云智融合促新質生產力加速發展

歷史上每一次科技革命都提供了一種由通用技術、新型基礎設施和經濟組織制度所構成的新技術經濟范式，這種新的技術經濟范式能夠推動經濟社會現代化并逐步提高其生產率。在新一輪科技革命和產業變革的深入發展時期，數字科技是新質生產力的重要驅動力，其中以大模型為代表的人工智能正帶來工具革命、科研范式變革和產業智能發展，逐步演化成為一種具備普遍適用性、動態演進性、創新互補性特征的通用技術，成為新質生產力發展的重要引擎。云計算為人工智能發展提供了高度可擴展的計算資源，為大模型的開發和優化創造了理想的環境，為海量數據的存儲、處理加工和應用提供了綜合技術平臺能力，已經成為重要的新一代數字基礎設施。云智深度融合共同加速數據等新生產要素價值發揮，推動勞動力、勞動工具和勞動對象的質態升級，構筑新質生產力發展高地。

人工智能成新質生產力發展的重要引擎

大模型帶動生成式人工智能迅速發展，推動AI從感知理解到生成創造的躍遷，拉開了人工智能新篇章的帷幕。生成式人工智能的自主生成創造和推理能力，與傳統機器學習相結合，極大擴展了人工智能的應用邊界，在科學探索、企業經營、藝術創作等諸多領域帶來巨大的創新機遇，推動經濟產業各領域的發展變革。

人工智能帶來工具革命，推動效率革新。生成式AI具有強大的語言處理能力、模式學習與泛化能力以及多模態內容生成能力，可以基于提示詞自動生成全新的文本、圖像、音視頻、代碼等，為內容創作、圖片設計、軟件開發等帶來強有力的工具革新，極大地提升了生產效率。例如，在辦公與文檔處理方面，AI能夠自動生成報告、提案、會議紀要等；在影像與創意設計領域，能夠根據提示詞自動生成設計圖、創意草稿等；在智能編碼方面，能夠支持代碼補全、單元測試生成、代碼解釋、代碼查錯等核心場景；在法律等專業服務領域，生成式AI的應用進一步深化了技術與行業知識的融合，能夠快速生成法律文件、審核合同，幫助律師高效處理繁雜的文書工作。隨著AI Agent（智能體）的發展，通過任務規劃、工具調用、記憶增強等能力疊加，生成式AI能夠搭建具備認知和推理能力的超級智能助手，理解用戶需求并生成響應提供個性化服務，有可能強化甚至顛覆現有的勞動工具。

人工智能引領科研創新，帶動范式變革。基于海量的數據分析和模型構建，AI大模型正在加速全球芯片、藥物、材料、自動駕駛等一系列科研范式的創新突破，Google學術相關數據表明，過去3年里，材料科學、生命科學、能源科學使用AI手段開展科研的比例占到34.5%。在芯片設計領域，英偉達Hopper GPU架構使用深度強化學習優化并行前綴電路，設計了近13000個電路實例，與采用EDA工具相比，相似的性能下面積減少了25%。在材料科學領域，DeepMind開發了用于材料科學的人工智能強化學習模型GNoME，并基于該模型尋找到了38萬余個熱力學穩定的晶體材料，極大加快了發現新材料的研究速度。在生命科學領域，Alphafold能夠僅憑氨基酸去預測蛋白質的結構，而且獲得了接近于實驗解析的準確度。當前，AI正融入科學發現的假設形成、實驗設計、數據收集和分析各個階段，為科學研究開辟了新路徑。

