云+大模型的2024格局

时间进入到2024年，接下来，云厂商要如何助力千行百业智能化？“云+大模型”市场，正在迎来怎样的变化和发展？

如果一群人想聚餐，却众口难调，你会推荐他们去吃什么？相信很多朋友都会说：吃火锅。

丰富灵活的食材选择，人多热闹的烟火气，云服务就像火锅一样，成为千行百业用AI的首选。

2023年以来，公有云市场就随着大模型的火爆，而不断翻滚悸动，中国几大云计算厂商都布局了AI云服务、Maas等相关产品，打得你来我往，令人眼花缭乱。

但不知道大家发现没有，随着AI大模型被纳入云服务的版图，给云厂商带来的商业化营收增长，似乎与大模型技术本身的热度并不匹配，有几个月都停留在“叫好不叫座”的情况，投入不少，产出却不高。

背后的影响因素有很多，比如：很多企业做大模型是尝鲜性质，项目小，后期续费意愿成谜；文本任务用云量低，AI原生应用没有大爆发，ToC业务没想象中赚钱；用户担心隐私安全，不想把数据放到公有云上；GPU算力太贵，IaaS模式不赚钱；B端项目周期长，需求复杂，定制成本高，利润低……

不过，经过将近一年的“文火慢炖”，“云+大模型”的“火锅局”，终于有了点热辣滚烫的味道。

主流云厂商如阿里云、华为云、百度云、腾讯云、京东云等，在政务、行业智能化的项目上，拿单中标成果猛增。天翼云、移动云等运营商云的市场份额增长，这一年来也格外亮眼。

如何理解云服务市场接下来的格局？我们就着眼前正在翻腾的“云+大模型”火锅局，边品边聊。

【一一AGI大模型学习 所有资源获取处一一】

①人工智能/大模型学习路线

②AI产品经理入门指南

③大模型方向必读书籍PDF版

④超详细海量大模型实战项目

⑤LLM大模型系统学习教程

⑥640套-AI大模型报告合集

⑦从0-1入门大模型教程视频

⑧AGI大模型技术公开课名额

一、云+大模型，2024热辣开局

有必要解释一下，为什么千行百业智能化，云与大模型的“火锅模式”更香。

要使用AI、训练大模型，各行各业自己购买GPU、搭建开发平台和本地数据中心，相当于自己批量买食材、租门店、开私人餐厅、只给自己人吃，成本过于高昂。而公有云拥有弹性、可扩展的特点，能够提供源源不断的计算力，类似中央厨房统一进货、食客按需拿取。所以，不是私厨吃不起，而是火锅更有性价比。

对大部分企业和用户来说，将大模型的训练和重型任务的推理，放在云服务平台上，灵活调取AI算力，或者直接调用云厂商的大模型API，是性价比更优、智能化更快的选项。

B 端产品经理如何快速成长？产品与业务架构主要是将整个业务工作流进行分层，梳理，然后抽象出一个个需求，将业务需求与产品合情合理的映射起来，最终使业务数据在产品中流动，执行，记录，使用。查看详情 >

尽管2023年初大模型引发了云市场的“狂热”，现实中，云厂商的大模型相关业务，还涉及大模型商业化的渐进性、算力基础设施的投入产出比、与原本业务体系的整合、全栈工具链的打造、客群关系等复杂因素。

结果就是，大模型给公有云市场带来的收入增速，并没有在2023上半年和“百模大战”那样凶猛。就像火锅一直咕嘟，但菜就是不熟、吃不到嘴里，很多人逐渐开始怀疑“云+大模型”是供应商在“讲故事”、伪命题。

不过，只要大模型的火还在燃烧、行业智能化的食客不散、云服务输送AI的“火锅模式”符合产业逻辑，那么“云+大模型”业务，迟早会等来上桌吃饭的一天。

这一天已经来了。

2023年第四季度，云市场呈现出期盼已久的热闹局面。阿里云、华为云、腾讯云、浪潮云、百度云、京东云等拥有大模型相关产品的云厂商，都陆续中标了政企的数字化项目。比如11月，百度智能云中标了“中国邮政储蓄银行超大规模预训练模型金融场景应用系统软件开发采购项目”；腾讯云中标了“瑞金医院市数字医学创新中心医学大模型平台研发”项目。

