瞄准大模型落地，九章云极的“生态卡位战”

“一切为了应用！”发布会结束几个小时后，九章云极DataCanvas在官方公众号上发布了这样一篇总结，标题开宗明义言简意赅。11月21日，围绕着“筑基赋能 智向未来”的主题，九章云极DataCanvas发布了一系列创新成果，海报上的“基”和“智”被用不同的颜色进行了显著标注。

大模型“全家桶”开源打头阵。发布会上，九章云极DataCanvas自主研发的DataCanvas Alaya 九章元识大模型矩阵开源了“Alaya-7B大模型系列”中的两大模型，分别为Alaya-7B Foundation Model通识大模型和Alaya-7B Chat Model对话大模型。

九章云极DataCanvas 公司副总裁于建岗博士介绍，Alaya-7B大模型系列在保证模型表现的同时，对使用者的安装使用硬件要求更低、应用技术难度更低、训练所需的算力资源消耗更小，有助于加速大模型在各类行业场景的实际应用。

一并开源的还有“LLMOps大模型工具链”中的LMS模型运行工具和LMPM提示词管理器两大工具。前者能够提高大模型的交付速度和质量，降低大模型的运维和运营成本，以及完成大模型生产化及服务运营等方面的需求；后者则通过帮助用户设计更好的提示词，引导大模型生成更加准确、可靠、符合预期的输出内容。

此外，九章云极DataCanvas还发布了公测的TableAgent数据分析智能体。据了解，在充分理解用户意图后，TableAgent能够自主地利用统计科学、机器学习、因果推断等高级建模技术从数据中挖掘价值，进而提供分析观点和指导行动的深刻见解。

值得一提的是，Code Interpreter（代码解释器）对国内众多企业用户的最大障碍是企业数据因为安全性、合规等种种原因，不能传输到线上的共有服务平台。

而TableAgent为企业提供私有化部署，系统部署在企业内部，数据不外流，从根本上解决了安全合规的问题，同时TableAgent也可以满足企业级数据的大规模、高性能分析的要求，这也是Code Interpreter目前的短板。

从底层架构到一众工具的配合，最终的目标指向的都是落地。“包括算力限制等原因在内，大模型出现以后，目前为止在企业里面有一定的难度真正的落地和应用”，在接受北京商报记者采访时，于建岗如此说道。

他还补充称，当下企业在使用的大部分的开源大模型，通常是企业下载一个训练好的大模型自己进行微调，或者拿着商用版的大模型找企业进行商业化开发，但这种方式是存在短板的。而九章云极DataCanvas提供的就是这样一整套落地方案，Alaya是智算中心的核心，再搭配上算力、工具等，帮助企业更好地应用大模型。

发布会上，九章云极DataCanvas也与人工智能产业链上下游合作伙伴签订战略合作，提速AI软硬件自主创新、工业领域AI技术规模化应用和国产化智能算力建设。

ChatGPT推出一年，大模型的风也刮了一年，经历过初期的狂热后，落地逐渐成为行业的共识。但就目前的发展情况而言，大模型的落地显然不是一蹴而就的，单有模型不行，单有算力也不行。

不久前，中国工程院院士、清华大学计算机系教授郑纬民还在公开场合提到，要大力开展基于国产AI芯片大模型基础设施研究，完善国内AI生态系统建设，做好整体系统工程化，关注软硬件协同设计，解决大模型基础设施建设的关键问题。

大模型落地，越来越需要一个“生态圈”，在这个生态中，硬件算力提供基本的资源基础，软件的高效协同则发力灵活性和效率的提升。

就像郑纬民说的，国内AI生态尚未建设完善，“大多数任务不会因为国产芯片性能只能达到国外芯片性能的60%而有明显感知，大家感觉到的不好用还是生态不行。即使硬件做得比国外更好，但如果生态没有做好，依然不会被喜欢”。

不过于建岗乐观地判断，明年应该是中国大模型商业化的元年，“可能会有一些商业化进程中比较被大家看好的‘苗子’出现”。IDC近日公布的一组数据显示，在中国基于大模型的AI市场规模在6亿美元，到2027年这一数字将增长至96亿美元。

北京商报记者 杨月涵