2022-09-14 13:50:31世界正邁入數字經濟時代。
數據量快速增長，關鍵數據要素需要被用起來、用得好。
企業和政府等社會主體的數字化和智能化轉型仍需要進一步提速，來滿足社會發展的需要。這催生了我們對AI云服務這種結合了數字化和智能化等多方面優勢“利器”的需求。
AI正逐漸深入到生產生活領域的每一個核心場景，AI云服務將助力人工智能與產業的進一步深度融合。產業智能化，將成為數字經濟的下一個爆發點。
如何通過產業智能化，將數據生產要素用起來、用得好？如何讓更多的社會主體，想用云、敢用云、能用云？
目錄
1 數字化轉型已逐步成為社會共識，數字經濟引領第四次產業革命
2 數據是新時代的關鍵生產要素，需要被用起來、用得好
3數字化從解決實際場景問題出發，企業、政府要想用云、敢用云、能用云
3.1要想用云，解決企業不上云誤區
3.2要能用云，用AI技術好、性能突出的云
3.3要敢用云，降低使用成本和技術門檻是關鍵
4 數字時代的趨勢展望：賦能產業、普惠基建、深化智能
正文
1 數字化轉型已逐步成為社會共識，數字經濟引領第四次產業革命
數字經濟是最重要的國家戰略之一，將重置未來經濟發展的底層邏輯，成為經濟增長新引擎。隨著健康寶、機器人等數字化終端應用落地，數字化的場景應用已經在各領域逐漸普及，數字化轉型已經逐步成為社會共識。
復盤歷次產業革命，我們發現每次產業革命都是由核心技術引領，賦能千行百業“破圈”發展，形成新產業和新的經濟增長點，遵循“現有產業+新技術=新的產業、新經濟增長點”的產業革命范式。在經歷了農業經濟時代、工業經濟時代后，世界將正式邁入數字經濟時代。
第一次產業革命以發明、改進和使用機器開始的，以蒸汽機作為動力裝置被廣泛使用為標志。從生產技術方面來說，珍妮紡織機、蒸汽火車、汽船和改良蒸汽機等新技術相繼被發明。工業革命使工廠制代替了手工工場，用機器代替了手工勞動，鋼鐵工業、棉紡織工業、交通運輸業等新型產業相繼出現，人類進入“蒸汽時代”。
第二次產業革命，科學技術取得巨大進步推動了工業生產的高漲,以電力的廣泛使用為標志。發電機、內燃機、電話、無線電報等新技術相繼被發明，工業重心由輕紡工業轉為重工業，原有的工業部門技術革新，并出現了電氣、化學、石油等新興工業部門，世界由“蒸汽時代”進入“電氣時代”。
第三次產業革命，原子能、電子計算機、微電子技術、航天技術、分子生物學和遺傳工程等領域取得重大技術突破，信息產業崛起，產生了一大批新型工業，第三產業迅速發展，開辟了世界信息時代。
目前正值第四次產業革命時期，信息技術、數字技術、智能制造、虛擬現實、基因技術、清潔能源以及生物技術等新技術相繼取得重大突破，信息通信產業、工業互聯網、智能制造等新型產業出現，數字產業化規模已超5.2萬億元。
在數字與產業融合的領域，像百度等一眾具備長期研發經驗的優秀企業，已經成為人工智能新基建發展的領軍力量，實現為智能制造、智能城市、智能教育、智能零售、智能醫療等多行業、多產業領域持續賦能。隨著產業數字化和智能化程度的不斷加深，數字經濟將成為第四次產業革命的主戰場。
歷次產業革命均大幅地提高了社會生產力，新產業逐漸成為推動社會發展的主導性產業，并代替舊產業成為新的經濟增長點。產業革命是社會進步和經濟持續快速增長的基石，推動社會多層次、全方位的變革，極大地豐富了人們的物質生活，使得全球人均GDP得以提高，人均預期壽命不斷延長。
2數據是新時代的關鍵生產要素，需要被用起來、用得好
數據是發展數字經濟的關鍵生產要素，我國數字經濟飛速發展離不開海量數據支撐。中央《關于構建更加完善的要素市場化配置體制機制的意見》中明確強調：數據是繼土地、資本、勞動力、技術之后的第五大生產要素，對我國經濟的發展具備戰略性的地位。互聯網的發展給世界帶來了龐大的數據。IDC預計，2025年時全球數據總量將達到175ZB，我國數據總量也將達到48.6ZB，占全球數據總量的28%。2018-2015年我國和全球的數據總量年復合增速分別可達30%和27%。
