谷歌前CEO施密特曾提出過一個觀點(diǎn)：早期電力被引入工業(yè)流程之后，并沒有比蒸汽機(jī)創(chuàng)造更多的生產(chǎn)力，是歷經(jīng)30年時間，電力系統(tǒng)化的創(chuàng)新帶來了規(guī)?；瘧?yīng)用，才實現(xiàn)了生產(chǎn)力的飛躍。

施密特認(rèn)為，當(dāng)前的AI和早期的電力極其相似，盡管有一定價值，但并未顯露出革命性的生產(chǎn)力，必須要走向規(guī)?；渴鹬?，AI才能帶來真正巨大的回報。

事實上，在中國AI已經(jīng)具備了邁向規(guī)?；幕A(chǔ)。按照國家制定的藍(lán)圖：到2027年，智能體和智能終端的使用率要達(dá)到70%，至2030年，這一數(shù)字將攀升至90%。這意味著，人工智能技術(shù)將如水電一樣，成為社會經(jīng)濟(jì)發(fā)展的基礎(chǔ)要素，千行百業(yè)都將邁向智能化變革。

但遺憾的是，當(dāng)前各行業(yè)AI的滲透率距離這一目標(biāo)還相去甚遠(yuǎn)。一面是政策引導(dǎo)與市場期待對AI大規(guī)模落地的熱切呼喚，另一面卻是眾多企業(yè)在AI落地“最后一公里”步履維艱。

要彌合這個巨大落差，唯有從根本上、系統(tǒng)性提升AI落地的效率。而當(dāng)我們回望產(chǎn)業(yè)革命， “集約化”被歷史證明是實現(xiàn)高效化、標(biāo)準(zhǔn)化與規(guī)?；挠行窂?。浪潮人工智能模型工廠，也正是循著這條集約化的主線，設(shè)計出來的。它是否能夠成為AI規(guī)?；渴鸬囊粭l新的通途？

01

三重關(guān)卡

AI規(guī)?；涞貫楹尾铰木S艱

最近兩年，大模型技術(shù)的火爆登場，進(jìn)一步推動了人工智能成為驅(qū)動產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型、提升全要素生產(chǎn)力的關(guān)鍵力量。從智能工廠的無人化到智慧城市的精細(xì)治理，從生命科學(xué)的全新探索到金融風(fēng)控的智能決策，AI的深度應(yīng)用早已無處不在。

與之形成鮮明對比的，則是AI在實際落地與規(guī)?；渴疬^程中遭遇的“三重門”困境。

首先，是普遍存在的“作坊式”訓(xùn)練模式。浪潮集團(tuán)執(zhí)行總裁、總工程師，浪潮云董事長肖雪指出，常規(guī)的模型訓(xùn)練模式正是這種“手工作坊”模式，其特點(diǎn)是過程非標(biāo)、高度依賴人才經(jīng)驗、難以規(guī)?；??！斑@種模式從數(shù)據(jù)清洗、標(biāo)注、特征工程到模型選擇、訓(xùn)練與調(diào)優(yōu)，整個流程缺乏標(biāo)準(zhǔn)化的工序和自動化的工具鏈，導(dǎo)致開發(fā)周期漫長、資源消耗巨大，且模型質(zhì)量難以保證，嚴(yán)重制約了AI應(yīng)用的快速迭代與跨場景復(fù)制?！?/p>

其次，是數(shù)據(jù)安全、隱私與合規(guī)的隱憂。例如深度學(xué)習(xí)模型的性能，高度依賴于大量高質(zhì)量的訓(xùn)練數(shù)據(jù)。但在當(dāng)前環(huán)境下，數(shù)據(jù)孤島現(xiàn)象普遍，數(shù)據(jù)流通與共享機(jī)制不健全，導(dǎo)致“數(shù)據(jù)荒”與“數(shù)據(jù)質(zhì)量差”并存。同時，數(shù)據(jù)在采集、存儲、標(biāo)注、訓(xùn)練乃至銷毀的全生命周期中，都面臨著嚴(yán)峻的安全與合規(guī)挑戰(zhàn)。企業(yè)對于核心數(shù)據(jù)資產(chǎn)泄露、濫用以及觸碰法律紅線的擔(dān)憂，使其在擁抱AI時往往心存疑慮。

