上世紀70年代，沃茲尼克、賈伯斯、費爾森史坦、比爾·蓋茲、約翰·德雷珀等人成立了名為Homebrew Computer Club的組織，他們在聚會中展示創意、交換想法，希望開創一個每個人都有電腦的世界。
後來的故事大家都很熟悉，沃茲尼克和賈伯斯在Homebrew Computer Club的會議上展示了Apple I，並在第二年成立了蘋果公司。同時推動了開源文化的興起、個人電腦的普及，成了科技史上最具影響力的技術社群之一。
當世界進入到智慧化時代，創新的種子在全球遍地開花，類似Homebrew Computer Club的社群也開始在更大範圍內萌芽。
其中就有2020年12月30日成立的創原會，由CNCF執行董事Priyanka Sharma、中國信通院雲大所副所長栗蔚和華為雲CTO張宇昕作為創始會員構建的全球技術創新交流平台，希望透過探索前沿的雲原生、AI等技術，共享產業落地實踐經驗的方式，共創技術與業務融合的無限可能。
經過四年時間的發展，創原會已經吸納了來自學術研究、汽車出行、能源制造、互聯網、金融投資、貨運物流等行業的三百多位技術骨幹，不乏銜遠科技創始人周伯文、面壁智慧CEO李大海、吉利汽車數位中心主任鄭金偉、小紅書雲原生基礎平台負責人黃玉奇等懂行的技術「老炮兒」。
正是在這樣的背景下，每年一次的創原會年度技術峰會，作為會員們年度相聚、思想碰撞、互動交流的「舞台」，已成為洞察行業創新趨勢、落地實踐經驗的風向標。
比如剛剛結束的2024創原會年度技術峰會，達成了「全面擁抱AI-Native」的共識，並為AI-Native的落地指明了方向。
01 走向AI-Native，先要解決算力資源的挑戰
根據咨詢機構Gartner的預測，2026年將有超過80%的企業在生產環境中落地大模型或呼叫API，並部署啟用生成式AI套用。
比研究報告更加直觀的，是創原會年度技術峰會上的熱烈討論： 技術「老炮兒」談論的不再是「怎麽使用AI」，而是怎麽將AI作為業務和生產的核心支撐，用AI重塑流程與創新產品，實作更高效與智慧的運作。
創原會的會員們一致認為，算力挑戰是普遍現象。
大模型的訓練和推理，都需要強大的算力資源，而國內的很多企業無力承擔龐大的硬體采購成本。即使有了算力，由於大規模分布式計算、彈性擴充套件和模型調優等技術的要求較高，常常出現算力浪費或利用率不足的問題。
圖：華為雲CTO、創原會榮譽理事長張宇昕
華為雲CTO、創原會榮譽理事長張宇昕在演講中表示：「我們期望每個企業都能即時按需獲取AI算力，構建彈性、高效、多元算力的AI-Native基礎設施是關鍵。」
傳統的數據中心是CPU為中心的主從架構，所有資源的互動和資訊傳遞都以CPU排程為主，CPU效能提升和網路頻寬等都成為瓶頸。比如在AI訓練推理的場景中，CPU為中心的架構無法完全滿足業務所需的超大網路匯流排頻寬、記憶體頻寬和視訊記憶體容量，直接限制了訓練推理效率，並導致NPU算力和其它資源的閑置。
華為雲的解題思路是將數據中心演進到多元算力對等全互聯的架構，透過高速互聯網路協定，將CPU、NPU、記憶體等算力資源全部互聯，實作資源全池化、全對等互連、資源按需組合，從單體算力前進演化到矩陣算力。
張宇昕舉了一個真實的例子：在使用萬億參數的盤古S模型執行訓練任務時，采用多元算力對等架構的華為雲CloudMatrix，計算效率比傳統架構提升了68%；千億參數的盤古U模型的推理效率提升了30%。
解決算力瓶頸只是第一步，儲存也是制約AI發展的關鍵要素：32GB的視訊記憶體僅能裝下70億參數的模型，且隨著模型參數規格的增長，推理的視訊記憶體需求並行變大。