隨著數據總量的不斷增加，我國的數據經濟規模也在持續擴大。現階段我國數字產業化已經擁有了龐大的規模，產業數字化也已走向縱深。數字化場景在我國已經十分常見，數字經濟成為我國經濟高質量發展的主要推動力。根據中國信息通信研究院數據，2021年我國數字經濟規模達45.5萬億元，相較2016年的22.6萬億增長1倍多，年復合增速達15%。
然而，沉淀下來大量數據如果沒有合適的工具轉化為生產力，就會造成數據資源的浪費，擾亂我國數字化進程和節奏。我們認為，能有效地將數據轉化為生產力的工具必須具備兩個條件：
第一是具備強大的算力基礎。算力是數據處理的基礎設施，也是衡量數字經濟發展的晴雨表。因此，能有效地將數據轉化為生產力的工具必須具備強大的算力基礎。
第二是能科學地分析數據，為人類給出決策的參考，讓人類的決策更加科學化，讓數據為人所用。
AI云服務，可將AI開發能力移植上云，為企業或個人用戶提供一個高效、劃算的AI開發環境，將數據要素更有效率地轉化為生產力。在算力基礎上，AI讓云計算的算力進一步增強，以滿足更多智慧計算的需求。云服務最基礎的價值便是提供“計算”算力，計算的不斷復雜化使得社會對算力的需求正出現指數級增長。
AI的本質，是對數據的學習、挖掘、訓練和推理，智慧計算對算力的要求進一步提升倒逼我國算力進一步增長。OpenAI測算，2012年開始,全球AI訓練所用的計算量平均每3.43個月便會翻一倍,計算量擴大倍數遠超算力增長速度。根據《2021-2022全球計算力指數評估報告》的評估結果，在計算能力方面，中國人工智能計算發展領跑全球，AI服務器支出2022年規模同比大幅增長44.5%，首次超過美國位列全球第一。
在數據分析和科學給出決策上，云計算讓AI更強。
一方面，云計算可以為人工智能提供算力、數據和場景等三要素。在算力要素上，即使目前存在端側AI技術，但云計算形成的大規模集群式的計算能力才是AI算力的基礎；在數據要素上，因為云計算上的很多服務都是要滿足客戶對自有數據學習、挖掘、訓練和推理的需求，所以云計算可以匯聚大量數據；在場景要素上，云計算在滿足各行各業上云過程中積累了大量的客戶與應用場景，且無一例外地都需要AI技術進行輸出。
另一方面，隨著數據量的大幅增長，AI只有通過云計算才能更充分地利用龐大的數據，對數據進行更加全面的分析，給出決策的參考，讓人類的決策更加科學化。
由此，可以說AI云服務就是讓數據轉換成數字化生產力最具效率的工具，將成為引領第四次產業革命的新技術和新產業。現如今企業上云的核心目的將不僅僅是節省計算成本，而更是要實現數字化和智能化的轉型。AI云服務的價值更多是提供各種數字化和智能化能力，給各行各業提供智能化的AI解決方案，而不只是計算力。
目前AI云服務市場正逐漸走向成熟，海內外云巨頭紛紛布局AI轉型，“云+AI”成為標配。云計算實現了計算、網絡、存儲資源的彈性，AI發展依賴于云計算提供的大量數據、算法和算力。作為云計算PaaS和SaaS層的工具，AI與云計算服務相輔相成。
經過幾十年的發展，AI公有云服務已進入高速發展期，海外如亞馬遜、微軟、谷歌和IBM等科技巨頭公司早已布局云AI業務，國內如百度、阿里、騰訊等云巨頭也紛紛開始轉型，從公司戰略、組織架構和產品矩陣上進行調整，加碼云計算的AI屬性，深耕AI與產業結合方式，促進云與AI互融。
3數字化從解決實際場景問題出發，企業、政府要想用云、敢用云、能用云
