“ AIGC的应用化阶段将很快到来；AGI，已步入助手阶段。”

口述 | 刘涛

整理 | 梦婕&云舒

出品｜极新

在10月的最后一天，极新有幸采访到了金山云高级副总裁刘涛。我们深入探讨了“云计算逐鹿 AIGC”的话题。作为中国公有云互联网云服务商前三企业，金山云对“云计算在AIGC 方向的探索和思考”具有行业重要风向标意义，我们希望通过本次采访交流，与该公司进行创新碰撞，为行业带来更多思考和方向。

刘涛先生，现任金山云高级副总裁，拥有十多年的互联网技术积淀和管理经验，不仅对云计算、云网络、云安全、云数据库、大数据等技术有深入理解和研究，且具有前瞻性的战略眼光，对产业数字化有深刻洞察。加入金山云后，刘涛先后担任云计算产品中心总经理、金融事业部总经理及互联网业务体系负责人，带领团队为公司构建了完备的云计算 IaaS、PaaS 产品矩阵。全面负责金融云业务后，刘涛主导推出航母级大数据平台等核心金融云产品，带领团队开拓多个国有大行和股份制银行标杆客户。担任互联网业务负责人后，刘涛专注于头部互联网存量客户的业务增长；在拓新工作方面，主张聚焦腰肩部客户攻坚，带领团队在人工智能尖端科技、汽车、地产等多领域取得突破性进展。

刘涛对于AIGC当前的发展阶段、未来趋势、云厂商与人工智能的关系以及MaaS赛道的发展前景提出了让人耳目一新的看法。他的观点让我们从新的角度看到了人工智能的不同侧面，引导我们在热风口下进行“冷”思考，去重新审视人工智能技术的真正含义，以及实际落地的挑战点。以上话题大致分为以下4个模块：

①　“金山云严守中立定位，做大模型公司的助力者”

②　“AGI已步入助手阶段”

③　“金山云要在大模型厂商、用户与金山云之间建立互信”

④　“人才是企业现有能力的延伸”

01

这，就是生态

“我们将严守中立定位，做大模型公司的助力者”

极新：自成立之日起,金山云就坚持做中立的云服务商。在人工智能高速发展的当下，金山云表示自己不研发大模型，而专注于为大模型企业提供相关服务，这是基于怎样的考量做出的决定?

刘涛：在本轮AIGC、AGI大潮中，我们依然严守中立定位，自己不开发大模型，而是与生态企业一起布局人工智能领域。我们认为，作为中立的云服务商，公司可以更好地为垂直领域的企业提供定制化的人工智能解决方案，满足客户在数字化转型过程中的不同需求。金山云希望做大模型公司的助力者。

未来，我们还将不断拓展自身的技术边界，积极与各领域的优秀企业共同推动人工智能技术的研发和应用，在实现合作共赢的同时，助力数字化经济的发展。

极新：请谈谈金山云的使命、愿景和价值观。

刘涛：我们一直以“做客户最信赖的云伙伴，携手共创数字未来”为使命。

持续创新，掌握硬核科技，成为所专注行业最好的云服务商，为员工和社会带来幸福是我们的愿景。

客户第一、技术立业、公平开放、互信互助、拥抱变化、追求极致、志存高远、脚踏实地是我们的价值观。

02

AIGC挑战无限

“AGI已步入助手阶段”

极新：从金山云目前掌握的情况来看，您如何看待大模型公司的机遇？AGI和AIGC的发展处在哪个阶段？

刘涛：根据产业发展曲线来看，大家对大模型公司的最初预期比较高，但现在仍处在爬坡过程。从资本层面看，尽管大部分大模型公司还未看到盈利机会，但资本市场在前期仍表现出较高的热度。目前，市场逐渐冷静下来，在这个背景下，没有任何根基就做大模型的公司在融资层面是相对困难的。

目前，大模型的基准效果仍以GPT-3.5为标杆，未来可能将目标对准GPT-4。按照商业变现的逻辑，调取API接口的生意究竟能占据多大市场份额，仍未得到充分证明。尽管OpenAI在C端的月活已达到了一亿，但企业在实际调用时与预期仍存在差异。

