正在阅读:

回答2024:中国生成式AI的未来在哪?

扫一扫下载界面新闻APP

回答2024:中国生成式AI的未来在哪?

中国的AI时代生成式AI究竟意味着什么?云计算的第三次浪潮又代表了什么?

文|产业家 思杭

编辑|皮爷

AIGC、大模型、AGI、MaaS,已然成为2023年的几大关键词。其火热程度让人不由得回想起当年的“元宇宙”,但与之不同的是,大模型和AIGC背后蕴藏的产业密码,撼动的不仅是整个To B界,更是对信息技术底层的颠覆。

所以,AI不仅会是2023年到2024年的主题词,它更将是未来十年都绕不开的话题。

8月末,首批大模型通过备案,最先全面开放的是百度文心一言,接着是智谱AI、百川智能、字节跳动、商汤等等。时间再快进两个月,到了11月初,第二批AI大模型也陆续通过备案,其中包括美团、昆仑万维、蚂蚁集团、面壁智能、知乎等11个大模型应用。

两批大模型应用备案,加在一起共22家。从3月27日,国内第一个大模型百度“文心一言”的正式上线,到11月4日,第二批大模型备案通过,在过去的222天里,国内大模型已然脱虚向实,从C端走向B端,走向产业落地。而目前大模型正在经历的是,商业化探索阶段。

可以说,这22家大模型备案的通过,既是为2023年所有筹备大模型的企业划上一个完美的句号,也是为未来2024年整个To B行业、云计算行业带来的一个良好开端。

10月16日,全球IT研究与顾问咨询公司Gartner发布了“2024年十大战略技术趋势报告”。而这十大趋势的主题词只有一个,即人工智能,或者更准确的说是生成式AI。但任何新兴技术的爆发,必然会带来一定的风险。所以,Gartner在2024年十大趋势报告中,将这些趋势分为三大类别:价值、风险和资产保护。

2024年十大战略技术趋势,图源:Gartner

Gartner对于未来生成式AI的预测是,到2026年,超过80%的企业都会接入生成式AI或大模型,然而这一比例在2023年初还不到5%。

在国内,生成式AI也是大模型的同义词。而大模型在阿里云的口中,是“云计算的第三次浪潮”。这家对大模型开源贡献颇多的企业为大模型赋予的概念,言外之意也一定程度上揭示了生成式AI的未来。

Gartner研究副总裁高挺(Arnold Gao)对此的态度是,“这些趋势很多时候也不是一个单独的技术,而是一种架构上的变化。”

这些答案或许书写在2024年的产业答卷上,又或许在更长的时间才能浮出水面。

透过Gartner的报告,我们尝试重新分析中国的AI时代生成式AI究竟意味着什么?云计算的第三次浪潮又代表了什么?

趋势一:全民化生成式AI

回顾2023年,几个有代表性的大会,如世界人工智能大会、中国国际服务贸易交易会,以及刚刚过去的阿里云云栖大会,它们都阐释了一个重要的主题——生成式AI。

在这里,Gartner所预测的第一大趋势“全民化生成式AI”,与阿里云口中的“云计算的第三次浪潮”有着异曲同工之处。

“未来生成式人工智能平台的入门门槛会变得非常低,几乎可以为所有人提供‘生成、创造、编写数字内容’的能力。”这是Gartner研究副总裁高挺对于“全民化生成式AI”趋势的解读。所以,当全民化意味着低成本,生成式AI意味着生产力的提升时,“云”和“开源”也就注定成为了绕不开的两大话题。

其中,云计算为生成式AI提供了底层技术。这也是“云计算的第三次浪潮”被提出的大背景。生成式AI对云计算行业带来的影响可谓是颠覆性的。阿里云王坚对“云计算第三次浪潮”的诠释是,AI与云计算结合带来的第三次浪潮并不会在一年、两年完成,可能会给我们十年、几十年的时间,才会让真正把更多东西在云计算时代发明出来。

从短期来看,云计算与AI产业或大模型形成的是联动关系,因为所有大模型都会长在云上,以“云”的方式提供服务。但具体来理解“第三次浪潮”,将其放在更远的未来,它不仅会给云计算带来颠覆,更是对整个SaaS市场和To B行业的商业模式等都带来影响。

众所周知,云计算行业在国内兴起和发展的时间并不算长,到2024年也只有近十年的历程。在这期间,市场对云计算的理解从陌生到熟悉,但迄今为止,还并未迎来高速发展期。目前我国云计算行业的竞争格局已成定局,在走过“分蛋糕”的时代之后,接下来云计算企业所面临的是,如何在存量市场做到更优秀。

目前国内云计算市场面临的问题是,上层的SaaS行业并不成熟,并且缺乏行业领军企业。而在云计算行业的高速发展期,SaaS行业的成熟对其至关重要。市场接受度低、付费习惯差、产品能力等等诸多弊病也正在拖累着SaaS行业前进的步伐。

然而,2023年,事情的转机就出现在生成式AI上。生成式AI这波热潮的兴起,不仅会催生新一批SaaS应用,更会助力曾经的SaaS应用,将其重新带入到大众视野中。在提升软件生产力的同时,市场接受度也在悄然发生变化。

生成式AI应用遍布各行各业,因此对于云计算和上云趋势带来的影响也更为直观。从市场规模的角度看,据中国信通院数据预测,到2025年全球云计算市场规模将超过6000亿美元,5年复合增长率将达到23.56%;其中我国云计算市场规模在2025年将突破1万亿元。

