隨著ChatGPT、GPT-4、BARD等生成式AI大模型的爆火，云服務(wù)商圍繞生成式AI的競(jìng)爭(zhēng)日趨激烈。
微軟將Azure的企業(yè)級(jí)功能與OpenAI的生成式AI模型功能相結(jié)合，發(fā)布了Azure OpenAI服務(wù)；
緊隨其后，谷歌開放了AI大模型PaLM的API，并在谷歌企業(yè)級(jí)線上協(xié)作平臺(tái)Google Workspace中引入了生成式AI功能。
近日，亞馬遜云科技也推出了一項(xiàng)名為Amazon Bedrock的生成式AI云托管服務(wù)，用戶可以通過(guò)API訪問(wèn)AI21Labs、Anthropic和Stability AI等AI初創(chuàng)公司的預(yù)訓(xùn)練基礎(chǔ)模型，還提供對(duì)亞馬遜云科技開發(fā)的基礎(chǔ)模型系列Amazon Titan FMs的獨(dú)家訪問(wèn)。
國(guó)內(nèi)云服務(wù)廠商如：百度、阿里、京東、360等，也都密集宣布AI大模型技術(shù)進(jìn)展以及類ChatGPT項(xiàng)目計(jì)劃。
事實(shí)上，在這場(chǎng)由ChatGPT掀起的巨大聲浪中，云計(jì)算扮演著十分重要的角色。
比如，ChatGPT的模型訓(xùn)練需要大量的數(shù)據(jù)資源和計(jì)算資源，云計(jì)算則為模型的開發(fā)和運(yùn)行提供了強(qiáng)大的技術(shù)基礎(chǔ)，這或許也是國(guó)內(nèi)外眾多云廠商選擇跟進(jìn)ChatGPT的原因所在。
隨著云廠商們加速對(duì)ChatGPT的布局，未來(lái)云計(jì)算市場(chǎng)的競(jìng)爭(zhēng)格局是否會(huì)被重新改寫呢？
01 云服務(wù)商為何搶占生成式AI模型？
眾所周知，以ChatGPT為代表的生成式AI技術(shù)十分耗錢，背后需要依靠強(qiáng)大的AI模型和海量數(shù)據(jù)，其所需要的云服務(wù)算力成本十分龐大。
以ChatGPT為例，據(jù)SimilarWeb數(shù)據(jù)，2023年1月ChatGPT官網(wǎng)總訪問(wèn)量為6.16億次；據(jù)《Fortune》雜志，每次用戶與ChatGPT互動(dòng)，產(chǎn)生的算力云服務(wù)成本約0.01美元，如果使用總投資30.2億元、算力500P的數(shù)據(jù)中心來(lái)支撐ChatGPT的運(yùn)行，至少需要7-8個(gè)這樣的數(shù)據(jù)中心，基礎(chǔ)設(shè)施的投入都是以百億計(jì)的。
但對(duì)于參與其中的微軟、谷歌、亞馬遜云科技、百度、阿里等廠商而言，其資金實(shí)力雄厚，足以覆蓋投入大模型訓(xùn)練的云基建建設(shè)成本。
且隨著未來(lái)大模型訓(xùn)練成本的進(jìn)一步降低，云服務(wù)商也有其自身的優(yōu)勢(shì)。
相較于成本問(wèn)題，生成式AI技術(shù)帶來(lái)的前景不可小覷。
首先，AI大模型訓(xùn)練會(huì)為云廠商貢獻(xiàn)大量的直接營(yíng)收。
目前，云服務(wù)商的增速下降已經(jīng)是擺在“明面上的事情了”。
據(jù)去年11月17日發(fā)布的阿里云季報(bào)顯示，其增速已經(jīng)降至4%，首次跌至個(gè)位數(shù)，在此之前其整體增速已經(jīng)連續(xù)三季度低于15%了，創(chuàng)下了多年來(lái)新低；與此同時(shí)，騰訊云、華為云等前四大云廠商也都呈現(xiàn)出增速下跌的態(tài)勢(shì)。
