云上的故事

英伟达本周正式踏入云计算赛道，在一年一度的 GTC 大会上，英伟达公布了一系列 AI 领域的产品，而其核心是把这些产品封装到可以通过浏览器访问的「NVIDIA AI Foundations」里，涵盖自然语言处理、图像、3D 视频等众多领域。

在英伟达的营销话术里，即便是没有任何模型开发、维护经验的企业，依然可以通过「NVIDIA AI Foundations」里的「模板」，结合企业自己的业务数据，训练出一个个专属的 AI 模型，英伟达创始人、CEO 黄仁勋将其定义为「AI 的 iPhone 时刻」。

对于什么是「AI 的 iPhone 时刻」并不在本文的讨论范围，但在产业层面，英伟达正在挤入一个新的赛道。

其一，英伟达早已不再是一家提供 GPU 的硬件公司，而是具备强大软件能力的算力供应商。过去几年，英伟达一方面向云服务商销售 GPU 产品，另一方面也在围绕机器学习、自动驾驶、元宇宙的场景，推出了一系列依托硬件的解决方案或开发工具，这极大拓展了英伟达的产品影响力。

其二，市场也需要更多 AI 基础服务提供商，此前，一家企业部署 AI 的起点往往从云计算服务商那里获得产品，但三大云计算巨头如今都有自己打算——微软积极拥抱 GPT-4、Google Cloud 受限于搜索公司的 AI 产品、AWS 行动迟缓，这也导致整个市场的供需关系完全失衡，此时英伟达以 SaaS 的形式向企业提供模型服务，一定程度缓解了市场的焦虑。

目前，包括 Adobe、Getty Images 等都已经使用了英伟达的 AI 服务。

不过也需要看到：

• 大模型的云上之争其实才刚刚开始，AWS、微软、Google Cloud、阿里云等云计算们不会放弃这个巨大的市场；
• 大模型的需求也会深刻影响到企业对于云计算的不同需求，从基础云服务到开箱即用的产品，大模型的影响力将无处不在；
• 英伟达正在成为其客户们的新竞争对手，这是一层微妙的商业关系；

关注一组云计算巨头最近的动向：

• AWS 获得美国西南航空、软件公司 Snowflake 的巨额合同，后者未来五年将在 AWS 上花费 25 亿美元，不过在亚马逊最新一次 9000 人裁员计划中，AWS 部门也无法避免，引发市场热议；
• 东南亚云计算市场的竞争继续火热，AWS 宣布将在未来十五年为马来西亚投资 60 亿美元，进一步推动当地的云计算基础设施建设，AWS 在当地拥有诸如大马高等教育部在内的众多大客户；
• Google Cloud 与新加坡电信公司 StarHub 达成合作协议，与此同时，Google 也推出多款面向电信运营商的云计算产品；
• Google Cloud 与数据开发平台 MongoDB 的合作协议再延长三年，两家公司自 2018 年开始就建立起紧密的合作关系；
• 在腾讯本周发布的 2022 年全年财报里，金融科技与企业服务业务超越游戏业务，成为该公司营收最高的部门（全年收入 1771 亿元），不过腾讯依然没有透露腾讯云的业务规模；
• 阿里巴巴集团副总裁贾扬清近期宣布离开阿里，过去三年他负责阿里大数据以及 AI 方向的技术和产品，贾扬清的下一站或是 AI 基础架构方向；

大模型

从上周四到这周四，大模型领域再次迎来一系列新变化。首先是新上线的服务：

• 百度「文心一言」上线测试；
• Google Bard 开启小范围内测；
• 微软 Bing 推出「文本转图像」的 Bing Image Creator 服务；

其次是大模型驱动的产品创新：

• 微软发布 Office Copilot，充分展示基于 GPT-4 的 Office 产品功能与体验的创新；
• Google 宣布将为 WorkSpace 用户提供更多由 AI 驱动的功能；
• 微软旗下的 Github 推出 Copilot X，将 ChatGPT 的对话能力集成到开发过程里，可以简单理解为面向代码编程场景的垂直模型服务；

第三，中国市场的大模型竞争也有新的变化：

• 媒体爆料称，原阿里 M6 大模型负责人杨红霞加盟字节跳动，参与大模型研发工作；
• 本周腾讯财报分析师会议上，腾讯总裁刘炽平强调「AI 及大模型对于腾讯整个业务来说是一个增长的扩大器」，腾讯的业务并不是那么容易被大模型等技术颠覆，腾讯将进一步优化混元助手大模型；
• 李彦宏本周接受媒体采访时表示，OpenAI 诞生是因为美国大厂都不看好这个方向，但现在中国的大厂都看好 AI 大模型，都在做这个方向。创业公司重新做一个 ChatGPT 其实没有多大意义，基于大语言模型开发应用机会很大，没有必要再重新发明一遍轮子；