企業上云是實現企業數字化轉型的突破口。現階段我國企業上云率相對較低，2020年，企業上云比例僅為40%左右，而同期歐洲上云率為70%以上，美國企業上云率則高達80%，因此我國企業上云率還存在較大的上升空間。國家“十四五”規劃《綱要》提出“上云、用數、賦智”行動，以期解決我國企業數字化轉型中“不會轉”、“沒錢轉”、“不敢轉”等問題。“上云”重點是推行普惠性云服務支持政策，“用數”重點是更深層次推進大數據融合應用，“賦智”重點是支持企業和產業的智能化改造。
數字經濟下半場，行動的重點將由“上云、用數”階段過渡到“賦智”階段。因此我們認為，通過向產業賦智將會進一步推動我國各社會主體的數字化轉型，讓企業和政府更加“能用、敢用和想用云”。
AI云服務通過云計算疊加人工智能技術可實現對產業從“上云”、“用數”到“賦智”轉型。例如百度推出的百度智能云新戰略：云智一體3.0，深入產業，聚焦場景，通過打造行業標桿應用，帶動和沉淀AI PaaS層和AI IaaS層的能力，打造極致性價比的異構算力和高效的AI開發運行能力，加速產業智能化，降低企業上云門檻，讓社會各方“想用、敢用、能用”，有效提升我國企業上云率，助力企業數字化轉型。
3.1 要想用云，解決企業不上云誤區
一方面導致我國企業上云率低的問題來源于相當數量的企業和個人不了解上云的好處。從行業生態來說，云計算面向機構和個人客戶提供按需付費的SaaS、PaaS、IaaS三種解決方案，和公有云、私有云、混合云三種部署形式。
全球云計算服務以PaaS和SaaS端為主，我國則以IaaS端為主，PaaS、SaaS市場及相關企業仍在萌芽狀態。Gartner數據顯示，2020年全球云計算市場規模中，IaaS層服務市場規模占比為22.32%，PaaS和SaaS層云計算服務市場規模占比達77.7%。而中國市場則相反，IaaS占70.1%，PaaS和SaaS合計只占29.9%。
然而通常云計算IaaS是基礎資源，PaaS和SaaS是承載應用的服務，代表云的使用深度和成熟度。SaaS是IaaS、PaaS的需求之源，SaaS生態越繁榮，IaaS和PaaS的需求越大。但由于我國SaaS層企業普遍誕生于2014年前后，至今仍未有一家營收超過100億元而導致產業生態薄弱，毛利高、場景結合度更緊密的SaaS層無法持續擴張。
百度智能云是一個助力行業轉型，賦能SaaS和PaaS層應用場景的有力工具。如在AI PaaS層面，百度智能云直接調用飛槳框架和飛槳開發平臺的相關模塊，結合文心行業大模型，精準匹配交通、制造、能源、金融等多個行業需求，大幅降低人工智能技術應用的門檻。新推出創新性的“AI中臺3.0”和“知識中臺3.0”可以充分利用AI算力，降低使用門檻，加速模型迭代。在過去的幾年里，基于“云智一體”，百度智能云集中在PaaS+SaaS層的打法愈發奏效。根據IDC數據，百度智能云在AI公有云服務市場規模已經連續六次第一，成為百度內部寄予眾望的“第二增長曲線”。
從功能上來看，百度智能云結合AI技術在實際場景落地，用智能流程解決重復性工作，讓企業明白上云好處。利用飛漿深度學習平臺、AI開發平臺以及AI中臺、知識中臺等智能化引擎賦能實際場景，百度智能云助力工業質檢市場持續性檢驗和市政水務高效化管理等工作。
百度智能云與恒逸化纖聯合開發的智能質檢設備使得質檢員從原來的質檢工人轉型成為一名AI數據標注師，幫助百度智能云質檢工程師在產品圖上標注出各類缺陷，將質檢員的質檢經驗轉化成企業的數據資產，讓AI學會辯別絆絲、毛絲、油污等產品缺陷，大大提升工作質量和效率，解決工業質檢持續性差的領域痛點問題。根據IDC數據，2020年全年中國工業質檢軟件和服務市場規模達到了1.42億美元，同比增長近32%。
百度智能云與廣州水務共建智慧水務系統，改變過去管理人員頻繁盯屏、巡河疲于奔命的困境，利用實時預警、排污治理和防汛應急等功能實現AI讓水域治理更加高效。
3.2 要能用云，用AI技術好、性能突出的云