而从企业的上云趋势来看,据方正证券研究报告,目前我国民营企业上云渗透率为49.2%,国资企业上云渗透率为33.7%。相较美国85%以及欧洲70%的企业上云率,我国企业在上云趋势方面仍有较大发展空间。未来随着生成式AI应用的普及,上云渗透率也将迎来更快的增长。

然而,“全民化”的背后不仅需要云计算行业的支持,在大模型遍地开花的时代,“开源”也逐渐成为当下的热议话题。开源的本质是降低大模型开发成本,打开生成式AI技术创新的源头。一些优秀企业将底层的代码能力贡献出来,以免费开源的方式供其他企业进行二次开发,这样一来就极大程度地降低了模型成本,也提高了生成式AI的普及性。

在国际测试委员会Bench Council所公布的世界开源系统贡献榜中,除了学术界的参与外,在企业里,微软、谷歌、IBM、甲骨文、英伟达、阿里巴巴、百度等公司也被列入其中。这些头部企业的参与,也恰恰说明了开源的可靠性。以国内大模型企业为例,阿里云已成为国内首个加入大模型开源行列的大厂。

趋势二:AI信任、风险、安全管理(AI TRiSM)

任何新技术的出现都伴随着未知的风险。

Gartner所提出的“AI TRiSM”机制,翻译成中文是对AI的信任(Trust)、风险(Risk)和安全(Security)管理。

具体而言,人类对AI的信任问题可追溯到“Siri时代”,当智能语音助手刚进入到日常生活中时,关于AI的信任危机也随之而来。比如最常听到的,Siri是否会“监听”我们的生活,用于商业等用途。

而这一问题放大到如今的大模型时代,信任危机则更加严重。在大模型时代,AI信任危机可以以多种形式存在,比如“训练数据投毒”,或者生成式AI涉及到的“提示词攻击”等等。

其次,AI风险则更多的被放在医疗、金融、法律等关键领域。比如在医疗行业,8月中旬北京市卫健委发布了《北京市互联网诊疗监管实施办法(试行)》,其中规定了严禁使用AI自动生成处方。而这一担忧的背后是生成式AI浪潮下,互联网医疗所埋下的重大安全隐患。

再比如在金融行业,银行、证券等机构的数据安全,也正是生成式AI发展过程中必须要解决的一大问题。

实际上,Gartner所提出的“AI TRiSM”框架则更多是基于人工智能模型的公平性、透明度和数据保护等方面,所提供的一套治理机制。而实现AI治理的方式可以是国家政策、也可以是一些针对大模型时代下的新安全应用,再或者是企业基于自身安全考虑的私有部署方式。

在政策方面,欧盟、美国、英国和中国等多个国家都已推出生成式AI监管规定。随着生成式AI的快速发展,国际上对生成式AI风险的重视也提到了一定高度。

8月,欧盟《人工智能法案》成为AI监管领域的全球标准,其中参与商谈的国家包括欧盟成员国、印度、日本、韩国、新加坡和菲律宾;同时在2023年8月15日,国家网信办等七部门联合公布的《生成式人工智能服务管理暂行办法》也正式生效;10月末,美国也推出了首个生成式AI监管规定。

然而,除了国家层面的政策保护,企业自身也会基于数据安全和隐私等层面,将一些涉及隐私的应用进行私有云部署,把数据放在本地上保存,从而来保证数据在生成式AI应用上的安全性。

但未来随着生成式AI应用的普及,更多的大模型和应用都会长在公有云上。届时,关于AI的信任和风险问题又会被重新提出来。所以,在新的时代下,基于企业生命周期管理的安全类应用也会变得更加重要。

趋势三:AI增强开发

“生成式AI所带来的生产力提升将波及到数十亿的人工劳动力,而这项技术所创造的价值是,提升至少10%的效率和创造力。”红山的两位合伙人在《生成式AI,一个新世界》一文中表达了上述观点。

而生成式AI背后所蕴藏的机遇与挑战也正在于此,它虽有数万亿美元的经济潜力,但同时也为数万人带来了失业焦虑。

最先感受到焦虑的职业也恰好是生成式AI最擅长应用的领域。在ChatGPT漂洋过海刚来到国内之时,人们对它还并不熟悉,因此误以为客服行业将最先感受到危机。实则不然,真正能与生成式AI结合,并带来生产力提升的是“代码”。

Gartner研究副总裁高挺对“AI增强开发”的解读是,被AI开发替代的测试任务,主要集中在3个方面:编写测试代码、生成测试数据、生成单元测试中的“测试桩”。

虽然目前来看,从设计到代码,AI还不能参与整个全生命周期的开发过程,但未来却很有希望。从原理上看,生成式AI可以根据用户输入的数据,自动生成代码,从而简化并加速开发流程。

而且从用户的角度来看,生成式AI与代码的结合,也更方便人机交互。硬币的一面是,用户不再需要编写大量代码来处理问题。而硬币的另一面是,生成式AI也可以帮助企业在短时间内开发出更优秀的应用程序,从而在数字化转型中实现降本增效。

将生成式AI与代码的结合放在更大的层面,这对于低代码和无代码行业都将带来变革性影响。对此,IDC研究经理Michele Rosen也认为,如果低代码和无代码供应商所提供的产品,与生成式AI相结合,那么理想条件下的结果就是,用户可以用自然语言或可视化组件的方式来进行交互。

