每當我們面對一個極有可能顛覆行業(yè)的技術熱潮時，決策者對于未來的考量和判斷，往往決定著企業(yè)的最終走向。

面對火爆異常的大模型市場，火山引擎并沒有急于發(fā)布自己的通用大模型，而是選擇跟早期出圈的多家 AI 科技公司及科研院所強強聯(lián)合，推出大模型服務平臺“火山方舟”。這被業(yè)界評價為“在大模型的航海時代拼命造船”、“做淘金路上的賣水者”。

業(yè)界的這番評價準確嗎？火山引擎在大模型市場有哪些真正的意圖？不久前我們有幸采訪到火山引擎總裁譚待，聽他講講這其中的取舍發(fā)展之道。

大模型：水到渠成的質變

如果放到一個較長的時間維度來看，大模型的火爆，既有水到渠成，也有量變引起質變。一個領域的質變往往來自于對早期方向的準確判斷。

2017年，具有很強方法論的Transformer發(fā)布，包括BERT、GPT-1、2、3也都在之后相繼問世。

彼時，OpenAI有一個很重要的技術判斷：“scalling law”。在一定的計算量和數(shù)據(jù)量的情況下，模型的Loss是可以預測出來的。

然而，當時其實很多玩家去做嘗試，但都沒有發(fā)現(xiàn)這一點，所以人們會覺得“就是比以前好一些，但可能天花板就這樣”，也就放棄了持續(xù)的投入。

但OpenAI看到了這個大的趨勢，所以它義無反顧地投入了更多的資源來做這個事情。

接下來，外界看到OpenAI又去解決知識壓縮、對齊人類偏好的問題，把預測下一個任務和對人的有用性、有害性，做好對齊。

OpenAI一直在沿著這條路行進，所以，“它既是一個循序漸進的過程，又是一個量變引起質變的過程。”

AIGC這條賽道也只是剛剛開始。放在幾年前，很多大公司都會覺得這條路特別難，挑戰(zhàn)特別大，而且短期內不會實現(xiàn)。但是現(xiàn)在情況不一樣了，已經(jīng)有人證明了這條路是可以走的，大家就不太擔心“投資不確定性”的問題?，F(xiàn)在可以看到越來越多的人涌入到這個賽道里面來做這個事情。

未來大模型的金字塔格局

就像現(xiàn)在去看幾年前的Transformer一樣，大模型的時代只是剛剛開始。而關于大模型市場的未來格局，譚待提到：

“在大模型領域，起步門檻陡然升高，以前兩塊GPU就能訓練，現(xiàn)在至少一千塊起步，這會對一些小規(guī)模的公司很不友好，甚至是艱難的。但垂直賽道則不然，是另外一個邏輯?！?/p>

首先，垂直并不意味著規(guī)模小，垂直領域的規(guī)模也很大。第二，在垂直行業(yè)，假如有一些數(shù)據(jù)或能力的壁壘，基于通用的模型去做自己的Finetune，也能夠得到一個在自身垂直領域效果較好的模型。

有人把大模型和上層應用比作是“iOS和Android”，這有些不恰當，操作系統(tǒng)跟應用的界限是比較清晰的。大模型則不然，因為很多應用的能力將來都有可能直接將其內化到大模型中去，之前AIGC獨角獸Jasper用的很多東西，現(xiàn)在基于底層模型就能干。

國內目前還處于先把基礎大模型做好的階段?！皣鴥仍S多做大模型的公司都是火山引擎的客戶，無論ToB、還是ToC，他們無一不是要把自己的模型能力給建起來?！?/p>

一些觀點認為“大家不要先做模型，先做應用”。譚待看來，這是有一點危險的。因為，未來某個應用中的某些能力，說不好就會直接被模型內化掉，也就失去了競爭壁壘。

模型本身的基礎能力完善之后，在落地應用上面還有很多的問題需要解決，比如訓練的成本問題，包括將來更高的推理負載。再比如推理時，還要考慮到終端用戶和商業(yè)邏輯，不管是個人付費，還是傳統(tǒng)廣告方式，收入提升都是有天花板的，要考慮應用所帶來的信任和體驗，是否足以覆蓋掉成本。

對此譚待總結：現(xiàn)階段還是把基礎大模型做好的階段，但未來在不同的領域，卻未必要用最好或最強的模型，而是要根據(jù)所在場景，選擇所擅長的、性價比最合適的模型。

在譚待看來，未來會形成金字塔樣式的大模型格局——幾個超強的模型，更多的能力中等但各有擅長的模型，以及更多在垂直領域做得比較好的模型。

未來的企業(yè)需要“多模型”

對于企業(yè)來說，長期來看會形成多模型的布局，在對應的領域內去找到最合適的組合策略，既可以自己研發(fā)訓練、或基于已有的基礎大模型來微調，也可能會直接去應用已有的模型，然后做Prompt Engineering。

當然，整個模型的生態(tài)有很多問題要解決，比如安全、信任的問題要解決，如何保證企業(yè)的Prompt的這些數(shù)據(jù)不會被模型的供應商拿走，同樣怎樣保證供應商的模型關鍵信息、技術不被泄露，有可能會出現(xiàn)第三方來做這個事情。

構筑信任墻至關重要，而火山引擎作為云平臺，通過互信計算框架，基于安全和隱私保護問題，提供了包括安全沙箱、可信硬件及聯(lián)邦學習方案，以此保證應用企業(yè)和模型供應商在互信的基礎上進行合作。

此外，未來模型應用時，也會有類似于Copilot、Autopilot的工具或應用，只有將這些生態(tài)打通，才能讓模型做更多的事情。“不管是模型的基礎能力，還是落地應用，還是生態(tài)布局，都需要我們花更多的時間，投入更多的精力去推進?！?/p>