針對AI落地套用過程中遇到的儲存、數據等問題，華為雲早已給出了一整套成熟的解決方案：
透過用池化架構來擴充套件視訊記憶體的方式，解決了推理過程中的記憶體墻限制；透過將KV計算任務解除安裝到虛擬視訊記憶體和CPU上，讓單卡的並行數大幅提升；透過資料庫領域大模型+場景小模型的多模型協同，打造了智慧的資料庫引擎，並利用智慧開發助手和智慧運維助手，全面提升開發和運維效率；以及在安全合規、私密保護、可靠可控等方面的全盤布局。
走向AI-Native的過程，也是重新定義基礎設施的過程。就像開啟水龍頭時，我們不需要知道水是從哪條河裏來的；當我們呼叫AI算力的時候，不需要知道算力是怎麽來的，背後的技術和運維有多復雜。
02 AI原生套用開發，有了「流水線」般的新範式
回答了算力資源的問題後，AI-Native就不再是一道選擇題，而是千行萬業數智化轉型升級的必答題。
華為雲副總裁、戰略與產業發展部總裁黃瑾講述了自己的判斷：
相對歷史上所有重大技術變革和創新，不管是雲端運算、行動網際網路時代，其商業生態鏈都呈倒金字塔結構——套用和內容為王。同時坦言AI正在重塑IT的方方面面，包括重新定義基礎設施、重塑軟體開發過程、重塑軟體互動體驗，甚至在重塑軟體生態。
圖：華為雲副總裁、戰略與產業發展部總裁黃瑾
新的時代序幕已經拉開，身在局中的創原會會員們感同身受，他們的態度體現在討論的議題上：【根據企業自身業務需求，如何辨識和選擇AI在開發領域的價值場景？】【如何選擇智慧化研發相關的關鍵技術？】【AI時代下的效能雙引擎聯動，如何實作確定性增長？】
面對如何高效打造AI原生套用的疑問，張宇昕結合華為雲將大模型落地到30多個行業的400多個場景的經驗，給出了三個建議：
第一，企業套用要基於AI-Native的雲服務來開發和構建。
每個企業都需要持續思考如何把AI能力融入到自己的產品和套用中去，透過用以知識為中心的數據湖來構築數據底座，用自主智慧的工具鏈來開發套用，用AIGC+CG融合的數位內容生產線來創作內容等等。這樣的產品和套用將具備自主學習、持續叠代、適應變化的能力。
第二，用基礎大模型+工具鏈+企業經驗，構建企業自己的專屬模型。
大模型落地套用的過程中，也產生了「不可能三角」問題——需要在專業性、泛化性、經濟性三者中做好權衡：通用大模型缺乏行業Know-how，在專業性上無法勝任企業的業務需要；訓練大量專業數據，又會引發大模型的泛化能力下降；模型參數規模越大，效能和精度效果越好，但是訓練成本會很高。
張宇昕的答案是：「模型不是越大越好，也不是一個大模型可以打遍天下，企業要結合自身經驗和行業Know-how來打造自己專屬的模型。」
比如將不同行業專屬的高品質數據，結合行業Know-how訓練通用大模型，並針對不同行業對模型能力的偏好進行通用數據增強，打造行業場景的大模型。各個企業在行業大模型的基礎上，增訓自己的私有數據、企業Know-how，排程企業專用工具和外掛程式，構建出企業自己的專屬模型。
第三，用大模型系統構建AI原生套用，實作企業智慧升級。
大模型的訓練不應該重復造輪子，大模型的落地也不應該一次次從0到1，而是將模型與工程化能力相結合，實作模型接入與對外介面標準化，開發者可以按照相應的規則呼叫，直接建立AI原生套用。
相對應的正是華為雲的大模型系統，包含行業數據和知識組成的知識中心，企業專屬大模型、開源大模型以及傳統小模型構成的模型中心，搜尋引擎、程式碼執行器整合而成的元件中心等等。
開發者可以透過大模型系統的增強外掛程式，譬如安全護欄保障模型的安全性、RAG檢索增強來消除大模型幻覺，利用標準的API介面，協同配合多種模型，以取長補短的方式快速實作企業的智慧化升級。