在此背景下，AI大模型訓(xùn)練無(wú)疑為其打開了新的空間。
據(jù)投資機(jī)構(gòu)A16Z的研究數(shù)據(jù)發(fā)現(xiàn)，應(yīng)用程序公司平均將約20%-40%的年收入，用于推理和定制化的微調(diào)。
這部分通常直接支付給云服務(wù)提供商，以獲取實(shí)例或支付給第三方模型提供商，后者將大約一半的收入投入于云基礎(chǔ)設(shè)施。
據(jù)此推算，生成式AI將有10%-20%的營(yíng)收將直接流向云服務(wù)商。
另外，很多初創(chuàng)自有模型的企業(yè)，將會(huì)將其多達(dá)幾十億的風(fēng)險(xiǎn)投資中的大部分，用于支付給外部云服務(wù)商身上，以訓(xùn)練自有大模型。
對(duì)于云服務(wù)商廠商而言，這樣的新興市場(chǎng)無(wú)疑是特別值得期待的事情。
其次，AI大模型的使用將增加云服務(wù)商的市場(chǎng)競(jìng)爭(zhēng)力。
從技術(shù)上看，對(duì)于NLP任務(wù)的場(chǎng)景，ChatGPT等AI大模型擁有更強(qiáng)的優(yōu)勢(shì)，能夠智能化生成一系列文本內(nèi)容，為用戶提供更加便捷和高效的應(yīng)用體驗(yàn)。
現(xiàn)在，各大云服務(wù)商也都推出了自己的AI大模型。
例如，亞馬遜云科技的Amazon SageMaker是業(yè)內(nèi)知名的基于云的機(jī)器學(xué)習(xí)開發(fā)平臺(tái)，可以使得機(jī)器學(xué)習(xí)模型的部署更加簡(jiǎn)單和有效，并且在模型更新和部署方面較為靈活。
近日亞馬遜云科技推出的生成式AI托管服務(wù)Amazon Bedrock，則進(jìn)一步降低了用戶使用生成式AI的門檻，讓用戶可以自由地選擇其自研的基礎(chǔ)大模型Amazon Titan（包含基于不同場(chǎng)景下的兩個(gè)子模型TitanText和Titan Embeddings），以及AI21Labs、Anthropic和Stability AI等業(yè)內(nèi)領(lǐng)先的第三方基礎(chǔ)模型，用少量的數(shù)據(jù)就可以在基礎(chǔ)模型上訓(xùn)練自己的定制模型。
通過(guò)API的方式訪問(wèn)基礎(chǔ)模型，構(gòu)建生成式AI應(yīng)用，不必自己管理和運(yùn)維底層基礎(chǔ)設(shè)施。
谷歌Cloud AI Platform則在模型調(diào)試和優(yōu)化上比較出色，同時(shí)可以靈活運(yùn)用GPU并行計(jì)算實(shí)現(xiàn)對(duì)模型復(fù)雜度和架構(gòu)的把握。
微軟Azure的Cognitive Services主要應(yīng)用于語(yǔ)言音頻、計(jì)算視覺等方面，可以幫助企業(yè)在多個(gè)領(lǐng)域應(yīng)用AI技術(shù)。
總體而言，AI應(yīng)用已經(jīng)成為了云服務(wù)商的重點(diǎn)發(fā)展領(lǐng)域，推出AI大模型可以滿足客戶需要的AI應(yīng)用，提高云服務(wù)商的技術(shù)實(shí)力和市場(chǎng)競(jìng)爭(zhēng)力。
最后，AI大模型能促進(jìn)云服務(wù)商自身技術(shù)研發(fā)的深度發(fā)展。
生成式AI或?qū)⑼苿?dòng)整個(gè)云服務(wù)行業(yè)的整體升級(jí)。
