51蛙吖蛙 – 3D社交空间

行业公认，AI的下一波热点，将出现在机器人领域。

回顾2022年年底开启的AI热，凭借为AI提供算力的优势，“卖铲子的”英伟达成为最大赢家之一。那么，在未来的机器人时代，谁又会成为新的赢家呢？

英伟达自己仍然是一个强劲的选项。

在2024年的GTC大会上，英伟达展示了其在机器人方面的全面布局，许多机器人公司目前也已在使用英伟达的Jetson系列芯片，放在机器人的端侧提供算力。

看中这一领域的公司，还有国内的地瓜机器人。

9月20日，地瓜机器人发布了RDK X5和RDK S100，为普通的机器人开发者和要求更高的具身智能机器人公司提供自己的算力平台解决方案。

定价549元起，地瓜机器人希望以优秀的性价比、为开发者打造的便捷开发平台和与开发者社区的紧密连接，在未来的机器人算力市场占据一席之地。

极客公园参加了9月20日地瓜机器人的发布会，并对地瓜机器人CEO王丛进行了专访，聊聊他们如何提前卡位，准备在下一个科技风口到来时，成为下一个淘金热中“卖铲子的人”。

源于地平线，专注做机器人市场的团队

相较于已经成为中国最大的自动驾驶公司的地平线公司，地瓜机器人的名字对许多人来说尚有些陌生。

地瓜机器人在2024年初成立，主要研发机器人的底层计算平台。其前身，是地平线的AIoT团队。

目前地瓜机器人的CEO王丛，从2018年就在地平线负责AIoT业务了。“我们原本就是一个很独立的事业部，有自己完整的研发、销售、市场、社区。”王丛介绍到。

“AIoT市场很零碎，不过，这倒不是决定收缩业务最重要的原因。”王丛讲到，“更严重的问题是，在AIoT场景中，很多情况下其实对AI的需求很低，没有不断增长的算力需求。从长远来看，这和我们的人员结构和风格并不匹配。”

而在重新思考业务领域中，地瓜机器人团队逐渐开始找到了机器人这块新的领地。

“当时，做机器人芯片，并不是很多公司首选的领域。”王丛表示，“退回2019年，去做机器人这件事情面临很大的一个问题——出货量。没有足够的出货量，一家芯片公司没法养活自己，所以很多公司会选择更大的市场，但同时就会面临非常激烈的竞争。”

2019年的世界机器人大会 当时物流车是大会的重点展示对象 ｜ 图片来源：视觉中国

一直以来，地平线的商业哲学更偏向于提前布局，避免激烈竞争。而地瓜机器人团队，看中了机器人市场的增长潜力。

“我们当时看到，不管是哪个品类的机器人，对AI和算力的要求都在逐渐的往上走。这个市场很适合我们。市场不大，大公司看不上，但市场也不小，对算力的要求高，小公司做不了，且我们有直觉这个市场未来将不断增长。”王丛表示，“创业的核心就是找到一个不大不小的市场，且这个市场未来有很好的增长。”

地瓜机器人最初的模式主要延续AIoT的服务模式，服务于机器人的B端企业，为客户提供算力和服务。

不过，很快，团队意识到机器人市场与AIoT市场并不相同。在机器人市场中，还有大量的零散的开发团队和小客户，团队很难一一对其进行服务。

2023年，地瓜机器人开始发力建设社区和生态，这也成了地瓜机器人希望在未来的竞争中，能够发挥重要价值的秘密武器。

“我们意识到，首先，五年后的机器人行业，你该服务的用户并不是现在公司现有的开发者。5年后你服务的用户很可能现在还是学生，应该提前让他们去习惯你提供的东西。”王丛表示。

“另外，机器人作为未来的市场，远远没有达到手机市场的集中度。在手机市场中，把头部厂商服务好了就可以了。而在机器人市场中，我们服务上万个开发者，不可能给上万个开发者有一对一的技术支持，所以倒推回来，必须要把基本功，包括工具、软件、易用性、文档写得足够的清楚，社区上也要有足够支撑。”王丛表示。

