从卷算力到卷智能，重新定义云

　　图片来源视觉中国
　　未来十年，计算机架构领域将迎来下一个黄金时代，当2017年图灵奖获得者DavidPatterson与JohnHennessy提出这一观点时，很多人还没有认识到潜藏在背后的巨大变化。
　　自上世纪90年代到21世纪初，计算机体系结构创新开始放缓，随之摩尔定律和登纳德缩放比例定律遭遇挑战，处理器性能提升显著减速，简单来说，算力的增长和大数据、人工智能等新业务增长并不同步，只能靠堆芯片数量来弥合算力缺口。
　　于是，行业已经不得不开始重新思考新的计算机架构。
　　DavidPatterson在接受采访时表示，未来一定是软硬协同开发并行的。从前，人们认为做软件很酷，少有人两者都涉猎，硬件创业公司也屈指可数。然而近年来从业者和投资人们都发现，无论是做机器学习还是之后深度学习、强化学习，只做软件或者硬件都是不够的。体系结构设计者不仅需要了解底层器件、芯片工艺等，更需要了解编译器和编程语言，软硬结合才是后摩尔时代适用的新方法。
　　同样的变化也发生在云计算领域，通过虚拟化技术，云计算把计算机抽象为资源池，通过削峰填谷的运营策略获取规模效应，不过这并没有从根本上解决算力的挑战。
　　成千上万的计算机、数十乃至上百个数据中心连接在一起，构成了以云为中心的计算体系结构，逐渐成为行业采用算力的主流方式，也给了云厂商前所未有的全局视角，从这个视角看云，某种程度上，云就是一台超大型计算机。
　　相对于计算机本身而言，云囊括了更多的软硬件，向上对接各种行业应用，向下推动硬件变革云厂商具备了更大的话语权，掌握了更多的技术主动权，来提升面向复杂业务负载的处理能力。
　　云也进入到了一个体系创新的黄金时代。
　　未被定义的云
　　十余年前，云计算刚刚兴起，把服务器集中到云厂商，再由云厂商提供云服务，只是商业模式层面的创新。因此，云计算彼时只是一门规模生意，但考虑到万亿算力产业规模，仅仅是从提高计算利用率的维度评估云的商业价值，也足够值得一搏，何况亚马逊已经做出了表率。
　　在旧有的技术体系下，虚拟化、网络和存储等技术基本成熟，让云的商业模式成为可能。有观点认为，这些降本增效的创新，即便没有云计算，也会通过另一种方式兑现。
　　比如计算机技术依旧向前发展，体系创新带来更大的算力、更高的投入产出比，没有云计算，算力也能继续增长。
　　以过去的视角来看，云计算确实没有革命性的改变，但是，云计算通过这些过程完成了技术的集聚，原来不同软硬件技术分散在不同的主体，有聚合却难同频进化，云计算历经十年完成了体系创新的前期准备，从商业模式创新过渡到技术模式创新。
　　一个全新的商业模式可以改变产业竞争规则，云计算行至新的阶段，开启了算力增长的另一条路径。
　　在百度集团副总裁侯震宇与钛媒体联合创始人刘湘明的对话中，侯震宇提到，对于中国的云计算厂商来说，现在确实是一个战略的发展期，过去几年众多客户都已经加速上云，更多关注自己本身业务的逻辑，他们就把基础的软硬件环境全部交给了云服务厂商。
　　这意味着云厂商其实同时掌握了基础的软件和硬件环境，可以做软硬一体的优化，加速整合变成了可能。另外，云厂商的资源规模越来越大，逐步地影响了整个IT的产业链和供应链，云是IT行业最旺盛的需求，在软硬一体的大背景下，新一代以云为中心的计算体系结构逐步涌现。
　　诚如侯震宇所言，云厂商左手行业需求，右手技术创新，形成了技术到业务的产业循环，云成为计算产业的一个中心环节，也面临着最严峻的产业挑战。如果还用老一套的方法做云计算，不从根本上提高云的效率和质量，就会在下一次行业洗牌中最先被淘汰。
　　如今的云，是一朵未被定义的云。头部云厂商都看到了体系创新的大机会，也试图定义未来的云的模样。
　　有趣的是，计算机体系结构的创新和以云为中心的计算体系创新，正在同步发生，尤其在人工智能领域，专用硬件和深度学习算法等快速发展，DavidPatterson也认为，对新的计算机体系架构和语言来说，对算力要求极高的机器学习或许是最适合的应用场景。
　　云智一体的体系创新，是一个具有高度确定性的机会。
　　云智一体，从卷算力到卷智能
　　企业上云的动力由商业层面进化到业务层面，过去企业上云是为了不用采买服务器，快速开展业务，他们的出发点就是为了降本增效，而现在的企业上云，当然也会考虑成本，更重要的是，他们不是把降本增效当做最终的目标，而是优先从业务角度思考，云计算能带来传统IT不能实现的价值。
