大模型產業熬過了“沒有超級應用”的2024年，熟悉的論調又再度出現——“2025年AI應用會井噴式增長”。

橫跨互聯網和AI創業的張巖發現，行業好像有兩股風向，一股是大模型看起來很美好，但很難落地；另一股是“狼真的要來了”，大模型應用就要走到臨界點，錯過這一波等于錯過未來十年。這種分歧，即便是在最具有創新精神的互聯網行業也無法完全避免。

“就算大模型更新迭代的速度慢下來了，但怎么跟業務結合，自己的數據夠不夠用，AI應用能不能取得好的落地效果，大家都不確定。大家愿意投入大模型，前提是有確定的收益和試錯的成本。”張巖說。

悲觀者永遠正確，樂觀者永遠前行，是互聯網行業數十年發展最佳的歷史注腳，如今到了大模型時代將被繼續驗證。問題是，首先要看清如今大模型產業的機會在哪，互聯網又該如何再贏一次？

大模型淘汰賽，也是應用繁榮的開始

不知何時起，大模型產業進入了淘汰賽，情緒的傳遞透過各個環節傳遞。

近兩年，基礎大模型吸引了絕大部分關注，這可以理解。大模型行業才剛剛行進到收斂階段的開端，典型現象是基礎大模型預訓練的玩家減少，比如剛剛宣布退出預訓練的零一萬物，不管是互聯網巨頭還是初創AI獨角獸，都得掂量掂量一年幾十億美元的預訓練成本。

再如人才的流動，互聯網和大模型都是高人才密度行業，行情好的時候高薪招聘應屆生，薪資翻倍挖技術大牛候選人都不新鮮，現在大模型崗位至少比去年少了30%，而且薪資也沒有那么好談了。

投資人更是直觀感受到錢的流向，原本懷著FOMO（Fear of Missing Out）情緒的投資人，現在更擔心自己的老股賣不出去，沒能入局的投資人暗自松了一口氣。就連華爾街也不再揮金如土，對大模型相關公司的投資向頭部集中，并且關注投資收益。

與其說大模型產業進入了淘汰賽，不如說是大模型訓練和推理的轉換期。以大模型為代表的AI技術，正在成為劃時代的革命技術浪潮，不過更多人融入這次浪潮的觸點不在大模型訓練，而是在大模型推理。

迄今為止大模型產業的最大受益者之一，英偉達 CEO 黃仁勛表示，未來推理的增長將遠大于訓練的增長。他指出，擴展人工智能的重點已從訓練前轉移到訓練后和推理，推理時計算將作為一個全新的智能擴展向量，且英偉達超過 40% 的收入來自推理，這是正在經歷的工業革命。

懷有此種觀點的專家不在少數，一個簡單的道理是，不是所有AI創業都需要做基礎大模型，但是AI應用一定需要推理，就像中國互聯網的繁榮是因為應用，而不是底層的芯片、操作系統、指令集、數據庫等等。

但話又說回來，今時不同往日，全球技術開放性受阻，中國必須牢牢將根技術掌握自己手里，不僅是互聯網的根技術，也是AI產業的根技術。在這種情況下，互聯網行業自然會去尋找合適的搭檔，騰訊音樂與華為云在大模型領域的合作，就是一個典型代表，騰訊音樂的大模型推理引擎與華為云昇騰AI云服務相互趨近，讓企業在推理層面有了成本可控、效益更優的另一種選擇。

把技術和成本門檻打下來

有不少用戶發現，微信鍵盤的文本潤色越來越好用了，速度快且猜得準；QQ音樂旗下的奇喵相機微信小程序，圖像生成時間也變短了；微信、QQ音樂、全民K歌等平臺背后，都有騰訊音樂娛樂集團(TME)天琴實驗室的領先技術加持。MUSELight大模型推理加速引擎，帶來了更高效的AI內容生成能力。

這給其他互聯網行業玩家提了個醒，騰訊音樂和其他競爭者不同之處就在于，先找到自己最適合的大模型切入點，務實的實踐落地大模型，這一理念也促成了騰訊音樂天琴實驗室和華為云昇騰AI云服務的合作，推出了MUSELight大模型推理加速引擎，帶來了更高效的AI內容生成能力。

