阿里云百炼负责人称企业无须自建GPU算力

阿里云百炼负责人称企业无须自建GPU算力 由于算法迭代极快且隐性成本高昂，企业自建推理集群在成本、安全和灵活性上均不如大模型即服务（MaaS）平台，未来云基础设施将从“水电煤”彻底演变为“水电煤模”。 在 Agent 和 AI Coding 工具席卷全球的背景下，Token 消耗量呈指数级爆发，AI 正从闲聊工具彻底转变为核心生产力。阿里云百炼技术负责人于文渊指出，面对极度匮乏的算力，云厂商的核心使命已变为极致提升 GPU 利用率。他提出企业盲目自建 GPU 难以应对技术不确定性且隐性成本高昂的“暴论”，并告诫年轻程序员应警惕“Vibe Coding”，提倡通过“Spec Coding”守住核心竞争力。未来的云基础设施将不再由真人主导，而是全面演进为融合复杂系统、多样化算力的“水、电、煤、模”新常态。 随着 Agent 与编程工具走红，高质量 Token 消耗量呈现按月翻倍的爆发态势，百炼平台上单日消耗超 1 亿 Token 的用户正快速增加，但算力价值不能简单按数量衡量。 (1:09) 面对持续紧缺的算力瓶颈，百炼团队的核心任务是做到“让每一块 GPU 一秒钟都不闲着”，通过精细化调度和软硬协同支撑通义千问等模型屡创新高的峰值调用。 (4:15) 文渊提出“企业没有任何自建私有化理由”的观点，强调面对算力架构的不确定性，具备成本优化与密码学级“机密推理”安全保障的 MaaS 才是更优选择。 (11:49) 针对 AI 编程热潮，文渊警示初学者警惕纯靠感觉的“Vibe Coding”，建议采用人定义严谨规范、AI 负责填空的“Spec Coding”以避免生产环境的隐患。 (14:40) 算力供需缺口堪比工业石油短缺，未来 AI 将与水、电、煤并列成为人类社会的第四大基础设施，云生态也将随之走向深度重构。 (29:39)

阿里云百炼技术负责人于文渊指出，随着 Agent 与多模态落地，算力短缺已成行业核心瓶颈；在此背景下，企业私有化自建模型的性价比极低，云服务正从单一算力转售演进为屏蔽底层复杂度的 MaaS 架构，最终走向“水电煤模”的基础设施形态。 算力供需失衡与 Token 消耗质量分化 (5:00) 伴随 Cursor、OpenWebUI 及视频生成工具跨过实用门槛，百炼平台 Token 消耗呈现按月翻倍增长态势。针对行业热议的“1亿 Token 俱乐部”，于文渊强调单纯比较数量具有误导性，0.6B 小模型与具备深度思考能力的 SOTA 大模型在算力消耗与智能密度上完全不等价，平台调度核心在于削峰填谷以保障 GPU 零闲置。 受限于外部硬件供应，于文渊将当前算力比作工业“石油”，行业痛点在于“高速公路上的车跑起来了但油不够用”。由于下游对于模型训练与应用推理的算力处于饥渴式吸收状态，提升工程调度效率、释放现有芯片与平头哥自研软硬协同潜能成为应对断供冲击的关键手段。 企业部署路线之争：否定自建与 MaaS (10:00) 针对企业规模扩大后是否应私有化自建的顾虑，于文渊表达了个人观点，认为“没有任何一个情况需要自建”。他分析指出，AI 领域最大的确定性是不确定性，算法架构与推理优化周迭代极快，非头部企业仅凭少数工程师，在单模型 Per Token 的持续优化与成本控制上无法与专业云厂商竞争。 面对数据安全隐忧，于文渊表示职业操守之外，百炼正推进端到端由用户掌握密钥的“机密推理”方案，使云端无法读取模型与请求数据，达到密码学级安全；同时依托底层与通义实验室的协同测试，云端托管 API 能最大限度还原模型在 Model Card 上的理论性能。 编程范式转型：警惕氛围感编程与替代边界 (15:00) 于文渊警示计算机专业学生切忌过度依赖 AI 编写代码。