人工智能融合各行各業，加速產業智能。人工智能正逐步滲透進各個產業領域，在研發設計、生產制造、經營管理、營銷服務等產業鏈各環節發揮作用，助力企業經營提效、業務創新、客戶體驗提升等。在業務創新方面，生成式AI幫助企業突破傳統業務模式的限制，提升現有產品與服務的價值，甚至可以開辟新的產品和服務形式。例如，AI加成的智能終端通過集成生成式AI技術，實現了從信息處理到智能化交互與個性化服務的跨越。又比如教育行業，通過生成式AI可以實現從教學內容的個性化定制到學習體驗，再到教育管理與評估的智能化的全面升級。在客戶體驗提升方面，生成式AI通過深入學習個體用戶的行為模式與偏好，提供更加個性化、互動性和沉浸感的用戶體驗。如在客戶服務領域，生成式AI能自適應地生成精準答案及個性化建議，模仿真人對話，帶來人性化的互動體驗，高效滿足用戶需求。

云計算是人工智能的最佳“拍檔”

以大模型為代表的人工智能對計算資源的需求巨大，需要高彈性易擴展、穩定可靠的算力平臺支撐。云計算平臺通過部署先進的硬件技術、優化計算資源分配等來應對大模型研發及訓練推理不斷增長的算力需求。云原生先進架構也為未來AI技術的持續創新和應用提供了堅實的支撐。當前全球人工智能通用大模型基本都架構在云計算基礎上，云計算成為人工智能發展的重要基礎底座。根據IDC數據調查及預測，未來5年中國智能算力復合增長率將達到33.9%，70%的中國企業和組織希望通過云上獲得應用人工智能的能力。

云計算提升大模型訓練和推理效率。大模型的參數量在不斷擴大，有些甚至達到千億、萬億級，這么大參數量的大模型訓練和推理需要底層算力、網絡、存儲、數據計算、AI框架等復雜技術的系統性工程支撐。在模型訓練上，云計算為大模型提供敏捷彈性、高度可擴展的異構算力及并行計算的高速互聯網絡能力。同時，云上AI平臺能夠對龐大訓練任務進行自動分拆和分配，通過硬件、網絡、框架一體化協同調度能力，提供速度更快、算力更省的高性能分布式訓練方案；通過配置相關自動容錯訓練框架，能夠在大語言模型動輒數周、數月的訓練周期中，提供極致的穩定性保障，減少人工介入成本，大大縮短大模型訓練時間。在模型推理服務上，云平臺通過異構芯片適配、彈性容器調度以及算子融合等進行模型推理加速，大大提升推理吞吐，從而實現性能優化。在數據上，云存儲技術通過高吞吐、低延遲的并行文件存儲提升效率，加速了AI數據處理。整體上，云計算提供了高效的計算能力、海量的存儲空間及靈活的資源配置，大大提升大模型的訓練和推理效率。

云計算提供一站式MaaS服務。大模型與產業結合已經成為大勢所趨，當前企業普遍采用API直接調用、提示詞工程（Prompt Engineering）、檢索增強生成（RAG）和模型微調（Finetuning）等方式使用大模型。云計算平臺提供一站式MaaS（模型即服務）服務，為大模型的再訓練、微調、評估和部署等環節提供全生命周期工具鏈及高質量行業數據集。在檢索增強方面，平臺提供了包括數據分類、企業知識庫建設和RAG鏈路搭建的服務能力；在模型的再訓練和微調方面，平臺提供了包括底層模型能力、內置數據集、基礎應用組件與訓練工具、預構建的AI服務等的從預訓練到強化學習的全鏈路服務體系；在模型的部署和應用服務方面，云上AI服務平臺通過開放兼容的接口，讓訓練好的大型模型可以方便地部署為可供外部應用程序調用的服務，并通過在線評測工具進行評估。

