戶數成為中國企業最受歡迎的大模型。
圖片來源：視覺中國
場景上也是如此，不是用過去的視角篤定某一個行業會率先爆發，而是從客戶需求出發，探索和滿足各行各業的可能性。這與當年移動時代的阿里云有相似之處，阿里云創始人王堅博士在 2014 年自己去米哈游辦公室研究早期阿里云產品故障時，后者還只是大學畢業生創建的小團隊，誰能想到包括米哈游在內的游戲賽道會成為云計算主要場景之一，米哈游這樣一個當年稚嫩的小公司，也成了阿里云今天 Top10 的客戶。
心態上「絕對開放」，業務上「順其自然」地全面覆蓋。不去爭論「開源、閉源哪個更好」，或者「單一模型架構、MoE 架構哪個更優」，又或者「電商、視頻哪個會先誕生殺手級 App」，而是覆蓋每一條技術棧，每一個場景，不放過每一個可能性。
這是阿里云「AI 驅動」戰略的真相，與外界此前猜測的躺平，可能恰恰相反。