他援引张文宏医生的观点指出，若新手过早依赖 AI 生成结论，将难以积累经验并建立专业判断力，最终会丧失解决大模型无法覆盖的 1% 疑难问题的能力。在生产级别开发中，纯凭感性补全的“Vibe Coding”（氛围感编程）存在副作用不可控及资源泄漏等隐患，工程实践更应推崇形式化定义完备的“Spec Coding”（基于规格规范的编程）。 在技术替代边界上，于文渊提出了反直觉预判：操作系统与数据库内核等规则明确、测试用例严密且追求确定性指标的封闭系统级工作，反而最易被 AI 快速替代；而前端交互、产品设计等高度依赖隐性知识且需求开放的岗位，更难被算法取代。 云基建终局：从算力转售到“水电煤模” (25:00) 于文渊预测，到 2026 年底 Agent 和多模态内容生成将构成消耗 Token 的主力大盘。在行业生态上，他不看好单纯分销英伟达硬件裸资源的新型云（Neo Cloud），而更倾向于能够屏蔽硬件复杂度、提供沙箱及 Agent 可观测性基建的 AI 原生 MaaS 服务。 对于技术终局，于文渊认为 AI 绝不会被单一模型垄断，而是演化为类似于电网（用户仅需连接插座获取电力）的复杂混合系统。主理人 Koji 据此总结，人类社会的基础设施形态正正式从传统的“水电煤”跃迁为“水电煤模”（水、电、煤气加模型）。 于文渊立足于云厂商研发一线的视角，力推标准化 MaaS 托管以取代私有化部署，并倡导规范化工程范式。然而，面对硬件断供带来的算力供给天花板，以及市场对公有云机密推理安全性的实际采纳门槛，该基础设施演进路线仍面临落地节奏的现实考验。

[1:09] 于文渊: 现在仅仅是一个开始 [4:15] 于文渊: 让每一个 GPU 不要有一秒钟闲下来，让它发挥最大的作用 [4:15] 于文渊: 我们感觉现在每天都在增加，数以万计的人每天都在增加。 [11:49] 于文渊: 我认为没有任何一个情况需要自建 [11:49] 于文渊: 今天最大的确定性其实是不确定性，你不知道明天的 AI 需要什么，明天的模型长什么样子，架构会有什么的变化，然后推理效率会变成什么样子。 [15:40] 于文渊: 学弟学妹们一定不要用 AI 帮你写太多的代码。 [15:40] 于文渊: 做一个 Prototype（原型），今天的 Vibe Coding 质量已经到那个点了，完全没有问题。但生产可用的代码，你需要知道每一行它可以完成你想要的事情，同时它的副作用是可解释的，不会产生内存泄露，不会占用更多的文件句柄。 [20:00] 于文渊: AI 可能真的能替代的那批人，也许是写最好的那一批。比如说写操作系统内核、写数据库内核、写文件系统。这些可能是最容易被提升效率、被打满的。 [20:00] 于文渊: 算力这个东西在今天的市场上，它有点像石油。本质上不是说中国能不能产石油的问题，或者是中国有多少个油田的问题，是中国每天需要的石油和每天能供给的石油是不是匹配的问题。 [29:39] 于文渊: AI 的终局可能确实不是一个模型。就跟电我不分核电、水电，我插在它头上就是 220 伏交流电。它一定是非常多样性、复杂性，融合了各种各样的速度、速率、模型效果和功能的一个复杂系统。

[0:00] 欢迎收听十字路口我们关注新一代AI技术浪潮带来的行业新变化和创业新机会十字路口是乔布斯对苹果公司的一个比喻形容它站在科技与人文的十字路口伟大的产品往往诞生在这里我们长期观察AI创业如果你正在做一件让你自己感到兴奋的事情哪怕它还只是一个想法我们都很愿意听你聊一聊我会认真看每一条留言嗨 我是Koji伴随着Cloud Code和OpenCloud最近的爆炸性的流行我们看到全世界好像都在惊叹哇 