在过去一年里，大模型浪潮席卷全球，让人工智能迎来下一个黄金十年。当各种大模型、基础模型遍地开花，以金山云为代表的公有云厂商凭借底层、平台层以及应用层浑然一体的天然优势，在这片蓝海市场中占据了有利地位。

　　▲金山云副总裁 钱一峰

　　“我们有典型的应用场景，比如：金山办公WPS等，还有很多知名的大模型厂商，都选择部署在金山云上。” 关于云+人工智能的未来发展，金山云副总裁钱一峰对记者如是说。

　　那么，在这场“百模”甚至“千模”大战中，金山云要扮演的角色是什么？围绕通用大模型、行业大模型等不同赛道，如何快速切入市场？在底层技术栈的支撑能力上，如何以差异化优势赢得客户？关于这一连串问题，我们可以用几个关键字来概括，那就是“中立”、“行业模型”和“混合云”。

　　1、 中立

　　面对令人眼花缭乱的各种模型，金山云首先表明自己的态度，那就是围绕中立路线，打造大模型全栈服务能力。

　　至于，金山云为什么要保持中立路线？在诸模混战中，如何规划更具战略性的大模型技术蓝图，才能抢占未来？金山云公有云产品中心负责人孙晓，首先从产品战略层面分析了大模型的发展现状！

　　从大模型的生产到落地，中间涉及各种能力，不同层面都有不同的玩家。整体来看，可以划分为三层：第一层，模型层。这一层主要是模型直接催生出来的厂商，包括大模型厂商、行业模型厂商、场景模型厂商。第二层，平台层。主要包括大模型训练平台服务商、云服务商、MaaS平台服务商。第三层，基础服务层。比如：基础设施服务商、算力服务商、网络服务商、超算中心服务商。

　　正是上述这些玩家组合在一起，才构成了大模型的百花齐放，让应用落地成为可能。此种背景下，不同层面的厂商，面临着不同挑战。比如：顶层的大模型厂商，花大量算力训练出来的模型文件不能被竞争对手获取，所以模型本身的安全性成为企业关注的重点。同时，从用户应用的角度看，企业私密数据是核心资产，当应用爆发，被大量终端用户使用，用户的隐私数据如何有效管理？更确切地说，作为一家云厂商，如何既满足上层大模型厂商的模型使用需求，同时还能将自己的算力和其他基础能力赋能给这些模型厂商用户？这是一个值得深入思考的问题！

　　另外，上层大模型厂商大部分是初创型公司，他们更关心当前所使用的数据的基础架构是否具备跨云迁移能力。所以，安全、可靠和跨平台迁移的基础设施能力，是企业关注的另一个重要能力！

　　整体来看，大模型带来的底层的技术变化是，除了传统的IaaS和PaaS，会催生出超越之前的算力、网络、硬件和数据中心能力。而中间面向大模型的平台层，会以更松耦合的方式支撑上层应用。同时，层与层之间基本以接口的方式去支撑应用，让用户不被任何一家厂商绑定，真正按需选择。

　　此种背景下，金山云的战略定位也就变得越发清晰。首先，金山云的立场非常坚定，那就是严守中立，做大模型的助力者。其次，在技术能力上，要提供从训练到推理的全流程云服务。

　　值得一提的是，保持中立不是一个“口号”，金山云的中立产品理念会以技术可监测的形式嵌入模型相关服务中，比如：通过使用日志提供可接入、可审计的能力。

　　2、 行业模型

　　问题是，既然金山云要保持中立，为什么还在规划推出自己的行业模型“金山云轻舟智问”？

　　“我们不做通用大模型，但要想进行企业应用落地，甚至去支持整个平台，一定要在行业模型上需要从头到尾去进行探索。” 金山云人工智能与大数据产品中心负责人徐寅斐强调。

　　简单理解，金山云轻舟智问主攻行业模型，只面向工时价值高的特定领域，或者说只做和自己目前业务相关的特定领域，比如：法律、金融、公共服务。

　　具体而言，金山云轻舟智问的全场景能力可以用 “一三一四”来概括，谐音梗是“一生一世”。“一”，是一套能力，即给用户提供端到端的一套知识问答能力，可以以产品形态对外输出，也可以通过一些元素化能力为客户服务。“三”，对应三个模型，包括行业语言模型、文本分片和Embedding。还有一个“一”，是一个平台，即金山云瀚海平台。最后的“四”，是四大功能，包括与模型训练相关的微调推理、数据加速，还有应用层的输出，主要是智能检索和文档智能。