　　企业通过上云实现了业务的改造，摒弃了传统低效、缓慢的业务模式，特别是大数据、人工智能赋能业务之后，业务具备了以往没有的属性，典型如智能调度、自动驾驶、工业化联网等智能化产业应用的不断普及，这是人有我优和人无我有的差别。
　　所有企业都希望拥有人无我有的业务能力，由客户需求传导至供应商竞争维度，决定了云厂商卷的方向。侯震宇认为，云计算行业基本上从过去卷算力的时代，发展到了一个拼智能的时代，百度开始用整个基础设施的能力和人工智能的能力为行业客户加成。
　　在2022智算峰会上，百度智能云发布了AI大底座，它涵盖了百度昆仑芯，飞桨AI框架以及文心大模型等核心能力以及百舸平台，AI中台等平台方案，实际上就是云智一体的体系创新。
　　具体来看，百度AI大底座的AIIaaS层整合百度自研的AI芯片昆仑芯，在AI计算、存储、加速、容器方面进行系统优化，提供高性价比的算力，承载海量数据的处理、超大模型的训练和推理。
　　在AIPaaS层（AI中台）整合百度两大核心自研产品（飞桨深度学习框架、百度文心大模型），打通百度的样本中心、模型中心、AI开发平台、AI服务运行平台，实现从数据存储到模型训练、生产、部署、测试的全链路、批量化生产，面向企业模型开发的全生命周期提供完整解决方案。
　　百度AI大底座聚齐了人工智能应用的全要素，并且将这些全要素深度耦合，如果只是简单的产品兼容，市面上其他产品或多或少都能拼凑出一个AI底座，百度AI大底座的所有部件均为自研，这就给了百度非常大的施展空间和自由度，来实现端到端优化。
　　百度AI大底座能够全要素、端到端的整合百度的AI优势，为产业提供最强的智能计算基础设施支持，满足产业对于低门槛、快速部署等智能计算需求。
　　在客户的现实需求，以及行业增长压力的驱动下，体系创新成为计算行业的潮水涌向，百度智能云的云智一体，踩准了产业发展的周期与节奏。
　　深入产业，绝知此事要躬行
　　云智一体，深入产业是百度智能云的战略，在百度智能云看来，创新不是闭门造车，是反馈驱动创新。创新需要躬身入局，深入产业，不断获得用户和客户的反馈，然后倒逼产品和解决方案不断优化，不断创新，让客户越用越好。
　　从中可以看出，百度智能云试图建立一个能够持续反馈并不断进化的云，AI大底座源自于百度在产业界的打磨，之后端到端的AI能力进一步沉淀到AI大底座中，AI大底座必然要在产业中兑现价值。
　　例如国网福建通过百度AI大底座建设了两库一平台智能基础设施，两库指模型库、样本库，一平台指包含运行环境和训练环境的人工智能平台。
　　在巡检一线，无人机可自主完成输电线路巡检作业，并将智能识别后的巡检结果快速推送给相关责任人，基于AI的智能识别算法将识别准确率提升了30个百分点，识别效率提升了5倍；在变电站，运维人员从线上接入智能调控系统，采用一键顺控操作，无需人员到场便可完成千伏变电站的倒闸操作，效率提升了4060倍，启动送电时间缩短了80。
　　基于与百度智能云的合作，国网福建电力有望实现全链条国产化AI基础能力建设，构建科学系统的人工智能管理和应用体系。
　　在AI大底座深入产业的实践中，芯片解决算力问题，框架解决算法开发问题，大模型解决模型泛化问题，应用解决落地收益问题，是为全要素。
　　仅仅只是物理覆盖全要素还不够，还需要多层之间深度融合，产生化学反应，进行端到端的整合优化，例如建立效果反馈的闭环机制，通过模型驱动算子优化、算子驱动硬件设计，更好的提升整个系统的性能，是为端到端优化。
　　如上所述，包括国网福建等企业，智能化升级的全要素都可以在AI大底座找到，每一层能力都可以基于真实业务反馈，不断调优实现智能云的体系创新，这是百度云智一体的最大差异化。根据咨询机构IDC最新的数据，百度AICloud市场占有率连续七次市场第一。
　　在云计算技术创新百花齐放的阶段，企业往往要自我搭配技术并耗费人力资源来实现智能升级，但是效果依旧不尽如人意，百度智能云AI大底座能够实现更好地循环迭代，让云智一体在深入产业的过程中，不同技术能力更加可控，进而让企业实现掌控业务的效果。
　　云的体系创新，让云计算从狭义上的技术进步，成为广义上的体系革命，在技术和场景之间承前启后，蔓延到整个产业。以制造业为例，通过人工智能去重新赋能传统产业，是跨越不同技术和产业的周折，仅靠单点无法实现产业重塑，云智一体给产业界提供了全新的抓手。
　　就像两位图灵奖获得者在报告中所提及的黎明前最黑暗，数字经济时代，所有产业都正在或者即将经历类似的智能迁移，云智一体时代的体系创新，仅仅是开始。