在當前階段，大型模型在應用端面臨的挑戰主要集中在兩個方面：高成本和高技術門檻。許多互聯網企業雖然對大模型的應用充滿熱情，但由于這兩大難題，他們往往難以將創意和愿景轉化為實際的成果。如何有效地提高模型的推理速度以及顯著降低部署成本，已經成為決定大模型能否被更廣泛應用的關鍵因素。這不僅關系到技術實現的可行性，也直接影響到大模型技術在各個行業和領域的普及。

據了解，MUSELight在其首階段的發展中，已經成功完成了對Stable Diffusion系列視覺大模型的加速遷移適配工作。這一成果的實現，得益于天琴實驗室的MUSELight深度結合了昇騰算力架構的特點和潛力，采用了多項創新性的優化策略。

具體來說，MUSELight采用了計算核心高度并發的方式，使得各個計算核心能夠同時處理多個任務，從而提高了整體的計算效率。此外，還采用了流水折疊編排的方法，將復雜的計算過程分解為多個簡單的步驟，并按照一定的順序進行排列，使得計算過程更加流暢，減少了計算中的等待時間。

在計算和數據移動方面，MUSELight采用了高度向量化的策略，將數據和計算進行了有效的整合，使得計算和數據的移動更加高效。同時，還對核心算子進行了原生定制，使得算子的運行更加符合昇騰AI算力的特點，進一步提高了計算效率。相比傳統AI算力解決方案，推理速度提升超過166%，性價比提升35%。

以歌單封面生成為例，是MUSE AI技術基于音樂理解繪制圖片的創新成果，通過分析歌曲的內容和情感等要素，AI快速生成與音樂風格匹配的封面。昇騰AI云服務的加入，使得這項業務不僅可以大幅提升歌單封面制作效率，還能夠降低制作成本，有效推進音樂制作產業的數智化升級，進一步豐富音樂作品的呈現形式。

“跟行業同級別AI算力相比，我們實現了AI算力的自主創新和突破。”這將對消費級和行業端的應用產生關鍵影響，用戶可以使用更大參數的模型，以更低的成本實現更好、更快的視覺生成效果。騰訊音樂娛樂集團天琴實驗室AI大模型負責人吳斌博士表示，雙方預計將把大語言模型等更多大模型的昇騰版加速方案，在昇騰AI云上聯合發布。

智能化時代，互聯網的外生力量

華為云出現在互聯網行業智能化創新的頻次越來越多了，這不是偶然。越是對行業風向變化敏銳的互聯網企業，就越能先一步感受到互聯網自身的局限性，互聯網本身的開放性又推動其主動找尋合適的外部力量，華為云和互聯網行業早就雙向奔赴。

和其他互聯網能力服務商不同，華為云有著更豐富的能力拼圖，如前所述的昇騰AI云服務，可以提供全棧自主可控的AI算力，支持資源彈性伸縮、按需即開即用，為智能應用后端提供強勁的性能和充足的算力。

再如云云協同，華為終端云服務和華為云的協同，全球超10億鴻蒙生態設備，為互聯網行業提供了用戶增長的新路徑。鴻蒙和昇騰的組合，全面打通了從底層算力到智慧終端的原生智能應用生產線，昇騰AI云服務的系統級 AI 能力下沉到鴻蒙系統，原生智能應用在昇騰AI云服務上跑得更快更穩。

大模型技術棧鏈條長且覆蓋面廣，產業鏈中的企業互為生態關系，在這方面，華為云提供了更好的開放生態，企業客戶既用云實現自身數智化轉型升級，也參與到華為云生態內，實現更深度的產業鏈協同與聯合創新。

華為云生態已匯聚超4.5萬家合作伙伴，超760萬開發者，云商店上線超1.2萬款商品。與伙伴實現業務聯合拓展和商業共贏的同時，華為云還持續推動了技術應用走深向實，協同鯤鵬、鴻蒙、HMS、歐拉、高斯六大開發者生態全面賦能開發者。

AI時代是比互聯網時代更大的機會，相對應的挑戰也成比例提升，面對更多的難題和難事，一大批如騰訊音樂天琴實驗室般的行業智能化的“先進”們涌現，這些企業正在深度使用數智化技術。華為云也在助力這些“先進”企業們，解決智能化過程中的技術、品牌、生態等的難題和難事，攜手互聯網企業奔向更遠、更確定的智能未來