光阴者百代之过客。

世人皆过客，软件亦如此。

人工智能已有新旧之分。

网友戏称，新人工智能是ChatGPT，旧人工智能是“之前那些”。

历史在重演。

云计算在美国问世的时候，否定论调居多。

一个常见的否定论调是「做生意不用上云」。

接着，事态变化，

否定论调则调整为「大企业永远不会上云」。

接着，否定之声定调为「国家级机关单位永远不会上云」。

美国五角大楼没有配合，一个著名的上云项目叫JEDI（联合企业国防基建）。

网友吟诗曰：云深不知处。

历史在重演。

深度学习问世，否定论调居多。

传统算法末日黄昏，深度学习颠覆革命。

一开始，人们还不太相信，深度学习也许只能在语音上做好。

很快发现，在计算机视觉分类问题上也可行。

再后来，基本上起初认为做不了的事情，后来都能够做了。

GPT-4也有否定者，也需要否定者。

网友戏称，我已经等不及要看AI失控那一天了。

历史在重演。

强大的AI大模型，背后有微软云提供的澎湃算力，阿里版GPT通义千问的背后是国内最大云厂商阿里云。连百度都把摊在地上的百度云扶起来，称之为新型AI云。

AI和云的关系变得既感性又性感，让我不得不思考：

ChatGPT会让云发生什么？

下文中AI大模型，简称大模型。

第一，赢者通吃。

假如全球只有一款傲人的大模型，那么一切想用大模型技术的企业均会成为附属在产业上的附属物。

传统算法步入末法时代，云计算不可能独善其身。

大模型手接权杖，嘶吼咆哮：赢家通吃。

在权力游戏中，你不当赢家就只有死路一条，没有中间地带。

第二，若云厂商大模型缺位，其他类型的大模型技术拥有者会带动生态迁移。

“好用跟我走”是一种技术咒语，咒语已经施与大模型。

传统掌权者依然存在，彻底衰败需要时间。

他日，谁掌握了大模型的高地，谁就可以定义未来指令集。

大模型的新生态如果不在云上，必然会削弱云厂商原有生态。

云厂商制胜大模型，则强者更强。

平台即服务（PaaS）尽管也很需要，也赚钱，可惜不能带动生态迁移。

谁掌握了大模型，谁就可以定义未来科技生态。

第三，大模型尚在早期，生态从出生到成熟，将会是一个漫长旅程。

“窗口期”是对技术先行者的馈赠。大模型效果好到令人兴奋，但我们处在ChatGPT生态早期，又或者，更早期。

即使是处于早期，作为科技巨头，你敢坐视不理，消极布局吗？

ChatGPT生态将会是一个漫长旅程。这意味着，参与者会是种子阶段的选手。

这也意味着，大部分参与者面目模糊，终会消失。

看到ChatGPT确实把人工智能往前带动了一大步，就鼓吹ChatGPT万能万用可耻。

云计算是庞大产业，大模型未来也会是庞大产业。但仍然不要忘了，我们正处在早期。已经有企业级客户跃跃欲试生成式大模型了，但需要更多的企业级客户用起来。

当下，过度吹捧会导致市场失望和资本撤离。

做好当下，更要想以后。

第四，即使云上有了大模型，国内云厂商仍然会遭遇多形态的竞争对手。

当“好用跟我走”的软件出现，硬件厂商会作何反应？对，在中国，这里提到的硬件厂商最典型的就是华为，尽管华为也有云业务。

这次我们不讲通讯产业，讲AI产业。

AI产业里，比华为云上的AI业务更出名的是华为昇腾系列AI芯片。

假如我是华为，当我拥有一款傲人的大模型，我会把这款软件预装在数据中心级别的计算设备里一起售卖。反正都要用，预装抢市场。

这就好比预装在手机里的APP，优势占了一大截。

云厂商形势颇为严峻。

假如没有大模型，阿里巴巴在中国会遇到不少于以下三种严峻而又强势的挑战。

一、狙击。

独立大模型开发商拿走云上AI计算业务的利润。这是结果，但过程绝不会简单，短时间也完成不了。

二、截胡。

国内数据中心，尤其是智算中心。当智算中心拥有大模型后，可以直接输出AI大模型能力，背后就是算力的输出。

三、连锅端。

独立大模型开发者和国内智算中心合力，联合围剿国内云厂商。

