海内的科技创新历史上，从没有哪一次像大模子手艺这样，短短几个月就确立了「科技圈共识」。

我 1998 年入行科技圈，见证了 PC 时代、互联网时代、移动互联网时代这几个时代变迁，从来没见过这么迅猛的「共识杀青速率」。就拿极客公园的创业者社区 Founder Park 来说，由于对照早关注到大模子领域的手艺转变，在短短 4 个月时间就新增了 15 万关注者，社区成员已经扩充到七八千人之多。

就在昨天，首批国产大模子通过立案，又点燃了人们的热情。立案制治理，意味着对大模子生长的政策上的宽松，这也意味着大模子在海内的商用和产业化将真正开启。

只不外「共识」杀青的太快也会有让人郁闷的地方，由于这个手艺还在早期生长阶段，也还做不到「水银泻地」般落地到普遍领域。

客观地说，若是信托大模子手艺带来了 AGI 的曙光，那么就要坦诚看到其真正产物化，并成为生产力，现在才算最先探索。那些在一线的创业公司履历的 KnowHow 和问题，恰恰是最值得被汇聚起来的星星之火。

基于这个想法，阿里云团结 Founder Park 约请了 20 多位中国大模子领域模子层、工具层、应用层的优异创业者，到杭州西溪湿地做了一排场劈面的闭门交流。

阿里云董事长张勇还给这场闭门会取了一个很好的名字——「西溪论道」。这场长达五个小时的闭门会，张勇就坐在我旁边，全程介入到创业者的群聊，我看他条记就写满了好几页纸。

看得出来，阿里云作为算力基础设施层应该若何与这几个层面毗邻与共创，若何支持各个层面的创业者做好大模子用好大模子，这是张勇最体贴的话题。这显示了阿里云跟海内其他公司完全差其余姿态，若何促进大模子生态繁荣才是阿里云最体贴的事情。

这些堪称海内大模子领域最努力最活跃的气力，从下昼两点一直聊到了晚上九点，从产业的多个层面，立体地做了交流碰撞，也从各自的最新实践中聊出了许多有洞见的看法。根据他们的说法，在这里一起讨论，听到了许多真话，许多「真情实感」。

我整理了一部门印象深刻的要点，用这篇文章也分享给人人。

01

关注大模子，更需要关注 infra

现在全球任何一个地方，做大模子，最稀缺的资源除了人才，就是 GPU。

百川智能首创人&CEO 王小川分享他去硅谷和同伙聊到，英伟达一年的 GPU 出货量在 100 万颗，但 OpenAI 说要设计 1000 万颗 GPU 连在一块的超算。

以是 GPU 到底若干算够，有限的算力有解吗？

创新工厂董事长、零一万物首创人李开复示意，只管万万张 GPU 是天方夜谭，然则「鼎力出事业」的暴力美学是有靠山的。强化学习之父 Richard Sutton 在《The Bitter Lesson》（《痛苦的教训》）中指出：已往七十年，想在 AI 里放一点知识进去，想要增添一点能力，想调一调模子架构，最后发现基本没有价值。*推动已往七十年 AI 提高的气力，就是一个通用且可扩张的盘算能力。盘算能力增强了，响应地震员算法、动员数据的提高，这是鼎力出事业的靠山。

因此，在这波大模子浪潮中跑出来的公司首先要有算力，几小我私人、几十张卡的「禀赋」，照样去选择挪用中央化的大模子可能更务实。

「当有了相对足够的算力，在这个条件下好好行使算力，可以做出许多今天只用开源、只调 Llama2（Meta 的大语言模子）做不出来的器械」。前有 OpenAI 不计成内陆设立模子新标杆，后有 Meta 开源为所有人铺平蹊径，在风云诡谲、高度不确定的大模子创业环境中，这是李开复对大模子公司新目的和新实践的思索。

这个打法是什么？怎么让一块 GPU 施展两块、甚至三块的能力？这个问题可能要在团队组成上加倍讲求。李开复以为，Infra（硬件底层）团队必须比 Modelling（模子）团队还要壮大。他说很快人人就会发现，做过大模子 Infra 的人比做大模子的人还要贵、更稀缺；而会做 Scaling Law（扩展定律，模子能力随着训练盘算量增添而提升）的人比会做大模子 Infra 的人更稀缺。

