自1956 年達特茅斯會議始，起起落落是人工智能產業發展的常態，在每一個小周期里，又會涌現出高低不等的潮頭，如何踏上一個又一個潮頭，而不是被動的隨潮漲潮落，是擺在行業面前的共同難題。

人工智能站在時代風口，其生命力卻扎根在產業深處。

2022年，人工智能產業渡過了相對平緩的一年，雖然不乏大模型、AI繪畫等頻頻刷屏，但AI產業更值得關注的部分，是那些已經司空見慣的應用。

諸如人臉人體識別、圖像視頻處理、智能語音、對話式AI、NLP和機器學習等，我們已經習慣了它們的存在，轉念一想，它們似乎就是不久前的“ChatGPT”，在炫目的表象背后，落地到產業實踐，創造出了更大的價值。

人工智能正在用比以往更快的速度落地，這與先行者倡導的新思路、新方法不無關系，從0到1是靈光乍現的點子，從1到100是想法落地的工程化實踐，以百度為代表的行業廠商，采用了人工智能和云計算等新技術相結合的方式，大幅降低了AI應用的門檻。

而這，也成為人工智能在產業突圍的新路徑。

用云承載AI，補全技術代差

中國科學院院士張鈸近期公開表示，與信息產業相比，人工智能產業的發展速度和發展過程更加曲折。

信息產業是在信息科學技術的理論完全建立完成的基礎上發展，在產業發展之前，基礎理論就已經非常完善，只需沿著理論指引的方向發展產業。

因此，信息產業建立的硬件和軟件都是通用的，跟應用領域和應用場景沒有關系，所以它的市場很大，不存在如何做大做強的問題。

他認為，人工智能產業的曲折發展主要有兩個原因，一是目前人工智能的軟硬件與應用場景和應用領域密切相關，二是人工智能缺乏理論基礎，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”與計算機的芯片完全不同，是為特定的算法和特定的領域服務，所以它不具備計算機硬件的通用性，因此會遇到如何擴大市場的問題。

在這種情況下，人工智能面對的是一個異常碎片化的體系，在單個場景起作用的算法模型，平行遷移到其他場景，外部條件稍有變化，效果就可能大打折扣，人工智能需要一套行之有效的打法。

百度集團執行副總裁、百度智能云事業群總裁沈抖認為，智能化為行業創造價值的浪潮才剛剛開始，這就需要云計算廠商標準化地輸出智能化的底層能力，把芯片、大模型、深度學習框架等高門檻的技術，變成像水電能一樣供客戶按需取用。

百度集團執行副總裁、百度智能云事業群總裁沈抖

這不禁讓人想起技術代差遞補性(Technical Generation Complementary)的理論——當一項具有代差的全新技術出現時，由于它自身的不完備性，往往需要現有技術作為其補充，與之形成在技術上的“高低搭配”，因此新技術并不能夠完全取代現有技術而主宰整個市場。

譬如固定電話的出現并沒有立刻導致電報的出局，但移動電話的出現卻直接將電報三振出局。

某種意義上，人工智能作為一項全新技術，在理論和實踐上都有其本身的不完備性，云計算是信息產業的延伸，人工智能和云計算的高低搭配，也有望取代企業的舊動能，化作數字經濟時代的新生產力。

從行業動態來看，包括百度智能云在內，亞馬遜、谷歌和微軟等廠商都在其云服務中融入了先進的人工智能技術，商湯等AI廠商也開始推出云平臺，為了向客戶提供更高效、更具性價比的云和人工智能服務，通過云來輸出人工智能，成為越來越多廠商的共同做法。

蟬聯AI公有云服務第一，百度靠什么

AI云服務是臻至成熟的技術和市場熱點，百度智能云是更早布局的廠商，前瞻性的投入和預判，使其擁有了相對從容的騰挪空間。

在IDC最新發布的《2022 H1中國AI云服務市場研究報告》中，百度智能云連續四年在AI公有云服務整體市場排名第一，整體市場份額占比28.1%。

從AI公有云細分市場來看，百度智能云在"人體人臉"、"圖像視頻"兩個規模最大的子市場繼續保持第一。

此外，從增速來看，對話式AI、NLP是AI公有云市場增長最快的兩大子領域，這也是現在大火的AIGC的底層技術能力。百度智能云在這兩個領域表現出強勁的增長態勢，繼續處于領導者地位。

報告指出，從年度增速的角度來看，基于云計算的AI能力逐漸得到驗證，企業上云率和云原生企業占比逐漸提高，混合云技術日益成熟和普及，這些因素驅動AI公有云部署方式快速增長，增速遠超AI軟件整體市場增速。

這也說明AI云服務模式通過了技術和產業的雙重考驗，在推動人工智能落地的過程中，扮演了重要的角色。

百度在AI公有云服務市場蟬聯四年第一，技術高壓投入是主要原因，百度在人工智能領域10年累計研發投入超1000億元，2021年核心研發占比23%，依托十年來的壓強式、馬拉松式研發投入，百度自研領先AI技術成果頗豐。

不過，“燒錢”是人工智能的特性，動輒幾百億是AI廠商的入場券，此前人工智能沒能兌現預期，并不只是因為技術不足，不夠接地氣也是重要原因，高高在上的人工智能，總是無法規模落地到樸素的應用場景。