阿里巴巴会坐以待毙吗？

答案显然是否定的，尽管阿里大模型出发的时候对标的是谷歌。

谷歌有TPU，阿里有平头哥。

平头哥虽然不是天下第一，但是它能让阿里云成本降低，且不论全部替代，想想那些不能降成本的竞争对手。

谷歌的AI生态建设得非常完整和领先，包括AI芯片TPU，端到端开源深度学习框架TensorFlow。

与传统的CPU+GPU组合相比，TPU这类专业芯片在搜索、翻译、语音助手、图像识别等AI任务上有数量级的性能提升。

百度也想全套对标，还比不上谷歌。

结果，晴天里一个大霹雳，谷歌大模型输给了微软（和OpenAI）战队，尽管Bert模型对谷歌搜索引擎上的每一个基于英文的查询提供支持，效率提升10%以上。

别人家大模型赢了，谷歌吃尾气了，还让大家都看到了。虽遭重击，但谷歌比别人更有翻盘的机会。

以前都无法想象谁会超越谷歌的AI。

我们聊回阿里巴巴。

说阿里巴巴在NLP（自然语言处理）等前沿科研领域布局多年，这话没人反驳吧？

阿里达摩院在2018年底启动研发，在超大模型、语言及多模态能力和训练、平台化服务、落地应用等多个方面，为中文大模型的发展做了一些前沿性、引领性的工作。

- 2019年

发布大规模预训练语言模型structBERT并登顶全球NLP权威榜单GLUE；

- 2021年

先后发布国内首个超百亿参数的多模态大模型M6及语言大模型PLUG；

- 2021年8月

阿里大模型在全球机器视觉问答榜单VQA上首超人类得分；

- 2021年10月

阿里探索较低能耗训练全球首个10万亿参数大模型M6；

- 2022年2月

M6可同时完成10余项单模态及多模态任务。

这些非技术背景的读者看上去意义不大的事情，如今都成了大模型的“史料”。

阿里大模型的品牌统一在“通义”之内，那些曾经被我来回理解的大模型都有了一个共同的名字。

近日，阿里“通义千问”语言大模型邀请测试，阿里成为全球较早研发并开放GPT-like大模型的科技公司之一。

谭老师我的大模型技术启蒙是阿里巴巴给的。

跟着阿里学习大模型这些年，我获得一个测试邀请码不过分吧？

所以，通义千问测（翻）试（车），我们放在文章最后。

整体来看，阿里在大模型领域与引领者OpenAI尚有差距。但总体来说，阿里处于全球领先的大模型研发梯队，具备语言大模型、多模态大模型、大模型底层训练平台的完整布局。

应当承认，OpenAI已是全球大模型的引领者，ChatGPT是非常优秀的模式，GPT-4在推理、数学等方面有了非常不错的表现，是当前通义千问尚不能及的。

通义千问目前在效果上与ChatGPT还存在一定差距，仍在学习和成长。当然，通义千问也有自己较为擅长的领域，比如在文本对话、阅读理解等方面。

好消息是，阿里应该比谭老师我更理解为何重视大模型。

就算全中国只有三个公司出手大模型，其中一个必须是阿里巴巴。

再来谈谈大模型走向ToB市场的抓手，即OpenAI公司的Plugin插件。

Plugin既是产品，也是方法，切不可小瞧。

Plugin插件可以成为大模型的“眼睛和耳朵”，使它们能够接受“再训练”，而不仅仅依靠原有训练中的信息。

Plugin插件对于企业拿“再训练”用好大模型这件事情起到重要作用。

有Plugin，才会有专属模型未来的方向。

相信未来也不会只是Plugin插件的形式，大模型制造者会摸索出更好的方法。

企业通过Plugin接入GPT后，生产力会有新的提升。

比如在金融、能源或药品企业里，再英明神武的企业领导也需要充分的信息才能做决策，企业级大模型应用肯定要结合企业业务数据。

大模型是能力，在大模型能力技术上，企业用数据再次训练更为重要。

不仅如此，想象大胆一些，加上机器腿和机器手，做控制和执行。

聊到机器人了。

首批热心极客开发者已将ChatGPT接入机器人。

机器人除了听从指挥做指定动作，还能提醒你：“你的妻子永远都是对的。”