Token不够用了我觉得这个Token不够用它只是一个结果不够用的还是更高性价比的算力未来我们能不能像用水电煤一样稳定的用AI会决定最后人类智能的上线那阿里云百炼也是中国最大的MAS服务商之一因此我们今天就请到了文渊阿里云百炼的研发负责人你好文渊欢迎来到十字路口和大家打个招呼我是文渊我来自阿里云百炼非常感谢Coding的邀请我们还是从快换快答开始我们老传统让大家了解你请问文渊你的年龄我今年39岁然后你毕业的院校我本科毕业于北京大学博士毕业于英国的爱丁堡大学MBTI核心做我是INTP方鱼座文员在负责百年之前在做什么2018年我做了一个小公司被收购进了阿里当时是在做图计算后面一直都是在达末院和同意实验室做一些系统化的研究最近两个月我们看到Cloud Code和OpenCloud席卷全球这个对你们的工作带来哪些影响就是Token数的迅速的增长基本上按月要翻倍的一个速度在增长而且都是非常非常高质量的Token都是非常非常Zota的特定模型的增长大家已经不再把AI当做一个Chatbot或者是馅料场景大家把它融入到生产力的场景这是非常非常夸张的我现在竟定是一个开始我们相信这个增速会迅速迅速的达到一个非常夸张的程度现在仅仅是一个开始真的是一个开始一方面是cloud code一方面是open cloud就让token燃烧突然核弹级的爆发然后全球都在缺算力背后的原因有别的吗今天其实AI在非常深刻的改变大家在怎么去持终算我非常难预测短期内下一个爆发的这种场景是什么我非常独定的可以说比如说三五年有非常多的人力所花的解决的事情都一定是会用AI第二个就是云计算今天云计算的数据中心长什么样子调度系统长什么样子大家在用怎么去消耗云是计算存储网络怎么去用基本上三五年后会和今天完全完全不一样所以你觉得云计算的范式也会发生天翻地覆的变化云闷会重新洗牌吗已经又再有一些洗牌的趋势了什么叫做一个好用的云其实在今天也在变化为什么会有重播而出的心那未来的云是什么样子我们的现在是发展在一个十字路口的位置因为其实有很长一段时间大家会认为这个全世界的云厂商的格局几乎就定了嘛就那么几个中国的巨头美国的巨头定下来了但是最近我们这些Neo Cloud的出现你会认为这个是一个谈话一线最终还是云巨头会就拿下这个战场还是这些新的创业公司或者就是他们也不能那么创业了Cloud Flare还是有规模了就这些新的公司里面他们有机会跻升到一线的巨头的行列吗这个我很难判断但我觉得因为每个云场上自己也会在变革扩命自己阿里云是中国最大的一个云计算的厂商我们这个云的用户是不是未来都不是真人式agentagent用云他们需要什么样的计算存储网络什么样的数据库什么样的算力怎么样去满足所有的厂商都在迎接变革阿里云是一件非常重要的云厂商之一你最关注的事情有哪些我们第一关注的肯定还是安全当然也是非常重要但是我这里做的变化就是白天级别我们就能看到用户量的巨大的增长Token量的巨大增长算力需求的巨大增长我们签问3.5初期当天发布两个星期的时间它的峰值已经跃升到我们历史上所有的文本模型没有见到的高度我们有一个最激进的 [5:00] 被算力投入的CEO依然我觉得还是不够用因为我们还有很大的模型研发我们还有很多的客户的服务我们投入数增长依然是不够用这个爆炸性的增长它是在一个什么样的时间节点开始的我感觉就没有停下来从百链的上线的第一天所以你没有觉得OpenCloud或Cloud