AI ready的智云助力运营商数智化转型

风起云涌，ChatGPT引爆了全球百模千态

2022年12月1日，OpenAI的CEO Sam Altman在推特上宣布推出ChatGPT，吸引了众多好奇者。ChatGPT凭借其惊艳、意味深长或错误的回答，引发了人们的讨论和争议，从而激发了更多人的好奇心。这使得已有70多年历史的人工智能产业再次成为焦点。ChatGPT的出现被视为人工智能从感知理解世界到生成创造世界的转折点，原因在于其融入了Scaling Law、强化学习和人工反馈等技术，使得ChatGPT具备了举一反三的能力涌现，与人类极为相似，让人们看到了通过 使用“沙子”（硅）创造新的硅基生命的希望。

2023年，OpenAI持续推出了一系列创新产品，如1.8万亿参数的GPT-4、ChatGPT-4 Turbo、Assistants API、ChatGPT企业版、GPTs，以及刚刚披露的Q*项目和Sora。上下游产业链也在加速创新，Humane推出AI Pin，微软发布生成式AI办公套件Microsoft 365 Copilot，谷歌旗下的Deep Mind推出Gemini等，都在加速推动大模型进入行业和个人领域，引领人工智能向多模态、智能体等方向发展。

在中国，科技互联网企业纷纷加入AI竞赛，如百度的“文心一言”、阿里巴巴的“通义千问”、华为的“盘古”、360的“智脑”、昆仑万维的“天工”、京东的“灵犀”、科大讯飞的“星火”、腾讯的“混元”、商汤的“日日新”等大模型相继亮相。短短六个月，从“一百模”升级至“二百模”，相较于通用大模型，许多中小企业相继发布垂直大模型，如旅游行业有携程的“携程问道”、教育领域有网易有道的“子曰”、医疗健康行业有京东健康的“京医千询”，还有蚂蚁集团的金融大模型等，推动人工智能从感知走向认知、从识别走向生成、从通用走向行业。预计未来2年，AI将落地50%+行业核心场景。

在运营商行业，我们发现AI有能力重构所有业务。大模型边际成本趋于0，自用业务+AI实现降本增效，To C/H/B业务+AI实现增值。例如，带AI识别的视频监控比传统的视频监控溢价15%以上；融入了AI能力的5G新通话带来了10%以上ARPU值增加。可以说，AI加速了运营商数字化转型的进程，全球运营商一直在追求的基于云的数字化转型，将演进到基于云+智的数智化转型。

AI助力运营商数智化转型，实现降本增效和业务增值

面对风起云涌的AI历史机遇，运营商需要提前布局，从三个方面做到AI ready。

将AI落入企业转型战略，构建AI ready的企业技术架构

运营商需要将AI作为数字化转型的重要要素，将AI纳入企业的整体转型战略中，由专门的组织来承接AI战略，构建面向AI的企业架构和能力。TOGAF企业架构（Enterprise Architecture）是连接企业战略规划与IT建设之间的桥梁，是企业数字化的核心，主要包括业务架构BA、信息/数据架构IA、应用架构AA、技术架构TA四大部分。如果没有企业架构，那么数字化转型的战略目标和实施之间将脱节，难以成功。因此，建议从企业的4A架构上融入AI要素，包括战略+AI、业务+AI、数据+AI和技术架构+AI。

同时，数字化转型作为一项变革项目，在执行时可能会遇到很大的阻力，所以AI ready也是一把手工程，需要公司高层亲自推动。如华为公司在2018年华为全联接大会上发布AI战略，同年，华为创始人任正非签发了“加大AI投入，利用人工智能提升公司内部效率”的决议，并成立了专门的AI使能部，由任总亲自担任部长。如今，华为通过流程贯穿各部门和组织，已将AI渗透至每个业务环节。AI已使能华为内部80多个场景、600多个应用的智能化，打造了近7000个AI模型，创造了20000+数字员工，服务于全球170多个国家和地区的华为机构，员工人手一个AI助手，大幅节约了运营成本，构建了企业级的大模型智能体。在产品方面，到2023年，搭载华为智能驾驶的问界M9在新能源车市场引起轰动、华为每款智能机中预置的小翼助手提升了用户体验、AI节能算法让无线基站比竞品节能逾20%，实现价值溢价。在运营商行业，中国电信和中国移动也于2023年将AI+纳入了集团战略。

发挥平台优势，打造AI ready的商业模式，强化产业协同，促进生态繁荣

无论是中国还是海外，都不缺少尝试探索大模型应用场景的公司和玩家。面向行业+AI，从零开始探索新的应用场景，它存在着一定的失败概率，需要付出试错成本。虽然运营商可以参与大模型的构建，但其更大优势在于无处不在的云网基础设施。运营商不仅有云+网作为大模型的使能和变现平台，而且现有的行业客户可以作为大模型商业化探索的潜在市场，结合运营商算力运营运维能力和运营商在当地的社会公信力，运营商有条件打造面向本地AI市场的专业平台。依托这个平台能力，运营商可以吸引和汇聚众多大模型伙伴进行商业探索，提供模型即服务（MaaS）的商业模式（如图1），从而实现商业变现，并持续激发更多的合作伙伴将他们的模型产品带到平台上销售，形成长尾效应，避免运营商因亲自下场“大模型”而造成的伙伴竞争。尤其面对一些不确定的场景，这样更可以减少试错成本。