由于优异的 Scaling 团队可以规避徒劳无功的训练，当做训练的时刻，也许率会乐成，一旦不乐成，也有能力马上叫停，有足够的数学能力来做这件事情。除此之外尚有许多玄妙的细节和履历，好比，读通论文也会少走许多弯路，由于有些论文是有意把不奏效的器械写出来，不会读很容易被带偏。

着实客观来看，GPU 欠缺这个问题，不只是中国创业者的问题，全球创业者都要面临。以是怎么把有限的算力做好，会成为大模子公司角逐的要害。

李开复就提到一个明确的看法：大模子团队每一个位置都要有人才，Pre Train（预训练）、Post Train（训练后）、Multi-Modal（多模态），Scaling Up（可扩展性），Inference（推理）等等都有其主要性。其中，Infra 团队这部门人才更稀缺，更应该被重视。

着实除了创业者自己对大模子要精进更深入的明晰，也需要更多维度的手艺创新，好比现场一位 infra 层的创业者，墨芯首创人&CEO 王维就分享了一个盘算上的解决方案——希罕盘算。让我看到了云端和终端 AI 芯片加速方案通过优化盘算模式，能将神经网络开发周全希罕化，提供超高算力、超低功耗的通用 AI 盘算平台的可能性。

02

ChatGPT 点燃热情，Llama2 让人实事求是

若是说 ChatGPT 点燃了许多创业者的热情，那么Meta 开源的 LLaMA和 LIama2，就让绝大部门创业者在基础模子的起跑线上「众生一致」了。但未来朝着什么偏向生长，创业者凭证自己的资源禀赋、能力结构，显然会有差其余使命和愿景。

对于仍选择做基座大模子的创业者而言，开源的底座只是起点。李开复就指出，只管在跟 GPT-3、GPT3.5 等 SOTA（state of the art，先进）模子的种种评选中，Llama2 的差距不大。但现实上用起来，今天 Llama2 的能力跟 GPT-4，以及 Bard（谷歌的大语言模子）的下一个版本，差异伟大。

这看起来也给了做大模子的企业一些腾挪空间，在未来，「真有钱」、「真有本事」的大模子创业者，有时机切换到一个 New Bard 或者 New GPT-4 的打法。

另一方面，不少创业者示意，Meta 开源带给业界的触动很大，「今天 xxx 可能照样中国*的模子，但明天它可能就被逾越了。甚至突然有一天会发现你原来练的那些模子基本都没啥用，当手艺换代或者更强的开源模子出来，已往的投入可能完全「吊水漂」，好比开源模子在预训练上看了一万亿的英文 Token，你自己的模子非要再看一遍，可能毫无意义。」出门问问首创人&CEO 李志飞以为，要充实看到开源带来的深远影响。

「人人虽然都有伟大的理想和理想，但取决于是否有足够多的经费来支持到那一天。以是要实事求是得看到那，在世可能比什么都主要。」澜舟科技 CEO 周明也以为，许多原先想做「*大模子」的企业，着实需要重新思索创业的生态位，选择拥抱开源，在开源的底座上做「为我所用」的器械。好比英文开源的模子在中文能力上较弱，也没有在行业场景、数据中打磨过，这正好是创业团队的时机。

在这一点上，澜舟科技把开源模子当 L0 底座，在这之上，做 L1 语言模子、L2 行业模子、L3 场景模子。周明以为，这样一层一层做好，跟客户通过 AI Agents（署理）来互动获得反馈，模子一点点迭代，会逐渐确立壁垒。即便未来有更好的开源模子泛起，也有设施在它的基础上再重新训练或继续迭代。「开源模子『水涨船高』，你随着比你厉害的人的生长而生长。」

用好开源模子，也是一种壁垒和门槛。这可能和许多人想象的不太一样。甚至有人会问，基于开源模子做，还算做大模子吗？另一边，许多企业自身也避谈使用了开源模子这一话题。

着实，基于开源模子做，后续的投入门槛并不低，能力要求也不低，用开源只是有用降低了冷启动的成本，对创业者这并不丢人。好比李志飞剖析以为，一个开源模子可能看过 1 万亿 Token 的数据，帮你省了几百万美金，模子厂商需要接着再往下训模子。最终要把模子做到 State of the art（SOTA，特指*水平的大模子）的水平，数据洗濯、预训练、微调、强化学习，各个步骤都不能少，每年算力可能万万美元起，并不见得一下子门槛就没了，更不是使用开源模子就不用继续投入了。