Code有加速这样的增长有加速增长那是在Agent的场景下是绝对的加速但是在我们历史的看来我们有很多很多个比如说视频的生成模型一个模型跨过一个门槛它从demo到哇我真实市场可用迅速的带来一波一波这样的增长那在这样剧烈的变化里面要去追求稳定是不是很难很难对我们在稳定的前提我们也非常希望说我们把算力很好的利用起来除了安全稳定性以外面对这么快速的增长我们还有一个巨大的限制限制就是GPU的供给是非常有限很多的算法团队都在抢说我需要GPU来做训练我希望这个场景用更强的模型需要有更好的服务治理那么在这中间有非常大的系统和工程的挑战我们有一个非常重要的使命就是让每一个GPU不要有一秒钟闲下来让它发挥最大的作用1000卡1万卡10万卡100万卡希望把阿里云的所有的GPU的算力资源让我们的所有的用户都能享受到极致的弹性极致的稳定性他们看起来都是有一个中国最大的算力集群可以用一个API调用就可以使用最近我们还看到有一个微信群叫做1亿Token俱乐部就是你要一天烧掉1亿Token才有资格进这个微信群在前载的时候其实你有提到说关注数量没有那么重要应该同时也关注质量这个可不可以也展开讲讲其实Token有一点点误导性像一个0.6B的小模型或者imbanding的小模型的一个Token和一个会深度思考的大模型今天SATA的模型它的Token其实是不管从算力智能和水平上都是不等价Open Cloud的这波然后其实大家会发现每次大家用的都是非常SATA的开源问题或者是拼远问题在百年里面看到每天烧掉1亿token的用户大概有多少人我们感觉现在每天都在增加数以万计的人每天都在增加所以你们的1亿token俱乐部可能门槛要再提高一点变成10亿token俱乐部对我觉得10亿token俱乐部因为我们的这个coding plan的用户就是重度的个人在消耗TokenRbE已经不是一个很大的门槛那除了Token你们还关心些什么我们关心峰值是一个什么样的调用量我怎么样去做技术上的消风填骨怎么去做好的调度把GPU充分的利用起来我们也希望有更多的用户进来然后有更好的服务质量包括手包延时和生成速度那我在想让GPU物件启用是不是还有一个点就是说让他24小时都跑因此做国际化就可能中国的白天中国人用然后欧洲的白天欧洲人用所以这个会有这样的考虑吗对这个token出凯其实一定是一个我觉得非常非常重要的事情对这里边我们也在刚刚起步就是对阿里云来说我们非常拥抱国际化我们希望做好国际化但是国内和国际的业务的发展不在同样的一个速度因为可能如果稍微慢两个月你会发现哇你这实在只占百分之个位数这个相比我大盘但是这两个速度其实今天非常非常难去起头并进但我很相信最终的中台一定是国际国内都要用当然这里面就非常多的问题需要克服地缘政治的问题合规的问题等等但从整体来说今天的阿里云中国厂商的AI出海我觉得是一个非常至所趋且停不下来的一个方向其实在百年我感觉你们是不是可以开一种上帝视角就是你能看到今天比如说什么赛道什么领域什么场景用的token是最多的这里有没有一些你观察到的也可以分享的故事比如说一个人他在什么场景下用了大量的token去干一个什么样的事情某个水饮的厂商他的经销商群里可能会建一些机器人经销商可补货就直接对那个机器人说什么什么不知道多少香这里要深入的理解到这里面是什么饮料他以前买的啥什么水饮直接就给他去补货了就是用非常自然语言的方式在一个群里其实听起来这个好像也是更自然的 [10:00] 不用再去学一个什么系统我就像和一个真的人在说话一样说我的需求所以会不会这就是一个这个更自然而然的未来对这个肯定是一个自然而然的未来因为这个当大模型其实他真的是去替代一个人未来整个的行业很多的角色都可能会深远的被大模型去影响今天所有的这个云服务厂商都推出了自己的MAS服务然后在外界看来好像大家都长得差不多但是我相信可能还是从内行来看有差异化那可不可以请你给我们讲一讲就是大家的差异化会主要体现在哪些方面然后这里面会不会有一个你认为的比如说制胜的差异点我其实是一个比较Hands on的就是Hands dirty club我还需要能把Hands比较 