目前，地瓜机器人不但提供芯片，还组建了整个RDK的机器人开发者套件，方便开发者能够使用合作伙伴的产品搭建产品。不仅如此，地瓜机器人还组建了一套自己的机器人操作系统，提供了机器人算法中心，甚至提供了一套包括数据标注到仿真验证的数据解决方案。

地瓜机器人目前社区有五万多人，活跃度很高。“比如社区里面有很多提问现在都不是我们回答，就是第三方看到了就回答。我们希望能够陪伴机器人开发者共同成长。”王丛讲到。

五百块的 10 TOPS AI机器人开发入场券

2023年5月，在地瓜机器人团队独立之前，曾经发布过RDK X3模组。

而此次9月20日的发布会上，地瓜机器人团队推出了新品RDK X5和RDK S100。

搭载旭日5智能计算芯片，新品RDK X5具有10 TOPs算力和先进大模型及视觉算法加持，主要面向普通机器人开发者。

算力是这次产品发布的一个重要亮点。

“目前在10 TOPs 算力下能够真正的支持机器人各类算法，同时保持功耗最低，没有别的选择。”王丛表示。

RDK X5 4G版本549元，8G版本699元。价格公布时，发布会现场一片惊呼。

RDK X5 ｜图片来源：地瓜机器人

“我们这款产品面向的人群是最广泛的创客、学生，包括做智能电子的创客，整个定价的性价比非常高。过去如果玩英伟达的卡，至少需要2000元，而使用树莓派，还要搭载一个外围的算力棒，加在一起也要1000多，所以我们性价比非常高。除此之外，我们又把软件那套体系做得很好，这样大家玩起来上手也都很简单。”王丛介绍道。

比起前一代产品，RDK X5 算力、CPU都是翻倍的提高。

在原来小算力的情况下，开发者已经可以使用算力平台做基本的物体识别、分割。提升算力后，开发者可以集成小尺寸文本的LLM，进行本地部署——比如在RDK X5上，已经可以部署RWKV的1.5B的版本，有基本的对话能力。

RDK X5 端侧可部署的模型 ｜ 图片来源：地瓜机器人

同时提升算力后，一些偏视觉的大模型，也可以进行应用了，能做到一些检测、分割、抓取。“比如家庭环境，一桌子上东西太多了，怎么去解决泛化，就是要用一些视觉大模型的方式去做剪裁，让它能够去识别各种各样的物品。还有一些从自动驾驶迁移过来的算法，双目的深度、Occupancy占据网络，一些V-SLAM的算法我们现在也可以去跑。”王丛介绍道。

为了让更广泛的开发者能更好地使用这一平台，地瓜也做了不少开发者友好的适配。

比如地瓜机器人推出了自己的Copilot，结合自己的软件、程序库，让开发者在编程的时候能够得到AI提示。同时RDK的Studio中也集成了不少可视化的交互方式，开发者直接拖、拉、拽，就能方便地生成代码。

通过写注释直接生成代码 ｜ 图片来源：地瓜机器人

王丛讲到自己未来的愿景：“我刚创业的时候，是移动互联网的初期。最开始做的时候自己搭集群，然后自己搭各种各样的设施，后来亚马逊、阿里云各种工具套件出来后发现自己什么都不用搞，只要专注自己的APP开发就好，后来创业的时候可能十几个人我就可以做一个非常牛的东西。我觉得机器人未来也应该形成类似的模式，可能未来真的四五十个人就能搞出各种各样的机器人。“