據(jù)OpenAI測(cè)算，自2012年以來(lái)，全球頭部AI模型訓(xùn)練算力需求3-4個(gè)月翻一番，每年增長(zhǎng)幅度高達(dá)10倍。
但根據(jù)摩爾定律，芯片計(jì)算性能每隔18-24個(gè)月才能翻一番，也就說(shuō)芯片性能遠(yuǎn)遠(yuǎn)跟不上AI訓(xùn)練的算力需求。
云計(jì)算發(fā)展到今天，隨著數(shù)據(jù)密集型場(chǎng)景越來(lái)越多。
比如，云計(jì)算從業(yè)務(wù)處理為中心轉(zhuǎn)向數(shù)據(jù)處理為中心，CPU更多是在處理網(wǎng)絡(luò)事務(wù)而不是用于計(jì)算，這相當(dāng)于數(shù)據(jù)中心部署的很多服務(wù)器，被白白浪費(fèi)了。
此時(shí)，解決之道是不再借助CPU，而是打造只為云計(jì)算服務(wù)的芯片，相當(dāng)于云上的Windows系統(tǒng)。
為此，云廠商們也有了自己的想法。比如亞馬遜云科技、微軟、阿里等廠商均加大了自研芯片的力度，試圖將AI引領(lǐng)下的“算力自由”牢牢掌控在自己手里。
例如，近日亞馬遜云科技就宣布基于Amazon Inferentia2芯片的Amazon EC2 Inf2實(shí)例全面可用，打造最具成本效益的生成式AI云基礎(chǔ)設(shè)施。
同時(shí)，亞馬遜云科技基于Amazon Trainium芯片的新型Trn1n實(shí)例也正式可用，該實(shí)例將網(wǎng)絡(luò)帶寬提高了一倍，為訓(xùn)練生成式AI模型提供了更高的性能。
亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建在采訪中舉例道，在一個(gè)BERT環(huán)境中，如果基于英偉達(dá)的GPU實(shí)例并使用16個(gè)節(jié)點(diǎn)，簡(jiǎn)單的模型訓(xùn)練可能需要13個(gè)小時(shí)；但在內(nèi)部測(cè)試中，基于亞馬遜云科技自研的Trainium訓(xùn)練芯片，同樣使用16個(gè)節(jié)點(diǎn)，只需要5個(gè)小時(shí)就可以完成訓(xùn)練。
同樣，如果是基于NLP的大模型訓(xùn)練，需要8個(gè)GPU卡才能完成。
但是如果采用亞馬遜云科技自研的Inferentia2，同樣的負(fù)載只需要4個(gè)Inferentia2芯片即可，將用戶整個(gè)硬件部署的環(huán)境、復(fù)雜性、和成本資金都降低一半。
02 云服務(wù)或?qū)⒂瓉?lái)價(jià)值重估
隨著生成式AI與云產(chǎn)品的加速融合，以及產(chǎn)業(yè)進(jìn)入“深度用云”時(shí)代，基于云計(jì)算的AI能力逐步得到了企業(yè)與行業(yè)的驗(yàn)證。
AI與云的結(jié)合能夠降低企業(yè)上云的門檻，同時(shí)憑借AI的深度學(xué)習(xí)能力發(fā)揮數(shù)據(jù)價(jià)值，為企業(yè)搭建更好的“用云”路徑。
具體來(lái)說(shuō)，隨著AI大模型技術(shù)的成熟，未來(lái)整個(gè)AI應(yīng)用的創(chuàng)新門檻更低（成本更低、迭代更快），初創(chuàng)企業(yè)可以基于大模型創(chuàng)新而不是底層的芯片層和框架層創(chuàng)新。
同時(shí)，企業(yè)在用云時(shí)候更多會(huì)基于云服務(wù)廠商的大模型成熟度，來(lái)選擇云廠商。