从这个角度来看，开源模子是更务实的选择，优化、训练出适用的模子反而也是真本事。基于开源，有时机做出很好的大模子，焦点是能够拥有相对*的认知，有延续迭代模子的能力。

03

大模子 ToB 现状和实践

模子能力的提升是一方面，落到客户场景，又是另一回事。

从客户的角度来看，大模子，「大」并不是*的追求，甚至完全纷歧定是客户想要的。

有创业者就分享了稀奇现实的客户场景：真正去跟 B 端客户谈，客户只需要语言明晰、多轮对话和一定的推理能力，其他的 AGI（通用人工智能）能力一概不要。

客户向他反映说，其他功效反倒带来了贫苦，「幻象」（Hallucination）问题解决不了，而且客户原本有许多 AI 1.0 的模子，原本用得好好的，为什么要扔掉不用，AI2.0 并不需要笼罩 1.0 的能力，能合理挪用就挺好。这也注释为何在海内外 RPA 领域是引入大模子最努力的。来也科技团结首创人&CEO 汪冠春今年在海内市场也验证了客户有这方面的明确需求。

这种情形下，只要把自然语言明晰清晰了，把参数传过来挪用 AI 1.0 的模子以及外部数据库，效果是可靠的，成本也对照低，最后再用大模子把效果组装起来，形成一个讲述。模子在这里起到了义务分发的作用：分成子义务、每个子义务挪用什么。在子义务里，有些大模子支持的，有些是原来的统计模子，有些甚至都不是自己的，而是某个第三方的模子，客户最后要的，只要能完成义务就行。

实验找到这样的 PMF（Product Market Fit，产物市场匹配）后，若是只做这种 To B，其模子能力包罗语言明晰、多轮对话和少量的推理，这个模子并不需要很大，100 亿到 1000 亿的模子，就相对够了。响应地，需要在几百张卡的基础上，把语言明晰、多轮对话做好，而且有一定的推理能力，再加上 AI Agents，基本上能完成客户在许多场景下的需求了。

一个通用的大模子，并不意味着可以解决所有问题。B 端客户的许多场景，通用大模子放上去并不奏效。这意味着模子需要越来越多，有越来越可收敛的场景，也意味着需要更多气力介入进来辅助手艺和场景的对齐，而不是一个*的手艺去适配所有场景。

澜舟科技 CEO 周明以为，必须要把用户数据、行业数据，甚至图谱或者规则，放到模子里继续训练，这是行业大模子存在的需要性。在通用大模子不能笼罩到的局部行业，加入这样的数据，能把行业问题解决得很好，而且还能战胜许多幻象问题。

我记得李志飞也弥补了这一视角，他以为，通用大模子与垂直大模子，各尽其用，鱼与熊掌不能兼得。模子稀奇大，就意味着推理成本异常高。而且，一个做芯片设计的大模子，去回覆影戏、明星等娱乐内容，也没有意义。他以为，To B更多是要垂直和可靠，而通用在于智商，有很强的推理能力、逻辑能力，很厚实的知识。这纷歧定是 To B 现在阶段需要的。

与此同时，海内各行各业对于在营业中加入大模子的需求，是异常强烈的。蓝湖首创人&CEO 任洋辉，和 Moka 团结首创人&CEO 李国兴，这两家 SaaS 公司产物接入大模子后，已经获得了客户的认可，真正收到了钱。

通过对这两位创业者从 2、3 月份到 7、8 月份的状态转变的考察，我发现SaaS 领域中越早看到大模子带来的手艺转变是「重新界说软件」级其余，敢于拿出「向死而生」的头脑来实践这个「重新界说」的历程，基本上几个月就会破除焦虑，而且让人看到希望。

以是，手里拿着客户和场景的创业者，搞欠好会是那些大模子创业者的更早获得手艺盈利的受益者。

由于落到详细场景下，大模子着实就会有纷歧样的追求。好比华深智药首创人&CEO 彭健示意，大模子带来的幻象（Hallucination）对药物设计这样的 AI for Science 领域可能是有益的，某种水平上，所谓幻觉在某些领域就是智能的意义所在，由于这可以辅助设计出人想不到的卵白质组合方案。