dirty的一个工程师一个公司它的技术设施做得好不好技术做得好不好其实很影响我们做的这个产品好不好阿里云本身是有在国内做Infra做的非常久积累很多不管是产品线的广泛还有一个规模还有技术的厚度与此同时我们还有一个同一学院士的兄弟伙伴给我们提供好的模型这个模型不是一个黑盒的模型是背靠背的一起在做模型的上线前不停地在摸我们也有一个好的芯片传统这个平头哥我在内部从CPU时代开始其实用了很多的平头哥的芯片我觉得开发体验也非常非常的好效率也非常非常的好所以这是一个很独特的感觉从我们提供的模型我使用的infra我们的算力的资源的规模和我们自研的这套东西是可以端到端做打磨的可以具体讲一讲比如说在百炼去调千问模型和我在别的平台去调千问模型有没有那些独特的优势吗客户反馈我还是听到非常多的就是说为什么我部署的千问模型的效果或者质量或者速度没有百炼上的好当然这个不只是千问模型其实包括开源模型因为我们这么多年是积累了比较多的精度体系稳定性体系的一套的推理的服务的框架我们可以比较自信的说天文所有的模型的model card上的所有的分数改练的API一定可以做的其实今天也会有一些企业尤其做到一定规模之后他会觉得私有化不熟就自建是成本更低那有没有任何一个情况你觉得企业还是应该考虑自建好问题你把我问倒了我想想我发表一个报道我不代表阿里云我只代表阿里云百炼我认为没有任何一个情况需要自建真实的是这样子这是不是也符合现代社会的发展规律就是大家的分工越来越精细化专业的人去做专业的事情一方面我觉得肯定是这样另一方面我觉得是大家低估了这个东西的复杂性和增长速度客户他可能会自己采购一些GPU我觉得无非就三个原因第一个原因他觉得成本可控就不管我用什么我就这么多GPU了我完全知道我未来几个月这些的成本花多少钱我自己做好优化这个成本很可控第二个可能是安全模型是我自己的数据是我自己的什么请求是我自己的不要被别人看到所以VPN不太放心第三个可能大家还觉得这个GPU买来是很灵活的我可以部署各种各样的模型我的业务不管怎么调整我只要是因为达了卡可能什么都能干对吧那我其实有一个暴论就是这个恰恰相反如果是抱着这个目的来说也许用MAS才是能解决你这三个concern的最好的一件事情成本可控然后安全和灵活就反而你觉得MAS是可以更好的比资件满足这三个需求首先第一点就是这个成本本身如果大家折到某一个模型的pro token成本的话它要解决几个问题第一个就是在效果满足的情况下的推理融化其实这个模型的变化也很快算法迭代也很快我每个公司有一个infor的工程师去保证他的这个token的推理优化是很难第二个这个业务场景你是自己的GPU你能不能把它们都用好模型越来越多服务质量和这个成文如何去平衡都是非常非常复杂的系统问题其实是很难解决的第二个从安全上来说其实从作为一个云场商我们是绝对的可信这是一个云场商的操守我们是看不到也不会看用户的数据的我们其实在推一种叫做机密推理的方式我们看不到你的模型文件看不到你所有的请求端到端的密钥在你手里这个真的就是密码学的保障第三个我觉得从灵活性上这个MAS更有灵活因为我们可以知道今天最大的确定性其实是 [15:00] 不确定明天的AI需要什么明天的模型长什么样子架构会有什么的变化然后推理效率会变成什么样子这里有一个插波的问题你本科是计算机专业的今天你的在计算机专业的学弟学妹们然后首先你还建议大家去学计算机吗在本科然后如果还建议的话你认为大家学习的方式方法会和当时你自己的年代有哪些不同我的建议是大家继续可以学计算机今天是个老师80年代就是北大的计算机的本科生他说他的老师跟他说未来人有两种人一种是被计算机使用的人一种是使用计算机的人准确对去晚点那篇文章混在系统里的人对对就是要么被计算机使用要么你去使用计算机这个时候80年代是一个truth然后在200几年我是零几年读大学所以也是一个truth我觉得今天还是一个truth今天计算机专业的同学不管未来AI可以解决什么问题它实现的还是这件事情就是物理世界的这些到底逻辑的电路门灰片上的设计或者生产这里面AI或者自动化会发生越来越大的作用但是我们不能不知道中间是如何发生第二件事就是我觉得如果学弟学们们怎么去用AI我的建议学弟学们们一定不要用AI帮你写太多的代码这个是我觉得可能有点反直觉因为我其实前两天看到了一个张文宏的访谈这个说医生到底应该怎么用他就说的一件事是如果已经非常资深的医生用AI是肯定可以如果一个实习医生从见第一个病号开始就直接丢过去给AIAI告诉结果就看他就会找不到AI的问题他没有这个经验的build