实际上,国内外已经有类似应用出现。比如微软的GitHub Copilot编程助手,再比如百度近日发布的Comate代码助手。后者正是基于代码层面推出的SaaS应用,这也是国内首个与代码结合的SaaS应用的尝试。

“一个聊天界面,通过聊天界面创建简单的应用程序。”这样简单的无代码操作步骤已经在微软的低代码产品PowerApps上实现。这是在PowerApps添加了Copilot之后,基于ChatGPT功能的无代码生成应用。

趋势四:智能应用

“ChatGPT可能已经出现了自我意识”,Open AI首席科学家Ilya Sutskever发出警告。类似AI有意识的发现已经不是第一次在海外传出。但一个更加唯物主义的问题是,AI怎么会产生意识?

Sutskever发出这样警告的背景是,他在神经网络的多年学习研究后,发现了模式识别方面的惊人功效,即只需要足够多的数据和非常强大的算力便可以实现其预期功能。这也正是Sutskever口中的AI的“自我意识”。

高挺对于智能应用的解读是,其目标是最终成为可以像人类一样去思考、判断和适应环境的应用。而这种智能应用自适应的学习能力,背后正是包含当前生成式AI所展示出的底层能力,即机器学习、语意引擎、连接数据等。

未来,这样的底层能力也将遍布至所有的智能应用设备,比如物联网技术、自动驾驶等等。或者换一种角度,未来的所有智能设备都将建立在生成式AI底层能力的基础上。

趋势五:增强型互联员工队伍

“到2027年底,25%的首席信息官(CIO)将使用增强型互联员工队伍计划将关键岗位的胜任时间缩短50%。”这是Gartner针对“增强型互联员工队伍”进行的预测。从这样的预测可以看出,增强型互联员工队伍的本质是保证关键岗位的人才流失率。

而从技术的角度来看,高挺对此的解读则是,通过终端应用知识库提出数据,对员工情绪进行分析,从而得出“员工的离职倾向”数据。

一个更为真切的例子是,企业从员工在线工作的时间,包括邮件里的措词、访问各个应用的数据,分析出员工目前的工作状态和压力。这些数据可以是员工在某些系统里逗留的时间、所做的操作。

然而,这类技术所涉及到的数据隐私和安全问题是技术落地前不得不考虑的一大因素。虽然本质上体现的是对员工的关怀,但从另一种角度,人工智能也可能演变成对人类的“监控”。因此目前,国内这类技术的应用落地还需要很长的时间。

趋势六:持续威胁暴露面管理(CTEM)

生成式AI的未来,一定建立在解决AI风险的前提之下。在此背景下,安全应用的重要性再一次被提到一定高度。

而所谓的“威胁暴露面”是指网络安全漏洞。实际上,新型的网络攻击始终都在不断变化,随着各种安全应用的升级,网络攻击者的攻击途径也在进化。

比如,从过去的攻击事件本身,到攻击路径。具体来理解,攻击路径就是网络攻击者站在当事人的角度思考,事情的发展路径,从而从路径上去突破,从而采用相对应的攻击战术和实施手段。

在此背景下,2022年中,Gartner发布了《实施持续威胁暴露面管理(CTEM)计划》,提出了CTEM这种主动式安全防御新思路。然而,企业不可能找到一套十分严密的防御机制,因为它不是一种单一的技术。

对此,企业更为正确的做法应该是,安全团队把大部分时间花在集成故障排除上,而不是管理攻击面。实际上,国内已经有相关应用正在根据Gartner所提出的CTEM框架,对企业物理资产和数字资产进行保护。

未来,随着生成式AI进入深水区,安全应用的市场规模和应用场景也将进一步扩大。

趋势七:机器客户

“机器客户”是一个较为陌生的名词。它的意思也正是字面意思。换言之,全球超过70亿部手机、平板电脑、个人电脑、智能手表等智能设备都有学习和记忆功能,随着生成式AI时代的到来,智能应用的学习能力和记忆能力也会随之增强。到最后,这些设备都将具备决策能力。

一个关于机器客户的预测是,到2030年,所有消费者的购买至少有25%将大量委托给机器。

实际上,机器客户的演变是分阶段的。目前,所有的设备并没有能力帮助人类做决策。它所处的阶段是第一阶段,在这一阶段,由人类主导做出决策,AI只会根据规则记住人类所做的决定。第二阶段,AI将学习辅助人类做决策,而AI学习的规则正是上一阶段留下的。到2036年,AI将拥有“自主意识”,可以根据人类的偏好和前两阶段的“规则”,替代人类做出决策。

机器客户演变的三个阶段,图源:Gartner

一个更加超现实的例子是,2036年,AI可以像人类一样自己读新闻、分析数据,进行学习,根据市场趋势进行判断,从而代替人类做出决策。

等到这一天真的到来,机器客户所带来的改变将影响整个商业世界。C端消费者的改变,不仅会影响到C端的商业模式,比如销售和营销方式,也更会影响到B端的商业逻辑。

趋势八:可持续技术

近两年,ESG的重要性一再得到提升。从各大企业披露的ESG报告数量即可看出,国内ESG的发展呈极速上升趋势。

截至2023年7月,共有1761家A股上市公司披露了2022年ESG相关报告,占全部A股上市公司的34%。而在过去的5年时间里,A股公司的披露率从25.98%提升到了35.85%,增长超过10%。

