當全民化意味著低成本，生成式AI意味著生產力的提升時，“云”和“開源”也就注定成為了繞不開的兩大話題。

　　透過Gartner的報告，我們嘗試重新分析中國的AI時代生成式AI究竟意味著什么?云計算的第三次浪潮又代表了什么?

　　作者|思杭

　　編輯|皮爺

　　出品|產業家

　　AIGC、大模型、AGI、MaaS，已然成為2023年的幾大關鍵詞。其火熱程度讓人不由得回想起當年的“元宇宙”，但與之不同的是，大模型和AIGC背后蘊藏的產業密碼，撼動的不僅是整個To B界，更是對信息技術底層的顛覆。

　　所以，AI不僅會是2023年到2024年的主題詞，它更將是未來十年都繞不開的話題。

　　8月末，首批大模型通過備案，最先全面開放的是百度文心一言，接著是智譜AI、百川智能、字節跳動、商湯等等。時間再快進兩個月，到了11月初，第二批AI大模型也陸續通過備案，其中包括美團、昆侖萬維、螞蟻集團、面壁智能、知乎等11個大模型應用。

　　兩批大模型應用備案，加在一起共22家。從3月27日，國內第一個大模型百度“文心一言”的正式上線，到11月4日，第二批大模型備案通過，在過去的222天里，國內大模型已然脫虛向實，從C端走向B端，走向產業落地。而目前大模型正在經歷的是，商業化探索階段。

　　可以說，這22家大模型備案的通過，既是為2023年所有籌備大模型的企業劃上一個完美的句號，也是為未來2024年整個To B行業、云計算行業帶來的一個良好開端。

　　10月16日，全球IT研究與顧問咨詢公司Gartner發布了“2024年十大戰略技術趨勢報告”。而這十大趨勢的主題詞只有一個，即人工智能，或者更準確的說是生成式AI。但任何新興技術的爆發，必然會帶來一定的風險。所以，Gartner在2024年十大趨勢報告中，將這些趨勢分為三大類別：價值、風險和資產保護。

　　2024年十大戰略技術趨勢，圖源：Gartner

　　Gartner對于未來生成式AI的預測是，到2026年，超過80%的企業都會接入生成式AI或大模型，然而這一比例在2023年初還不到5%。

　　在國內，生成式AI也是大模型的同義詞。而大模型在阿里云的口中，是“云計算的第三次浪潮”。這家對大模型開源貢獻頗多的企業為大模型賦予的概念，言外之意也一定程度上揭示了生成式AI的未來。

　　Gartner研究副總裁高挺(Arnold Gao)對此的態度是，“這些趨勢很多時候也不是一個單獨的技術，而是一種架構上的變化。”

　　這些答案或許書寫在2024年的產業答卷上，又或許在更長的時間才能浮出水面。

　　透過Gartner的報告，我們嘗試重新分析中國的AI時代生成式AI究竟意味著什么?云計算的第三次浪潮又代表了什么?

　　趨勢一：全民化生成式AI

　　回顧2023年，幾個有代表性的大會，如世界人工智能大會、中國國際服務貿易交易會，以及剛剛過去的阿里云云棲大會，它們都闡釋了一個重要的主題——生成式AI。

　　在這里，Gartner所預測的第一大趨勢“全民化生成式AI”，與阿里云口中的“云計算的第三次浪潮”有著異曲同工之處。

　　“未來生成式人工智能平臺的入門門檻會變得非常低，幾乎可以為所有人提供‘生成、創造、編寫數字內容’的能力。”這是Gartner研究副總裁高挺對于“全民化生成式AI”趨勢的解讀。所以，當全民化意味著低成本，生成式AI意味著生產力的提升時，“云”和“開源”也就注定成為了繞不開的兩大話題。

　　其中，云計算為生成式AI提供了底層技術。這也是“云計算的第三次浪潮”被提出的大背景。生成式AI對云計算行業帶來的影響可謂是顛覆性的。阿里云王堅對“云計算第三次浪潮”的詮釋是，AI與云計算結合帶來的第三次浪潮并不會在一年、兩年完成，可能會給我們十年、幾十年的時間，才會讓真正把更多東西在云計算時代發明出來。

　　從短期來看，云計算與AI產業或大模型形成的是聯動關系，因為所有大模型都會長在云上，以“云”的方式提供服務。但具體來理解“第三次浪潮”，將其放在更遠的未來，它不僅會給云計算帶來顛覆，更是對整個SaaS市場和To B行業的商業模式等都帶來影響。

