看懂百度智能云，也就摸清了产业AI化路径
自1956 年达特茅斯会议始，起起落落是人工智能产业发展的常态，在每一个小周期里，又会涌现出高低不等的潮头，如何踏上一个又一个潮头，而不是被动的随潮涨潮落，是摆在行业面前的共同难题。
人工智能站在时代风口，其生命力却扎根在产业深处。
2022年，人工智能产业渡过了相对平缓的一年，虽然不乏大模型、AI绘画等频频刷屏，但AI产业更值得关注的部分，是那些已经司空见惯的应用。
诸如人脸人体识别、图像视频处理、智能语音、对话式AI、NLP和机器学习等，我们已经习惯了它们的存在，转念一想，它们似乎就是不久前的“ChatGPT”，在炫目的表象背后，落地到产业实践，创造出了更大的价值。
人工智能正在用比以往更快的速度落地，这与先行者倡导的新思路、新方法不无关系，从0到1是灵光乍现的点子，从1到100是想法落地的工程化实践，以百度为代表的行业厂商，采用了人工智能和云计算等新技术相结合的方式，大幅降低了AI应用的门槛。
而这，也成为人工智能在产业突围的新路径。
用云承载AI，补全技术代差
中国科学院院士张钹近期公开表示，与信息产业相比，人工智能产业的发展速度和发展过程更加曲折。
信息产业是在信息科学技术的理论完全建立完成的基础上发展，在产业发展之前，基础理论就已经非常完善，只需沿着理论指引的方向发展产业。
因此，信息产业建立的硬件和软件都是通用的，跟应用领域和应用场景没有关系，所以它的市场很大，不存在如何做大做强的问题。
他认为，人工智能产业的曲折发展主要有两个原因，一是目前人工智能的软硬件与应用场景和应用领域密切相关，二是人工智能缺乏理论基础，算法、模型都具有很大的缺陷和局限性。
比如，人工智能的“智能芯片”与计算机的芯片完全不同，是为特定的算法和特定的领域服务，所以它不具备计算机硬件的通用性，因此会遇到如何扩大市场的问题。
在这种情况下，人工智能面对的是一个异常碎片化的体系，在单个场景起作用的算法模型，平行迁移到其他场景，外部条件稍有变化，效果就可能大打折扣，人工智能需要一套行之有效的打法。
百度集团执行副总裁、百度智能云事业群总裁沈抖认为，智能化为行业创造价值的浪潮才刚刚开始，这就需要云计算厂商标准化地输出智能化的底层能力，把芯片、大模型、深度学习框架等高门槛的技术，变成像水电能一样供客户按需取用。
百度集团执行副总裁、百度智能云事业群总裁沈抖
这不禁让人想起技术代差递补性(Technical Generation Complementary)的理论——当一项具有代差的全新技术出现时，由于它自身的不完备性，往往需要现有技术作为其补充，与之形成在技术上的“高低搭配”，因此新技术并不能够完全取代现有技术而主宰整个市场。
譬如固定电话的出现并没有立刻导致电报的出局，但移动电话的出现却直接将电报三振出局。
某种意义上，人工智能作为一项全新技术，在理论和实践上都有其本身的不完备性，云计算是信息产业的延伸，人工智能和云计算的高低搭配，也有望取代企业的旧动能，化作数字经济时代的新生产力。
从行业动态来看，包括百度智能云在内，亚马逊、谷歌和微软等厂商都在其云服务中融入了先进的人工智能技术，商汤等AI厂商也开始推出云平台，为了向客户提供更高效、更具性价比的云和人工智能服务，通过云来输出人工智能，成为越来越多厂商的共同做法。
蝉联AI公有云服务第一，百度靠什么
AI云服务是臻至成熟的技术和市场热点，百度智能云是更早布局的厂商，前瞻性的投入和预判，使其拥有了相对从容的腾挪空间。
在IDC最新发布的《2022 H1中国AI云服务市场研究报告》中，百度智能云连续四年在AI公有云服务整体市场排名第一，整体市场份额占比28.1%。
从AI公有云细分市场来看，百度智能云在"人体人脸"、"图像视频"两个规模最大的子市场继续保持第一。
此外，从增速来看，对话式AI、NLP是AI公有云市场增长最快的两大子领域，这也是现在大火的AIGC的底层技术能力。百度智能云在这两个领域表现出强劲的增长态势，继续处于领导者地位。
报告指出，从年度增速的角度来看，基于云计算的AI能力逐渐得到验证，企业上云率和云原生企业占比逐渐提高，混合云技术日益成熟和普及，这些因素驱动AI公有云部署方式快速增长，增速远超AI软件整体市场增速。
这也说明AI云服务模式通过了技术和产业的双重考验，在推动人工智能落地的过程中，扮演了重要的角色。
百度在AI公有云服务市场蝉联四年第一，技术高压投入是主要原因，百度在人工智能领域10年累计研发投入超1000亿元，2021年核心研发占比23%，依托十年来的压强式、马拉松式研发投入，百度自研领先AI技术成果颇丰。