在ESG标签愈加突显的当下,无论是投资人、企业本身,亦或是国家,ESG都是大众所关注的焦点。而在ESG的所有标签中,被披露最多的指标有碳减排、产品质量管理、绿色办公措施、支持乡村振兴等。

来源:ESG卓望

如今,在大模型时代,随着AIGC技术的提升,算力的需求也在激增。未来会迎来一个“暴力计算”的时代,买卡、造芯片、建服务器、算力中心、训练大模型等等技术,都会带来更多的碳排放。同时,这也意味着对对企业的IT运维提出挑战。

未来既是算力时代、数据时代,同时也是节能减排的时代。在一些国家,如新加坡、爱尔兰、荷兰,已经出现了电力紧缺等问题。这些风险也正在伴随着AIGC一同到来。而在能源急剧消耗的当下,ESG的重任不仅落在了企业自己身上,更落在了数字化服务商的身上。

碳排放的增加对IT运维提出了更高要求。一种解题思路是,数字化服务商利用数字时代产生的数据,帮助企业节能减排。在近两年,数据智能也越来越多地被商业世界所关注。在未来ESG的时代,数据智能会获得更大的增长空间。

趋势九:平台工程

在所有企业为百模大战、千模大战忙碌的背后,总有一些企业来做“底座”和“基础设施”。

早在2022年11月,阿里云就上线了“魔搭”(ModelScope)社区,并提出MaaS(Model as a Service,模型即服务)。而阿里云的魔搭社区则是聚集了多个机构开发的人工智能大小模型,以开放给更多人使用。其结果也远远超出预期,短短几个月,上百万人下载了 1600 万次各类模型,模型数量也从最初的 300 多个扩展到 800 多个。

在阿里云的畅想中,消费者甚至可以使用大模型改变电商购物体验:你在淘宝或天猫的搜索框里输入问题,它会为你生成一个购物方案,并给出相应的购物列表。而当场景切换到天猫精灵中,大模型则是一个更复杂的生成式对话系统:用户用一两句话的需求,让它来自动生成一个故事、歌单或食谱。

而这些所有的想象,都是“平台”所给予的能力。

在Gartner的“平台工程”这一概念中,是指在生成式AI时代下,颠覆传统的项目制开发,让开发人员可以以组装、复用和配置的方式进行平台开发。这背后的思想是,将软件开发的项目管理思维转化到产品管理思维,让开发项目流程模块化和集中化。

而MaaS也正是大模型时代下的“平台工程”。在过去,传统开发是以项目制进行;而后来的云计算时代,开发可以半定制化进行,即通过PaaS平台以低代码的形式搭建上层应用。到了如今的大模型时代,过去的开发形式获奖者发生彻底的改变,即通过模型来搭建,这也正是MaaS的核心理念。

“MaaS”在阿里云CTO周靖人的诠释下,“模型会成为人工智能时代一个重要的生产元素,整个计算体系会围绕模型重新升级。”

在国内,MaaS的提供者不仅有阿里,还有腾讯和百度的参与。这些厂商在大模型时代扮演的角色,不仅是提供模型能力,更是“接住”其他厂商的模型能力。

趋势十:行业云平台(ICP)

“云和AI是不可分割的整体。”

这是在大模型时代形成的一个新共识。

在大模型产业链上,云计算就相当于“发电机”一样的存在。阿里云内部的感受是,“最初我们想把几百台(GPU)服务器连起来做训练都很难。云优化一点,大模型才能发展一点,模型发展到一定程度又遇到挑战,又需要云去升级。”而这样紧密的关系,也让周靖人看到了云计算行业在未来大模型时代的无限潜力。

阿里巴巴集团CEO吴泳铭也曾做出判断,“AI 时代的云计算市场将更加集中,需要抢占先机”。

在近期的云栖大会上,一份有关云和AI的答卷是:跑在阿里云的魔搭社区上的模型超过2300个。“一半大模型公司跑在阿里云上”,这句话的背后也诠释出AI与云计算不可分割的关系。

一组由Gartner给出的数据则更能说明问题:到2027年,将有超过70%的企业使用行业云平台(ICP)加速其业务计划,而2023年的这一比例还不到15%。这里的ICP也正是由IaaS、PaaS、SaaS组成的云计算行业。

另外,在IDC最新发布的《中国公有云服务市场(2023上半年)跟踪》报告中,IaaS+PaaS市场也正在提速。

目前来看,2023年上半年中国公有云服务整体市场规模(IaaS/PaaS/SaaS)为190.1亿美元。其中IaaS市场规模为112.9亿美元,同比增速13.2%;PaaS市场规模为32.9亿美元,同比增速为26.3%。

上半年,AIGC、大模型需求的爆发,带动了整个算力市场和PaaS层的市场热度。对此,IDC分析师崔婷婷认为,“PaaS市场在AIGC、AI行业模型和大模型的需求推动下,进入快速增长赛道,结合当前数据治理、数据安全等技术领域的不断升级,使得PaaS市场活力满满,预测未来3到5年内仍会高速发展”。

实际上,大模型对云计算的影响不仅限于扩大市场规模,提高增速,更在于对于IaaS+PaaS市场竞争格局的改变。由于MaaS的出现,以模型来构建应用的新型开发模式的出现,正在对IaaS+PaaS的模式产生影响。

未来,在大模型市场的整个拼图上,云计算企业也正在拥有越来越大的话语权。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

回答2024:中国生成式AI的未来在哪?

