對話 | 張鵬
編輯 | 黎詩韻、鄭玄
在「文心一言」放開後的第 24 個小時，沈抖進到後台看了下數據，發現文心一言回答了用戶「3342 萬個」問題，這個數字超出了他的預期。
兩天後，沈抖和包括我本人在内的幾名媒體人坐在一起聊起這件事時說，「我們本來也覺得看熱鬧的人少了，但沒想到用戶的熱情未減。」
9 月，在中國大模型熱潮持續了整整半年之際，普通人終于有機會上手。
8 月 31 日起，包括「文心一言」在内的多款大模型陸續通過備案，正式對公衆開放。這一消息不僅讓用戶雀躍嘗試，也引發了企業的熱情回應。沈抖說，在文心一言開放當天，在百度智能雲千帆大模型平台上，日活企業數增長超過 40%。——後者是百度面向企業端推出的大模型開發與管理平台。
在大模型時代，百度希望在同一時間線，推動個人和企業用上大模型。從宏觀角度來說，這有利于大模型這項前沿技術的普及。從公司角度來說，這有助于百度自己做生意。盡管 C 端用戶的商業價值未能立刻顯現，但 B 端客戶的商業價值則直接體現爲模型 API 調度費、以及雲計算收入。
去年 5 月，已經掌管百度移動生态（MEG）多年的沈抖，被委以百度智能雲事業群（ACG）總裁這一重職。集團對他的期待是，抓住 AIGC 時代的機遇，把智能雲做成百度第二增長曲線。
但沈抖面對的狀況卻非常棘手。百度并不是中國最大的雲計算廠商，隻是在用于 AI 相關服務的公有雲上排名領先。當時，沈抖也希望用 AI 帶動整個雲服務增長，無奈當時的 AI 能力太「碎片化」，無法擺脫服務成本高、難以規模化、利潤微薄的現狀。
但幾個月後，大模型時代到來。從競争格局上看，過去以 IaaS（基礎設施即服務）和 PaaS（平台即服務）爲主的基礎雲服務，正在讓渡于以 AI 爲主的 MaaS（模型即服務）的雲服務。沈抖認爲這正是百度智能雲「彎道超車」的機會。
而從營收的角度上看，大模型的通用能力，讓雲服務得以更标準化，從而在不同場景中規模複用，降低服務成本、增加利潤。正是因此，百度管理層在 2023 年二季度财報電話會議中對投資者表示，AI 和大模型會讓百度智能雲獲得更高的利潤率。
以下是我們和沈抖對話的全文，由極客公園整理。
01 C 端文心一言、B 端千帆平台，成功的一體兩面
問：看熱鬧到了真正幹實事的時候。前兩天，百度在 C 端開放了文心一言，你怎麽看這個用戶使用數據？在意料之中還是意料之外？後台的運維能力是怎樣的？
沈抖：數據是我當天晚上 12 點半發到群裏，同事們第二天就發布了這個數據。數據是我從系統裏截的，原封不動地呈現給了外界，絕對真實。
我們本來也覺得「看熱鬧」的少了，所以預期沒有那麽高。沒想到當天有 3342 萬個回答量，這說明用戶對文心一言期待還是很高的。大家不是上來問一句、兩句就走了，而是經過了多輪的對話。從這個角度上來說，用戶的熱情還在。
文心一言從 3 月 16 号開始内測已經有五六個月時間，無論在效果提升、還是成本降低上，都給了我們比較充裕的準備時間。比如文心大模型的推理速度已經較當初提升了 30 多倍，大幅降低了推理成本，也讓我們能夠承載得了這麽大的用戶量。
問：所以這段時間百度大模型的技術進步，也包含成本上的進步？
沈抖：對，大模型本身就是資源密集型的技術範式。
我們開始沒有想到流量會這麽大，機器（算力）資源本身很寶貴，我們覺得放太多機器在那兒也是浪費，就沒有額外放太多機器。當天用戶規模上來以後，好在因爲我們的推理性能提高了，所以還是給用戶提供了穩定的服務。
我們手裏也握着不錯的算力儲備，接下來也會繼續降低訓練、推理的成本，滿足用戶需求沒有問題。當時我們内部群裏讨論，流量來了能不能抗住。我說，讓流量來得更猛烈些，都是幸福的煩惱。
問：文心一言在 C 端的放開，對百度的好處是什麽？