就像智谱 AI 作为海内大模子落地案例跑得最多最快的一家，其 CSO 张阔在实践中就以为，对未来大模子的价值来说，「20% 可能是中央化的，80% 会是非中央化的」，也就是说用更厚实的、更多种类的大模子详细到客户场景里去发生价值，而不只是一个大模子无限泛化能力去解决所有问题，这是一种一定的趋势。而这也获得了一起交流的许多创业者的认同。

04

AGI 值得献身，但也不要「玩命」

大模子是 AI 的一个分水岭。已往，人工智能是在封锁的系统追求确定的目的，好比人脸识别系统追求百分之百准确，但现在，大模子带来的「涌现」是一种开放的智能，发生林林总总的可能性，超出设计者预料之外，这是智能真正的特点，也是人工智能六七十年来*的一个转变。

泛起这样一种新的智能系统之后，未来人人都能很便利地、低成内陆地获得智力，就像电力革命一样。

智源人工智能研究院院长黄铁军以为，这次手艺转变向下通报得很快，从大厂到创业公司迅速共识：这是一个新时代的最先。在这个时代不干点啥，似乎对不起这个时代，对不起手艺的生长。

而 4 月份下场的百川智能算是现在海内做大模子最「卷」的一家，保持平均 28 天发一个模子的节奏，百川智能首创人&CEO 王小川虽然不认可自己在「卷」，但他分享了快速落地的窍门：好比搜索手艺有积累的团队，对数据处置问题上是有很大辅助的。而且通过引入搜索增强、强化学习，以及其他配套性的全栈手艺，确实可以来辅助模子做得更好。「若是看一下现在场内手艺公司的高层靠山，你会发现许多手艺做的不错的都有搜索靠山，这内里体现了一些手艺的逻辑正在逐渐被看清晰。」

VC出身，印度首富之女回家接班了

不外黄铁军以为，从科研角度来说，我们依旧只是进入一个伟大时代的早期，若是类比电力时代，今天这样一个智力时代，着实就是昔时法拉第搞发电机，一旋转，电流发生了；现在是用大数据训模子把智力训练出来了，这是一个阶段。后边我们还需要一小我私人——麦克斯韦，由于后边电磁学简直立，才是电力在人类社会最先靠谱可用、并推动工业革命的条件。

今天的大模子尚有许多器械是黑匣子，一方面大模子的「上限」尚有伟大提升空间，AIGC 许多时刻能带来伟大惊喜，但另一方面大模子的「下限」却还不能保持足够稳固，这个时刻明晰手艺的界线，合理的设定目的和要解决的问题，是很有需要的。有人要解决上限的探索，有人要解决下限的稳固。

对创业者们来说，AGI（通用人工智能）曙光已经泛起，这是一件值得投身的事业，但也不要「玩命」。

另一边，除了守候大模子手艺更进一步，许多中央层的创业者在改善让大模子落地到应用的环境。

BentoML 亚太区卖力人刘聪称，和之前传统机械学习相比，外洋客户基本都能拿到一些预算来做大模子相关的产物原型或者 Demo。但现在还没有进入生产环境，去为公司发生商业价值，而许多做中央层的创业者看到了这个时机。

Dify.ai 首创人&CEO 张路宇的创业洞察也正源于此，他说，在开发者视角，拿到模子是不够的。他分享了一个数据，在对六万多个应用的样本做剖析后，发现现在投产或者靠近投产的，这个比例差不多是 5%。有对模子手艺不是很知足的，也有团队事情流还没有顺应 AI 应用开发的。响应地，张路宇团队针对现在投产可能性更高的应用，去做一些专项能力。好比他们有一个指标叫消费者摩擦度的改善，看 AI 在这件事上能提供多大的价值，提供响应的能力。

Zilliz 首创人&CEO 星爵弥补了这一视角，他以为一个极端简朴的开发栈，是AI民主化的一个条件，基于这个判断，他提出了 CVP（大模子 向量数据库 提醒词工程）这样的开发栈。

05

若何通向 AI native？

什么是 AI 时代的的 Killer App（杀手级应用），在今年 3 月微软公布 Copilot 之际，许多人的好奇被瞬间点燃。但在这次闭门会上，李开复提出了一个差其余视角，Copilot 不算是 all in 大模子的产物。

