AI-Native的路要怎么走？一群技术“老炮儿”指明了方向

原创 Alter聊科技 2024-12-20 15:18

构建AI未来，Arm计算平台无处不在 无损芯片检测技术——X-RAY检测，可观察芯片内部结构、判断芯片质量及真假

解答了AI原生的算力困境、疏通了原生应用的开发路径，照亮了一个个创新案例后，AI-Native的“星星之火”从此刻开始燎原。

撰文｜张贺飞

编辑｜沈菲菲

上世纪70年代，沃兹尼亚克、乔布斯、费尔森斯坦、比尔·盖茨、约翰·德雷珀等人成立了名为Homebrew Computer Club的组织，他们在聚会中展示创意、交换想法，希望开创一个每个人都有电脑的世界。

后来的故事大家都很熟悉，沃兹尼亚克和乔布斯在Homebrew Computer Club的会议上展示了Apple I，并在第二年成立了苹果公司。同时推动了开源文化的兴起、个人电脑的普及，成了科技史上最具影响力的技术社群之一。

当世界进入到智能化时代，创新的种子在全球遍地开花，类似Homebrew Computer Club的社群也开始在更大范围内萌芽。

其中就有2020年12月30日成立的创原会，由CNCF执行董事Priyanka Sharma、中国信通院云大所副所长栗蔚和华为云CTO张宇昕作为创始会员构建的全球技术创新交流平台，希望通过探索前沿的云原生、AI等技术，共享产业落地实践经验的方式，共创技术与业务融合的无限可能。

经过四年时间的发展，创原会已经吸纳了来自学术研究、汽车出行、能源制造、互联网、金融投资、货运物流等行业的三百多位技术骨干，不乏衔远科技创始人周伯文、面壁智能CEO李大海、吉利汽车数字中心主任郑金伟、小红书云原生基础平台负责人黄玉奇等懂行的技术“老炮儿”。

正是在这样的背景下，每年一次的创原会年度技术峰会，作为会员们年度相聚、思想碰撞、互动交流的“舞台”，已成为洞察行业创新趋势、落地实践经验的风向标。

比如刚刚结束的2024创原会年度技术峰会，达成了“全面拥抱AI-Native”的共识，并为AI-Native的落地指明了方向。

01.

走向AI-Native，

先要解决算力资源的挑战

根据咨询机构Gartner的预测，2026年将有超过80%的企业在生产环境中落地大模型或调用API，并部署启用生成式AI应用。

比研究报告更加直观的，是创原会年度技术峰会上的热烈讨论：技术“老炮儿”谈论的不再是“怎么使用AI”，而是怎么将AI作为业务和生产的核心支撑，用AI重塑流程与创新产品，实现更高效与智能的运作。

创原会的会员们一致认为，算力挑战是普遍现象。

大模型的训练和推理，都需要强大的算力资源，而国内的很多企业无力承担庞大的硬件采购成本。即使有了算力，由于大规模分布式计算、弹性扩展和模型调优等技术的要求较高，常常出现算力浪费或利用率不足的问题。

图：华为云CTO、创原会荣誉理事长张宇昕

华为云CTO、创原会荣誉理事长张宇昕在演讲中表示：“我们期望每个企业都能实时按需获取AI算力，构建弹性、高效、多元算力的AI-Native基础设施是关键。”

传统的数据中心是CPU为中心的主从架构，所有资源的交互和信息传递都以CPU调度为主，CPU性能提升和网络带宽等都成为瓶颈。比如在AI训练推理的场景中，CPU为中心的架构无法完全满足业务所需的超大网络总线带宽、内存带宽和显存容量，直接限制了训练推理效率，并导致NPU算力和其它资源的闲置。

华为云的解题思路是将数据中心演进到多元算力对等全互联的架构，通过高速互联网络协议，将CPU、NPU、内存等算力资源全部互联，实现资源全池化、全对等互连、资源按需组合，从单体算力进化到矩阵算力。

张宇昕举了一个真实的例子：在使用万亿参数的盘古S模型运行训练任务时，采用多元算力对等架构的华为云CloudMatrix，计算效率比传统架构提升了68%；千亿参数的盘古U模型的推理效率提升了30%。