　　为了做好企业知识助手，金山云基于上述几大核心能力，一直在苦练内功。比如：面对结构化、非结构化数据，如何进行统一解析和索引构建？这是一个浩大的工程，需要多模态解析和提取能力，而金山云自研的KDM则很好地满足了用户需求。再比如：智能检索，这是金山云基于售后场景慢慢成长出来的能力，可以帮助用户更精准地检索到想要的知识。以高性能云盘为例，ESSD分四个档位，每个档位都有不同的IOPS和吞吐能力。如果用户在某一场景中需要500M的写入吞吐，如何匹配适合的云盘？如果系统是简单的语义匹配，会去文档库搜索推荐云盘，最后搜索出一堆和结果无关的内容。但如果有更精确的智能推荐能力，会模拟人的操作步骤，首先会搜索ESSD有哪些产品规格，然后对用户的意图进行识别，对问题进行改写，并且会把问题拆成多步，然后再对比用户的实际性能需求和产品规格，给出相应的推荐。

　　经过过去一年的努力，金山云围绕MaaS互信推理专区方案升级技术和产品，解决了模型厂商和应用厂商之间的互信问题。

　　在去年发布的MaaS 1.0基础上，MaaS互信推理专区2.0方案更加强大，它以金山云IaaS和PaaS为底座，可实现云上LangChain的一键部署，默认对接多个生态合作商业大模型和开源大模型。同时，支持包括BGE、Bert等在内的Embedding模型，能无缝对接金山云全托管向量数据库Milvus，提供面向企业开发者的简单易用、安全可信的一站式推理应用部署平台。此外，MaaS 2.0支持通过标准化的API接口和Web前端界面，实现包括模型推理和知识库搭建的RAG大模型场景应用。为进一步增强云上运行的安全性，MaaS 2.0还提供容器服务加密镜像解决方案，依托金山云裸金属服务，实现在金山云容器服务中从镜像加密、加密镜像上传、解密镜像运行的全流程模型安全运行。

　　3、 混合云

　　AIGC浪潮不仅带来了各种模型的快速发展，也让底层的算力、存储、数据库等能力全面升级。2023年，金山云的核心产品一直在持续演进，比如：发布了第七代云主机、操作系统迁移到欧拉的内核上、EBS块存储已经发展到4.0的ESSD极速云盘、推出负载均衡新品ALB、对象存储推出了基于全闪介质的KS3极速型产品……

　　而混合云是金山云基于过去底层能力进化出来的能力，也是另一个强项，既可做到物理隔离，又能拥有整个公有云的产品阵列。凭借全栈的底层基础设施管理能力，金山云可以通过混合云能力帮助用户打通自建IDC和公有云服务之间的壁垒。

　　金山云把云算力网络分为三层，重点关注网络规模、网络带宽和网络稳定性几大能力。而在相对重要的底层，会有自研的IB/RoCE等服务方案，以及相关的可靠交付工具。同时，在服务器端还有Agent，具有整个链路的探测能力，可以做全网的性能测试，这对交付来说非常重要。

　　用户通过金山云可以获得更具弹性的云上构建能力，不仅可以保持云下独立，又能享受云上规模的红利。其中，在基础资源方面的体验是，兼顾客户使用场景，支持多资源形态混合管理。在云上能力输出方面的体现是，可以让客户在云下使用云上产品技术，拓展云上产品的场景化能力。

　　基于以上能力，金山云在2024年会基于大模型场景深化拓展，秉承中立原则，继续聚焦围绕核心能力实现自我提升，同时跟合作伙伴携手帮助更多企业实现智能化升级！

　　小结：

　　走过2023年大模型元年，2024年将进入人工智能原生应用爆发年，推理需求会暴涨，而金山云则会严守中立定位，凭借在基础能力和行业实践方面的积累拥抱人工智能，做大模型的助力者。