他以为，从移动互联网最乐成的产物之一微信来看，放弃 compatibility（兼容性）很主要。做得最早的是 MSN、QQ，然则胜出的是微信，由于张小龙做了一个决议，既然是移动互联网的时代，就不要 PC 了，微信在早期专注在移动互联网的特质上，百分百押注到新的手艺平台上。

从这个视角看，AI native（AI 原生）的应用可能有这样的特征：若是大模子拿掉了，应用就溃逃了，它是一个完全依赖大模子能力的应用。但拿掉 Copilot，Office 软件照样 Office，AI 只是锦上添花。

这一看法获得了现场创业者最多的认同，也引发了人人带着这个界说，对 AI native 应用的探讨。

前段时间爆火的产物妙鸭，其产物卖力人张月光以为，没有大模子，就没有妙鸭，这跟李开复对 AI first，AI native 的思索一致。

他以为，妙鸭作为率先出圈的应用，最主要的是解决了可控性。妙鸭团队一最先没有想做底层模子的事情，更关注怎么才气用现存生态上开源兴趣者开发的种种插件和小模子做可控性。锚定了最主要的事情是可控性，妙鸭把照片质量做到平均分 90 分以上，也迎来了快速乐成。

「我们在应用层稀奇关注怎么才气让模子更可控，就发现在图像赛道上，已经有一些相对可控的手艺了。可能语言赛道上，若是泛起这样的器械，会对上层应用创业者是一个质变时刻」。张月光的实践给了做大模子应用的公司一些启发，可控性可能是 AI native 应用降生的条件。Stability. AI China Lead 郑屹州也考察到了这样的趋势，开源社区孝顺者解决可控性后，大量应用冒出来了。

在探索新一代应用上，元石科技首创人李岩指出，大模子带来的推理能力，是新一代产物的本质差异。

而社交 Agent 是被看好的一个时机，而且一定会是最早一批 AI native 的产物，但这很可能需要创业者具备从大模子到产物的「端到端」的构建能力。好比，李志飞分享了和 Character.ai 探讨为什么后者要做自己的大模子时，对方示意，由于用OpenAI或者谷歌这样的中央化大模子，不会回覆「调情」的问题。这是 Character.ai 找到的怪异空间，也是可以逐渐积累的壁垒。

统一领域的聆心智能，在做社交大模子的应用上，发现了怪异场景。聆心智能 CEO 张逸嘉分享了他们看到的与预想的差异，现在大模子可以落地的社交场景不是陪同，人们接受虚拟形象的陪同需要时间。现在落地的社交场景是角色饰演，用户画像是网文小说兴趣者，角色饰演是网文小说的新形式。

至于现在最新的 AI Agent 偏向，是不是大模子「全村的希望」，甚至最终带来交互革命、终端革命、商业模式革命，很可能要取决于多模态能力的生长。

心识宇宙首创人&CEO 陶芳波注释说，一最祖先人对 Agent 的期待很高，但在现有手艺条件下发现，Agent 怎么样比 ChatGPT 解决了更多问题，很难被讲清晰。他以为，若是真的要把 Agent 施展作用，并不是把那么多软件的 API 给接进来，由于接软件的 API 本质上是在做兼容，是新瓶装旧酒。

Agent 有没有一些加倍 Native 的形态去完成最后一公里。有许多许多要做的事情，数字栩生首创人&CEO 宋震说的空间感知能力和多模态能力。在这些条件成熟之后，可能就会泛起 Killer Case。

李志飞坚定地以为，现在看来，多模态是 C 位，不是花瓶。由于Agent 输入输出都依赖于多模态的能力，没有多模态就没有 Agent，只不外今天的 Agent 更多是通过语言模子，通过文原本反馈，然则最终 Agent 会是一个多模态的考察、感知、行动。他预判，跨模态知识的迁徙，再过两、三年看，反而是大语言模子*的一个孝顺。

06

大模子时代，服务大 B 照样小 B

几个月前，我在旧金山正好遇上数据公司 Databricks 的开发者大会。这是一家专门做「数据湖」的数据平台公司，可以说是长在云盘算平台上的「中央层」公司。就是这样一个公司，几年时间估值已经到达几百亿美元，而且还在延续增进。Databricks 的客户既有大企业，也有小创业公司，巨细通吃。