中国的AI时代生成式AI究竟意味着什么?云计算的第三次浪潮又代表了什么?

文|产业家 思杭

编辑|皮爷

AIGC、大模型、AGI、MaaS,已然成为2023年的几大关键词。其火热程度让人不由得回想起当年的“元宇宙”,但与之不同的是,大模型和AIGC背后蕴藏的产业密码,撼动的不仅是整个To B界,更是对信息技术底层的颠覆。

所以,AI不仅会是2023年到2024年的主题词,它更将是未来十年都绕不开的话题。

8月末,首批大模型通过备案,最先全面开放的是百度文心一言,接着是智谱AI、百川智能、字节跳动、商汤等等。时间再快进两个月,到了11月初,第二批AI大模型也陆续通过备案,其中包括美团、昆仑万维、蚂蚁集团、面壁智能、知乎等11个大模型应用。

两批大模型应用备案,加在一起共22家。从3月27日,国内第一个大模型百度“文心一言”的正式上线,到11月4日,第二批大模型备案通过,在过去的222天里,国内大模型已然脱虚向实,从C端走向B端,走向产业落地。而目前大模型正在经历的是,商业化探索阶段。

可以说,这22家大模型备案的通过,既是为2023年所有筹备大模型的企业划上一个完美的句号,也是为未来2024年整个To B行业、云计算行业带来的一个良好开端。

10月16日,全球IT研究与顾问咨询公司Gartner发布了“2024年十大战略技术趋势报告”。而这十大趋势的主题词只有一个,即人工智能,或者更准确的说是生成式AI。但任何新兴技术的爆发,必然会带来一定的风险。所以,Gartner在2024年十大趋势报告中,将这些趋势分为三大类别:价值、风险和资产保护。

2024年十大战略技术趋势,图源:Gartner

Gartner对于未来生成式AI的预测是,到2026年,超过80%的企业都会接入生成式AI或大模型,然而这一比例在2023年初还不到5%。

在国内,生成式AI也是大模型的同义词。而大模型在阿里云的口中,是“云计算的第三次浪潮”。这家对大模型开源贡献颇多的企业为大模型赋予的概念,言外之意也一定程度上揭示了生成式AI的未来。

Gartner研究副总裁高挺(Arnold Gao)对此的态度是,“这些趋势很多时候也不是一个单独的技术,而是一种架构上的变化。”

这些答案或许书写在2024年的产业答卷上,又或许在更长的时间才能浮出水面。

透过Gartner的报告,我们尝试重新分析中国的AI时代生成式AI究竟意味着什么?云计算的第三次浪潮又代表了什么?

趋势一:全民化生成式AI

回顾2023年,几个有代表性的大会,如世界人工智能大会、中国国际服务贸易交易会,以及刚刚过去的阿里云云栖大会,它们都阐释了一个重要的主题——生成式AI。

在这里,Gartner所预测的第一大趋势“全民化生成式AI”,与阿里云口中的“云计算的第三次浪潮”有着异曲同工之处。

“未来生成式人工智能平台的入门门槛会变得非常低,几乎可以为所有人提供‘生成、创造、编写数字内容’的能力。”这是Gartner研究副总裁高挺对于“全民化生成式AI”趋势的解读。所以,当全民化意味着低成本,生成式AI意味着生产力的提升时,“云”和“开源”也就注定成为了绕不开的两大话题。

其中,云计算为生成式AI提供了底层技术。这也是“云计算的第三次浪潮”被提出的大背景。生成式AI对云计算行业带来的影响可谓是颠覆性的。阿里云王坚对“云计算第三次浪潮”的诠释是,AI与云计算结合带来的第三次浪潮并不会在一年、两年完成,可能会给我们十年、几十年的时间,才会让真正把更多东西在云计算时代发明出来。

从短期来看,云计算与AI产业或大模型形成的是联动关系,因为所有大模型都会长在云上,以“云”的方式提供服务。但具体来理解“第三次浪潮”,将其放在更远的未来,它不仅会给云计算带来颠覆,更是对整个SaaS市场和To B行业的商业模式等都带来影响。

众所周知,云计算行业在国内兴起和发展的时间并不算长,到2024年也只有近十年的历程。在这期间,市场对云计算的理解从陌生到熟悉,但迄今为止,还并未迎来高速发展期。目前我国云计算行业的竞争格局已成定局,在走过“分蛋糕”的时代之后,接下来云计算企业所面临的是,如何在存量市场做到更优秀。

目前国内云计算市场面临的问题是,上层的SaaS行业并不成熟,并且缺乏行业领军企业。而在云计算行业的高速发展期,SaaS行业的成熟对其至关重要。市场接受度低、付费习惯差、产品能力等等诸多弊病也正在拖累着SaaS行业前进的步伐。

然而,2023年,事情的转机就出现在生成式AI上。生成式AI这波热潮的兴起,不仅会催生新一批SaaS应用,更会助力曾经的SaaS应用,将其重新带入到大众视野中。在提升软件生产力的同时,市场接受度也在悄然发生变化。

生成式AI应用遍布各行各业,因此对于云计算和上云趋势带来的影响也更为直观。从市场规模的角度看,据中国信通院数据预测,到2025年全球云计算市场规模将超过6000亿美元,5年复合增长率将达到23.56%;其中我国云计算市场规模在2025年将突破1万亿元。

