企业官网建设流程全解析

导读：2022年11月30日，OpenAI把ChatGPT放到了网上。刚开始它甚至只是一个“研究预览版”，谁也没想到，几个月之后，它会把整个科技行业的桌子都掀了。以前我们说人工智能，普通人想到的可能还是人脸识别、智能推荐、自动驾驶，甚至觉得这东西离自己挺远。但ChatGPT第一次让几亿普通人发现，原来……

ChatGPT让整个行业看见了新的入口

2022年11月30日，OpenAI把ChatGPT放到了网上。刚开始它甚至只是一个“研究预览版”，谁也没想到，几个月之后，它会把整个科技行业的桌子都掀了。以前我们说人工智能，普通人想到的可能还是人脸识别、智能推荐、自动驾驶，甚至觉得这东西离自己挺远。但ChatGPT第一次让几亿普通人发现，原来电脑真的可以跟你聊天、写文章、改代码、做总结，而且你不需要学编程，只需要会说话。 我做服务器二十多年，当时我看到这个东西，第一反应倒不是“聊天机器人真聪明”，而是心里咯噔一下：如果以后每个人都这样用AI，那后面得需要多少服务器、多少GPU？

更有意思的是，ChatGPT火起来以后，中国互联网行业几乎瞬间进入了“大模型时间”。百度、阿里、腾讯、字节这些公司，谁都不可能站在旁边看热闹。尤其是阿里，它其实比很多公司更尴尬，也更不能缺席。为什么？因为阿里的生意太多了。淘宝是电商，钉钉是办公，阿里云做云计算，天猫精灵做智能终端，高德做地图，还有搜索、客服、物流、企业服务。这些业务过去都在用AI，但用的更多是推荐算法、语音识别、图像识别，各干各的。ChatGPT突然证明了一件事：未来很可能出现一种通用的AI能力，把原来几十种不同的软件能力重新串起来。如果这个入口掌握在别人手里，对于一家拥有如此庞大数字业务体系的公司来说，就不是少一个产品的问题，而可能是下一代入口的问题。

通义千问从一开始就不只是聊天框

所以2023年4月11日，ChatGPT发布四个多月后，阿里云正式推出了通义千问。这个名字第一次听可能还有点文绉绉，“通义”可以理解成通晓义理，“千问”就是面对千千万万种问题。但真正值得注意的不是这个名字，而是阿里一开始就没打算把它只做成一个网页聊天框。发布当天，阿里明确说要把通义千问逐步接入整个阿里生态，第一批就包括钉钉和天猫精灵，后面还包括电商、搜索、导航等业务。钉钉当时演示的东西已经很有意思了：会议结束，AI自动整理纪要；让它写邮件、写方案；甚至拿手机拍一张画在纸上的应用草图，就可以帮你生成一个小程序。 现在回头看，这已经不是简单的“陪你聊天”，而是在试探一个问题：AI能不能开始干活？

有人可能会问，阿里是不是看到ChatGPT以后，四个月临时拉了一帮人，赶紧搞了个千问出来？当然不是。大模型这种东西不可能四个月从零开始。阿里此前已经在云计算、机器学习、自然语言处理、视觉、语音这些领域投入了很多年，阿里自己后来也把Qwen的起点描述为长期的云计算和AI基础设施投入。 所以ChatGPT更像是点燃了导火索。技术储备本来就在仓库里，只是以前大家还不知道下一场战争到底长什么样。OpenAI把ChatGPT扔出来以后，所有人突然看见了战场：原来大模型可能成为下一代软件的底座。

模型需求开始反向推动硬件扩容

这件事对我们这些做服务器的人影响其实特别直接。以前给高校、研究所、企业做计算设备，大家的需求相对容易理解。做仿真的，问CPU多少核；做数据库的，看内存和硬盘；做深度学习的，再考虑GPU。但大模型出来以后，整个需求开始变得奇怪了。客户会问：“强哥，我想自己部署一个模型，需要多大显存？”“70B模型到底要几张卡？”“我们几十个人一起用，要不要做GPU服务器？”甚至有老师原来根本没有GPU采购计划，因为突然想研究大模型，又跑来问算力。软件第一次以这么快的速度，反过来逼着硬件扩容。以前是服务器造好了，我们想办法找应用；现在是模型先跑起来，然后所有人发现，机器不够用了。

而阿里接下来做的一件事，又让这把火烧得更大。2023年8月，阿里开始开放Qwen第一批模型权重和代码，学术机构、科研人员、开发者甚至商业机构都可以把模型拿下来研究和使用，模型也进入了ModelScope和Hugging Face这些开发者平台。 这个动作特别重要。因为如果千问永远只跑在阿里云里，它需要多少GPU，是阿里自己的事情；可一旦模型开放以后，情况就完全变了。大学实验室想跑，创业公司想跑，研究所想跑，企业也想把数据留在自己机房里跑。于是大家很快发现一个非常有意思的现实：模型可以免费下载，代码也可以免费下载，但算力不能免费下载。

开放模型把算力需求带到更多组织

这就是我为什么觉得，通义千问是《算力江湖》从硬件篇走向大模型篇特别合适的第一站。我们前面讲英伟达、AMD、Intel、海光、寒武纪、摩尔线程、沐曦、长鑫，看起来一直是在讲芯片，其实那些东西都是在修路。到了2023年以后，大模型突然像一支浩浩荡荡的车队冲上了这条高速公路。车越来越多、越来越重，于是GPU不够了，显存不够了，内存不够了，存储和网络也开始不够。阿里做通义千问，表面看是在造一个AI模型，但从我们做算力的人眼里看，它其实是在创造一种新的算力消费方式。

所以第一集我们先把故事讲到这里。ChatGPT一声枪响，让阿里看见了一个不得不进入的新战场；通义千问诞生以后，真正改变的也不只是阿里，而是从云厂商到高校实验室，从互联网企业到科研团队，越来越多人开始第一次认真问同一个问题：我的AI，到底需要多少算力？ 从这一步开始，模型规模、开放生态和实际部署共同把GPU服务器推到了大模型产业的中心。

从模型发展回到算力建设

大模型部署不能只看参数规模，还要结合精度方式、上下文长度、并发用户、知识库容量、响应速度以及持续运行要求，综合评估GPU显存、CPU、内存、NVMe存储、高速网络和散热条件。不同单位的业务目标不同，适合的算力路径也不会完全相同。