例如，Airbnb、GE等國(guó)際大企業(yè)，已經(jīng)在使用亞馬遜云科技底層的計(jì)算資源、訓(xùn)練框架、訓(xùn)練平臺(tái)，來(lái)進(jìn)行自己大模型訓(xùn)練。
通過(guò)Amazon SageMaker，用戶可以實(shí)現(xiàn)從數(shù)據(jù)標(biāo)注、大規(guī)模分布式訓(xùn)練以及到機(jī)器學(xué)習(xí)模型運(yùn)維和在線推理的完整的端到端的任務(wù)。
其中，GE Healthcare創(chuàng)建了一個(gè)以改進(jìn)傳統(tǒng)的 X 射線成像技術(shù)（如超聲波和 CT 掃描）為中心的深度學(xué)習(xí)算法庫(kù)。
通過(guò)將患者報(bào)告數(shù)據(jù)、傳感器數(shù)據(jù)和許多其它來(lái)源的各種數(shù)據(jù)集合并到掃描過(guò)程中，該算法將能夠識(shí)別正常結(jié)果和異常結(jié)果之間的差異。
根據(jù)最近的一項(xiàng)調(diào)查，82%的醫(yī)療決策者說(shuō)，使用數(shù)據(jù)改善了病人的護(hù)理，而63%的人報(bào)告說(shuō)再入院率降低。
事實(shí)上，這一變化為原本競(jìng)爭(zhēng)已經(jīng)固化的云服務(wù)市場(chǎng)帶來(lái)了重估機(jī)會(huì)。
從全球范圍來(lái)看，AWS第一、Azure第二、阿里云第三的局面，已經(jīng)持續(xù)了很長(zhǎng)時(shí)間了，從IDC的數(shù)據(jù)來(lái)看，至少五年內(nèi)這種3A格局未曾打破過(guò)，緊隨其后分居第四、第五位的谷歌云、IBM，始終被前三名的巨頭壓制著。
從國(guó)內(nèi)市場(chǎng)來(lái)看，阿里云一騎絕塵的領(lǐng)先者優(yōu)勢(shì)也已經(jīng)保持多年，市場(chǎng)份額第一很難撼動(dòng)。
但隨著生成式AI大模型的出現(xiàn)，這一局面或?qū)⒌玫綇氐鬃兓?，這是因?yàn)楦咏岸说膽?yīng)用普及，對(duì)云服務(wù)下半程的競(jìng)爭(zhēng)至關(guān)重要。
值得一提的是，微軟的高層在宣布接入ChatGPT之后，曾對(duì)外表示：“ChatGPT或?qū)?dòng)微軟云超越亞馬遜云?！蓖瑯拥脑?，百度CEO李彥宏也說(shuō)了一遍，他表示文心一言帶來(lái)的優(yōu)勢(shì)，將可能引導(dǎo)百度智能云進(jìn)入市場(chǎng)第一。從兩大巨頭的高層表態(tài)來(lái)看，生成式AI技術(shù)或?qū)⒔o云行業(yè)帶來(lái)新的大洗牌。
需要指出的是，當(dāng)前生成式AI技術(shù)的落地還存在一些不確定性，能否確實(shí)成為產(chǎn)業(yè)互聯(lián)網(wǎng)的全新應(yīng)用也還需要時(shí)間驗(yàn)證。
有業(yè)內(nèi)人士表示，ChatGPT仍是個(gè)不成熟的產(chǎn)品，目前炒作的意味更濃，未來(lái)能不能真正帶來(lái)產(chǎn)業(yè)價(jià)值還是一個(gè)未知數(shù)。
可見，生成式AI離真正的產(chǎn)業(yè)化還有相當(dāng)距離，至少還需要不少的時(shí)間，能否真的為云服務(wù)產(chǎn)品帶來(lái)革命式變化，以及撼動(dòng)云服務(wù)市場(chǎng)格局，還需要進(jìn)一步觀察。