中国电信已有好的实践案例。为了深入实施“云改数转”战略，加速建设以通用计算、智能计算、超级计算为核心的数字信息基础设施， 2023年7月，中国电信启动了大型模型生态合作联盟，通过公开招募方式，吸纳了行业内有影响力的大模型能力合作伙伴。在2023年11月的数字科技生态大会上，中国电信与合作伙伴一起发布了首批试商用的12个行业大模型，涉及教育、住房建设、金融、矿业等领域，这些大模型都被预置在“星辰MaaS生态服务平台”上。这种“网络+云+智算+AI+伙伴模型”的模式不仅驱动了天翼云服务的智能升级，而且已经有了商业回报。

面向广大个人模型开发者，运营商未来可以考虑率先构建类似于Hugging Face的大模型生态社区，最大化激活整个社会的模型生态价值。在AI时代，合理的产业分工、聚焦平台打造、激励生态应当成为大模型时代运营商的关键角色定位。

构建AI ready的基础设施，无云不AI，无数据不AI

未来，大模型将成为一种无所不在的智能服务，其商业化模式将极为丰富。这些模型可以被嵌入各种软硬件系统中，如智能汽车、智能机器人等，以智能产品化的形式进入商业市场，也可以部署在云端，提供商业化的大模型云服务，重构现有的商业逻辑。云和网络基础设施成为AI使能的必要非充分条件，是AI触达最终用户（ToC/ToB/ToH）的新型管道。先有云网所及，才有AI所达，所以打造一朵AI ready的智能云成为运营商入局AI产业的“通行证”。运营商入局人工智能，初级阶段是“无云不AI”，进入深水区却是“除却AI不是云”。过去几年，中国电信已经打造了全国布局的天翼云。2024年３月，中国电信董事长柯瑞文在中国电信2023年度业绩说明会上就表示：“没有AI就没有云的未来”，并提出天翼云将加速向智能云全面升级，成为国内领先的大模型算力服务商。

AI ready的智能云该如何建设？围绕AI三要素——算力、数据和算法，一个AI ready的云平台呈现了如下特点，包括1个架构2个能力：

• 算力：分布式的多级云架构，让算力无处不在 分布式的多级云架构涵盖了公有云、本地云和边缘云的协同分工，实现公有云做全量训练，本地云做增量训练和中心推理，边缘云负责推理（如图2），为运营商大模型部署带来了三重收益。
  

  图2：公有云和私有云协同训练，打造个性化的模型

  • 成本更节省。大模型的预训练需要在一段时间内（数周或者数月）有大量的AI算力（千卡用量）。例如，LLaMA-2-70B大模型使用了2000个A100 GPU的分布式超级计算集群进行训练，而Falcon-180B大模型则动用了4096个Nvidia A100 GPU。大部分的全球尤其是海外运营商无需为此提前购买算力，而是可以采用公有云算力租赁的方式，以租代建，利用公有云中已部署的万核智能算力结合行业公开数据集进行全量训练。预训练大模型可以部署在本地云上，结合运营商或者其ToB行业的少量私有数据进行增量训练，从而使硬件资源投资需求量呈指数级下降（几十卡用量）。这种公有云做全量训练，本地云做增量训练的方式，可以节省约100倍的算力投资。
  • 数据更安全。在许多国家，法律法规禁止数据（网络信息，流量信息等）出网或出国，而这些数据往往是模型训练优质的数据集。本地私有云/边缘云则很好的满足了这种数据不出国不出网的需求，同时，训练出的大模型已经掌握了隐私敏感数据并形成了固有知识，即模型私有化不出网，实现数据安全防护。
  • 业务体验更优。边缘云能够将AI推理更靠近最终用户，提供低时延的更优体验。


图3：数智融合，打造AI时代高效云上数据底座

• 数据：云端的数据生产线，高效处理数据 数据是运营商的核心资产，但这些数据通常散落在各自独立的IT系统中，并没有流动起来，存储这些数据不仅有硬件的成本支出，而且难以挖掘数据的价值。本地云服务需要具备全生命周期的一站式数据治理能力（如图3），包括数据的池化存储、跨域的数据协同调度管理，通过数据湖和数仓的融合，将分散的多个数据湖/仓构建为一个逻辑数据湖，实现一份数据支持多种数据分析引擎和AI引擎共享使用，以及具备面向模型训练的数据处理能力，如数据集的高效集成、清洗、过滤和标注等。
• 算法：云端的模型生产线，使能大模型的生命周期管理 大模型的生命周期包含了开发、训练、微调和部署等关键环节，适配这些环节的工具和能力应作为云服务部署在本地云上。简而言之，本地云应以服务的方式来使能大模型的开发、训练、微调和部署，帮助运营商对模型进行有效管控（如图4）。同时，在生态兼容方面，云服务应支持主流的开源模型，这无疑是运营商构建模型自主可控能力的刚需，可以确保数据安全可控，模型可管可控。
  

  图4：大模型超级流水线，全流程使能大模型创新落地

随着第四次工业革命的到来，我们正在加速迈入人工智能时代。运营商需要做到战略ready、组织ready、能力ready 和基础设施ready，发挥云网优势，找准自身定位和产业分工，构建平台Model as a Service生态能力，聚合更多的产业伙伴，实现数智化转型成功。