撰稿 | 言征

 “分拆”煥新了阿里，而大模型救回了阿里云。

昨天發布的“新阿里”的第一份財報中，2341.56 億元，同比增長14%。數據可謂“情理之中，意料之外。”

情理之中的是，阿里國際和菜鳥業務的超預期增速（分別為41%、34%），因為此前已經有不少有關這兩塊業務快速增長的消息。意料之外的是，一旦我們將目光聚焦到此前連續三個季度收入接近為零甚至負增長的阿里云，竟然奇跡般地“回魂”再生。

一、財報中的阿里云

去年12月，阿里云已連續兩季度營收增長接近0%，彼時還存有云安全事故余波；今年的一季度，阿里云業務收入同比下降2%。阿里云想要重獲增長的難度可見一斑。

在新出爐的財報里，阿里云收入增長4%至251.23億元。據財報表顯示，阿里云的增長受阿里巴巴并表業務及金融服務、教育、電力和汽車行業的客戶所驅動。

阿里云也表示，這主要是來自于AI熱潮帶來的算力和模型服務需求的推動。

圖片

二、張勇：大模型帶來了增量機會

全球都在追逐生成式AI浪潮。對于中國企業而言，要么和云業務結合、要么在某領域聚焦。張勇在財報會上，一針見血：“會有一大批這樣的企業，從大模型起家，而后進入特定領域。”

大模型所需的模型訓練和推理場景，都帶來了非常旺盛的對AI云服務需求。而且這種需求是長期的并非短暫的。張勇認為，現在的人工智能革命屬于增量機會，各行各業都希望利用人工智能來提升他們的服務，他們要利用大量高性能的算力，不僅是用于現階段模型的訓練，還要用于支撐以后AI模型提供各種服務，這是非常重要的、長期的增長引擎。

但是由于短期內GPU在中國市場供應的緊缺，使得這樣的需求只得到了部分滿足，AI相關服務所帶來的增量機會剛剛開始得到釋放。

當然，阿里云實現增長還有一個原因，那就是疫情之后的策略調整。張勇透露，“阿里云在疫情之后，遠程辦公、在線教育等需求的減少，這是影響阿里云增速的一個重要因素，阿里云正采取措施，傾向于公共云，以及高質量云服務的增長，有了恰當的銷售結構和客戶結構，可以使得阿里云捕捉到長期和可持續增長的勢頭。”

三、大模型時代的“阿里云打法”

在game changer出現之前，每一位入局者都有翻盤的可能。作為云時代的霸主，阿里云也讓我們看到了他獨有的開源打法。

基礎模型是基本功，自“通義千問”于2023年4月發布后，阿里云隨即升級其音頻轉寫平臺“聽悟”，并為其配備AI驅動的會議分析能力。于7月份，阿里云推出生成式AI文生圖模型“通義萬相”。

此外，阿里云在模型社區已經初具規模，AI模型社區魔搭（ModelScope）截至2023年7月已托管逾1000個AI模型，累計模型下載量超過4500萬次。

這就不得不提到阿里開源的策略：就在一周前，8月3日，魔搭上架了兩款開源模型——Qwen-7B和Qwen-7B-Chat，阿里云已確認其為通義千問70億參數通用模型和對話模型，兩款模型目前均開源、免費、可商用。

阿里云稱，是國內首個開源自家大模型的大型科技企業。

大家都很清楚開源意味著什么，此前Meta的Llama2開源是一個很重要的里程碑事件。伴隨著開源大模型從學術層面到商業層面的應用，AIGC的魅力才能真正釋放到每一個場景之中。

而對于行業支持方面，張勇則表示，接下來阿里云會繼續升級模型，并堅持開源策略，同時進入更多領域深耕，在行業選擇上目前會優先側重于數字原生或有數字化轉型計劃的公司，接下來在金融服務、汽車行業會逐步深入。

四、財報透露出的大模型信號

首先，算力依然是目前做大模型創業的最大短板。英偉達的股價在2023年增長了兩倍，也極力證明了市場需求，我們需要盡快補齊自研能力的短板。

其次，如百度、阿里、騰訊等云平臺正成為AI基礎平臺，不大可能自己做每個垂直行業的領域大模型，而是會采取開放的態度，優先從某些自身優勢領域為有需求的客戶量身定制。當然，初創企業也需要隨時建設自己產品、服務的護城河。