在具体生成回答时，有两种选择，一种是SFT，但难度较大。另一种做法是调用大模型配合旁挂知识库。例如在客服场景中，由于回答内容要限定在特定范围内，不能超纲，就需要用Embedding加上向量数据库,再基于大语言模型来规范生成内容。因此，生成内容不一定需要数千亿参数的模型,可能小一个量级的就能解决了。再结合知识库,我们就可以分析在整个环节里有哪些环节是必须调用大模型的。

在中国的投资圈里，除了大模型公司外，还有一类专注于 Agent的人士，国内外一些典型企业也在做Agent。他们利用大模型的规划能力，包括AGI潜在的未来趋势，来制定实施路线。无论是通用机器人还是自动驾驶，其实都是利用大模型的推理和规划能力来生成实施路径的。即使当路径被细化到执行层面时，其生成方也不一定是大模型。

真正的AGI和AIGC潜在应用尚未被充分看到，行业也还处于比较初级的阶段，各企业也仅在现有认知范围内发展，整个行业尚未达到真正的爆炸式应用阶段。

尽管一些公司在原有用户群体上通过提供API提升了转化率和变现能力，但过去大家原来所想象的靠OpenAI 出售 API实现大规模盈利的路径还充满不确定性。

之前的想象是10 年后机器人能在工厂拧螺丝修汽车，但现在可以能够预见的是 5 年后机器人也许可以瞄准靶子。这其中的核心问题是机器人的规划能力问题。在自动驾驶、通用机器人等领域，存在巨大的潜在应用空间，但要实现这些应用，需要先解决机器人的规划能力这一关键问题。

单从AIGC的角度看，其进入使用化阶段的速度非常快，例如在多模态语音生成、漫画生成等场景，大家已经能够看到实际应用和收益；单从AGI的角度看，其已步入助手阶段，这预示着未来它将能够进行更为复杂的生成任务。

所以，整体而言，目前我们仍处于这个行业的初始阶段，但已经可以看到一些令人兴奋的亮点。

极新:人工智能产业应用层赛道的企业都在抓紧时间进入千行百业,也有机构预测这个赛道会产生较大的独角兽,对于AGI赛道的资本市场发展您如何看待?

刘涛：从整体上看，资本市场呈现螺旋式上升的趋势。

从资本市场看，每家公司创立时的目标都是AGI，但实际上并非所有公司都在追求这个目标。在与投资人交流时，我们发现通用机器人和家政机械等领域是需要长期发展的领域。在资本圈看来，这些领域是长线愿景基金选择投的投资赛道，因为这需要大量资金的投入，并且要在10 年后才能看到结果。

目前，那些在互联网的上一个浪潮中获得了大批用户的企业，大多已经看到了AIGC和AGI的未来发展潜力，且正投入到AIGC的热潮中。在这些企业看来，人工智能技术的广泛应用可以带来巨大的商业价值和市场机会。

极新：基础算力将对大模型和人工智能进入产业有怎样的影响?

刘涛：云的高性能算力将是支持人工智能变革最重要的基础设施。随着计算机硬件和云计算技术的不断进步，基础算力将变得更加强大和可扩展，这将推动大模型和人工智能在产业中的广泛应用，但机遇和挑战并存。

首先，基础算力的提升将使得训练和部署大模型变得更加高效。大模型通常需要大量的计算资源来进行训练，而强大的基础算力可以加速这一过程。这意味着研究人员和企业可以更快地训练出更复杂、更准确的模型，从而提升人工智能在各个行业中的应用效果。

其次，基础算力的发展将促进人工智能技术的进一步普及和商业化。较强的算力可以支持更多的企业和开发者使用人工智能技术，无论是在数据分析、图像识别、自然语言处理还是其他领域。这将促进人工智能技术的广泛应用，推动各行各业的数字化转型。

但同时，云计算的发展也有一些来自外界的挑战，其中很大的一个挑战来自芯片,这会对基础算力带来巨大的瓶颈：1）计算能力不足的风险：随着云计算应用的深入，越来越多的任务需要更高的计算能力来完成。如果芯片的计算能力不足，就会限制云计算应用的性能和效率。2）兼容性问题：在软件生态上和主导企业的软差距，会限制芯片的推广速度。

因此，在大模型和人工智能的发展过程中，云厂商既要看到机遇，也要为潜在的挑战做足准备。

03

金山云的MaaS是要解决互信问题

“要在大模型厂商、用户与金山云之间建立互信”

