撰稿 | 言征

“分拆”焕新了阿里，而大模型救回了阿里云。

昨天发布的“新阿里”的第一份财报中，2341.56 亿元，同比增长14%。数据可谓“情理之中，意料之外。”

情理之中的是，阿里国际和菜鸟业务的超预期增速（分别为41%、34%），因为此前已经有不少有关这两块业务快速增长的消息。意料之外的是，一旦我们将目光聚焦到此前连续三个季度收入接近为零甚至负增长的阿里云，竟然奇迹般地“回魂”再生。

一、财报中的阿里云

去年12月，阿里云已连续两季度营收增长接近0%，彼时还存有云安全事故余波；今年的一季度，阿里云业务收入同比下降2%。阿里云想要重获增长的难度可见一斑。

在新出炉的财报里，阿里云收入增长4%至251.23亿元。据财报表显示，阿里云的增长受阿里巴巴并表业务及金融服务、教育、电力和汽车行业的客户所驱动。

阿里云也表示，这主要是来自于AI热潮带来的算力和模型服务需求的推动。

图片

二、张勇：大模型带来了增量机会

全球都在追逐生成式AI浪潮。对于中国企业而言，要么和云业务结合、要么在某领域聚焦。张勇在财报会上，一针见血：“会有一大批这样的企业，从大模型起家，而后进入特定领域。”

大模型所需的模型训练和推理场景，都带来了非常旺盛的对AI云服务需求。而且这种需求是长期的并非短暂的。张勇认为，现在的人工智能革命属于增量机会，各行各业都希望利用人工智能来提升他们的服务，他们要利用大量高性能的算力，不仅是用于现阶段模型的训练，还要用于支撑以后AI模型提供各种服务，这是非常重要的、长期的增长引擎。

但是由于短期内GPU在中国市场供应的紧缺，使得这样的需求只得到了部分满足，AI相关服务所带来的增量机会刚刚开始得到释放。

当然，阿里云实现增长还有一个原因，那就是疫情之后的策略调整。张勇透露，“阿里云在疫情之后，远程办公、在线教育等需求的减少，这是影响阿里云增速的一个重要因素，阿里云正采取措施，倾向于公共云，以及高质量云服务的增长，有了恰当的销售结构和客户结构，可以使得阿里云捕捉到长期和可持续增长的势头。”

三、大模型时代的“阿里云打法”

在game changer出现之前，每一位入局者都有翻盘的可能。作为云时代的霸主，阿里云也让我们看到了他独有的开源打法。

基础模型是基本功，自“通义千问”于2023年4月发布后，阿里云随即升级其音频转写平台“听悟”，并为其配备AI驱动的会议分析能力。于7月份，阿里云推出生成式AI文生图模型“通义万相”。

此外，阿里云在模型社区已经初具规模，AI模型社区魔搭（ModelScope）截至2023年7月已托管逾1000个AI模型，累计模型下载量超过4500万次。

这就不得不提到阿里开源的策略：就在一周前，8月3日，魔搭上架了两款开源模型——Qwen-7B和Qwen-7B-Chat，阿里云已确认其为通义千问70亿参数通用模型和对话模型，两款模型目前均开源、免费、可商用。

阿里云称，是国内首个开源自家大模型的大型科技企业。

大家都很清楚开源意味着什么，此前Meta的Llama2开源是一个很重要的里程碑事件。伴随着开源大模型从学术层面到商业层面的应用，AIGC的魅力才能真正释放到每一个场景之中。

而对于行业支持方面，张勇则表示，接下来阿里云会继续升级模型，并坚持开源策略，同时进入更多领域深耕，在行业选择上目前会优先侧重于数字原生或有数字化转型计划的公司，接下来在金融服务、汽车行业会逐步深入。

四、财报透露出的大模型信号

首先，算力依然是目前做大模型创业的最大短板。英伟达的股价在2023年增长了两倍，也极力证明了市场需求，我们需要尽快补齐自研能力的短板。

其次，如百度、阿里、腾讯等云平台正成为AI基础平台，不大可能自己做每个垂直行业的领域大模型，而是会采取开放的态度，优先从某些自身优势领域为有需求的客户量身定制。当然，初创企业也需要随时建设自己产品、服务的护城河。