up没有这个好坏正确与否的判断他只能相信AI可能能做99%的中学那1%这个人是找不到其中的问题刚刚卖出行的讯息专业的同学一定要避免自己成为99%和AI高度重合没有真正技能difference的一定要还要成为能识别出AI做不到那1%的那件事情这个确实还是挺有趣的科测军发一个数据说他们可能半年前去用TabTabTabTab补权代码的人就是无脑补权代码的人可能只有2% 30%但是最近这个已经完全反过来了就是说用无脑补权代码的人已经变成了7% 80%了就这个趋势好像不肯逆转那比如说你能想到一个具体的例子是说什么时候因为曾经手挫代码因此形成了自己的一些判断和审美所以在遇到一个AI去解决某个问题的时候你产生了不同的看法和见解然后给他提了不同的建议吗对这个其实其实我们日常非常多就是大家做科技review的时候如果一看这是AI生成的代码至少我做科技review的时候会很慌日常中我们做的工作把这种AI的代码交进来又产掉的case太多太多大家的vibe coding在生产series用中我感觉还是差这么一点点就是当你真正压力一上你会发现暴露问题做一个prototype这个vibe coding今天的质量已经到那个点了我觉得完全没有问题生产可用的代码你需要知道每一行它可以完成你想要的事情同时它的副作用是你可解释的不会产生内存泄露不会占用更多的什么文件具品大家做AI应该知道它的上下文它对这个事情的深度理解程度远远远远没有做到那里所以我觉得mission critical的代码暂时AI还是不行但它一定能做你的效率工具你不要说认为它全不行但这个judgment特别的重因为所有东西进去之后再去产量那永远是一个非常cost的事情它不是一个效率工具它会让你成为一个石山中无法维护的代码中去做这个事情在苦海中挣扎的对对对相反我觉得这个spec coding就是是我们认为比较好的一个方式你需要写非常清晰的需求文档或者是规范这个对架构式的要求非常非常高讲得很清楚这个去年的FAS有一篇很好的论文一个顶级的存储的顶绘他让AI写这个文件系统他把各种的spec就是来清晰的给AI然后发现32B当时的模型如果spec写的够清楚他都可以把文件系统这种计程的高质量的东西写好这个我觉得起码还是很大的如果人是能把用一个偏形式化的逻辑中把握一下 [20:00] 要的东西能描述清楚AI肯定是把填空的事情做得很好但我今天我不敢说我用两三个提示词他就能把这件事做好所以说我还是非常鼓励大家可以多尝试但是前提是首先自己能完成这个工作才让AI去替代自己因为像有一些企业他们还在很激进的讲说我们一定要把AI生成的代码提高到一定的比例这当做一个目标去提所以在你看来这是有点危险的一种提法吗我觉得是很危险的问题因为大家如果但凡对今天的AI它的算法能力的限制有所了解的话这个都是非常危险的提法我们日常人和人之间的合作交流中有很多的知识的传递是一些非常隐世的是非常过程性的就是你没有办法非常明确的直接的靠几句提示词就能讲清楚很多的地方是可以这么做可以那么做没有那么的绝对但是他应该怎么做可能和这家公司创始人风格是什么样子这个产品本身的一些上下文历史很有关系这些东西其实AI是这还是不到的不要低估AI的能力也不要高估AI的能力绝对不要高估AI的能力但我相信