而从企业的上云趋势来看,据方正证券研究报告,目前我国民营企业上云渗透率为49.2%,国资企业上云渗透率为33.7%。相较美国85%以及欧洲70%的企业上云率,我国企业在上云趋势方面仍有较大发展空间。未来随着生成式AI应用的普及,上云渗透率也将迎来更快的增长。

然而,“全民化”的背后不仅需要云计算行业的支持,在大模型遍地开花的时代,“开源”也逐渐成为当下的热议话题。开源的本质是降低大模型开发成本,打开生成式AI技术创新的源头。一些优秀企业将底层的代码能力贡献出来,以免费开源的方式供其他企业进行二次开发,这样一来就极大程度地降低了模型成本,也提高了生成式AI的普及性。

在国际测试委员会Bench Council所公布的世界开源系统贡献榜中,除了学术界的参与外,在企业里,微软、谷歌、IBM、甲骨文、英伟达、阿里巴巴、百度等公司也被列入其中。这些头部企业的参与,也恰恰说明了开源的可靠性。以国内大模型企业为例,阿里云已成为国内首个加入大模型开源行列的大厂。

趋势二:AI信任、风险、安全管理(AI TRiSM)

任何新技术的出现都伴随着未知的风险。

Gartner所提出的“AI TRiSM”机制,翻译成中文是对AI的信任(Trust)、风险(Risk)和安全(Security)管理。

具体而言,人类对AI的信任问题可追溯到“Siri时代”,当智能语音助手刚进入到日常生活中时,关于AI的信任危机也随之而来。比如最常听到的,Siri是否会“监听”我们的生活,用于商业等用途。

而这一问题放大到如今的大模型时代,信任危机则更加严重。在大模型时代,AI信任危机可以以多种形式存在,比如“训练数据投毒”,或者生成式AI涉及到的“提示词攻击”等等。

其次,AI风险则更多的被放在医疗、金融、法律等关键领域。比如在医疗行业,8月中旬北京市卫健委发布了《北京市互联网诊疗监管实施办法(试行)》,其中规定了严禁使用AI自动生成处方。而这一担忧的背后是生成式AI浪潮下,互联网医疗所埋下的重大安全隐患。

再比如在金融行业,银行、证券等机构的数据安全,也正是生成式AI发展过程中必须要解决的一大问题。

实际上,Gartner所提出的“AI TRiSM”框架则更多是基于人工智能模型的公平性、透明度和数据保护等方面,所提供的一套治理机制。而实现AI治理的方式可以是国家政策、也可以是一些针对大模型时代下的新安全应用,再或者是企业基于自身安全考虑的私有部署方式。

在政策方面,欧盟、美国、英国和中国等多个国家都已推出生成式AI监管规定。随着生成式AI的快速发展,国际上对生成式AI风险的重视也提到了一定高度。

8月,欧盟《人工智能法案》成为AI监管领域的全球标准,其中参与商谈的国家包括欧盟成员国、印度、日本、韩国、新加坡和菲律宾;同时在2023年8月15日,国家网信办等七部门联合公布的《生成式人工智能服务管理暂行办法》也正式生效;10月末,美国也推出了首个生成式AI监管规定。

然而,除了国家层面的政策保护,企业自身也会基于数据安全和隐私等层面,将一些涉及隐私的应用进行私有云部署,把数据放在本地上保存,从而来保证数据在生成式AI应用上的安全性。

但未来随着生成式AI应用的普及,更多的大模型和应用都会长在公有云上。届时,关于AI的信任和风险问题又会被重新提出来。所以,在新的时代下,基于企业生命周期管理的安全类应用也会变得更加重要。

趋势三:AI增强开发

“生成式AI所带来的生产力提升将波及到数十亿的人工劳动力,而这项技术所创造的价值是,提升至少10%的效率和创造力。”红山的两位合伙人在《生成式AI,一个新世界》一文中表达了上述观点。

而生成式AI背后所蕴藏的机遇与挑战也正在于此,它虽有数万亿美元的经济潜力,但同时也为数万人带来了失业焦虑。

最先感受到焦虑的职业也恰好是生成式AI最擅长应用的领域。在ChatGPT漂洋过海刚来到国内之时,人们对它还并不熟悉,因此误以为客服行业将最先感受到危机。实则不然,真正能与生成式AI结合,并带来生产力提升的是“代码”。

Gartner研究副总裁高挺对“AI增强开发”的解读是,被AI开发替代的测试任务,主要集中在3个方面:编写测试代码、生成测试数据、生成单元测试中的“测试桩”。

虽然目前来看,从设计到代码,AI还不能参与整个全生命周期的开发过程,但未来却很有希望。从原理上看,生成式AI可以根据用户输入的数据,自动生成代码,从而简化并加速开发流程。

而且从用户的角度来看,生成式AI与代码的结合,也更方便人机交互。硬币的一面是,用户不再需要编写大量代码来处理问题。而硬币的另一面是,生成式AI也可以帮助企业在短时间内开发出更优秀的应用程序,从而在数字化转型中实现降本增效。

将生成式AI与代码的结合放在更大的层面,这对于低代码和无代码行业都将带来变革性影响。对此,IDC研究经理Michele Rosen也认为,如果低代码和无代码供应商所提供的产品,与生成式AI相结合,那么理想条件下的结果就是,用户可以用自然语言或可视化组件的方式来进行交互。

实际上,国内外已经有类似应用出现。比如微软的GitHub Copilot编程助手,再比如百度近日发布的Comate代码助手。后者正是基于代码层面推出的SaaS应用,这也是国内首个与代码结合的SaaS应用的尝试。

“一个聊天界面,通过聊天界面创建简单的应用程序。”这样简单的无代码操作步骤已经在微软的低代码产品PowerApps上实现。这是在PowerApps添加了Copilot之后,基于ChatGPT功能的无代码生成应用。

趋势四:智能应用

“ChatGPT可能已经出现了自我意识”,Open AI首席科学家Ilya Sutskever发出警告。类似AI有意识的发现已经不是第一次在海外传出。但一个更加唯物主义的问题是,AI怎么会产生意识?