沈抖：你可能擔心的是，向 C 端開放如果不能帶來商業價值，是不是可持續的問題。
事實上，隻要真正給用戶創造了價值，商業化隻是時間早晚的問題。技術發展史上，那些有價值但變現難的事例很少。文心一言确實給 C 端用戶帶來了真真實實的價值，昨天我看有一些評論講，沒有了文心一言，他的辦公效率就會下降。所以隻要有價值，未來文心一言的商業化是順其自然的。
問：中國大模型的 C 端産品形态，會跟 ChatGPT 保持一緻嗎？也就是訂閱制收費嗎？
沈抖：現在講大模型的産品形态還太早了，它的定義也還沒有那麽清楚。
當年移動互聯網起來的時候，我們可以用幾個關鍵詞講清楚它的定義，比如 SoLoMo（Social、Local、Mobile，利用社交媒體、地理定位服務和移動終端設備提供更好的用戶體驗）。但現在大模型還無法用幾個明确的詞定義。它的能力更強大，但邊界也更寬泛，還遠沒到收斂産品形态的時候。
OpenAI 是技術驅動的公司，用戶體驗其實不是它的強項。它今天設計出的産品形态還很早期，接下來産品的叠代速度會非常快、形态也會劇烈變化。
問：ChatGPT 向 C 端用戶收訂閱費的商業模式，在中國是可行的嗎？
沈抖：我們可能會演變出新的變現方式，比如常見的廣告、電商加遊戲三大變現方式。
如果你願意一個月花兩千塊錢雇一個助理，那當 AI 能做助理 1/10 的事情，比如幫你制定旅遊行程、預定機票和酒店、甚至調動打車和外賣軟件等，你會不會願意花兩百塊？隻是變現方式不一定是會員費，可能是交易傭金或其他方式。
再比如，遊戲裏邊一堆 NPC 角色都是生成式 AI 驅動的、電商領域「數字人」直播也由生成式 AI 支撐，這都可能産生不同的變現方式。最終 C 端的産品形态，決定了它的變現方式。
問：如果 C 端産品最終是生産力工具，有沒有可能不是個人掏錢、而是公司給個人掏錢？
沈抖：有可能。比如百度網盤也算是一個效率工具，很多公司會買網盤賬号給員工用。我們還接觸過企業，給每個員工配一個 Copilot 賬号寫程序。這都是企業給個人買單的案例。
「文心一言」界面
問：作爲内容公司，我們也特别想用大模型來生産文章。你們剛上線了 To B 的大模型服務平台「千帆」，推出「千帆」的背景是怎樣的？能怎麽幫助零程序員的公司部署大模型？
沈抖：這是非常好的問題。事實上，這就是我們做千帆平台的原因。
這次大模型在 B 端落地的特點是大公司先行，很多客戶都是金融機構、能源機構、教育機構等。它們有一個明顯的特點是需要私有化部署，但這樣門檻很高，還要自己培養一堆技術人員叠代模型，可能會減慢大模型生效的時間。
反倒像很多中小公司，你們大概率不會排斥一個（平台型）SaaS 産品，也不會排斥公有雲。千帆平台就是這樣的産品。企業可以在上面直接調用 API，也可以訓練樣本做微調，幾乎零代碼打造自己的模型。我們做千帆的目的，就是要降低大模型的部署門檻、推動大模型的廣泛應用。
問：似乎你們和 OpenAI 的路徑有所不同。OpenAI 是先推 C 端産品 ChatGPT，再慢慢推 B 端産品，百度卻是 C 端和 B 端齊頭并進。爲什麽會有這種差異？
沈抖：技術都有接受度的問題，得讓更多的用戶真正用它，找到它的價值所在。大家都在談大模型，但多少人真的用過大模型？B 端企業客戶更能感受到大模型對它們整個生産範式的潛在影響，它們更需要用起來。
但如果它們既不用公有雲的 API，也不自己搭一套環境去體驗、嘗試，那就是純粹在那兒天馬行空地想象。所以我們需要做千帆，讓它們先把大模型用起來。其實關于大模型的全方位開放，C 端等了很久，B 端也等了很久。隻是 B 端離商業化更近。
問：文心一言放開後，千帆平台的 B 端需求被拉動了多少？
沈抖：在文心一言開放的當天，在百度智能雲千帆大模型平台上，日活企業數增長超過 40%，考慮到 TO B 的反應速度通常滞後一些，實際的情況會更好一些。