無法落地就沒有市場空間，百度在實現技術領先的基礎上，也將落地為先貫徹到其市場策略中，并不斷將行業需求凝練為簡單易用的AI產品。

IDC中國高級分析師楊雯表示，未來如何將“單點方案”推向“通用方案”，快速精準的解決客戶痛點，是市場需要持續探索的方向。

AI從產品化走向工程化，需要充分考慮如何將AI數據、算法、模型與實際場景相結合，從而更高效運用數據、推動AI規?；瘧?。

這就意味著云廠商要不斷將行業需求沉淀到標準化AI產品中，打造成標準化產品，然后再應用到更多行業。

百度智能云目前正致力于降低技術門檻-大模型與深度學習平臺融合，推動AI普惠，賦能千行百業、走進千家萬戶，并深耕跨模態AI，打造軟硬一體的融合創新，重點投入預訓練大模型，重點行業為金融、工業制造、能源、政府。

比如，在金融領域，百度智能云幫助中國郵儲銀行構建了國內大型商業銀行中首個落地的全行范圍統一機器學習平臺“郵儲大腦”，建成全行機器學習平臺 。

上線應用后，對信用卡億級別樣本的數據清洗和數據分析時間從月級別、周級別壓縮至小時級別，大大提升了最繁重的數據處理工作效率。

在智能風控領域，已支持了300多個信用評級、用戶風險畫像等相關模型的構建，實現了以天為周期的模型迭代，并通過自動化將審批時間縮短到秒級。

正如沈抖所言，過去幾年，百度智能云就是從水電能、制造、交通、金融，這些重點行業切入，聚焦在生產經營的核心場景，把AI技術與云技術深度融合，去解決產業里的實際問題，幫助客戶在非常有挑戰的環境中，實現可持續的增長。

AI大底座的“縱橫捭闔”

IEEE(電氣電子工程師學會)在其《IEEE全球調研：科技在2023年及未來的影響》報告中指出，人工智能和機器學習將成為云服務的一部分，因為很少有企業有資源來構建自己的人工智能基礎設施——收集數據和訓練算法需要大量計算能力和存儲空間。

AI云服務的結合程度比我們所看到的要更廣、更深，很多廠商都看到了這個機會，百度將其具化為“云智一體，深入產業”戰略。

第一層是深耕行業、聚焦場景，第二層是AI通用產品，第三層是百度最具差異化優勢的部分，是由AI IaaS和AI PaaS緊密組合而成，即百度智能云新近推出的AI大底座，第四層是通用的Cloud。

“云智一體，深入產業”也回答了人工智能的產業突圍難題。云和人工智能的互相趨近，提供了一個絕佳的機會窗口。

然而在實際應用中，AI與云服務的結合并非順理成章，相反地，AI原生對云計算的基礎設施提出了新要求：

全棧融合（需要提供芯片、框架、模型、應用在內的全棧方案）、端到端優化、提供極致的資源效能和模型效能，成為未來智能計算發展的三大主流方向。

企業在用云時，需要把大量時間精力花在構建基礎設施上，且這樣的基礎設施大多是拼湊組合的，沒有發揮出最佳的性能和效率，同時，基礎設施中的核心部分。

比如芯片、深度學習框架、大模型，需要大規模投入才能做好，一般企業無力支付巨額的研發成本。

百度智能云通過AI大底座來解決如上問題。

2022年9月，百度智能云發布“云智一體3.0”技術架構，匯聚百度在AI各個層面的關鍵自研技術。

12月，百度智能云更進一步，發布國內首個全棧自研的AI基礎設施“AI大底座”，讓企業可以快捷、低成本地實現“AI能力的隨用隨取”。

AI大底座是百度智能云核心能力的體現，橫向拓寬了人工智能的應用場景，縱向深入到細分場景的核心地帶，讓百度智能云在數字技術和實體經濟融合過程中，發揮出更強的AI溢出效應。

作為國內首個全棧自研的AI基礎設施，AI大底座面向企業AI開發和應用提供端到端自主可控、自我進化的解決方案，讓企業可以快捷、低成本地實現“AI能力的隨用隨取”。

具體來看，百度AI大底座由AI IaaS層、AI PaaS層兩大部分組成：

AI IaaS層（百舸異構計算平臺）：整合百度自研的AI芯片“昆侖芯”，在AI計算、存儲、加速、容器方面進行系統優化，提供高性價比的算力，承載海量數據的處理、超大模型的訓練和推理。

AI PaaS層（AI中臺）：整合百度兩大核心自研產品（飛槳深度學習框架、百度文心大模型），打通百度的樣本中心、模型中心、AI開發平臺、AI服務運行平臺，實現從數據存儲到模型訓練、生產、部署、測試的全鏈路、批量化生產，面向企業模型開發的全生命周期提供完整解決方案。

借由AI大底座，百度智能云把具體場景升級為一套通用算法模型，降低AI工程化門檻，在自動駕駛、生命科學、智能制造等領域迅速落地。

人工智能未來仍會經歷潮起與潮落，百度沉淀下來的思考，或許是技術之外更值得推崇的財富。