第三，对比国外，国内尚没有涌现出在数据平台/工具层的实力企业，比如，为人工智能应用程序收集、存储和处理数据的平台（国外有在云中提供数据仓库的Snowflake、提供统一分析平台的Databricks等）。

第四，新一轮的AI增量市场才刚刚开始。虽然我们现在看到百模大战、千模大战，但各行各业的渗透与落地，也更多的是展望多于实践。正如张勇所言，“AI相关服务所带来的增量机会刚刚开始得到释放。”

五、大模型创新方向有哪些？

据外媒Ycombinator公布的报告，目前大模型初创企业的玩法还是不少的，这里列举一些，以飨读者。

1.关注具体问题和客户

初创公司正在针对一组重点客户的重点问题，即“通用”人工智能解决方案较少。在所有这些例子中，都特别关注狭窄的问题空间和客户，并在该背景下应用LLM。

Yuma.ai专注于帮助那些难以处理客户请求和疑虑的 Shopify 商家。通过利用大型语言模型 (LLM)，Yuma.ai 自动从知识库生成响应。另一家名为Speedy的初创公司致力于支持没有时间使用生成式人工智能创建营销内容的中小企业 (SMB)。Haven 的目标是让物业经理实现约 50% 的住户互动自动化。OfOne 的目标是大型快餐店得来速，帮助他们自动化接单流程并提高盈利能力。

2.与现有软件的集成

除了选择 GPT / LLM 并通过 UI 公开它们之外，一些初创公司还进一步与客户已经使用的现有软件集成。这些集成是解锁新用例的重要推动力，而 ChatGPT 等开箱即用的 LLM 应用程序无法轻松解决这些用例。

Lightski专注于与 Salesforce 等客户关系管理 (CRM) 软件集成。他们的目标是让客户只需通过 Slack 发送自然语言消息即可更新其 CRM，从而无需浏览层层用户界面。Yuma.ai为帮助台软件提供一键安装功能，将LLM的力量与客户自己的知识库相结合，为服务代理生成响应草案。

3.将LLM与其他人工智能技术结合起来

初创公司正在探索通过使用其他人工智能技术（例如计算机视觉和预测）与LLM结合来创建差异化产品。结合技术正在帮助这些初创公司创造一条护城河，并与普通的LLM申请区分开来。

Automat的客户提供了他们希望自动化的重复 Chrome 流程的视频演示。然后，Automat 利用应用于屏幕记录的计算机视觉技术以及人类自然语言输入来创建所需的自动化。另一家名为Persana AI的初创公司利用 CRM 数据集成和公开数据来预测销售团队的潜在热门线索。然后，他们聘请LLM，利用有关个人的可用自定义数据，为每个已识别的潜在客户起草个性化的出站消息。

4.LLM定制

许多初创公司正在根据用户过去的数据和语言风格提供定制选项，以定制客户使用的LLM模型。

例如，Speedy是一个帮助中小企业生成营销内容的平台，与客户一起举办品牌研讨会。然后，从这些研讨会中收集到的见解将被输入到他们的模型中，从而使 Speedy 能够捕获每个企业的独特声音和品牌标识并将其融入到生成的内容中。与此类似，Yuma.ai专注于从之前的帮助台请求中学习写作风格。通过分析这些交互中使用的模式和语言，Yuma.ai 能够生成符合既定风格的草稿回复，确保客户沟通的一致性和个性化。

5.创意用户界面

初创公司开始利用的最被低估的杠杆之一，是构建独特且有用的 UI 界面，而大多数当前的 LLM 产品（如 chatGPT、Bard）并不擅长。这些界面在根据特定用例进行定制时，可以为客户释放大量新价值，并吸引更多因使用困难而尚未采用现有产品的用户。

Type是一个有趣的例子——他们构建了一个灵活、快速的文档编辑器，让用户在编写时通过按 cmd + k 快速显示强大的 AI 命令。Type 的 AI 可以理解文档的上下文，并在用户编写更多内容时调整建议并学习风格。

六、写在最后：重获新生的机会

张勇说，“从大模型起家，而后进入特定领域。”乍听起来，就像几年前我们从公众号、直播起家，进入特定领域一样。

诚然，失败者远多于成功者。但只有敢于在大模型时代亮剑的人，才能抓住新机遇。重获增长的阿里云，难道不就是翻盘的实例吗？

来源： 51CTO技术栈