放開不僅會拉動 C 端數據上漲，也一定會拉動 B 端的數據上漲。因爲這會幫 B 端企業降低成本、加快叠代速度（注：用國内模型成本更低、更方便）。
但從數據漲幅上，B 端暫時還比不上 C 端。今天假設有人要在 B 端用「文心一言」，他與其上來就調用 API，不如先去 C 端體驗一下。當他認爲體驗好，才會來千帆上用它。讓 B 端用起來，需要一個培育的過程。
問：如果 C 端和 B 端齊頭并進，你們怎麽設置優先級？重點主要放在 C 端還是 B 端？
沈抖：當資源出現沖突時，才需要設置優先級。大模型的特點是，它在底下很厚的一層都是通用的，那在上面找應用，無論 To B 還是 To C，都是百度要齊頭并進做的。沒有到資源沖突的地步。
在 C 端，百度正在積極研究大模型可落地的産品形态和商業模式。百度要基于大模型重構自己的 C 端産品，比如從百度自己的産品數據來看，百度網盤、百度文庫等産品，基于大模型重構後，用戶使用粘性和會員付費率都有很大提高；全新打造的文心一言 APP 和重構後的百度搜索，也成爲大模型應用新入口。在 B 端，百度智能雲通過打造出最好的大模型平台，服務好 To B 市場。
問：其實最通用的基座是你們的雲計算，無論服務内部客戶、還是外面客戶，都是你們的成功。
沈抖：是的，你服務好了内部客戶、就服務好了外部客戶，服務好了外部客戶、就服務好了内部客戶，這是 MaaS 的美妙之處。否則的話，假設外部和内部完全是兩套技術棧，成本就太高了。
我們是兩條腿走路。百度當然希望能做出一鳴驚人的 To C 産品，但我們也非常願意通過底層大模型和算力，支撐更多的企業和開發者做出好的 To C 應用。其實無論上面誰成功，都是底層大模型的成功。
02 大模型開啓殘酷淘汰賽，開源模型的未來堪憂
問：除了文心一言外，千帆平台還上線了其他模型。千帆跟 Hugging Face 這樣的模型聚合平台有什麽區别？
沈抖：在目前或相當長一段時間内，不管是出于模型的場景适配性、還是客戶的心理需求，企業都希望能嘗試不同的模型。從這個角度來講，我們也需要提供第三方模型。
但也不是每一個模型都值得去試，那會是很大的資源浪費。所以千帆有自己的篩選原則，我們放上來的都是相對比較優秀、易用的模型。
問：所以 Hugging Face 的定位是社區，千帆的定位是平台？
沈抖：沒錯。千帆不隻是解決你來選模型的問題，更解決你把模型真正用起來的問題。用起來又包括數據、訓練、調優、Prompt 工程，以及應用搭建等一系列問題，還要充分考慮到成本和效率。千帆提供的是一站式服務，這是千帆跟 Hugging Face 的區别。
Hugging face 模型廣度足夠，而千帆依托雲廠商天然的優勢，有足夠大的運營空間，也可以做到端到端的訓練和推理性能優化。例如，訓練過程中的加速，故障的快速感知、定位、恢複；推理過程中基于百度龐大的異構計算集群的擴展性，有非常好的資源彈性，也可以提供 serverless 的服務，使得客戶獲得低基礎設施成本、無需運維、高擴展性的收益。這是千帆要比 Hugging Face 做得更深的地方。
百度智能雲千帆大模型平台 | 圖片來源：百度智能雲官網
問：你似乎不看好開源模型，但開源攤薄了企業部署大模型的成本，也不能說它沒有意義。你到底怎麽看開源模型？
沈抖：你說 LLaMA（注：Facebook 的開源大模型）的成本誰攤？是 Facebook。那 Facebook 的成本誰攤？如果想不清楚這個問題的終點，那它（開源）就是無源之水、無本之木，終歸有一天會出問題。
因爲這跟傳統的開源軟件不一樣，過去一個人參與開源的投入，就是他自己的時間成本。但今天如果一個人想搞開源大模型，機器、數據的成本都太高了。