　　眾所周知，云計算行業在國內興起和發展的時間并不算長，到2024年也只有近十年的歷程。在這期間，市場對云計算的理解從陌生到熟悉，但迄今為止，還并未迎來高速發展期。目前我國云計算行業的競爭格局已成定局，在走過“分蛋糕”的時代之后，接下來云計算企業所面臨的是，如何在存量市場做到更優秀。

　　目前國內云計算市場面臨的問題是，上層的SaaS行業并不成熟，并且缺乏行業領軍企業。而在云計算行業的高速發展期，SaaS行業的成熟對其至關重要。市場接受度低、付費習慣差、產品能力等等諸多弊病也正在拖累著SaaS行業前進的步伐。

　　然而，2023年，事情的轉機就出現在生成式AI上。生成式AI這波熱潮的興起，不僅會催生新一批SaaS應用，更會助力曾經的SaaS應用，將其重新帶入到大眾視野中。在提升軟件生產力的同時，市場接受度也在悄然發生變化。

　　生成式AI應用遍布各行各業，因此對于云計算和上云趨勢帶來的影響也更為直觀。從市場規模的角度看，據中國信通院數據預測，到2025年全球云計算市場規模將超過6000億美元，5年復合增長率將達到23.56%;其中我國云計算市場規模在2025年將突破1萬億元。

　　而從企業的上云趨勢來看，據方正證券研究報告，目前我國民營企業上云滲透率為49.2%，國資企業上云滲透率為33.7%。相較美國85%以及歐洲70%的企業上云率，我國企業在上云趨勢方面仍有較大發展空間。未來隨著生成式AI應用的普及，上云滲透率也將迎來更快的增長。

　　然而，“全民化”的背后不僅需要云計算行業的支持，在大模型遍地開花的時代，“開源”也逐漸成為當下的熱議話題。開源的本質是降低大模型開發成本，打開生成式AI技術創新的源頭。一些優秀企業將底層的代碼能力貢獻出來，以免費開源的方式供其他企業進行二次開發，這樣一來就極大程度地降低了模型成本，也提高了生成式AI的普及性。

　　在國際測試委員會Bench Council所公布的世界開源系統貢獻榜中，除了學術界的參與外，在企業里，微軟、谷歌、IBM、甲骨文、英偉達、阿里巴巴、百度等公司也被列入其中。這些頭部企業的參與，也恰恰說明了開源的可靠性。以國內大模型企業為例，阿里云已成為國內首個加入大模型開源行列的大廠。

　　趨勢二：AI信任、風險、

　　安全管理(AI TRiSM)

　　任何新技術的出現都伴隨著未知的風險。

　　Gartner所提出的“AI TRiSM”機制，翻譯成中文是對AI的信任(Trust)、風險(Risk)和安全(Security)管理。

　　具體而言，人類對AI的信任問題可追溯到“Siri時代”，當智能語音助手剛進入到日常生活中時，關于AI的信任危機也隨之而來。比如最常聽到的，Siri是否會“監聽”我們的生活，用于商業等用途。

　　而這一問題放大到如今的大模型時代，信任危機則更加嚴重。在大模型時代，AI信任危機可以以多種形式存在，比如“訓練數據投毒”，或者生成式AI涉及到的“提示詞攻擊”等等。

　　其次，AI風險則更多的被放在醫療、金融、法律等關鍵領域。比如在醫療行業，8月中旬北京市衛健委發布了《北京市互聯網診療監管實施辦法(試行)》，其中規定了嚴禁使用AI自動生成處方。而這一擔憂的背后是生成式AI浪潮下，互聯網醫療所埋下的重大安全隱患。

　　再比如在金融行業，銀行、證券等機構的數據安全，也正是生成式AI發展過程中必須要解決的一大問題。

　　實際上，Gartner所提出的“AI TRiSM”框架則更多是基于人工智能模型的公平性、透明度和數據保護等方面，所提供的一套治理機制。而實現AI治理的方式可以是國家政策、也可以是一些針對大模型時代下的新安全應用，再或者是企業基于自身安全考慮的私有部署方式。

　　在政策方面，歐盟、美國、英國和中國等多個國家都已推出生成式AI監管規定。隨著生成式AI的快速發展，國際上對生成式AI風險的重視也提到了一定高度。

　　8月，歐盟《人工智能法案》成為AI監管領域的全球標準，其中參與商談的國家包括歐盟成員國、印度、日本、韓國、新加坡和菲律賓;同時在2023年8月15日，國家網信辦等七部門聯合公布的《生成式人工智能服務管理暫行辦法》也正式生效;10月末，美國也推出了首個生成式AI監管規定。