打一個比方的話： 如果說傳統的套用開發是「手工作坊」，有了完善的工具鏈、大模型系統和獨立處理復雜任務的AI Agent，AI原生套用的開發已經進入到了「流水線生產」的模式，為數智化轉型按下了「加速鍵」。
03 大模型平民化，在場景中看見新質生產力
當AI-Native的路徑被跑通，大模型不再是少數頭部企業的「特權」，AI將和千行萬業的真實場景碰撞出什麽樣的火花？
就歷史經驗來看，相較於數據上的宏觀論述，可以觸摸的落地案例更有說服力。2024創原會年度技術峰會上有一個特別的環節，評選出了「2024年度AI-Native十大先鋒實踐」，也為外界提供了窺探落地現狀的視窗。
圖：「AI-Native十大先鋒實踐」案例
我們篩選出了三個有代表性的例子。
一是借助AIGC最佳化內容生產流程的喜馬拉雅。
作為國內規模領先的線上音訊分享平台，喜馬拉雅在2023年專門成立了「珠峰實驗室」，著手研發了「珠峰音訊AI模型」。
為了解決大模型訓練和推理的算力需求，喜馬拉雅構建了自建AI基礎設施與公有雲AI資源池的混合架構，讓資源利用效率提升了20%、資源成本降低了10%。目前「珠峰音訊AI模型」已經生產了數萬本有聲書，包括模仿單田芳聲音的AI合成音訊專輯，極大降低了平台的成本投入。
內容生產的流程被重塑後，喜馬拉雅進一步研發了AI智慧推播系統、國內第一個全內容智慧AI音箱小雅等產品，不僅提升了內容推播精準度和效率，也為聽眾帶來了更加沈浸式、客製化的音訊體驗。
二是用AI大模型打造零售智慧體的美宜佳。
深耕零售行業近30年的美宜佳，開啟了創辦以來「最具創新」的一次轉型，聯合華為雲盤古大模型打造了AI+IoT+美宜佳業務平台的零售智慧體，並將其落地到3.7萬家門店，探索零售行業的新業態。
數位店員可以隨場隨身解答顧客的問題，播放音樂緩解顧客的壓力，像一座智慧化的「城市燈塔」，點亮了深夜歸家的路。
值得一提的是，美宜佳的智慧化探索，不僅為品牌商、門店店主、消費者提供了服務成本更低、效率更高、體驗更好的整合生態服務，沈澱下來的經驗和能力還將外溢到整個行業，驅動零售行業服務升級。
三是北京市政一卡通的人工智慧創新實踐。
基於華為雲的AI原生基礎設施，北京市政一卡通依托AI技術完成了一卡通支付的智慧化改造，有效支撐了一卡通公司在公共交通、商業消費、政府管理、創新套用4大領域28個行業的廣泛落地。
目前北京市政一卡通已經覆蓋國內330多個城市，每天為數千萬使用者提供持續、穩定、高效、安全的支付服務。同時人工智慧還在用卡安全等方面發揮了重要作用，為公共服務與社會治理提供了創新示範，連續多年被列入北京市政府「為市民辦實事工程」。
正如張宇昕所說：「中國的AI產業有著巨大的機遇，我們可以充分發揮在行業場景和行業數據領域的優勢，讓AI深入到企業核心生產系統，真正發揮產業價值和商業價值，推動產業升級和轉型。」
三個跨越互聯網、零售、政企的例子，僅僅是AI原生套用圖景的一隅，卻用事實印證了張宇昕的判斷，讓外界看到了實實在在的新質生產力，看到了行業生產力的躍遷。
04 寫在最後
Homebrew Computer Club在50年前點燃了個人電腦革命，為人類的生活和工作方式產生了顛覆性改變。
承襲了這種精神的創原會，為技術先鋒和產業創新者搭建了溝通的橋梁，正在將創新的力量擴散到更多的行業和場景中。
也許多年後再來審視2024創原會年度技術峰會，人們會驚訝地發現：解答了AI原生的算力困境、疏通了原生套用的開發路徑，照亮了一個個創新案例後，AI-Native的「星星之火」從此刻開始燎原。