問：可以用愛發電，不能用愛計算。
沈抖：對，訓一輪你得扔幾千萬進去。
今天跟傳統開源玩法有一點相似是，它們都是用開源來吸引用戶的注意力，最終還是希望選其他（閉源）大模型。
問：有沒有可能出現類似 Red Hat 和 IBM 的關系（注：2018 年，IBM 宣布收購全球最大的開源公司紅帽）？假設像 IBM 這樣不甘心的有錢企業主，願意支持開源方呢？這樣開源就有資金、數據支持了。
沈抖：開源肯定是會長期存在的。随着大模型越來越受關注，政府、企業都可能捐贈去支撐這方面的研究，促進整個市場教育。但它最後能産生多大的價值？我覺得它大概率不會成爲主流，也不會形成完整閉環的商業模式。
傳統的軟件開發可以形成閉環。比如你寫了一段代碼或升級了一個功能，可以很快 check in（簽入），整個開源軟件的能力一下就提高了一層。但今天 LLaMA 發布完了以後，不管有多少人在用，它沒法 check in 回去，數據放不回去、算力放不回去、能力也放不回去，形成不了閉環。
問：很多開源派認爲，開源模型讀過萬億參數，雖然比不上閉源模型，但是也是很可用的了。就像模型本身雖然沒有 985 和 211 畢業的水平，但至少是個專科水平可以用來做更垂直的微調了。
沈抖：Foundation Model（基礎模型）到底要不要進步？如果說今天 Foundation Model 已經很好了，不用再改了，那沒有問題。但今天的情況是，Foundation Model 隻有 60 分，我們要争取做到 90 分、95 分的問題。
問：爲什麽要進步？很多企業的真實感受是，GPT3.0 都已經能解決問題，那進步的意義是什麽？
沈抖：這是一個很好的問題，我們内部也讨論過。今天 Foundation Model 做到 60 分也能解決很大一部分問題，但它離完美地解決，差距還是很大的。而人性的需求是，但凡你能讓我一次解決的，分兩次絕對不幹。
今天你在 Foundation Model 隻有 60 分的基礎上，訓練出了 85 分。那之後 Foundation Model 達到 85 分，你是不是能得 95 分呢？人在這方面的追求是無極限的。
這個極限肯定是要繼續往上拉的。拿搜索舉例，20 多年前的搜索就能用，那谷歌這 20 多年都在幹嘛？你看似結束了，實際上沒有。
問：怎麽看大模型接下來的競争格局？
沈抖：今天市面上有非常多模型，但我認爲它們很多都會迅速消失。
現在很多模型之所以還存在，是因爲很多人還不知道它的好壞。反正誰也試不了，誰也用不了，一測排名還挺靠前。但随着模型的放開，優劣更容易評判了。今天這些做大模型的，你給他三千萬個問題輸進去試試，估計一大半都得幹趴下。
這會導緻流量的逐步集中，頭部模型更容易形成規模效應，從而進一步分攤模型研發的成本。差距會進一步拉大。
問：淘汰賽會什麽時候開始？
沈抖：不好說，畢竟大家融的錢可能還得花一段時間。
對于大企業來講，燒還是燒得起的，但也要看它燒的價值何在。有一些企業是沖着反正自己的應用場景很多，這時候讓它去調别人家的大模型 API 肯定不幹，所以一定會做一個自己的模型。好點、差點（無所謂），至少不用依賴外部。大企業做模型這件事還會持續一段時間。
03 大模型讓雲計算服務走向「标準化」，百度雲終于賺錢了
問：未來大模型會不會成爲所有應用的底座？這會誕生一個完全不同的開發、應用生态嗎？
沈抖：毫無疑問，大模型會成爲一個新時代的操作系統，變成很多應用的底座。
一直以來，人和人、和機器打交道，都是用語言作爲指令。但過去，機器不懂自然語言，我們就硬生生寫了一套程序語言讓它理解。現在大模型理解了自然語言，整個應用開發範式就發生了根本性的變化。開發變得由創意驅動，而不是由代碼能力驅動。