而RDK S100，则是地瓜机器人今年新推出的一款产品，更针对于有前沿需求的具身智能、人形机器人公司，到今年年底公开发售。

“RDK X5也能做一些视觉的检测，和大模型的应用，但如果能把它的种类再泛化，精度再提升，跑一些更大尺寸的模型，就得需要RDK S100。”王丛介绍道。

地瓜机器人发布RDK S100 ｜ 图片来源：地瓜机器人

RDK S100采用全新BPU纳什架构，专为大参数Transformer优化，拥有百TOPs级算力和全链路开发支持，目前能跑7B、13B的模型。地瓜机器人表示，星动纪元、逐际动力、求之科技、清华大学AIR智能产业研究院、睿尔曼、国讯芯微等数家行业顶级合作伙伴将率先搭载RDK S100。

“从去年开始我们就开始筹划这款产品。”王丛讲到，“像现在大家市场上看到的这些人形机器人的demo，这些能力RDK S100都能满足。”

地瓜机器人表示，明年地瓜机器人还会推出数百TOPs的大算力产品，来支持机器人企业的更前沿的需求。

从提前布局智能驾驶，到提前布局机器人

2023年，机器人市场开始转热。机器人本质上和汽车的市场不一样，打法不同，客户不同。地瓜机器人2024年成立，希望能在热起来的市场上，跑的更快。

虽然对机器人市场十分乐观，地瓜机器人对目前的机器人市场发展的判断仍然很冷静。

“我觉得机器人的发展还处在初级阶段吧。”王丛表示。“一个判断的方式是，当你发现行业里有特别多同质化的东西，同时又没什么实际用途，基本上这个行业还处在初期。每一波科技热潮都这样，像在2023 年我们见到了百模大战、千模大战，过了这个阶段，等这个大家都看清一些之后会更务实一些。”

“不过，虽然行业没有真的爆发，但我们做准备、做投入，一定是在爆发之前。我们感觉现在的时间点，很像地平线2016~2017年开始加大投入自动驾驶的时间点。”王丛表示。

“对于一个即将爆发的行业，常见的情况是有很多种技术路线，未来都有可能。我们目前更关注这些机器人探索者中，有哪些共性的基础的需求，我们能够先去满足。比如说这个在芯片上，无论企业怎么做，对Transformer一些大模型更高效的吞吐的支持，无论如何都要做，那我们就先做这些东西。”王丛表示。

目前，在具身智能领域，许多公司会选择云端算力和端侧算力结合的布局。

在云端中，机器人主要做一些任务拆解——让大模型理解用户提出的需求等于导航去来一个房间，观察哪个是要抓取的物品，规划抓取路径。不过在子任务中，如果每个环节都使用云端算力，则最后的产品实时性会很差。因此仍然需要端侧算力。

使用OpenAI模型的Figure机器人的技术架构 ｜ 图片来源：X

目前，地瓜机器人在这个领域，面临着来自英伟达等巨头的竞争。

而作为开发者嘴里的“国货之光”，地瓜机器人希望通过切入有价格竞争力的产品，做出更好的机器人生态，在未来的机器人热到来之时，在机器人领域成为行业内强有力的竞争者。

不过，地瓜机器人表示，目前的产品虽然价格上很有竞争力，但硬件领域的企业，绝不会做亏本的买卖。同时，地瓜机器人在对产品定价的时候，关注的也不仅是板卡的盈利，还有未来生态中上下游的盈利。

同时，在国内人形机器人发展大热之下，作为国内的机器人软硬件通用底座提供商，地瓜机器人或许也将在与国内企业的合作中，拥有很强的优势。

“过去几年中，我们每年都有上百万的出货量。无论是扫地机、割草机、陪伴机器人、机械臂，我们都已经和国内最头部的玩家合作，已经量产或者即将量产。”王丛介绍道。在人形机器人领域，地瓜也已经与星动纪元、逐际动力等国内的头部人形机器人公司合作。

王丛表示，未来，对于地瓜机器人，持续的推出性价比更高的产品是本职工作，未来更希望的是让开发者的开发更容易。“希望大家不要重复造轮子，共性的部分我们能解决的都会直接提供。”

