云计算主流商业模式迭代，腾讯“淘金”大模型

导读：事实上，不止大模型，整个AI行业近年来都越发重视B端市场。在这背后，相较还在缓慢爬坡的C端市场，B端市场的商业化越发成为互联网大厂的新增量。

记者卢晓 北京报道

大模型这把火已经从自然语言烧到千行百业。相较于花力气让大模型更流畅地应对各种刁钻问题，MaaS（Model-as-a-Service模型即服务）正成为AI大模型比拼的重点。

继百度和阿里后，腾讯也加入了这个热气腾腾的赛道。6月19日，腾讯云首次对外公布了自己的MaaS服务解决方案：它打造了一个行业模型商店，覆盖金融、文旅、政务、传媒、教育等10个行业，在这些能力模型基础上，客户加入自己独有的场景数据，就可以快速生成自己的“专属模型”。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生当天还表示，产业场景是大模型最佳练兵场。

事实上，不止大模型，整个AI行业近年来都越发重视B端市场。在这背后，相较还在缓慢爬坡的C端市场，B端市场的商业化越发成为互联网大厂的新增量。

大模型“练兵”

首度官宣加入大模型战争的腾讯，没有选择离用户感知更近的C端市场。这背后，诸多企业面临着用大模型提质增效的需求，但通用大模型并不能完美的解决它们的问题。

“我们认为，客户更需要有行业针对性的行业大模型，再加上企业自己的数据做训练或精调，才能打造出实用性高的智能服务。企业所需要的是在实际场景中真正解决了某个问题，而不是在100个场景中解决了70%-80%的问题。”汤道生当天这样说。

他认为，企业对提供的专业服务要求高且容错性低，因此使用的大模型必须具备可控、可追溯和可修正的特点，并经过反复充分的测试。此外，在模型的开发过程中，还需要关注敏感数据的保护和安全合规，并有效管理大量的数据和标签，不断进行测试和模型的迭代。

据记者了解，腾讯自身的企业级应用，例如腾讯会议、腾讯企点、腾讯云AI代码助手等，已经率先应用了其行业大模型。此外，腾讯还拉起了自己的行业大模型朋友圈。

据记者了解，6月19日当天，腾讯云联合22家客户正式启动行业大模型共建合作，并携手17家生态伙伴共同发起了“腾讯云行业大模型生态计划”。据悉，腾讯云已经为传媒、文旅、政务、金融等10余个行业提供了超过50个大模型行业解决方案。

与此同时，期待用上大模型的企业们也面临着一笔经济账。

汤道生当天表示，训练数据越多，模型越大，训练与推理的成本也越高。“实际上，大部分的企业场景，可能也不需要万能的通用AI来满足需要。因此，如何在合理成本下选择合适的模型，是企业客户所需要思考与决策的。”

他举例称，在训练集群中，一旦网络有波动，训练的速度就会受到很大的影响；只要一台服务器过热宕机，整个集群都可能要停下来，然后训练任务要重启，这些事件会使得训练时间大大增加，投入在大模型的成本也会飙升。

据悉，今年4月腾讯云已对外发布了面向模型训练的新一代HCC（High-Performance Computing Cluster）高性能计算集群，搭载最新次代GPU，结合多层加速的高性能存储系统，加上高带宽、低延迟的网络传输，整体性能比过去提升了3倍。

MaaS市场竞争激烈

不过，看到AI在MaaS市场机会的不只是腾讯。

百度今年3月率先推出了文心一言大模型。百度CTO王海峰今年5月在中关村论坛期间还表示，未来MaaS将成为云计算的主流商业模式，各类应用将基于大模型来开发，每个行业需要打造行业自己的大模型。大模型将与实体经济深度融合，赋能千行百业，加速产业转型升级，促进经济高质量发展。

阿里在今年4月也推出了自己的通义千问大模型。时任阿里巴巴集团董事会主席兼CEO、阿里云智能集团CEO张勇当时宣布，阿里巴巴所有产品未来都将接入通义千问大模型，进行全面改造。阿里云CTO周靖人在今年5月的中关村会议上也提出，Model as a service概念正在被广泛接受，模型会作为业务和开发系统开发的重要生产元素。

这背后，AI一直背负着商业化这个难题。而B端市场近年来越发成为互联网大厂的增量市场。

一个例子是，5月17日，腾讯发布的今年一季度财报显示，当期其营收1500亿元，同比增长11%；净利润258.4亿元，同比增长10%。净利润(Non-IFRS)325.38亿元，同比增长27%。其中，身处B端市场的金融科技与企业服务板块今年一季度营收同比增长14%达到487亿元。据记者了解，该板块已连续八个季度在腾讯总收入中占比超过30%。

而此前各家云业务纷纷下调价格，不仅体现了B端业务的激烈竞争，在某种程度上也提现了大模型的开发对B端业务成本的影响。张勇在上述发言中曾表示，未来希望在阿里云上训练一个模型的成本，能够降低到现在的十分之一，甚至是百分之一。即使是中小企业，也能通过云平台获得AI大模型的能力和服务。

深度科技研究院院长张孝荣对《华夏时报》记者表示，通用大模型技术难度大，国内厂商的自研算法不成熟，用于训练模型的公开化的中文资料不完善，支持AI模型的算力成本巨大，加上难以满足监管标准和一系列社会伦理问题的要求，迟迟难以落地。“相比较而言，行业大模型削弱了这些技术难度，在特定的行业领域里，厂商可以逐步完善自研算法并提高算法精度，无需太高的算力成本也能满足模型训练需要，所以行业模型成了一个现实的选择。”

张孝荣认为，目前行业大模型的前景有赖于行业大模型的技术成熟度，大家的竞争点主要集中在行业数据源。“行业不同，所形成的语料不同。厂商所在的优势行业，能够形成训练AI所需要的语料库，越完备的语料，意味着越有优势的AI产品。”