今年，这家公司迅速接入大模子，还收购了大模子公司 Mosaic ML，最先辅助客户落地大模子进入营业，这个风口让它眼看一起狂奔千亿美元价值而去了。

我那时异常好奇的一点是，为什么海内似乎没能长出这样一个基于云盘算的「中央层」公司，而这一波 AI 手艺提高的变量，是否在中国能催生出这样一批在把云的算力酿成营业竞争力，带给更多行业数字化提高的「中央层」的优异企业？

阿里云董事长张勇以为，「中央层」公司的泛起，一定是有可能的，也是云盘算企业乐见其成的。但这些公司要解决的照样一个焦点问题——界说清晰要解决谁的什么问题，界说越清晰，能力越到位，做的器械就能真正「收敛」，真正有商业「穿透力」。

这也引发了参会创业者们的探讨，好比大模子手艺刚刚最先进入行业，但企业服务「不收敛」、项目化的问题就最先泛起了。好比给 B 端用户做大模子训练，但由于数据是对方的，以是最终相助完，自己的团队很难「闭环」——数据没有飞轮，收入毛利也低，一不小心就做成了「高科技施工队」，是手艺企业面临 B 端的一个通病。甚至有创业者都最先嫌疑，大模子 To B 可能天生缺乏土壤。

但加入创业者群聊一直在做条记的张勇，恰恰在这里很系统化地说了一个差其余看法：「To B 着实尚有另一种可能，就是「小 B」，也就是那些中小微企业，它们看起来不起眼，然则数目众多，单单服务它们，就能够作育现在的互联网巨头。」

例如，阿里早期的「黄页」，让中小卖家能被外国买家望见，带来了跨境商业的繁荣；淘宝则是解决了信息和物流的流通问题，就成就了电商这一大品类。

而且，相对于大型公司，这些小 B 公司并不体贴手艺和愿景，谁能帮它们解决增进问题，就会因此付钱。

当前大公司的数据化，最主要的一个目的就是要「降本增效」，说白了就是「节省」。但效率优化空间总有终点，可是增进和生长的「开源」空间，却相对无限。张勇以为，企业服务里「开源」远比「节省」主要，人们永远愿意为了生长而付费。

他甚至以为，已往数字化企业服务过于看重「降本增效」可能是个误区，由于愿意为提升百分之几的效率付钱的往往是大公司，他们体量大，这种提升相符投入产出比。然后也让人人都围着大公司做项目。但反过来，小公司很难靠「降本增效」去启动需求，它们要的是生长和生长的能力。

着实，小 B 客户尚有一种双重性，即若是接纳「订阅」的方式，那它着实就可以被看成是一个「C 端用户」。

在这一点上张勇的看法也获得了参会创业者的认同，好比出门问问的李志飞曾经在语音识别领域做过 To B 的营业，被偕行卷得异常痛苦。而厥后他做的 AI 配音工具「魔音工坊」，服务的就是一个个内容创作者，收敛到一个真正解决小 B 们普遍问题的产物，这些「小 B」反而让他真正把 AI 手艺酿成了康健生长的营业。

张勇还建议创业公司需要一最先就确定自己要服务的客户，是 C 照样 B，是小 B 照样大 B，必须界说好。张勇甚至以为，做 AI 的公司，若是既做 To 大 B 又做 To 小 B 甚至 To C 是行不通的。

虽然 AI 手艺的生长带来了许多转变，会越来越有通用的能力，然则在手艺层面之外，尚有组织的「DNA 问题」，「你一个公司里做大客户的和做互联网用户的团队，上班的着装、语言的方式可能都是纷歧样的。」张勇以为要界说清晰自己服务谁，解决什么问题，而不是哪有票据往那里走。

07

大模子对云意味着什么？

几年前上一波 AI 浪潮中，许多创业公司一样获得了大量融资，泛起了许多着名公司和创业者，然则几年下来，依旧做得很辛劳。我和许多那一波创业者一直保持交流，很多多少次约出来谈天，看到他们一脸疲劳嘶哑着嗓子，一问往往是前一天陪某个大客户喝了大酒还没缓过来。