云計算加速構建AI原生應用架構。廣義云原生先進架構為AI開發提供穩定的運行環境，是AI原生應用不可或缺的底座。一方面，云計算平臺支持容器技術和Kubernetes等編排工具，使得AI應用可以采用微服務架構進行構建，每個服務組件都可以獨立開發、部署和擴展，提高了系統的靈活性和可維護性，有助于構建復雜、可擴展的AI原生應用。另一方面，云平臺支持的應用開發工具鏈加速了AI應用的開發流程，支持代碼托管、自動化測試、持續集成和一鍵部署，確保了快速迭代的同時也保持高質量的交付標準。同時，云服務的全球分布特性及多地多活的架構使得AI應用可以輕松地擴展到不同地區，保證高可用性、高可靠性。架構升級是持續演進的必然趨勢，積極擁抱云原生、微服務架構，能夠實現生成式AI應用的快速迭代，保障彈性伸縮和故障自愈。綜上，云計算通過提供全方位的技術賦能，不僅簡化了AI應用的開發和運維流程，還促進了AI技術的普及和深化應用，為AI原生應用架構提供堅實的基礎。

云智融合的三大著力點

面向AI時代，所有產品和服務都值得用大模型重新升級。“云+AI”為各行業數字化轉型和智能化升級提供堅實的底座，助力各行各業提高生產運營效率、拓寬市場邊界、創新業務模式，加速新質生產力發展。針對云智融合的新趨勢，重點要推動以下三個方面發展：

一是加強科技與產業的創新合作。今年《政府工作報告》提出要開展“人工智能+”行動，國資委也加快實施“人工智能+”專項行動。針對人工智能在產業的應用推進，科技供給方與產業領域應用需求方應加強創新合作，圍繞重點領域和行業，開展大模型的垂直化、產業化和場景化應用探索，以應用帶技術、以技術促應用，并推動形成標準規范，加快實現技術迭代升級和產業的智能轉型。對于通用性強、市場化較為成熟的垂直領域，如精準營銷、智能客服、智能辦公、企業知識問答等場景，可加快構建標準規范及評測體系等。對于專業行業領域，則加強場景挖掘和合作試驗，如生物醫藥領域可充分發揮人工智能技術在高通量篩選、實驗預測、結構分析等方面的優勢，推進創新藥物發現、生物育種等細分場景合作；自動駕駛領域發揮人工智能在高精度感知、實時計算、低延時通信等方面的優勢，重點圍繞車路協同、仿真測試、高速領航駕駛輔助等場景進行合作。

二是提供更加普惠便利的科技服務。以大模型為代表的人工智能的發展，讓科技普惠的速度進一步加快。一方面，基礎大模型的發展使得傳統企業不用從0-1投入大量資源進行算法開發，就能通過調用最先進的大模型進行應用系統改造升級；另一方面，人機自然語言對話交互，也讓每一個個體都能輕松地獲取最新的科技應用。持續向企業和個人提供更加普惠便利的服務是科技企業的不懈追求。當前，云計算廠商已經陸續推出了serverless化智算服務、大模型全棧式集成平臺與工具等，大大降低模型訓練推理成本和生成式人工智能應用開發門檻。面向未來，應繼續推動更多行業企業擁抱“云+AI”，放大公共云平臺的集約化、規模化優勢，向市場進一步釋放技術創新和規模發展的紅利。

三是構建繁榮的云智融合生態體系。生態體系建設對于技術創新和產業智能應用深化至關重要。云服務商應進一步構建從AI基礎設施到應用開發平臺的全棧AI能力，為各行業開展智能應用提供豐富的工具和資源，助力產業智能升級。堅持開放創新，通過開源模型、開源社區等的百花齊放，讓更多的開發者、創業企業獲得更多更成熟的創新能力。當前，阿里云通義千問已經開源了從5億到1100億的參數規模以及視覺理解、音頻理解等多模態大模型，也通過魔搭（ModelScope）模型開源社區，促進知識交流與資源共享。加強對人工智能、云計算等領域的多層次人才培育體系建設，通過專業資格認證等機制，培育符合智能時代需求的創新型專業人才。

即將到來的智能時代，各行各業將全面融入數字化和智能化的科技浪潮中。云智融合，以前所未有的方式優化資源配置、加速創新周期，助力傳統產業煥發新生，也為未來產業奠定堅實的技術基礎和發展動能，成為新質生產力發展的加速器。