解决算力瓶颈只是第一步，存储也是制约AI发展的关键要素：32GB的显存仅能装下70亿参数的模型，且随着模型参数规格的增长，推理的显存需求并发变大。

针对AI落地应用过程中遇到的存储、数据等问题，华为云早已给出了一整套成熟的解决方案：

通过用池化架构来扩展显存的方式，解决了推理过程中的内存墙限制；通过将KV计算任务卸载到虚拟显存和CPU上，让单卡的并发数大幅提升；通过数据库领域大模型+场景小模型的多模型协同，打造了智能的数据库引擎，并利用智能开发助手和智能运维助手，全面提升开发和运维效率；以及在安全合规、隐私保护、可靠可控等方面的全盘布局。

走向AI-Native的过程，也是重新定义基础设施的过程。就像打开水龙头时，我们不需要知道水是从哪条河里来的；当我们调用AI算力的时候，不需要知道算力是怎么来的，背后的技术和运维有多复杂。

02.

AI原生应用开发，

有了“流水线”般的新范式

回答了算力资源的问题后，AI-Native就不再是一道选择题，而是千行万业数智化转型升级的必答题。

华为云副总裁、战略与产业发展部总裁黄瑾讲述了自己的判断：

相对历史上所有重大技术变革和创新，不管是云计算、移动互联网时代，其商业生态链都呈倒金字塔结构——应用和内容为王。同时坦言AI正在重塑IT的方方面面，包括重新定义基础设施、重塑软件开发过程、重塑软件交互体验，甚至在重塑软件生态。

图：华为云副总裁、战略与产业发展部总裁黄瑾

新的时代序幕已经拉开，身在局中的创原会会员们感同身受，他们的态度体现在讨论的议题上：《根据企业自身业务需求，如何识别和选择AI在开发领域的价值场景？》《如何选择智能化研发相关的关键技术？》《AI时代下的效能双引擎联动，如何实现确定性增长？》

面对如何高效打造AI原生应用的疑问，张宇昕结合华为云将大模型落地到30多个行业的400多个场景的经验，给出了三个建议：

第一，企业应用要基于AI-Native的云服务来开发和构建。

每个企业都需要持续思考如何把AI能力融入到自己的产品和应用中去，通过用以知识为中心的数据湖来构筑数据底座，用自主智能的工具链来开发应用，用AIGC+CG融合的数字内容生产线来创作内容等等。这样的产品和应用将具备自主学习、持续迭代、适应变化的能力。

第二，用基础大模型+工具链+企业经验，构建企业自己的专属模型。

大模型落地应用的过程中，也产生了“不可能三角”问题——需要在专业性、泛化性、经济性三者中做好权衡：通用大模型缺乏行业Know-how，在专业性上无法胜任企业的业务需要；训练大量专业数据，又会引发大模型的泛化能力下降；模型参数规模越大，性能和精度效果越好，但是训练成本会很高。

张宇昕的答案是：“模型不是越大越好，也不是一个大模型可以打遍天下，企业要结合自身经验和行业Know-how来打造自己专属的模型。”

比如将不同行业专属的高质量数据，结合行业Know-how训练通用大模型，并针对不同行业对模型能力的偏好进行通用数据增强，打造行业场景的大模型。各个企业在行业大模型的基础上，增训自己的私有数据、企业Know-how，调度企业专用工具和插件，构建出企业自己的专属模型。

第三，用大模型系统构建AI原生应用，实现企业智能升级。

大模型的训练不应该重复造轮子，大模型的落地也不应该一次次从0到1，而是将模型与工程化能力相结合，实现模型接入与对外接口标准化，开发者可以按照相应的规则调用，直接创建AI原生应用。

相对应的正是华为云的大模型系统，包含行业数据和知识组成的知识中心，企业专属大模型、开源大模型以及传统小模型构成的模型中心，搜索引擎、代码执行器整合而成的组件中心等等。

开发者可以通过大模型系统的增强插件，譬如安全护栏保障模型的安全性、RAG检索增强来消除大模型幻觉，利用标准的API接口，协同配合多种模型，以取长补短的方式快速实现企业的智能化升级。

打一个比方的话：如果说传统的应用开发是“手工作坊”，有了完善的工具链、大模型系统和独立处理复杂任务的AI Agent，AI原生应用的开发已经进入到了“流水线生产”的模式，为数智化转型按下了“加速键”。

03.