这次的许多创业者也眼见了谁人时代，手艺最终由于无法形成尺度化产物，酿成只能接项目的「高级人力外包」、「高科技施工队」。他们都以为，一定不能再重蹈覆辙。

与此同时，人人也很体贴阿里云这样的云盘算平台在大模子时代会晤对什么转变。人人也问张勇，在大模子时代，他以为云自己到底是手艺，照样产物？

张勇的回应倒是很直接，「云自己应该是产物，而且不是一个，而是一系列的产物。」在大模子和 AI 浪潮推动下，有一个事情是确定的，就是行业和客户对算力提出了全新的要求。若何知足客户对算力的进一步需求，就成了阿里云的基本起点。张勇以为这内里一定有手艺要解决的问题，但阿里云也一样要思索若何「收敛」到真正解决产业生态问题的产物，而不只是输出算力自己。

有意思的是，这次交流流动虽然是 FounderPark 社区和阿里云团结约请，但却没有放置任何关于「通义千问」的分享。创业者们固然也很体贴云平台自己做大模子的目的。张勇的看法是：这个容易泛起 Hyper Scaler（超大规模玩家）的跨手艺时代，一定没有人敢落伍，不能能不去触摸手艺自己。但他以为，阿里云在这样一个巨变时代，要掌握的照样更焦点的角色，就是Cloud Service Provider（云盘算服务提供者）。

「而要做好这个角色，不懂大模子一定是不行的。」张勇说：「我们若是不做通义千问，可能都搞不清晰该若何辅助今天参会的列位创业者们。」

着实让张勇对照兴奋的，是他异常确定未来人类社会对于对算力的需求是无限的，对于其效率的要求也会越来越高。以是张勇说，阿里云一定是希望「模子越多越好，场景越多越好」，二者越多，对算力的需求和手艺要求就更高，这就意味着云有了新的要去面临息争决的问题。而唯有延续不停值得解决的「难问题」，才气驱动云的价值有更大的生长空间。

「云盘算平台亘古未有需要一个生态，而不是什么都自己搞。现在，还没有一家公司能把芯片、云盘算、数据平台、机械学习框架和大模子，所有用自己家的，形成所谓的「闭环」，这险些在物理上是不能能的。」

张勇以为，AI 手艺的生长，让生态有了新的可能。他有个遗憾，已往十年是中国云盘算突飞猛进的时期，但中国的 SaaS 行业，并没有由于基建的快速生长而有了本质性的提升。而美国的 SaaS 公司，现在都在探索将 AI 嵌入到平台中升级，走了一条和海内公司差其余路径。

他以为，在 AI 时代，中国可能会泛起新一代的 SaaS，会是一种全新的智能服务，和以前 SaaS 流程驱动差异，这种新的服务会通过数据和智能驱动，可能也不叫 SaaS。

面壁智能董事&CEO 李大海指出，海内 To B 市场异常碎片化，这是 SaaS 服务起不来的缘故原由。然则现在有了大模子这样一个手艺变量，能不能够形成一些转变，这是对照值得期待的事情。同时他也期待阿里云这样的云厂商，能在这里有一些好的方案和底座，带着人人一起把这个事儿趟得更平。

在张勇看来，中国已往不少 SaaS 公司，到现在也不能平安算是 Cloud Native（云原生），而对于一个自然生长在云上，或者是 intelligent native（智能原生）的新型服务，有时机「平替」之前非原生的上个时代产物。

许多时刻我们叹息，上一个十年中国的 SaaS 行业生长不尽人意，但大模子现在给创业公司提供了新的时机，在一个全新的数字化生态里塑造新的名目的可能性。张勇的结论是：这样的时机和挑战，对阿里云，对所有创业者，都是相通的，都要面向未来找到自己的位置，配合形成生态同伴关系，配合缔造价值。

好了，以上是我在长达 7 小时交流中节选的一些条记。我最强烈的感受是，今天大模子手艺带来的时代转变，才刚刚拉开帷幕。经由前半年的极端兴奋和「过分想象」，一个可能长达 10 年的手艺革命，现在才真正开启「万里长征」。狂热期之后真正进入拓荒期，这内里经由足够时间磨练和支出坚实价值才气获得的「共识」，才是真共识。

希望创业者之间，产业生态之间，能有更多的带着「开源精神」的坦诚交流和思索碰撞。着实张勇给这次交流起的「西溪论道」这个名字就挺好的。坐而论道，更要起而行之。

我想，这个「道」应该就是 AGI 时代从手艺到产物，从 vision 到价值的谁人「创新之道」吧。