AI应该是个效率工具今天我觉得更应该讲的是人家一个AI可以完成他自己原来需要几个这样的工程师所要完成的事情但不能是一个AI提掉几个工程师我最近在想一个事情就是说这个过程知识是很重要的就是说我觉得我们把一个东西做出来要三个要素第一个要素生产要素第二个是知识要素第三个是过程要素就比如说我们都在一家买过家具对吧那其实我们买了生产要素也买来了那个说明书那就是知识要素但是每次组装人家很痛苦对就是这个过程但你就发现找个师傅上面那框框框就装好了那其实他拥有的东西和你是一样的但是他因为装过很多遍他是过程熟练对对对所以我个人感觉程序员其实非常重要的一点是一定要把自己的能力点立在黑压住不到的那个点上如果他一定将来永远永远到了99.9%自己的0.1还是要坚守住没有办法安排我觉得大家会发现AI事情都会很反直觉看到AI写文件系统那个事情其实我的一个更好的直觉是AI可能真的能替代的那些人也许是写最好的那些比如说写操作系统内核写数据库内核写文件系统这些可能是最容易被打拼这样的体效这个和很多人的想法可能是恰恰相反的就是我觉得像前端工程师或者说和产品中他的很多的逻辑不是拷贝或者什么他需要的是有一个know how说我需要怎么让用户去他用起来明白就是和人走得越近的东西有可能越难被取代但是系统工程师写文件系统写操作系统因为他是想办法要去物件系统提用所以他反而更容易被取代对他越更容易被取代而且他的代码库质量很高这个测试用力非常的清楚结果非常清楚比如说我就要优化百分之多少对吧就是我就像是一个非常精准的数学的形式化的问题像AI今天我们说数学竞赛做的非常好编程竞赛做的非常好就是因为这个问题都足够的清晰可以定义它的结果那我什么样叫做好的短视频APP什么叫好这是没有什么清晰这是一个开放问题非常开放那你觉得MAS系统工程师是一个开放问题还是一个封闭问题我其实觉得是一个开放问题在今天才因为AI的变化太快了我不知道明天是什么在这种情况下我的资源变化也很快我的算力的情况也变化很快在变化非常快的情况它需要的是一个人的潜力它不是说一个人的知识就是他的应对变化的能力我们其实今天在讲到中国的AI的时候都会面临一个英伟达的供应或者断供那在你看来这个对我们的影响有多大我觉得影响很大就非常非常大今天我对国产算力或者说这个是非常非常有信心的对吧就是它一定能非常好但算力这个东西在今天的这个市场上它有点像石油它本质上不是说中国能不能产石油的问题或者说中国有多少个油田的问题是中国每天需要的石油和每天能供给的石油是不是匹配的问题今天其实我完全的相信中国能做自主能做自主可控我们自己有非常聪明的工程师和工业基础大家一定能把这个基础成为世界第一这个是我完全完全有信心的但是今天这个油田在没开采的情况下已经有非常多的下游的需求的时候高速工厂的车已经跑起来了油还不够 [25:00] 对算力如果供给会产生缺口其实是很影响中国的AI的发展对很多国家一样但是大家可能卡在了电力上电力是工业的血液的可能就一百年前就知道但是不知道为什么今天现在工学不足了如果让我真实的讲个人感觉还是需要有更多的只要是能进来的这个算力供给对中国一定是只有好处没有坏处那像国产的芯片我知道平头哥然后还有一些刚上市的芯片公司们你觉得有哪些做的比较好平头哥做的非常好今天非常非常好我真的是不能再说更好因为我觉得大家都是事实标准最早开始做没有AI的时候就开始做大家都已经认为它很好然后有非常强的软件团队硬件团队设计而且很多的东西都落地了做的非常好平头哥我个人感觉我们的团队还是非常Visionary我们用的最丝滑最好用那比如说现在在资本市场上炒得非常热的博尔县城木西他们怎么样我个人是没有用过的但今天还是这句话我觉得我们MAS或者算力AI的发展不取决于到底我做的算力产品或者什么东西做的好不好就是我这个石油是轻质石油特别好练那个是重制石油特别难练