大模型平民化，

在场景中看见新质生产力

当AI-Native的路径被跑通，大模型不再是少数头部企业的“特权”，AI将和千行万业的真实场景碰撞出什么样的火花？

就历史经验来看，相较于数据上的宏观论述，可以触摸的落地案例更有说服力。2024创原会年度技术峰会上有一个特别的环节，评选出了“2024年度AI-Native十大先锋实践”，也为外界提供了窥探落地现状的窗口。

图：“AI-Native十大先锋实践”案例

我们筛选出了三个有代表性的例子。

一是借助AIGC优化内容生产流程的喜马拉雅。

作为国内规模领先的在线音频分享平台，喜马拉雅在2023年专门成立了“珠峰实验室”，着手研发了“珠峰音频AI模型”。

为了解决大模型训练和推理的算力需求，喜马拉雅构建了自建AI基础设施与公有云AI资源池的混合架构，让资源利用效率提升了20%、资源成本降低了10%。目前“珠峰音频AI模型”已经生产了数万本有声书，包括模仿单田芳声音的AI合成音频专辑，极大降低了平台的成本投入。

内容生产的流程被重塑后，喜马拉雅进一步研发了AI智能推送系统、国内首个全内容智能AI音箱小雅等产品，不仅提升了内容推送精准度和效率，也为听众带来了更加沉浸式、定制化的音频体验。

二是用AI大模型打造零售智能体的美宜佳。

深耕零售行业近30年的美宜佳，开启了创办以来“最具创新”的一次转型，联合华为云盘古大模型打造了AI+IoT+美宜佳业务平台的零售智能体，并将其落地到3.7万家门店，探索零售行业的新业态。

数字店员可以随场随身解答顾客的问题，播放音乐缓解顾客的压力，像一座智慧化的“城市灯塔”，点亮了深夜归家的路。

值得一提的是，美宜佳的智能化探索，不仅为品牌商、门店店主、消费者提供了服务成本更低、效率更高、体验更好的集成生态服务，沉淀下来的经验和能力还将外溢到整个行业，驱动零售行业服务升级。

三是北京市政一卡通的人工智能创新实践。

基于华为云的AI原生基础设施，北京市政一卡通依托AI技术完成了一卡通支付的智能化改造，有效支撑了一卡通公司在公共交通、商业消费、政府管理、创新应用4大领域28个行业的广泛落地。

目前北京市政一卡通已经覆盖国内330多个城市，每天为数千万用户提供持续、稳定、高效、安全的支付服务。同时人工智能还在用卡安全等方面发挥了重要作用，为公共服务与社会治理提供了创新示范，连续多年被列入北京市政府“为市民办实事工程”。

正如张宇昕所说：“中国的AI产业有着巨大的机遇，我们可以充分发挥在行业场景和行业数据领域的优势，让AI深入到企业核心生产系统，真正发挥产业价值和商业价值，推动产业升级和转型。”

三个跨越互联网、零售、政企的例子，仅仅是AI原生应用图景的一隅，却用事实印证了张宇昕的判断，让外界看到了实实在在的新质生产力，看到了行业生产力的跃迁。

04.

写在最后

Homebrew Computer Club在50年前点燃了个人计算机革命，为人类的生活和工作方式产生了颠覆性改变。

承袭了这种精神的创原会，为技术先锋和产业创新者搭建了沟通的桥梁，正在将创新的力量扩散到更多的行业和场景中。

也许多年后再来审视2024创原会年度技术峰会，人们会惊讶地发现：解答了AI原生的算力困境、疏通了原生应用的开发路径，照亮了一个个创新案例后，AI-Native的“星星之火”从此刻开始燎原。

往期推荐

“芯片围城”下国产AI要放缓？答案或截然相反

大模型的现在进行时：走出对话框，走向产业端

主理人 | 张贺飞（Alter）

前媒体人、公关，现专职科技自媒体

钛媒体、36kr、创业邦、福布斯中国等专栏作者

转载、商务、开白以及读者交流，请联系个人微信「imhefei」

登录阅读全文



免责声明：该内容由专栏作者授权发布或作者转载，目的在于传递更多信息，并不代表本网赞同其观点，本站亦不保证或承诺内容真实性等。若内容或图片侵犯您的权益，请及时联系本站删除。侵权投诉联系： nick.zong@aspencore.com！

Alter聊科技探究产业兴衰,专注商业解读。

进入专栏

Alter聊科技探究产业兴衰,专注商业解读。

文章：152篇粉丝：1人

 私信

AI-Native的路要怎么走？一群技术“老炮儿”指明了方向

最近文章

热门文章

推荐

最新资讯