IDC《中国公有云服务市场（2023上半年）跟踪》报告显示，运营商云天翼云、移动云在IaaS业务中增速强劲，把握成为算力基础设施的机会。

总体来看，经过一年的文火慢炖，“云+大模型”市场在2024年迎来了一个热辣的开局。而望向更远一点的未来，形势还会继续“滚烫”下去。

将大模型作为先进生产力工具的需求，相比去年，会迎来更大规模地释放。

政策方面，在刚刚召开的“AI赋能产业焕新”中央企业人工智能专题推进会上，已经明确强调，要夯实发展基础底座，把主要资源集中投入到最需要、最有优势的领域，加快建设一批智能算力中心……打造从基础设施、算法、人工智能平台到解决方案的大模型赋能产业工具。政策利好不断加码，驱动着一些观望中、谨慎的政务/大型央企，跑步进入到AI大模型赛道，成为云厂商的客户。

市场层面，经历了2023年的缓慢复苏，越来越多的企业已经深刻认识到，不能再坐等市场红利回归，要主动转型、优化成本结构、引入智能化技术降本增效，才能保持企业在内卷市场中的竞争力。当上云数字化、AI智能化，成为企业部门无法再拖延、不能再等待的选项，也会涌现出更多大模型相关项目。

所以不难预测，2024将是“云+大模型”业务狂奔的一年。

那么接下来，云厂商要如何经营好AI时代的“火锅店”，助力千行百业智能化？目前也已经有了一些答案。

二、大模型，一把“尖刀”

火锅店如果没有鲜明的品牌认知度和独特的口味，依靠统一配方+配菜的模式，是很容易陷入同质化竞争的。这就像是云厂商希望摆脱的缺乏差异化、利润率低的IaaS模式。

通过MaaS（模型即服务）模式获得商业增长，云厂商必须首先拥有极为鲜明的“尖刀型产品”——大模型，形成自身的差异化竞争力。

不难看到，市场表现优秀、接单不断的云厂商，都有着非常强的“AI心智”，是各自的尖刀型产品——大模型，带来的明显的品牌加持。

比如百度云的文心一言、华为云的盘古大模型、腾讯云的混元大模型、京东云的言犀大模型，以及大模型相关基础设施，像是浪潮云的AI服务器、百度飞桨和昆仑芯片、华为云的昇腾AI软硬件、腾讯云的向量数据库、京东云的云舰京海等，成为云厂商大模型能力的佐证。

大模型及其基础设施，是公有云厂商的商业切入点。

云厂商要撬动行业客户，打磨有说服力度的“尖刀型产品”，至少从三个方面进行优化：

**1. 投产比。**云厂商的大模型的能力增强、AI算力成本下降，对于企业来说，通过云服务来应用大模型，投入产出比更高，更有吸引力。2023年，我们也看到了很多探索，比如百度持续提升文心大模型的推理、逻辑能力，并结合飞桨来优化大模型的训练效率，降低用户的训练时间成本。

**2.体系化。**政企上云数字化+AI智能化同时进行，是一个复杂的体系化工程，需要大量配套技术与设备，而非简单地调用大模型API，比如AI加持的高清摄像机、工业互联网需要云+IoT+AI+网络，所以帮助客户用好大模型，云厂商要把自己变成一个大型“火锅超市”，提供足够丰富的选择。

**3.服务能力。**由于转型中的企业数字化水平和能力参差不齐，可能缺少技术人才储备，AItoB这门生意要把大模型真正下沉到市场，还是一件任重道远的工作。云厂商的解决之道，就是“海底捞式”的全面服务，提供从数据清晰到模型训练到应用部署的一站式Mass服务，以及上云、更新、运维等全生命周期服务。

以华为昇腾AI云服务为例，除了算力，还提供异构计算架构CANN、全场景AI框架昇思MindSpore、AI开发生产线ModelArts等一系列AI底层开发工具与技术平台。

总结一下，AI大模型的到来，改变了云市场的基础规则和商业模式，也是云厂商的商业切入点。只有将“大模型业务”打磨成一把尖刀，才能切下产业智能化的蛋糕。

三、金融行业，率先品尝AI

大模型的出现，给千行万业智能化带来了全新的机遇。可以说，每个行业的每个场景都值得融入大模型。但我们往往会忽略一个关键问题：不同行业的AI底蕴、战略、资源，是千差万别的。