企業要上云則需要提高云廠商云服務的性價比，更好、更高質量、更有實際問題解決能力的云服務，助力企業敢于上云。在技術層面上來說，智能云要有多方位、多層面、跨領域解決實際問題的能力，需要有學習和挖掘數據的AI能力，需要極強的技術積累。目前我國人工智能在基礎層、技術層、平臺層和應用層均取得了巨大突破。
一是在基礎層，人工智能參與企業逐漸完善掌握海量數據、構建機器學習核心算法，并向高運算力芯片等核心硬件環節突破發展。人工智能時代，更多不規則、非線性、復雜場景大數據運算對軟硬件整合提出了新要求，芯片和算法的關系逐步走向相互定制融合。在此背景下，致力于人工智能的企業開啟“涉芯”、“造芯”成為未來發展的必然。
百度自主研發的第二代AI通用芯片“昆侖2代”已經部署在百度內部搜索、自動駕駛、愛奇藝等內部業務，在金融、工業等行業客戶中廣泛應用。作為7納米通用型GPU，昆侖芯2代比1代，性能最高提升3倍，性價比優于國外同級產品。在工業質檢場景，“昆侖2代”已經能夠替代非國產芯片，實現成本降低65%的效果。另外昆侖芯3代已經在研發當中，預計2024年量產，將成為國內高端芯片需求的替代產品。百度未來將持續在芯片商用性、通用性，以及多維生態建設方面持續發力，面向云計算、自動駕駛等多種人工智能應用場景，形成自主芯片生態圈。
二是在技術層，計算機視覺識別、語音交互、自然語言處理等技術不斷取得重大落地應用。三是在平臺層，人工智能參與企業逐步搭建了中國人自主研發的基礎開源框架，不斷推進產業級深度學習平臺、技術開放平臺建設。
為更好應對外部環境變化，作為國內深度學習開源框架的先行者，百度研發搭建了國內最大的開源深度“飛槳”學習平臺，使得我國擁有更加自主可控的AI底層能力，目前國內市場份額已位居第一，逐步實現了對TensorFlow和PyTorch等外國平臺的超越。
因此，算力方面，百度擁有自主研發的云端通用芯片昆侖2代；算法方面，飛槳是中國自主研發的第一個深度學習框架，相當于AI時代的操作系統。基于“昆侖+飛槳”自研軟硬件，百度智能云能實現核心技術全棧自主可控。
四是在應用端，人工智能參與企業為多行業、多產業領域持續賦能，人工智能+家居、工業制造、機器人、醫療、教育、汽車出行、司法等多個關鍵核心領域，實現各場景數字資產沉淀，深化各行業全流程體系變革。
在解決實際問題上，百度智能云擁有獨特的技術積累。例如在國網福建電力，百度智能云搭建起知識中臺，把解決問題的能力沉淀到中臺上。知識中臺能夠采集電網全業態數據，自動構建知識體系架構，并在具體的業務場景中為企業員工提供智能輔助決策。在電力設備故障診斷場景中，一線操作人員能夠在知識中臺提供的智能指導下顯著提升決策準確性與效率，縮短搶修時間，改善電力供應服務水平。目前升級的知識中臺3.0能給進一步地將標注成本減少50%，在搜索場景中，模型落地的開發周期可以縮短50%。
百度智能云云智一體，深入產業，聚焦場景，形成了智慧金融、智慧城市、智慧交通、智慧能源、智慧水務、智能文娛傳媒和智慧電信等多種解決方案，全方位解決工業和產業的領域痛點問題，具有極高性價比，助力企業能用云。
3.3要敢用云，降低使用成本和技術門檻是關鍵
中小企業不敢用是因為存在著上云成本高、缺乏專業指導、缺少適合的上云方案等難題，直接導致了數字化和智能化轉型程度低，成為行業的痛點和難點問題。據中國電子技術標準化研究院調查發現，在調查的2608家中小型制造企業中，89%的中小企業處于數字化轉型探索階段，而僅有3%的中小企業處于數字化轉型深度應用階段。
AI云服務中，算力和AI的融合降低了企業成本，預計中小企業將會迎來數字化新機遇。例如百度智能云開物工業互聯網平臺2.0全新升級，進一步降低了企業使用AI技術的門檻，中小企業因此縮短了數字化過程，并得以通過智能化牽引企業需求的發展。
例如在“中國羊毛衫第一鎮”桐鄉濮院，百度智能云構建了服裝產業大腦，通過產能共享平臺，整合產能、訂單，加強產業鏈協同，幫助當地中小企業降低成本、提升效率。