第三，對比國外，國內尚沒有涌現出在數據平臺/工具層的實力企業，比如，為人工智能應用程序收集、存儲和處理數據的平臺（國外有在云中提供數據倉庫的Snowflake、提供統一分析平臺的Databricks等）。

第四，新一輪的AI增量市場才剛剛開始。雖然我們現在看到百模大戰、千模大戰，但各行各業的滲透與落地，也更多的是展望多于實踐。正如張勇所言，“AI相關服務所帶來的增量機會剛剛開始得到釋放。”

五、大模型創新方向有哪些？

據外媒Ycombinator公布的報告，目前大模型初創企業的玩法還是不少的，這里列舉一些，以饗讀者。

1.關注具體問題和客戶

初創公司正在針對一組重點客戶的重點問題，即“通用”人工智能解決方案較少。在所有這些例子中，都特別關注狹窄的問題空間和客戶，并在該背景下應用LLM。

Yuma.ai專注于幫助那些難以處理客戶請求和疑慮的 Shopify 商家。通過利用大型語言模型 (LLM)，Yuma.ai 自動從知識庫生成響應。另一家名為Speedy的初創公司致力于支持沒有時間使用生成式人工智能創建營銷內容的中小企業 (SMB)。Haven 的目標是讓物業經理實現約 50% 的住戶互動自動化。OfOne 的目標是大型快餐店得來速，幫助他們自動化接單流程并提高盈利能力。

2.與現有軟件的集成

除了選擇 GPT / LLM 并通過 UI 公開它們之外，一些初創公司還進一步與客戶已經使用的現有軟件集成。這些集成是解鎖新用例的重要推動力，而 ChatGPT 等開箱即用的 LLM 應用程序無法輕松解決這些用例。

Lightski專注于與 Salesforce 等客戶關系管理 (CRM) 軟件集成。他們的目標是讓客戶只需通過 Slack 發送自然語言消息即可更新其 CRM，從而無需瀏覽層層用戶界面。Yuma.ai為幫助臺軟件提供一鍵安裝功能，將LLM的力量與客戶自己的知識庫相結合，為服務代理生成響應草案。

3.將LLM與其他人工智能技術結合起來

初創公司正在探索通過使用其他人工智能技術（例如計算機視覺和預測）與LLM結合來創建差異化產品。結合技術正在幫助這些初創公司創造一條護城河，并與普通的LLM申請區分開來。

Automat的客戶提供了他們希望自動化的重復 Chrome 流程的視頻演示。然后，Automat 利用應用于屏幕記錄的計算機視覺技術以及人類自然語言輸入來創建所需的自動化。另一家名為Persana AI的初創公司利用 CRM 數據集成和公開數據來預測銷售團隊的潛在熱門線索。然后，他們聘請LLM，利用有關個人的可用自定義數據，為每個已識別的潛在客戶起草個性化的出站消息。

4.LLM定制

許多初創公司正在根據用戶過去的數據和語言風格提供定制選項，以定制客戶使用的LLM模型。

例如，Speedy是一個幫助中小企業生成營銷內容的平臺，與客戶一起舉辦品牌研討會。然后，從這些研討會中收集到的見解將被輸入到他們的模型中，從而使 Speedy 能夠捕獲每個企業的獨特聲音和品牌標識并將其融入到生成的內容中。與此類似，Yuma.ai專注于從之前的幫助臺請求中學習寫作風格。通過分析這些交互中使用的模式和語言，Yuma.ai 能夠生成符合既定風格的草稿回復，確保客戶溝通的一致性和個性化。

5.創意用戶界面

初創公司開始利用的最被低估的杠桿之一，是構建獨特且有用的 UI 界面，而大多數當前的 LLM 產品（如 chatGPT、Bard）并不擅長。這些界面在根據特定用例進行定制時，可以為客戶釋放大量新價值，并吸引更多因使用困難而尚未采用現有產品的用戶。

Type是一個有趣的例子——他們構建了一個靈活、快速的文檔編輯器，讓用戶在編寫時通過按 cmd + k 快速顯示強大的 AI 命令。Type 的 AI 可以理解文檔的上下文，并在用戶編寫更多內容時調整建議并學習風格。

六、寫在最后：重獲新生的機會

張勇說，“從大模型起家，而后進入特定領域。”乍聽起來，就像幾年前我們從公眾號、直播起家，進入特定領域一樣。

誠然，失敗者遠多于成功者。但只有敢于在大模型時代亮劍的人，才能抓住新機遇。重獲增長的阿里云，難道不就是翻盤的實例嗎？