　　然而，除了國家層面的政策保護，企業自身也會基于數據安全和隱私等層面，將一些涉及隱私的應用進行私有云部署，把數據放在本地上保存，從而來保證數據在生成式AI應用上的安全性。

　　但未來隨著生成式AI應用的普及，更多的大模型和應用都會長在公有云上。屆時，關于AI的信任和風險問題又會被重新提出來。所以，在新的時代下，基于企業生命周期管理的安全類應用也會變得更加重要。

　　趨勢三：AI增強開發

　　“生成式AI所帶來的生產力提升將波及到數十億的人工勞動力，而這項技術所創造的價值是，提升至少10%的效率和創造力。”紅山的兩位合伙人在《生成式AI，一個新世界》一文中表達了上述觀點。

　　而生成式AI背后所蘊藏的機遇與挑戰也正在于此，它雖有數萬億美元的經濟潛力，但同時也為數萬人帶來了失業焦慮。

　　最先感受到焦慮的職業也恰好是生成式AI最擅長應用的領域。在ChatGPT漂洋過海剛來到國內之時，人們對它還并不熟悉，因此誤以為客服行業將最先感受到危機。實則不然，真正能與生成式AI結合，并帶來生產力提升的是“代碼”。

　　Gartner研究副總裁高挺對“AI增強開發”的解讀是，被AI開發替代的測試任務，主要集中在3個方面：編寫測試代碼、生成測試數據、生成單元測試中的“測試樁”。

　　雖然目前來看，從設計到代碼，AI還不能參與整個全生命周期的開發過程，但未來卻很有希望。從原理上看，生成式AI可以根據用戶輸入的數據，自動生成代碼，從而簡化并加速開發流程。

　　而且從用戶的角度來看，生成式AI與代碼的結合，也更方便人機交互。硬幣的一面是，用戶不再需要編寫大量代碼來處理問題。而硬幣的另一面是，生成式AI也可以幫助企業在短時間內開發出更優秀的應用程序，從而在數字化轉型中實現降本增效。

　　將生成式AI與代碼的結合放在更大的層面，這對于低代碼和無代碼行業都將帶來變革性影響。對此，IDC研究經理Michele Rosen也認為，如果低代碼和無代碼供應商所提供的產品，與生成式AI相結合，那么理想條件下的結果就是，用戶可以用自然語言或可視化組件的方式來進行交互。

　　實際上，國內外已經有類似應用出現。比如微軟的GitHub Copilot編程助手，再比如百度近日發布的Comate代碼助手。后者正是基于代碼層面推出的SaaS應用，這也是國內首個與代碼結合的SaaS應用的嘗試。

　　“一個聊天界面，通過聊天界面創建簡單的應用程序。”這樣簡單的無代碼操作步驟已經在微軟的低代碼產品PowerApps上實現。這是在PowerApps添加了Copilot之后，基于ChatGPT功能的無代碼生成應用。

　　趨勢四：智能應用

　　“ChatGPT可能已經出現了自我意識”，Open AI首席科學家Ilya Sutskever發出警告。類似AI有意識的發現已經不是第一次在海外傳出。但一個更加唯物主義的問題是，AI怎么會產生意識?

　　Sutskever發出這樣警告的背景是，他在神經網絡的多年學習研究后，發現了模式識別方面的驚人功效，即只需要足夠多的數據和非常強大的算力便可以實現其預期功能。這也正是Sutskever口中的AI的“自我意識”。

　　高挺對于智能應用的解讀是，其目標是最終成為可以像人類一樣去思考、判斷和適應環境的應用。而這種智能應用自適應的學習能力，背后正是包含當前生成式AI所展示出的底層能力，即機器學習、語意引擎、連接數據等。

　　未來，這樣的底層能力也將遍布至所有的智能應用設備，比如物聯網技術、自動駕駛等等�；蛘邠Q一種角度，未來的所有智能設備都將建立在生成式AI底層能力的基礎上。

　　趨勢五：增強型互聯員工隊伍

　　“到2027年底，25%的首席信息官(CIO)將使用增強型互聯員工隊伍計劃將關鍵崗位的勝任時間縮短50%。”這是Gartner針對“增強型互聯員工隊伍”進行的預測。從這樣的預測可以看出，增強型互聯員工隊伍的本質是保證關鍵崗位的人才流失率。

　　而從技術的角度來看，高挺對此的解讀則是，通過終端應用知識庫提出數據，對員工情緒進行分析，從而得出“員工的離職傾向”數據。

　　一個更為真切的例子是，企業從員工在線工作的時間，包括郵件里的措詞、訪問各個應用的數據，分析出員工目前的工作狀態和壓力。這些數據可以是員工在某些系統里逗留的時間、所做的操作。