工業互聯網聚焦產業鏈核心企業，通過鏈主企業帶動整個產業鏈智能化升級，并帶動產業鏈的上下游協同發展。比如，蘇州的百度智能云工業規劃平臺，通過打通供應鏈上下游企業數字化壁壘，實現數據共享、產能共享；在貴州的百度智能云，利用知識圖譜技術，對企業供應鏈深度挖掘，并幫助企業找到新供應商，降低成本。
百度智能云降低中小企業上云的技術門檻，開放的平臺讓企業用起來更簡便，AI與業務場景結合更能實現降本增效。究其原因，百度智能云深入產業，聚焦場景，切中了中小企業的核心轉型訴求，讓更多的企業“敢上云”。
一是百度智能云推出的智算中心1.0方案擁有大規模訓練場景，能夠做到低能耗、高性能運行，滿足地方城市大腦、生命科學、自動駕駛等先進科創產業的發展。二是開物工業互聯網平臺2.0累積超過200個工業解決方案，沉淀了3.8萬個工業模型，在多個城市落地，將人工智能變成中小企業觸手可及的生產工具。三是AI中臺3.0可以自動適配超過1萬6千種網絡和芯片組合，覆蓋市場上大部分的AI硬件；知識中臺3.0將模型迅速落地，解決產業問題。
4 數字時代的趨勢展望：賦能產業、普惠基建、深化智能
一是未來20年，產業與AI的結合提高產業數字化結合深度，產業智能化將成為數字經濟的下一個爆發點。目前AI正逐步深入到生產領域的每一個核心場景，幫助企業實現產業智能化決策，為企業帶來效益。人工智能已從最初智能客服的場景，逐步深入到工藝參數優化、安全預警管理等核心領域。
例如，在火力發電空冷島項目中，百度智能云通過深度學習，實時調試風機轉速，使得每度點的能耗降低1.55克標煤。該能耗降低折算到全國便意味著可實現600萬噸的碳減排，而這又是傳統技術工藝難以做到。
因此從長遠來說，一方面人工智能與各產業行業相融合的核心技術先發行者必將取得獨到的優勢；另一方面，解決AI在產業行業上的重大應用問題具有高度的挑戰性，也會反過來促進人工智能的深入發展。未來AI與產業深度融合，將能進一步利用好數據這個生產要素，不斷提升我國企業數字化和智能化轉型的比例，推動產業數字化進程，將成為數字經濟的下一個增長點。
二是我國數字化和智能化進程的加速需要社會各方的努力，實現算力的普惠。如同農業時代的水利和工業時代的電力，算力是現在數字經濟時代的核心生產力。而現在AI算力的建設成本和使用成本較為高昂。過高的建設價格也將影響之后的應用和落地，很難做到真正便民利民，有悖AI為產業和社會發展提供智能便捷服務的初衷。
解決AI算力成本高昂的問題需要多方面的努力。從建設端來看，一是算力建設，降低算力成本需要更多國家引領IDC領域重大基礎設施建設布局。政府方需要增加更多的政策資金入局，一方面需要進一步推動新型算力基礎設施建設。另一方面可進行老基建的智能化改造，把傳統的舊基建升級為智慧基建，通過傳感器、接入算法，將電力、水庫、河道、城市下水管道等傳統基建數字化，解決更多智能基建問題。二是算法建設，需要百度這樣的智能云引領者，大模型、優算法、搭平臺，推動技術進步，賦能行業發展。從需求端來看，挖掘更多的需求，探索更多的使用場景，從而吸引更多的客戶使用，增加企業和政府等社會主體的上云率，邊際拉低算力使用成本。
三是需要建設行業標準，解決人工智能行業發展痛點問題。AI算力中心的價格亂象已非一兩天，例如2020年城市A的智能計算中心，每100P Flops FP16的算力建設成本為7500萬元，而2021年城市B同等精度下的100P Flops算力建設成本卻高達4.6億元，定位相同、功能相近的智算中心，建設投入相差卻達到6.2倍之多。
在數字化和智能化大潮的機遇期，行業急需切實以問題導向和需求導向，開展人工智能算力基礎設施建設。政策層面上需要制定行業規則，開發執照式運行標準，以公開透明的方案匡正價格亂象，助力人工智能產業健康發展。