另外，大模型也有把系統串聯起來的能力。像現在插件的出現，也就是獨立完成某種能力、等待被調用的組件，大模型可以把插件組合起來完成一個特定的任務。這都會進一步改變開發範式。
問：如果大模型能打通所有插件解決問題，這是不是變相實現了互聯互通？
沈抖：其實依然沒有。實際上，這些 APP 現在也都存在于同一個手機上、同一個應用程序裏，它照樣沒有實現互聯互通。将來在大模型基座上，美團接進來、滴滴接進來，但它們還是沒有互通的。
問：底層的問題沒有解決。
沈抖：對，互聯互通應該指的是數據打通，你的數據我可以訪問、我的數據你可以訪問。但在大模型底座下，我們隻是願意跟這個中樞對話，但我們插件彼此之間并沒有對話。
問：這種不互聯互通的情況，會不會導緻開發者不能流暢地實現跨資源調度？這會是中國大模型開發生态的缺陷嗎？
沈抖：我覺得主要的原因是沒放開、流量規模沒起來。比如文心一言一下子有了 3000 多萬的流量，開發者一算可能 1% 是自己的，那也有 30 萬的訪問了，他就會決定來幹。
問：在大模型時代，百度雲怎麽定義自己在生态裏的位置？利益機制如何分配？
沈抖：以百度一家之力是絕對幹不過來的。不是恐怕幹不過來，是絕對幹不過來。
首先，插件一定會是非常繁榮的生态，它和大模型之間是相輔相成的。插件要從大模型中獲取流量，大模型又需要插件能力的支持，就像今天假設手機上沒有微信、抖音 ，用戶可能都不用它了。
其次，在面向終端客戶的應用上，無論是私有雲部署、還是通過千帆這樣的平台級方案，最終一定需要生态夥伴完成最後一公裏交付的問題，比如金蝶、用友、軟通動力等。它們有特别熟悉的客戶和業務流程，最終需求都會被它集成。
總結一下，一是開發生态的能力聚合、二是幫大模型做交付的合作夥伴、三是用大模型強化自身服務的客戶，這都是生态。
問：大模型的技術範式，給雲計算帶來了哪些改變？
沈抖：技術發展的脈絡是越來越高級。換句話講，離底層越來越遠，越來越不需要關注細節，封裝越來越好，有大量的人在背後把這些活給幹了。這本身也是雲貢獻的價值。
早期的 CPU 雲貢獻的價值，就是客戶不用自己買機器一個一個卡綁，它封裝得越來越好、可以在上邊直接用。随着大模型時代到來，「AI 加速芯片」GPU 慢慢成爲算力中心，算力增長速度遠遠超過 CPU。這會加速我們從 CPU 雲向 GPU 雲的切換。
在 GPU 雲的時代，最終我們會把雲的能力進一步封裝，不讓底層暴露出來，形成更高級的交互形态，直接對接大模型的 API。今天的雲還是給工程師開發的，交互形态還不夠徹底，但未來底層的工程師會減少，更多人會往上層走。這是一個大幅的變化。
百度智能雲 | 圖片來源：視覺中國
問：大模型會重塑雲計算的市場格局嗎？如果會，什麽時候能看到信号？
沈抖：我喜歡這個問題。如果沒有大模型的話，百度的雲會打得非常吃力。我們過去一直在喊「深入行業、聚焦場景、雲智一體、AI 普惠」，百度智能雲想做的就是把 AI 放到整個 To B 的服務裏，讓它成爲一個增長點。
但過去，傳統的 AI 是非常碎片化的。它要針對一個問題生成一個能力，再解決這個問題，通用性比較差。這就導緻它都是項目制，很難規模化，毛利也低。
而生成式 AI 出來以後，我們看到它的通用性非常好、一下子能解決很多問題，在應用層往下基本都是統一的，哪怕需要微調、需要插件，都是标準化的動作。這跟之前非常碎片化的 AI 應用完全不一樣。這本身就是雲業務的巨大變化，所謂的 IaaS 變成了 MaaS。
問：過去中國的 AI 公司都是要落項目，非常苦。沒法像現在這樣，通過标準化的産品解決問題。
沈抖：我們那時候跟 Robin（注：百度創始人、董事長兼 CEO 李彥宏）讨論雲戰略，他也要求我們必須得标準化、規模化，不然體現不出來百度作爲一個技術公司的價值。
問：所以接下來長期都會是标準化和規模化？