第四，围绕大模型的争议进一步延伸：

• 有研究人员测算训练 GPT-3 模型所消耗的电能或是 120 个美国家庭一年的电量，研究人员也呼吁，科技公司应尽快披露大模型的碳排放量；
• 微软已经悄然解散了内部的 AI 伦理团队，此举也和微软大踏步推出 AI 驱动的产品同步发生；

第五，一个更大的争议则是，外界对于 GPT-4 的参数规模、数据集、训练硬件知之甚少，这当然和当下激烈的市场竞争有关，OpenAI 担心竞争对手了解这些信息，这种不透明性也让 GPT-4 所宣扬的某些能力存在很多质疑。

进一步来看，结合 GPT-4 目前的有限访问能力以及微软内部优先保证 Bing 团队使用 GPU，我们有理由确认一点，GPT-4 相比于之前的模型需要更多 GPU。由此也引出一个问题：GPU 供应能力会不会成为大模型以及生成式 AI 发展的新瓶颈？

AI+计算

马克·扎克伯格上周在写给 Meta 公司员工的公开信里谈到该公司对于 AI 发展的态度：「我们最大的投资是推进人工智能并将其融入到我们所有产品中。我们拥有前所未有的基础设施来实现这一目标，我认为它带来的体验将会非常惊人」。

这封公开信的主旨是解释 Meta 为何继续裁员以及公司如何重新关注「效率」，而 AI 各项技术对于提升效率的意义非常大。不过颇具讽刺意味的是，如今大谈 AI 能力的扎克伯格，距离将公司改为 Meta 并「All in 元宇宙」，刚刚过去了一年半的时间。

当然，Meta 在 AI 领域的技术积累不容小视，不久前发布的多个大语言模型，因意外泄漏引发一系列连锁反应，在众多开发者的「帮助」下，大语言模型不再是由金钱堆积起来的特权产品，斯坦福大学研究者的 Alpaca 模型甚至仅需 600 美元就能运行。

Meta 近期还发布一个名为 ESMFold 的蛋白质预测模型，这个模型同样基于大语言模型的理念，成功预测了超过 6 亿个蛋白质三维结构，这个数字超过此前 DeepMind AlphaFold2 创造的 2.2 亿个蛋白质结构的成绩。

根据 Meta 提供的信息，这个模型在处理速度上远超 AlphaFold2，不过准确率相对较低，不过鉴于 Meta 的模型能够发现更多 AlphaFold2 并未发现的蛋白质结构，未来会在应用场景上拥有不小的竞争力。

基于蛋白质的药物发现正在成为大型药企发力的重点，而 AI 技术的引入，会大大提升药物发现的效率，WSJ 援引 DeepMind 的数据称，自 2021 年 AlphaFold 首次发布以来，已有超过 190 个国家的 100 多万研究人员和生物学家调用该数据库里的 300 万种蛋白质结构进行研究。

OpenAI CEO Sam Altman 在最近的一次专访里谈到两个观点：

• 人类一直在适应技术的发展，这是过去几代人都证明的事情；
• 几百年来形成的教育机制必须改变，新技术为教育革新创作了条件；

你可以在这里观看这个专访。

沿着 Sam Altman 对于 ChatGPT 只是工具的观点，在上周的 SXSW（西南偏南音乐节）上，包括美国唱片业协会、欧洲作曲家和词曲作者联盟在内的多家音乐版权或艺术家权益机构，联合发起一项名为「Human Artistry Campaign」的运动，确保 AI 等技术「支持人类文化和艺术，而非取代或削弱人类的价值」。

最后关注一组半导体领域的重要事件：

• 随着新一届政府正式开始运作，中国正在加快调整对国内半导体产业的扶持措施，中芯国际、华为等巨头公司会成为受益者；
• 英伟达展示计算光刻新技术，通过引入加速计算，与台积电、ASML 等产业链上游公司合作，加速设计和制造下一代芯片，其 cuLitho 计算光刻软件库将得以广泛应用；
• 三星计划未来 20 年在韩国投资 2300 亿美元，建立芯片制造基地以及相关产业链，这也是韩国政府大范围补贴半导体业务的重要组成部分；
• 英国监管机构警告芯片公司博通斥资 690 亿美元收购 Vmvare 可能引发垄断，表示不排除启动进一步调查的可能性；
• 比亚迪入股 AI 芯片公司昆仑芯，后者是百度 AI 芯片部分分拆出来的独立公司，此前的估值高达 130 亿元人民币，百度依然是这家公司的大股东，持股比例 70.87%。

这封邮件是 Dailyio Pro 及 Premium 的专属内容，但我欢迎您将这封邮件转发给您身边关注或从事 AI 与云计算的朋友。