没办法，语言能力强。用强化学习根据人的反馈数据又训练过几轮的效果就是好，机器人的智商情商显得很不一样。

批量使用工业机器人的企业通过Plugin接入GPT后，生产力会有新的提升。

我们正处于一个非常漫长的旅程的起步阶段，企业级的大模型应用还如星星之火。

Plugin模式一定会被国内大模型竞争者复现。但请回到第一步，你得有个好用的大模型。

动辄超千亿参数的大模型研发，不是单一的算法问题，也不是靠堆积GPU实现，这是系统性工程，包括底层算力、网络、存储、大数据、AI框架、AI模型等。

AI+云计算的全栈技术能力是云厂商制胜大模型的底气。

再看阿里，全球少数在全栈技术能力都有深度布局、长久积累的科技公司之一，也是为数不多拥有超万亿参数大模型研发经验的企业。

前几天看到国内大模型竞争者们已被划分出了派别，也不乏有人从零起步。

独立大模型创业公司估值在2500万美金之后，要靠业务评估估值，价格都这么贵了，投资人也很审慎。

大模型“云上经济”的权力游戏般的奇幻史诗揭幕，等待更强的人工智能降临。

别忘了，比夺取权杖更重要的是人类命运永续。

（完）

One More Thing

百度的测试结果在这里，可点击阅读：

看百度文心一言实力，再聊ChatGPT触类旁通的学习能力如何而来？

通义千问的测试结果来了：

问：一头熊一天吃14罐蜂蜜，请问它一年吃多少罐蜂蜜？

问：一头熊一天吃14罐蜂蜜，请问它闰年吃多少罐蜂蜜？

做错了。

做错了。

问：这头熊要去出差了，它要屯一点蜂蜜，请问蜂蜜怎么保存最好？

答对了，认得清保存蜂蜜的常识。

问：一只熊抱着一罐蜂蜜从一个点出发，向南走一公里，再向东走一公里，再向北走一公里，正好又回到了起点，请问：这只熊是什么颜色的？

这道题有点像脑筋急转弯。ChatGPT说，这个问题和熊的颜色没有关系，这只熊处于北极，则这只熊是北极熊，通常是白色的。

问：如果我在野外，背包里有一罐蜂蜜，被熊闻到了，我可以把蜂蜜给熊来求生吗？

这道题答得好。

问：请画一张小熊吃蜂蜜的 ASCII 图片？

通义千问看懂了ASCII这个词，可能画出来有点费劲，就乱来了。

皆是匆匆客，笑笑了因缘，翻（搞）车（笑）的来了。

我问通义千问：42号混凝土拌意大利面”，好吃吗？

通义千问答案如图：

图片内（笑）容（话）是：

作为一个人工智能模型，我没有口感或味觉，所以我无法判断42号混凝土拌意大利面的味道如何。

不过，我可以告诉你，42号混凝土是一种由工业废料制成的材料，因其独特的颜色和强度而被用于制作混凝土。

由于其强度高、色彩鲜艳，因此在某些领域被用作建筑材料，但其味道和质量与普通混凝土拌和的意大利面可能会有所不同。

嗯，42号混凝土拌意大利面，我反正不想吃。谁想试一试？

我问通义千问：砸钉子的时候一瞬间产生大量的高能蛋白，这句话对不对？

图片内（笑）容（话）是：

砸钉子会产生大量的高能蛋白，这句话是不正确的。

钉子是由金属元素构成的，其中含有大量的铁、碳、氧等元素，而蛋白质是由氨基酸构成的，钉子中不含有任何蛋白质成分。因此，砸钉子不会产生大量的高能蛋白。

此外，钉子的砸击力度不同，产生的高能蛋白的数量和种类也会不同，因此不能一概而论。

完蛋，本来说对了，后面车轱辘话砸场子了。

更难的来了。

我问通义千问：根据勾股定理，人工饲养的东条英机是否可以捕获野生的三角函数?

根据勾股定理，人工饲养的东条英机无法捕获野生的三角函数。

勾股定理是指直角三角形斜边的平方等于另一条直角边的平方，因此只适用于平面图形。

而对干野生的三角函数，其形状和位置可能会因地理位置，环境条件等因素而发生变化。

因此无法使用勾股定理来计算其位置。因此，人工饲养的东条英机无法捕获野生的三角函数。

“野生三角函数”“人工饲养的东条英机”这么大的信息量，把通义千问也给整迷糊了。

好了，本次“野生”测试结束，千问万问，问翻车。