极新：多位人工智能领域创始人向极新证实，MaaS 标准化难题与各个领域尚未完全统一的人工智能技术标准之间存在密切的关系，从技术创新速度来看，MaaS 赛道技术迭代快速，安全和隐私问题成为关注焦点。您如何看待我国 MaaS 赛道的发展？

刘涛：我赞同这些人工智能领域创始人的观点，MaaS的标准化问题确实与人工智能技术标准的统一密切相关。

MaaS是将大模型作为服务提供给用户的一种服务模式，鉴于人工智能技术标准尚未统一，MaaS的标准化也非常复杂。从技术创新方面来看，MaaS赛道的技术迭代速度确实很快，但因涉及用户数据和隐私，确保数据的安全性和隐私保护就变得非常重要。

我国MaaS赛道具有巨大的潜力。目前，中国在人工智能领域已取得了很大的进展，并且政府也提出了加快人工智能技术应用的战略目标。这为MaaS在我国的发展提供了良好的环境和支持。同时，我国的市场规模庞大，各个领域都有潜在的需求，这也为MaaS提供了广阔的市场空间。

然而，我国MaaS赛道的发展仍然面临一些挑战，如标准化问题、数据安全和隐私保护等。解决这些问题需要政府、企业和学术界联手，共同建立起完善的法律法规和技术标准，同时加强对数据安全和隐私保护的监管和管理。

极新：对于 AIGC企业，金山云会有怎样的辅助措施？可否从MaaS层面的产品、服务方向讲讲？

刘涛：首先从产品方向来看，金山云为图像类、语音类以及多模态企业提供算力支持；

其次从服务方向看，小型创业公司在基础架构方面相对薄弱，因此只提供机器不能解决问题，而需要从云服务层面为其提供包括基础架构在内的一整套服务。

目前，金山云推出了MaaS互信推理专区方案和大模型镜像服务。其中MaaS互信推理专区方案的最大亮点就是“互信和安全”。在技术思路和架构设计方面，我们兼顾了网络、存储等基础设施层面的安全，和容器等云原生层面的安全。通过这个方案，我们希望能在大模型厂商、用户和金山云之间建立互信，解决模型和数据的互信问题。而大模型镜像服务是为了有效满足客户对生成式人工智能大模型的算力与快速部署需求。目前，客户只需要为选择的GPU云服务器付费，通过几个简单的步骤，可分钟级完成生成式人工智能大模型微调或推理环境的搭建，赋能各领域的生产力需求。

04

人才是企业现有能力的延伸

“人才问题，其实是工程问题”

极新：当下AIGC企业在人才培养和选用预留方面的问题,您是如何看待的?在人才战略上,要做到人才适应技术和市场发展,要考虑哪些因素?金山云在这方面是怎么做的？

刘涛：金山云自己不开发大模型，而是专注于云计算相关的技术输出，这跟大模型企业的技术维度有一些差异，所以不会在市场上竞争特定领域的人才  。

我们向来重视人才且具有长期的积累，我们在大数据、人工智能平台等方面都有人才储备。一直以来，我们采取的是高阶社招+高潜质应届生培养的人才策略。我们会策略性地招聘一些高阶人才，同时也致力于招聘具有高潜质的应届毕业生。这些优秀的年轻人在工作一定的年限后就可以承担起核心工作，而那些表现更出色的毕业生，还有望成为该领域的专家。

极新：在算法、运维等领域，从国家层面看，您觉得现在人才的缺口在哪？金山云是怎样做的？

刘涛：我认为人才问题其实是工程问题，因为人才的培养、吸引、留用和提升都需要进行系统性的规划和实施，也就是说可以按照具体任务拆解来做。整体而言，只要有师傅进行引导，就能少走弯路。

在我看来，人才梯队是呈金字塔型的。在这个金字塔中，塔尖上只有寥寥数人，而中层骨干则是行业中有着丰富经验的人，剩下的梯队基本上是校招培养出来的人才。

所谓的人才缺口其实是无法让人才立即上手并熟练地进行企业的重要工作。只要企业里有一两个高端领军人物，就能够引导年轻人去开展工作。

对于我们金山云而言，对人才的重视是写进基因里的。作为云厂商，我们一直以来提供的是稳健的基础架构，大数据平台、人工智能等技术都是对现有能力的延伸，也正是我刚说到的，它们都是“工程”的一部分。我们现有的人才不断向上发展，后续的人才梯队建设也在稳步跟上，因此我们已经形成良性的人才培养循环。