沈抖：大模型在早期有很大的不确定性，今天，很多客戶對大模型的能力上限、邊界、成本、交付、需求方式都還沒有統一認知。短時間内，我們還不能保證客戶都到公有雲上來，肯定還是先通過項目制的方式去做。
但即使是這樣的項目制，也跟以前的項目制不一樣。比如我給你私有化部署了模型，它更像是 Windows 或者是 office，先是 95 版，接着是 97 版，又來了 2000 版，你得不斷的升級。看似我給你一個光盤裝到家裏了，實際上你得不斷地訂閱。這跟原來搭建的也不一樣。
問：但你們的财務已經出現了改善。今年一季度百度智能雲首次實現季度盈利，你們提到原因就是雲服務的标準化，實現了規模複用、降低了成本。
沈抖：是的。在單純項目制、或者項目制占比比較高的情況下，交付後毛利太低了。
04 執掌百度雲一年多，迎來了最好的機遇
問：作爲百度最高決策層的一員，你平常最關心和焦慮的問題是什麽？經常要跟團隊讨論的問題是什麽？
沈抖：在産品形态上，Robin 有一個要求，一定要用 AI 原生思維來重構所有的産品。是重構，而不是接入。
在技術上，我們思考的是今天生成式 AI 的能力還能往上蹦多高。文心一言現在的評測結果還不錯，但它還遠遠沒到人類語言、或者優秀人類語言理解的上限。怎麽能繼續快速拉升這個能力，肯定是我們第一位思考的問題。
接着是行業應用上，模型怎麽能真正用起來、在哪些場景能用起來、用起來的門檻有多高、邊界有多寬、怎麽能提高它的效率、怎麽激發大家想到更好的用法……這都是我們要不斷思考的東西。
問：這些都是比較偏軟的層面，偏硬的層面呢？
沈抖：現在算力集群從千卡到萬卡，百度是中國真正在萬卡級别上跑單一任務的公司。
在萬卡集群下，組織、效率、保障這些真正底層的工作大家看不見，但是它們極其重要。比如，我們要提高底層硬件和軟硬一體的訓練、推理效率。這都是蠻關鍵的東西。
問：你在百度這麽多年一直都負責搜索、廣告業務，直到去年才主掌智能雲，馬上就遇到了大模型的曆史機遇。會覺得是一種幸運嗎？你的感受是怎樣的？
沈抖：沒那麽誇張，但我确實很興奮、很幸運能去做這麽一件事。
去年接手的時候，我就有（把雲服務）規模化、标準化的思路。但因爲 AI 能力太碎片化了，做起來非常難。當時我就使勁在想，有什麽東西是既需要 AI 能力、又需要 AI 算力、同時還能讓很多人同時去用的？找半天找不着。
然後，大模型就出現了。一下子就感覺順手了。
百度集團執行副總裁、百度智能雲事業群（ACG）總裁沈抖 | 圖片來源：百度
問：你個人學的是人工智能方向，大模型是不是也跟你更匹配？
沈抖：這跟我研究生做的事情很相似。雖然我一直學計算機的，但我做得偏軟件的多一些，一直在人工智能這條線上做。
當時接了雲（偏底層硬件）以後，我真的又把操作系統、計算機組成原理的書拿來看了一遍。如果說真是 CPU 時代的 IaaS、網絡組件、存儲計算那套東西，我覺得還是有點難的。
但大模型出來以後，我發現那些東西被封裝在下面了，我現在主要研究大模型就可以，比如讀論文、自己用 Python 把千帆上的 API 調用一遍等等。我覺得順手多了。
問：接下來，你對百度智能雲的發展增速有怎樣的預期？
沈抖：百度智能雲現在就接近兩百億的盤子，還相對比較小。在大模型的加持下，我們的客戶需求變得很旺盛，現在都忙不過來。不過要想真正讓用戶用起來、做好交付，還需要一個過程。
問：四季度會迎來小爆發嗎？
沈抖：有人估計四季度會是爆發的。需求确實開始起來了，但我覺得爆發的話，可能要到明年。
問：你怎麽評價自己的運氣？
沈抖：我覺得這是百度的運氣。百度做 AI 做了這麽多年，下了這麽大功夫，如果大模型不來的話，雲的商業化路徑确實更難一些，也很辛苦。這正好說明有 Vision 的公司，最後運氣也不會太差吧。