不推出自己的大模型

大模型既然前景無限，那為什么火山引擎不自己做大模型？譚待給出了火山引擎對大模型生態(tài)不一樣的解讀視角。

火山引擎基于對未來多模型趨勢的判斷，無論是在多模型的訓練還是應用上，目標是去提供好對應的解決方案，比如說信任的方案、成本優(yōu)化的方案，還有比如說工具鏈、腳手架、最佳實踐的方案。

火山引擎打造多模型的平臺，而不是直接下場做大模型，就是要把多模型的平臺做好，不管是內部的模型還是外部的模型，都可以用一樣的方式，對各行各業(yè)的企業(yè)和組織提供一流的服務。

云還有許多難題要攻克

大模型時代，即便將自己定位成只做云，也會有非常多的挑戰(zhàn)需要解決。因為整個大模型行業(yè)要做好、應用好，是需要多個角色一起參與進來的。大模型給各個生態(tài)層面都留足了空間，云廠商也是一樣，“挑戰(zhàn)和價值都是非常大的?！?/p>

譚待強調：“你不可能把所有事情全部做完，而且也不擅長。即便做了，行業(yè)和客戶也不會因此而受益，那為什么還要去做？”

云是更大的一個范疇。相較大模型而言，云是更大的應用場景。在云上的時候，它提供的能力很多，有的是智能化的能力，有的是數(shù)據(jù)分析、統(tǒng)計的能力，有的是DevOps的能力。

云和大模型所需的核心能力是不一樣的。所以，火山引擎的定位很清晰，就是把云這件事做好。其他領域，包括新領域會對云提出更多的新需求，那就攜手一起解決這些問題。

堅持云優(yōu)先，持續(xù)做好云才是關鍵

于火山引擎而言，把云這件事做好是最重要的事情。為什么要“云優(yōu)先”？因為云是依賴于規(guī)模升級的產(chǎn)品，規(guī)模做大才能夠提供更高的性價比、更低的成本，這樣企業(yè)才能更好地進行數(shù)字化創(chuàng)新。

“正是基于此，許多人都會發(fā)現(xiàn)，火山引擎每一次發(fā)布會都會把性價比、成本放到突出的位置上，而且強調是通過技術手段去實現(xiàn)可持續(xù)的降本。”而要從本質上通過技術來訓練好內功，就要做好克服極大困難的準備。

大模型也是一樣的，最終成本太高，即使1000 Tokens一分錢，對于很多領域而言，成本還是很高，將來模型效果更好的時候，這個成本會更貴。如果不能把成本優(yōu)化下來，就不大可能大規(guī)模地使用。

反過來，通過節(jié)約的成本去維護整個技術團隊來持續(xù)做技術的優(yōu)化。所以業(yè)務規(guī)模決定了資源規(guī)模，也決定了技術團隊的規(guī)模。

好技術，總會有人買單

為什么許多優(yōu)質的大模型廠商選擇了火山引擎？據(jù)譚待介紹，繞不開兩個事實。

第一，在ChatGPT推出之前，火山引擎就敏銳地看到了小模型正在往大模型遷移的趨勢，因此就有了更多的算力儲備。比如在自動駕駛領域，去年火山引擎就沉淀了許多客戶，這些儲備在今年得到了應用，這一點非常重要。

第二，算力并不是簡單的GPU卡的供給，如何能讓一千張、四千張，甚至將來超過一萬張GPU卡穩(wěn)定地去訓練一個大模型出來，其實需要在服務器、網(wǎng)絡，以及整個平臺調度的層面都做非常多的事情。“除了算力以外，火山引擎是市面上少數(shù)能夠幫客戶長期穩(wěn)定地去實現(xiàn)數(shù)千卡乃至未來上萬卡規(guī)模訓練的云服務商?！?/p>

任何技術都必須經(jīng)由真實場景來打磨，火山引擎既然不自己做大模型，如何保證自己的大模型方案是經(jīng)歷過打磨的呢？

譚待在這里提到了火山引擎獨特的“內外同源”，即同一個產(chǎn)品、同一個平臺、同樣的技術架構，它既是對內服務抖音的，也是對外服務火山引擎客戶的。這樣就可以通過內部龐大規(guī)模的資源和場景去打磨最靠譜的技術服務，而不是把外部的客戶當作小白鼠。

ChatGPT之前，抖音內部其實已經(jīng)有大量的推薦和廣告的場景，模型的規(guī)模體量非常巨大，需要至少幾千卡的資源，能夠做到穩(wěn)定地訓練和推理。網(wǎng)絡結構上局部也采用了Transformer等等。

這些經(jīng)驗積累到火山引擎的機器學習平臺之后，價值巨大，能夠幫助外部客戶快速地完成冷啟動過程，把模型跑好。

此外，火山引擎不僅能幫大模型廠商做好訓練，也可以幫他們一起去搭建好服務各行各業(yè)的應用。這也是市場需求決定的，不管是Prompt Engineering、微調、還是基于開源來訓練，都需要有一個平臺幫他們把這些事解決，通過這個平臺可以找到適合它各個場景的模型，同時把安全、成本、穩(wěn)定性等等都優(yōu)化好。

寫在最后

大模型的熱度依舊在持續(xù)沸騰，方向取舍往往決定著變革成敗。洞察到更深層邏輯的人，可能會帶給我們更多驚喜，且讓我們拭目以待。

欄目介紹：

T·TALK是由51CTO出品的深度訪談欄目，由51CTO總編團對話以互聯(lián)網(wǎng)技術為主導的企業(yè)CTO、技術團隊負責人、創(chuàng)始人，在一場深入對話中，發(fā)現(xiàn)技術在企業(yè)關鍵轉折和創(chuàng)新變革中的真正價值。