不过，“烧钱”是人工智能的特性，动辄几百亿是AI厂商的入场券，此前人工智能没能兑现预期，并不只是因为技术不足，不够接地气也是重要原因，高高在上的人工智能，总是无法规模落地到朴素的应用场景。
无法落地就没有市场空间，百度在实现技术领先的基础上，也将落地为先贯彻到其市场策略中，并不断将行业需求凝练为简单易用的AI产品。
IDC中国高级分析师杨雯表示，未来如何将“单点方案”推向“通用方案”，快速精准的解决客户痛点，是市场需要持续探索的方向。
AI从产品化走向工程化，需要充分考虑如何将AI数据、算法、模型与实际场景相结合，从而更高效运用数据、推动AI规模化应用。
这就意味着云厂商要不断将行业需求沉淀到标准化AI产品中，打造成标准化产品，然后再应用到更多行业。
百度智能云目前正致力于降低技术门槛-大模型与深度学习平台融合，推动AI普惠，赋能千行百业、走进千家万户，并深耕跨模态AI，打造软硬一体的融合创新，重点投入预训练大模型，重点行业为金融、工业制造、能源、政府。
比如，在金融领域，百度智能云帮助中国邮储银行构建了国内大型商业银行中首个落地的全行范围统一机器学习平台“邮储大脑”，建成全行机器学习平台 。
上线应用后，对信用卡亿级别样本的数据清洗和数据分析时间从月级别、周级别压缩至小时级别，大大提升了最繁重的数据处理工作效率。
在智能风控领域，已支持了300多个信用评级、用户风险画像等相关模型的构建，实现了以天为周期的模型迭代，并通过自动化将审批时间缩短到秒级。
正如沈抖所言，过去几年，百度智能云就是从水电能、制造、交通、金融，这些重点行业切入，聚焦在生产经营的核心场景，把AI技术与云技术深度融合，去解决产业里的实际问题，帮助客户在非常有挑战的环境中，实现可持续的增长。
AI大底座的“纵横捭阖”
IEEE(电气电子工程师学会)在其《IEEE全球调研：科技在2023年及未来的影响》报告中指出，人工智能和机器学习将成为云服务的一部分，因为很少有企业有资源来构建自己的人工智能基础设施——收集数据和训练算法需要大量计算能力和存储空间。
AI云服务的结合程度比我们所看到的要更广、更深，很多厂商都看到了这个机会，百度将其具化为“云智一体，深入产业”战略。
第一层是深耕行业、聚焦场景，第二层是AI通用产品，第三层是百度最具差异化优势的部分，是由AI IaaS和AI PaaS紧密组合而成，即百度智能云新近推出的AI大底座，第四层是通用的Cloud。
“云智一体，深入产业”也回答了人工智能的产业突围难题。云和人工智能的互相趋近，提供了一个绝佳的机会窗口。
然而在实际应用中，AI与云服务的结合并非顺理成章，相反地，AI原生对云计算的基础设施提出了新要求：
全栈融合（需要提供芯片、框架、模型、应用在内的全栈方案）、端到端优化、提供极致的资源效能和模型效能，成为未来智能计算发展的三大主流方向。
企业在用云时，需要把大量时间精力花在构建基础设施上，且这样的基础设施大多是拼凑组合的，没有发挥出最佳的性能和效率，同时，基础设施中的核心部分。
比如芯片、深度学习框架、大模型，需要大规模投入才能做好，一般企业无力支付巨额的研发成本。
百度智能云通过AI大底座来解决如上问题。
2022年9月，百度智能云发布“云智一体3.0”技术架构，汇聚百度在AI各个层面的关键自研技术。
12月，百度智能云更进一步，发布国内首个全栈自研的AI基础设施“AI大底座”，让企业可以快捷、低成本地实现“AI能力的随用随取”。
AI大底座是百度智能云核心能力的体现，横向拓宽了人工智能的应用场景，纵向深入到细分场景的核心地带，让百度智能云在数字技术和实体经济融合过程中，发挥出更强的AI溢出效应。
作为国内首个全栈自研的AI基础设施，AI大底座面向企业AI开发和应用提供端到端自主可控、自我进化的解决方案，让企业可以快捷、低成本地实现“AI能力的随用随取”。
具体来看，百度AI大底座由AI IaaS层、AI PaaS层两大部分组成：
AI IaaS层（百舸异构计算平台）：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。
AI PaaS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。
借由AI大底座，百度智能云把具体场景升级为一套通用算法模型，降低AI工程化门槛，在自动驾驶、生命科学、智能制造等领域迅速落地。
人工智能未来仍会经历潮起与潮落，百度沉淀下来的思考，或许是技术之外更值得推崇的财富。
