在欧洲科技峰会上, 蔡崇信清晰地指出, 有不少人以软件市场规模或者企业 IT 支出对 AI 加以衡量, 然而这个视角太过局限了。他觉得 AI 在本质上是于创造等同于人类智能以及生产力的价值, 全球 GDP 超过 100 万亿美元, 当中至少有一半源自智力劳动, AI 所对应的潜在市场规模乃是数十万亿美元级别的增量生产力市场, 而这也是阿里决意全面投身 AI 的根本缘由。

AI产业分层与阿里布局

AI 的产业大致被划分成能源、芯片以及基础设施、模型、应用, 这四层结构。阿里当下主要覆盖后三层, 涵盖从芯片、算力基础设施起始, 直至云计算, 接续到 Qwen 模型, 还有淘宝、饿了么、高德等上层应用场景, 基本全都处于阿里体系之内。这是阿里跟很多 AI 公司的最大区别所在。

不少公司仅仅具备模型、应用或者云基础设施当中的一项, 然而阿里却一并拥有云、模型以及真实业务场景。对于AI而言, 场景不但指代用户, 还意味着反馈数据以及落地机会。在能源领域, 中国 在之前的十几年里于电网和能源体系方面投入颇多, 能源供给效率相当高, 致使像阿里这类的中国科技公司获取到先天优势。

疯狂投资基建是否泡沫

有主持人发问, 全球范围内对 AI 基础设施进行疯狂投资, 是否会出现泡沫。微软、谷歌、AWS 等几家超大规模云厂商, 明年的资本开支有可能会超过 1 万亿美元。仅从企业 IT 支出单一角度来看, 这些投入着实显得疯狂。然而, 要是相信 AI 所对应的是能够达到几十万亿美元规模的生产力宏大市场, 那么这些投入其实更像是在着手建设面向未来的生产力基础设施。

运用电力进行类比是颇为直观的, 电力在刚开始普及的阶段, 发电站的建设、电网的搭建以及工厂的改造都需要投入数目巨大的资金, 从短期的角度来看负担极为沉重, 然而从长期来说为后续几十年的工业化进程产生了支撑作用, AI数据中心、GPU集群以及云基础设施在某种程度上也正起着类似的作用, 这并非是毫无目的的大肆烧钱, 而是在为未来奠定基础。

现金流是关键优势

蔡崇信讲了, 阿里的电商业务每一年依旧能够产生大概250亿美元的自由现金流。这表明着阿里去建设AI基础设施, 去训练模型, 去扩充算力, 并非完全依靠外部融资, 而是有着成熟业务持续给予支持。这笔稳定的现金流入, 使得阿里在AI投入方面更具底气。

其他人工智能公司常常得依靠融资来维系高投入状态, 一旦资本市场出现降温情况, 便面临着断粮的风险, 阿里巴巴凭借电商这一现金牛, 能够在人工智能领域持续进行投入, 不用过于在乎短期回报, 这种结构方面的优势, 致使阿里巴巴在人工智能竞赛当中能够保持长期主义的视角。

制造业是重要落地场景

蔡崇信觉得, 往后最具价值的数据不见得源自互联网, 反倒有可能出自产业现场。设计方面的数据, 测试方面的数据, 质量控制方面的数据, 生产流程方面的数据, 这些数据常常积攒了几十年, 专业化程度极高, 外部获取难度极大。对于制造企业而言, 这些数据自身便是核心资产。

将这些数据与模型相融合, 便存在着训练出切实理解行业的AI系统的契机。阿里具备云计算以及模型能力, 再加上国内制造业规模庞大的产业数据, 二者相结合能够生成巨大价值。这并非是单纯的理论空谈, 而是切切实实的商业机遇。

全栈AI战略的核心意图

这场对谈的最为关键的意思明晰得很: 阿里正将AI当作下一代生产力的基础设施予以投入, 要把云、模型、业务场景以及产业客户全都串联起来, 坚定不移地去做AI全栈。在过去的几个季度里, 阿里财报电话会当中, 不管是云业务的增长、模型的投入, 还是基础设施的建设, AI已然成为阿里未来最为重要的战略方向。

不是阿里在追风口, 而是布局一个由全链条打通, 从底层芯片算力起始, 经中层模型, 至上层应用的完整AI生态。这种全栈能力, 让阿里于面对产业客户之际, 能够提供非零散模块, 而是从算力到模型再到场景落地的完整解决方案。

欣赏完蔡崇信所作的分享之后, 你认为阿里全方位、全流程布局人工智能的成功可能性究竟有多大? 要是其他公司也进行这条路径的探索, 困难之处又体现在哪里? 欢迎于评论区域交流一下你的观点, 点赞以及分享能让更多人见到这场精彩纷呈对谈的剖析。