　　然而，這類技術所涉及到的數據隱私和安全問題是技術落地前不得不考慮的一大因素。雖然本質上體現的是對員工的關懷，但從另一種角度，人工智能也可能演變成對人類的“監控”。因此目前，國內這類技術的應用落地還需要很長的時間。

　　趨勢六：持續威脅暴露面管理(CTEM)

　　生成式AI的未來，一定建立在解決AI風險的前提之下。在此背景下，安全應用的重要性再一次被提到一定高度。

　　而所謂的“威脅暴露面”是指網絡安全漏洞。實際上，新型的網絡攻擊始終都在不斷變化，隨著各種安全應用的升級，網絡攻擊者的攻擊途徑也在進化。

　　比如，從過去的攻擊事件本身，到攻擊路徑。具體來理解，攻擊路徑就是網絡攻擊者站在當事人的角度思考，事情的發展路徑，從而從路徑上去突破，從而采用相對應的攻擊戰術和實施手段。

　　在此背景下，2022年中，Gartner發布了《實施持續威脅暴露面管理(CTEM)計劃》，提出了CTEM這種主動式安全防御新思路。然而，企業不可能找到一套十分嚴密的防御機制，因為它不是一種單一的技術。

　　對此，企業更為正確的做法應該是，安全團隊把大部分時間花在集成故障排除上，而不是管理攻擊面。實際上，國內已經有相關應用正在根據Gartner所提出的CTEM框架，對企業物理資產和數字資產進行保護。

　　未來，隨著生成式AI進入深水區，安全應用的市場規模和應用場景也將進一步擴大。

　　趨勢七：機器客戶

　　“機器客戶”是一個較為陌生的名詞。它的意思也正是字面意思。換言之，全球超過70億部手機、平板電腦、個人電腦、智能手表等智能設備都有學習和記憶功能，隨著生成式AI時代的到來，智能應用的學習能力和記憶能力也會隨之增強。到最后，這些設備都將具備決策能力。

　　一個關于機器客戶的預測是，到2030年，所有消費者的購買至少有25%將大量委托給機器。

　　實際上，機器客戶的演變是分階段的。目前，所有的設備并沒有能力幫助人類做決策。它所處的階段是第一階段，在這一階段，由人類主導做出決策，AI只會根據規則記住人類所做的決定。第二階段，AI將學習輔助人類做決策，而AI學習的規則正是上一階段留下的。到2036年，AI將擁有“自主意識”，可以根據人類的偏好和前兩階段的“規則”，替代人類做出決策。

　　機器客戶演變的三個階段，圖源：Gartner

　　一個更加超現實的例子是，2036年，AI可以像人類一樣自己讀新聞、分析數據，進行學習，根據市場趨勢進行判斷，從而代替人類做出決策。

　　等到這一天真的到來，機器客戶所帶來的改變將影響整個商業世界。C端消費者的改變，不僅會影響到C端的商業模式，比如銷售和營銷方式，也更會影響到B端的商業邏輯。

　　趨勢八：可持續技術

　　近兩年，ESG的重要性一再得到提升。從各大企業披露的ESG報告數量即可看出，國內ESG的發展呈極速上升趨勢。

　　截至2023年7月，共有1761家A股上市公司披露了2022年ESG相關報告，占全部A股上市公司的34%。而在過去的5年時間里，A股公司的披露率從25.98%提升到了35.85%，增長超過10%。

　　在ESG標簽愈加突顯的當下，無論是投資人、企業本身，亦或是國家，ESG都是大眾所關注的焦點。而在ESG的所有標簽中，被披露最多的指標有碳減排、產品質量管理、綠色辦公措施、支持鄉村振興等。

　　來源：ESG卓望

　　如今，在大模型時代，隨著AIGC技術的提升，算力的需求也在激增。未來會迎來一個“暴力計算”的時代，買卡、造芯片、建服務器、算力中心、訓練大模型等等技術，都會帶來更多的碳排放。同時，這也意味著對對企業的IT運維提出挑戰。

　　未來既是算力時代、數據時代，同時也是節能減排的時代。在一些國家，如新加坡、愛爾蘭、荷蘭，已經出現了電力緊缺等問題。這些風險也正在伴隨著AIGC一同到來。而在能源急劇消耗的當下，ESG的重任不僅落在了企業自己身上，更落在了數字化服務商的身上。

　　碳排放的增加對IT運維提出了更高要求。一種解題思路是，數字化服務商利用數字時代產生的數據，幫助企業節能減排。在近兩年，數據智能也越來越多地被商業世界所關注。在未來ESG的時代，數據智能會獲得更大的增長空間。