最后，是人工智能基礎(chǔ)設(shè)施的碎片化與高門檻。算力資源分散，未能形成集約化、普惠化的供給模式，導(dǎo)致許多企業(yè)面臨高昂的算力成本；同時復(fù)雜的軟件棧、多樣的開發(fā)框架帶來了巨大的兼容性與運(yùn)維挑戰(zhàn)；從模型開發(fā)、測試、部署到監(jiān)控運(yùn)維的全生命周期管理工具鏈缺失或不成熟，使得一個AI想法最終轉(zhuǎn)化為穩(wěn)定可靠的業(yè)務(wù)應(yīng)用，過程充滿荊棘與不確定性。

肖雪也觀察到，市場普遍存在對人工智能算力服務(wù)“分散化、小型化、定制化”的需求，并且需要在特定垂直領(lǐng)域提升模型的效果，同時降低模型訓(xùn)練和推理的成本?！耙虼?，我們將在已建成通用算力中心和人工智能模型工廠的基礎(chǔ)上，到2025年底建成智能體工廠和訓(xùn)練場，推動AI科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新深度融合?！?/p>

很明顯，打破僵局的關(guān)鍵，在于是否存在一條能夠系統(tǒng)性提升AI開發(fā)與應(yīng)用效率，降低技術(shù)門檻，保障數(shù)據(jù)安全與合規(guī)，從而實現(xiàn)低成本、高可靠、規(guī)?；瘡?fù)制的根本路徑？

這個答案，或許就隱藏在“集約化”這個詞當(dāng)中。

02

集約化

打開人工智能效率革命的密碼

自工業(yè)革命以來，社會生產(chǎn)效率的提升，都離不開“集約化”的驅(qū)動。

從亞當(dāng)·斯密在《國富論》中論述的制針工廠分工帶來的效率飆升，到亨利·福特創(chuàng)建的汽車生產(chǎn)流水線實現(xiàn)的規(guī)?；?yīng)，本質(zhì)上都是通過將分散的生產(chǎn)要素、非標(biāo)的工藝流程和獨(dú)立的管理環(huán)節(jié)進(jìn)行集中、整合、標(biāo)準(zhǔn)化與持續(xù)優(yōu)化，以實現(xiàn)規(guī)?；妥畲蟪潭鹊目煽匦?，從而提升效率、降低成本。

換言之，集約化就是將復(fù)雜的或依賴個人技藝的創(chuàng)造過程，轉(zhuǎn)變?yōu)榭煽亍⒏咝?、可重?fù)、可度量的工業(yè)化生產(chǎn)過程。

而浪潮人工智能模型工廠則是“集約化”理念在人工智能時代的實踐先鋒。那么，浪潮人工智能模型工廠又是如何踐行集約化理念，并系統(tǒng)性解決AI規(guī)?；涞氐耐袋c(diǎn)的呢？

集成車間

首先，通過構(gòu)建協(xié)同工作的包括數(shù)據(jù)車間、模型車間、評測中心、集成車間、客戶服務(wù)中心在內(nèi)的“九大單元”，將復(fù)雜的模型開發(fā)全生命周期，科學(xué)地分解為清晰、專業(yè)、職責(zé)明確的環(huán)節(jié)。如肖雪所說：“人工智能模型工廠通過‘九大單元’協(xié)同沉淀工藝、工序和工具”， 這類似于現(xiàn)代化工業(yè)生產(chǎn)線上的不同專業(yè)工段，每個單元專注于特定領(lǐng)域的價值創(chuàng)造，并沉淀了75道標(biāo)準(zhǔn)化工序和180套專業(yè)化工具。通過深度的分工與無縫的協(xié)作，打破了“作坊式”開發(fā)的低效狀態(tài)，實現(xiàn)了開發(fā)流程的規(guī)范化、透明化與可管理化。