总有人练但今天是总量的供给的问题你说我明年能增长十倍我为什么不能有100倍的算力我100倍的算力我一定可以让这个市场把它消耗掉今天我在1000倍的我相信一定可以让不管是做训练出更牛的模型还是让更多的AI应用变得便宜我相信只要给我算力我一定让大家都用起来所以我永远觉得不够用当然大家可能认为中国算力包括阿里云的算力很够了还是不够对可以更多这种感觉在云计算的年代是从来没有过的对吧就从来没觉得你给我更多的云我也能把它物尽启用的大家其实没有这么爆炸过的对算力的需求历史上阿里云曾经有高速增长的时候但我们就按照算力本身来说这个对算力的饥渴其实是一个前所未有的状态然后我们来预测一下到2026年底你估计会有哪些场景会烧掉特别多的token而且这些场景可能是今年冒出来的新场景或者大家意想不到的场景现在我的这个意想不到的预值已经非常非常的高了我觉得现在没有什么AI做到的事情是我今天觉得意想不到的Agent一定是今年的一个最大的增量的其中之一AI生成一定是增长之一对他们到底谁多谁少我不敢说每个厂商可能也不一样但是我相信这两个一定会是今年最大的大家今天可以选择不通过你们去调API我可以直接调OpenAI的API我也可以直接调签问的API你们在中间你觉得提供的价值它的厚度有多厚首先签问的API就是白链的API我觉得中间的厚度就是我说的谁能做到好的体验低的成本和好的模型效果还有容量没有一个GPU一秒钟闲下来我这些容量怎么样把它转成token理解今天的Mars这种算力转换成token谁能转得更高效谁有更多的算力的问题现在在百链上面可以用千问之外的其他的模型吗当然可以百链像作为一个云的平台我们服务的是客户的需求中国的这些开源模型我们在百链都有脱管化的部署除此以外其实国内这些模型厂商的原厂的模型像minimaxKimi和规矩流动的Deepseek的API用户其实可以用百链的API可以去享受这些模型甚至推理厂商的模型服务我们前面聊到Neo Cloud这些新的Neo Cloud里面有你自己特别看好的吗Neo Cloud其实是很范的一些Cloud的简称大家无非还是想把一些复杂性给客户一个屏蔽我个人感觉可能我并不是特别的看好一些就是直接做资源转售类的这种的所谓的Neo Cloud就是把英伟达的算力人类似的算力就是非常相对比较裸低层的往上上的这些Neo Cloud但我相对来说更看好今天AI原生的就是我把硬件和复杂性屏蔽掉的就是像Fireworks Together这种做Math的然后像还有一些其他的厂商就是做杀箱托管是今天云桌面浏览器的搜索等等一大堆围绕着AI [30:00] Agent可观测性怎么样去观测Agent就像Datadog这样的公司其实围绕着Agent和AI云相关的基建的公司或者产品会非常有意思那我们最后一个问题就是今天仍然感觉MAS是处在激战区因为外界环境变化非常快一日千里他你有没有想过哪一天如果这个战局确定下来它是因为发生了一些什么样的变化这件事情基本上取决于AI到底在我们整个未来的一个社会中去承担一个什么样的角色我相信它会是一个类似水电煤一样的一个utility就跟我们手机运营商电信运营商交通设施高速公路一样它一定是一个基础设施级的utilityAI的中具可能确实不是一个模型就电我不分核电水电我插了他头上就是220幅交流电一定是非常多样性复杂性各种各样的包括速度速率模型效果一看功能的一个非常复杂可能没有那么垄断你会不会觉得未来我们的基础设施会从水电煤变成水电煤膜一定的一定是这样子它会深远的影响我们的日常的生活水电煤膜好那今天非常开心请到文员来和我们录制一期播客谢谢我们在一个变化非常快的时代也感觉这个很期待如果再过半年再过一年我们再见面再聊的时候又会有哪些新的变化对我们产生的工作生活方方面面的影响好谢谢好的好的谢谢拜拜拜拜谢谢大家