Sutskever发出这样警告的背景是,他在神经网络的多年学习研究后,发现了模式识别方面的惊人功效,即只需要足够多的数据和非常强大的算力便可以实现其预期功能。这也正是Sutskever口中的AI的“自我意识”。

高挺对于智能应用的解读是,其目标是最终成为可以像人类一样去思考、判断和适应环境的应用。而这种智能应用自适应的学习能力,背后正是包含当前生成式AI所展示出的底层能力,即机器学习、语意引擎、连接数据等。

未来,这样的底层能力也将遍布至所有的智能应用设备,比如物联网技术、自动驾驶等等。或者换一种角度,未来的所有智能设备都将建立在生成式AI底层能力的基础上。

趋势五:增强型互联员工队伍

“到2027年底,25%的首席信息官(CIO)将使用增强型互联员工队伍计划将关键岗位的胜任时间缩短50%。”这是Gartner针对“增强型互联员工队伍”进行的预测。从这样的预测可以看出,增强型互联员工队伍的本质是保证关键岗位的人才流失率。

而从技术的角度来看,高挺对此的解读则是,通过终端应用知识库提出数据,对员工情绪进行分析,从而得出“员工的离职倾向”数据。

一个更为真切的例子是,企业从员工在线工作的时间,包括邮件里的措词、访问各个应用的数据,分析出员工目前的工作状态和压力。这些数据可以是员工在某些系统里逗留的时间、所做的操作。

然而,这类技术所涉及到的数据隐私和安全问题是技术落地前不得不考虑的一大因素。虽然本质上体现的是对员工的关怀,但从另一种角度,人工智能也可能演变成对人类的“监控”。因此目前,国内这类技术的应用落地还需要很长的时间。

趋势六:持续威胁暴露面管理(CTEM)

生成式AI的未来,一定建立在解决AI风险的前提之下。在此背景下,安全应用的重要性再一次被提到一定高度。

而所谓的“威胁暴露面”是指网络安全漏洞。实际上,新型的网络攻击始终都在不断变化,随着各种安全应用的升级,网络攻击者的攻击途径也在进化。

比如,从过去的攻击事件本身,到攻击路径。具体来理解,攻击路径就是网络攻击者站在当事人的角度思考,事情的发展路径,从而从路径上去突破,从而采用相对应的攻击战术和实施手段。

在此背景下,2022年中,Gartner发布了《实施持续威胁暴露面管理(CTEM)计划》,提出了CTEM这种主动式安全防御新思路。然而,企业不可能找到一套十分严密的防御机制,因为它不是一种单一的技术。

对此,企业更为正确的做法应该是,安全团队把大部分时间花在集成故障排除上,而不是管理攻击面。实际上,国内已经有相关应用正在根据Gartner所提出的CTEM框架,对企业物理资产和数字资产进行保护。

未来,随着生成式AI进入深水区,安全应用的市场规模和应用场景也将进一步扩大。

趋势七:机器客户

“机器客户”是一个较为陌生的名词。它的意思也正是字面意思。换言之,全球超过70亿部手机、平板电脑、个人电脑、智能手表等智能设备都有学习和记忆功能,随着生成式AI时代的到来,智能应用的学习能力和记忆能力也会随之增强。到最后,这些设备都将具备决策能力。

一个关于机器客户的预测是,到2030年,所有消费者的购买至少有25%将大量委托给机器。

实际上,机器客户的演变是分阶段的。目前,所有的设备并没有能力帮助人类做决策。它所处的阶段是第一阶段,在这一阶段,由人类主导做出决策,AI只会根据规则记住人类所做的决定。第二阶段,AI将学习辅助人类做决策,而AI学习的规则正是上一阶段留下的。到2036年,AI将拥有“自主意识”,可以根据人类的偏好和前两阶段的“规则”,替代人类做出决策。

机器客户演变的三个阶段,图源:Gartner

一个更加超现实的例子是,2036年,AI可以像人类一样自己读新闻、分析数据,进行学习,根据市场趋势进行判断,从而代替人类做出决策。

等到这一天真的到来,机器客户所带来的改变将影响整个商业世界。C端消费者的改变,不仅会影响到C端的商业模式,比如销售和营销方式,也更会影响到B端的商业逻辑。

趋势八:可持续技术

近两年,ESG的重要性一再得到提升。从各大企业披露的ESG报告数量即可看出,国内ESG的发展呈极速上升趋势。

截至2023年7月,共有1761家A股上市公司披露了2022年ESG相关报告,占全部A股上市公司的34%。而在过去的5年时间里,A股公司的披露率从25.98%提升到了35.85%,增长超过10%。