模型車間

其次，在至關(guān)重要的數(shù)據(jù)安全與隱私保護(hù)方面，工廠從頂層設(shè)計之初就將安全視為生命線。肖雪強(qiáng)調(diào)：“浪潮人工智能模型工廠在設(shè)計之初就以安全為核心要素考慮”。 具體措施包括：執(zhí)行嚴(yán)格的租戶隔離策略，確保不同客戶的訂單數(shù)據(jù)與流程完全獨(dú)立；在數(shù)據(jù)車間，以可信數(shù)據(jù)空間為基礎(chǔ)打造，對客戶原始數(shù)據(jù)依照業(yè)務(wù)需求進(jìn)行最小化授權(quán)，并進(jìn)行必要的脫敏處理；數(shù)據(jù)在不同車間傳輸均采用高等級加密技術(shù)；尤為關(guān)鍵的是，在訂單完成后，會將客戶的原始數(shù)據(jù)銷毀處理，從根本上杜絕二次泄漏風(fēng)險。

最后，針對基礎(chǔ)設(shè)施不完善和高門檻等問題，浪潮人工智能模型工廠提供了集強(qiáng)大算力、先進(jìn)算法、成套工具、管理平臺于一體的“端到端”全棧式產(chǎn)品服務(wù)?？蛻魺o需自行構(gòu)建和維護(hù)復(fù)雜且昂貴的基礎(chǔ)設(shè)施，即可按需獲取從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練、評測、部署乃至運(yùn)維的一站式、交鑰匙服務(wù)，這極大地降低了AI應(yīng)用的技術(shù)門檻、初始投資和總體擁有成本。

不難看到，浪潮人工智能模型工廠的集約化，在于構(gòu)建了統(tǒng)一、標(biāo)準(zhǔn)、安全、高效、開放的AI模型生產(chǎn)模式，將原本分散、無序、高成本、高風(fēng)險的模型訓(xùn)練，整合進(jìn)一個高度組織化、流程化的工業(yè)流水線當(dāng)中，使得AI模型的“高效量產(chǎn)”成為現(xiàn)實！

03

從理想照進(jìn)現(xiàn)實

模型工廠重塑AI產(chǎn)業(yè)生態(tài)

浪潮人工智能模型工廠通過集約化，為AI規(guī)?；涞靥峁┝巳碌膮⒖悸窂?，當(dāng)然它的意義遠(yuǎn)不止于此。

我們知道，AI規(guī)?；渴鸬那疤?，是高質(zhì)量的數(shù)據(jù)就緒。在大模型領(lǐng)域也一直存在“垃圾進(jìn)、垃圾出 (garbage in，garbage out)”的說法。

數(shù)據(jù)車間

在數(shù)據(jù)層面，數(shù)據(jù)車間由11套工序和60套工具組成，11道工序主要是數(shù)據(jù)上傳、數(shù)據(jù)安全審查、數(shù)據(jù)增廣、數(shù)據(jù)標(biāo)注等，60套工具主要有數(shù)據(jù)采集、數(shù)據(jù)加工、抽樣質(zhì)檢、數(shù)據(jù)銷毀等，以標(biāo)準(zhǔn)化流程產(chǎn)出高質(zhì)量數(shù)據(jù)集。這種“以質(zhì)量為核心，以流程驅(qū)動、人機(jī)結(jié)合的精細(xì)化運(yùn)營體系”，其實確保了AI模型數(shù)據(jù)源的高品質(zhì)，從根本上解決了“垃圾進(jìn)，垃圾出”的行業(yè)頑疾。

另外，從生態(tài)維度，“工廠”的價值要取決于與生態(tài)融合的程度。肖雪表示：“浪潮構(gòu)建的人工智能模型產(chǎn)業(yè)集群，整合了覆蓋全產(chǎn)業(yè)鏈的上下游伙伴，包括國內(nèi)上萬家及出海400多家聯(lián)盟成員?！焙唵卫斫?，這個產(chǎn)業(yè)集群是通過九大車間，匯聚最優(yōu)能力，將使用AI工具的專業(yè)門檻轉(zhuǎn)化為標(biāo)準(zhǔn)化、產(chǎn)業(yè)化的解決方案，最終以“能力+應(yīng)用”的結(jié)構(gòu)化體系服務(wù)各行業(yè)，推動產(chǎn)業(yè)智能化升級。

其實，浪潮人工智能模型工廠的出現(xiàn)并非一個偶然，在其背后是人工智能正在經(jīng)歷一場效率革命，而浪潮云的探索也證明了，集約化能夠切實通過標(biāo)準(zhǔn)化流程、專業(yè)化分工與生態(tài)協(xié)同，讓AI的規(guī)?；涞貜摹袄硐搿弊?yōu)椤艾F(xiàn)實”。