　　趨勢九：平臺工程

　　在所有企業為百模大戰、千模大戰忙碌的背后，總有一些企業來做“底座”和“基礎設施”。

　　早在2022年11月，阿里云就上線了“魔搭”(ModelScope)社區，并提出MaaS(Model as a Service，模型即服務)。而阿里云的魔搭社區則是聚集了多個機構開發的人工智能大小模型，以開放給更多人使用。其結果也遠遠超出預期，短短幾個月，上百萬人下載了 1600 萬次各類模型，模型數量也從最初的 300 多個擴展到 800 多個。

　　在阿里云的暢想中，消費者甚至可以使用大模型改變電商購物體驗：你在淘寶或天貓的搜索框里輸入問題，它會為你生成一個購物方案，并給出相應的購物列表。而當場景切換到天貓精靈中，大模型則是一個更復雜的生成式對話系統：用戶用一兩句話的需求，讓它來自動生成一個故事、歌單或食譜。

　　而這些所有的想象，都是“平臺”所給予的能力。

　　在Gartner的“平臺工程”這一概念中，是指在生成式AI時代下，顛覆傳統的項目制開發，讓開發人員可以以組裝、復用和配置的方式進行平臺開發。這背后的思想是，將軟件開發的項目管理思維轉化到產品管理思維，讓開發項目流程模塊化和集中化。

　　而MaaS也正是大模型時代下的“平臺工程”。在過去，傳統開發是以項目制進行;而后來的云計算時代，開發可以半定制化進行，即通過PaaS平臺以低代碼的形式搭建上層應用。到了如今的大模型時代，過去的開發形式獲獎者發生徹底的改變，即通過模型來搭建，這也正是MaaS的核心理念。

　　“MaaS”在阿里云CTO周靖人的詮釋下，“模型會成為人工智能時代一個重要的生產元素，整個計算體系會圍繞模型重新升級。”

　　在國內，MaaS的提供者不僅有阿里，還有騰訊和百度的參與。這些廠商在大模型時代扮演的角色，不僅是提供模型能力，更是“接住”其他廠商的模型能力。

　　趨勢十：行業云平臺(ICP)

　　“云和AI是不可分割的整體。”

　　這是在大模型時代形成的一個新共識。

　　在大模型產業鏈上，云計算就相當于“發電機”一樣的存在。阿里云內部的感受是，“最初我們想把幾百臺(GPU)服務器連起來做訓練都很難。云優化一點，大模型才能發展一點，模型發展到一定程度又遇到挑戰，又需要云去升級。”而這樣緊密的關系，也讓周靖人看到了云計算行業在未來大模型時代的無限潛力。

　　阿里巴巴集團CEO吳泳銘也曾做出判斷，“AI 時代的云計算市場將更加集中，需要搶占先機”。

　　在近期的云棲大會上，一份有關云和AI的答卷是：跑在阿里云的魔搭社區上的模型超過2300個。“一半大模型公司跑在阿里云上”，這句話的背后也詮釋出AI與云計算不可分割的關系。

　　一組由Gartner給出的數據則更能說明問題：到2027年，將有超過70%的企業使用行業云平臺(ICP)加速其業務計劃，而2023年的這一比例還不到15%。這里的ICP也正是由IaaS、PaaS、SaaS組成的云計算行業。

　　另外，在IDC最新發布的《中國公有云服務市場(2023上半年)跟蹤》報告中，IaaS+PaaS市場也正在提速。

　　目前來看，2023年上半年中國公有云服務整體市場規模(IaaS/PaaS/SaaS)為190.1億美元。其中IaaS市場規模為112.9億美元，同比增速13.2%;PaaS市場規模為32.9億美元，同比增速為26.3%。

　　上半年，AIGC、大模型需求的爆發，帶動了整個算力市場和PaaS層的市場熱度。對此，IDC分析師崔婷婷認為，“PaaS市場在AIGC、AI行業模型和大模型的需求推動下，進入快速增長賽道，結合當前數據治理、數據安全等技術領域的不斷升級，使得PaaS市場活力滿滿，預測未來3到5年內仍會高速發展”。

　　實際上，大模型對云計算的影響不僅限于擴大市場規模，提高增速，更在于對于IaaS+PaaS市場競爭格局的改變。由于MaaS的出現，以模型來構建應用的新型開發模式的出現，正在對IaaS+PaaS的模式產生影響。

　　未來，在大模型市場的整個拼圖上，云計算企業也正在擁有越來越大的話語權。