AI大模型与垂直行业的融合，也不能一锅乱炖，而是分行业、分场景，以波状推进落地。

具体来说，第一波由技术积累较为深厚的数字原生型企业主导，比如互联网、电商、金融、企服等。第二波则数字化程度相对低、但生成式AI落地场景多的行业，如教育、通信、文娱、政务等跟上。此外，AI大模型也会在传统实体行业，如农业、能源、建筑业等，开始探索，逐渐产生一些可复制的标杆案例。

其中，金融行业，就凭借极高的数字化水平、强烈的智能化意愿、庞大的业务体量、充沛的现金流等特点，成为第一波重点行业中的重点行业，也是大模型一战中，云厂商的必争之地。

金融智能化，将是2024云+大模型的最主要落点。

那么，金融客户眼中，什么才是美味的大模型呢？

细节有很多，但对于商业化来说，两点至关重要：

一是安全。

金融场景在风控、安全、效率等方面有着严格的要求，中美博弈，让英伟达显卡、TensorFlow开发框架、Oracle数据库等AI基础设施的可持续与安全性，打上了问号。因此，自主研发、可规模出货、满足金融行业实际应用的国产替代产品，也在去年成为金融客户采购的重点，比如华为云的GaussDB、昇腾AI芯片、腾讯云数据库TDSQL等。

二是精细。

大模型落地，要兼顾对行业特性的理解，精心调制出更符合金融客户需求的AI云服务。华为云深入挖掘金融应用场景，推出金融 PaaS 3.0，助力保障金融业务的高性能、高可用；百度智能云开元智慧金融解决方案，结合金融业务场景认知打造，可以提炼海量金融专业知识；京东云峰会上推出的言犀大模型，在通用知识基础上，也沉淀了京东金融行业Know-How。

这些针对性的行业解决方案，才能让金融+大模型落到实处。

金融客户，上云用数赋智的需求急速上升，大模型及基础设施的自主可控也是大势所趋。接下来，我们一定会看到云厂商为了打动金融客户的味蕾，从根技术的源头打造AI原料，并且“食不厌精脍不厌细”，巧手烹制更适配金融的“云+AI”方案。

四、政务云，上升中的城市AI底座

普通大众，怎么因AI大模型的到来而受益呢？城市AI底座，就像一锅用各种数据、应用与服务熬成的“锅底”，让身处其中的人们，经由政务、交通、园区、文娱、旅游、教育等方方面面的变化，感受到城市生活的美好。

大型政企一直是数字化的先行者。目前，政企客户的上云需求，也逐步进入到深水区。

一方面，政企对AI重视度上升。

几年前大型政企就陆续开始上云，并探索AI，打造了智慧城市、城市大脑、智慧交通等一系列成果。随着市场饱和度的提高，增速开始趋缓。

而大模型的到来，在云上获取大模型，有天然的成本优势，再一次激活了政企云市场需求增长。2023百度云智大会上，百度智能云发布了基于大模型的数字政府解决方案九州。中山市政府与华为云合作，依托盘古大模型政务领域应用，打造数字政府2.0。

把大模型作为城市治理的核心能力，打造城市AI底座，成为云厂商的新机会，也是争夺的重点领域。

另一方面，政企深度用云的决策要素变化。

从信息化到数字化，大型政企在上云初期都是能上尽上、多上快上，上海、湖南等多地都出现过“万企上云”的洪流。而进入深度用云阶段，政企客户对云上数据安全、底座自主可控、不被单一云绑架等需求，变得强烈。

多云采购，会分走一些云厂商的利润空间，比如“公共云优先”的阿里云，但也会让支持“混合云+大模型”部署的云厂商得到机会。以去年年底落槌的宿州市政务云服务项目为例，由天翼云、华为云、浪潮云三家中标，服务要求中提到，以“集中+分布”为建设原则，“各自保障政务云平台可靠运行，同步推进供应商政务云平台间的信息共享”。

城市AI底座，正在加速上升。能否充分满足深度用云的需求，是“云+大模型”踏上政企赛道的一道必答题。

日渐滚烫的“云+大模型”市场，正在迎来黄金发展期，成为公有云厂商的历史性发展机遇。

让千行万业不错过大模型浪潮，在智能时代上桌吃饭。“云+大模型”这顿火锅宴，终会让我们说一句：“真香”。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