在ESG标签愈加突显的当下,无论是投资人、企业本身,亦或是国家,ESG都是大众所关注的焦点。而在ESG的所有标签中,被披露最多的指标有碳减排、产品质量管理、绿色办公措施、支持乡村振兴等。

来源:ESG卓望

如今,在大模型时代,随着AIGC技术的提升,算力的需求也在激增。未来会迎来一个“暴力计算”的时代,买卡、造芯片、建服务器、算力中心、训练大模型等等技术,都会带来更多的碳排放。同时,这也意味着对对企业的IT运维提出挑战。

未来既是算力时代、数据时代,同时也是节能减排的时代。在一些国家,如新加坡、爱尔兰、荷兰,已经出现了电力紧缺等问题。这些风险也正在伴随着AIGC一同到来。而在能源急剧消耗的当下,ESG的重任不仅落在了企业自己身上,更落在了数字化服务商的身上。

碳排放的增加对IT运维提出了更高要求。一种解题思路是,数字化服务商利用数字时代产生的数据,帮助企业节能减排。在近两年,数据智能也越来越多地被商业世界所关注。在未来ESG的时代,数据智能会获得更大的增长空间。

趋势九:平台工程

在所有企业为百模大战、千模大战忙碌的背后,总有一些企业来做“底座”和“基础设施”。

早在2022年11月,阿里云就上线了“魔搭”(ModelScope)社区,并提出MaaS(Model as a Service,模型即服务)。而阿里云的魔搭社区则是聚集了多个机构开发的人工智能大小模型,以开放给更多人使用。其结果也远远超出预期,短短几个月,上百万人下载了 1600 万次各类模型,模型数量也从最初的 300 多个扩展到 800 多个。

在阿里云的畅想中,消费者甚至可以使用大模型改变电商购物体验:你在淘宝或天猫的搜索框里输入问题,它会为你生成一个购物方案,并给出相应的购物列表。而当场景切换到天猫精灵中,大模型则是一个更复杂的生成式对话系统:用户用一两句话的需求,让它来自动生成一个故事、歌单或食谱。

而这些所有的想象,都是“平台”所给予的能力。

在Gartner的“平台工程”这一概念中,是指在生成式AI时代下,颠覆传统的项目制开发,让开发人员可以以组装、复用和配置的方式进行平台开发。这背后的思想是,将软件开发的项目管理思维转化到产品管理思维,让开发项目流程模块化和集中化。

而MaaS也正是大模型时代下的“平台工程”。在过去,传统开发是以项目制进行;而后来的云计算时代,开发可以半定制化进行,即通过PaaS平台以低代码的形式搭建上层应用。到了如今的大模型时代,过去的开发形式获奖者发生彻底的改变,即通过模型来搭建,这也正是MaaS的核心理念。

“MaaS”在阿里云CTO周靖人的诠释下,“模型会成为人工智能时代一个重要的生产元素,整个计算体系会围绕模型重新升级。”

在国内,MaaS的提供者不仅有阿里,还有腾讯和百度的参与。这些厂商在大模型时代扮演的角色,不仅是提供模型能力,更是“接住”其他厂商的模型能力。

趋势十:行业云平台(ICP)

“云和AI是不可分割的整体。”

这是在大模型时代形成的一个新共识。

在大模型产业链上,云计算就相当于“发电机”一样的存在。阿里云内部的感受是,“最初我们想把几百台(GPU)服务器连起来做训练都很难。云优化一点,大模型才能发展一点,模型发展到一定程度又遇到挑战,又需要云去升级。”而这样紧密的关系,也让周靖人看到了云计算行业在未来大模型时代的无限潜力。

阿里巴巴集团CEO吴泳铭也曾做出判断,“AI 时代的云计算市场将更加集中,需要抢占先机”。

在近期的云栖大会上,一份有关云和AI的答卷是:跑在阿里云的魔搭社区上的模型超过2300个。“一半大模型公司跑在阿里云上”,这句话的背后也诠释出AI与云计算不可分割的关系。

一组由Gartner给出的数据则更能说明问题:到2027年,将有超过70%的企业使用行业云平台(ICP)加速其业务计划,而2023年的这一比例还不到15%。这里的ICP也正是由IaaS、PaaS、SaaS组成的云计算行业。

另外,在IDC最新发布的《中国公有云服务市场(2023上半年)跟踪》报告中,IaaS+PaaS市场也正在提速。

目前来看,2023年上半年中国公有云服务整体市场规模(IaaS/PaaS/SaaS)为190.1亿美元。其中IaaS市场规模为112.9亿美元,同比增速13.2%;PaaS市场规模为32.9亿美元,同比增速为26.3%。

上半年,AIGC、大模型需求的爆发,带动了整个算力市场和PaaS层的市场热度。对此,IDC分析师崔婷婷认为,“PaaS市场在AIGC、AI行业模型和大模型的需求推动下,进入快速增长赛道,结合当前数据治理、数据安全等技术领域的不断升级,使得PaaS市场活力满满,预测未来3到5年内仍会高速发展”。

实际上,大模型对云计算的影响不仅限于扩大市场规模,提高增速,更在于对于IaaS+PaaS市场竞争格局的改变。由于MaaS的出现,以模型来构建应用的新型开发模式的出现,正在对IaaS+PaaS的模式产生影响。

未来,在大模型市场的整个拼图上,云计算企业也正在拥有越来越大的话语权。

本文为转载内容,授权事宜请联系原著作权人。