“地瓜是在各种土壤，各种条件下都能生存的物种，在饥荒年代，地瓜曾经养活了无数的人。”王丛在发布会上解释为什么要以“地瓜”命名新公司：“我们希望这家公司非常接地气，能给大家带来更多实用的工具。”

今年 4 月，大模型能力第一次扎实的嵌进了陕煤建新煤矿等十余座矿山里。

矿山重大风险辨识、告警预警及处置，对安全生产与管理至关重要。在过去很多年里，虽然通过对图像数据的标注、训练，基于机器视觉模型的风险辨识在业内已相对成熟，但告警、处置环节仍高度依赖人工。

在煤矿调度指挥中心，调度员需时刻关注十余块监控屏幕，发现风险问题后手动创建处置文档、填写问题描述、查阅处置依据，并最终给出处置办法。

处置依据多且庞杂，以 2022 年 1 月第二次修订的国家级煤矿安全规范为例，共有 719 条。各座矿山会依据各自地质、施工条件，对规范再做增补。在人工处置期间，还可能遗漏重点区域发生的其它风险。「因此，缺了告警处置这一环，就无法实现自动化真正的闭环，也无法保证真正的安全。对矿业来说，这一直是个非常棘手的问题。

直到今年一套矿山重大风险辨识处置新系统应运而生。实时采集的矿山图像数据、环境数据和相关业务场景知识库「喂」给大模型后，大模型对矿山场景、区域、安全风险内容、管理规范、处置措施等信息进行抽取、训练、学习后，具备了实时推理、实时处置的能力。

现在这套系统可以自动处置常规风险，调度员只需要把精力放在少数复杂场景上。

矿业所在的能源行业是大模型发挥作用的经典场景之一。

据中央网信办今年 8 月透露，截至目前，我国完成备案并上线、能为公众提供服务的生成式人工智能服务大模型已达 190 多个，遍布在交通、教育、制造、医疗这七大行业，注册用户数超过 6 亿。

2023 年之前国内企业数字化转型建设内部不成体系、烟囱林立的情况在大模型出现后迎来了转机，到现在，政企正在成为大模型最积极的拥抱者之一。

01 两轮技术浪潮的杂糅

政企数字化转型是中国企业数字化转型中最复杂而艰涩的样本。

以阿里云智能集团副总裁、产品解决方案部总经理霍嘉的话来说，「坦白讲，今天在中国发生的数字化转型，只能说大部分才刚刚开始，离结束还早得很，而且有两轮技术的叠加」。

最初的政企数字化转型，是从以流程驱动为核心的信息化开始的——说的更简单一点，即业务的在线化。但国内政企普遍规模庞大，业务线广而复杂，每个业务都有自己独立的系统，这导致了政企数字化中「烟囱林立」的现象。

由于政企部门业务的敏感性，这种数字化需要高度的定制化，这也导致 IT 建设负担沉重。

而当数字化转型从信息化时代进入数据驱动时代，政企围绕「数据」进行核心业务的「再造」。这个过程，大量数据中台先后出现。但数据驱动本质上并未解决数据在各个业务烟囱之间相互隔离的矛盾，数据中台与业务并没有紧密结合。

眼下的大模型则是数字化转型迎来的第三轮技术浪潮，与上一轮「数据驱动」浪潮并行。大模型让人可以直接与数据、机器互动，天然带有靠近业务的特征，其最大的价值之一就在于和业务场景的融合，以颠覆旧的业务形态，而这也更接近数字化转型本身所追逐的本质。

对大模型价值的审视或许是中国企业在多年数字化转型的过程中第一次集体性的回过头来认真度量和理解自己的业务——数字化转型不是结果，而是解决业务问题的手段。

「最终目的还是业务场景。我们跟很多客户谈的时候，会发现有的时候大家会把手段跟目的给弄混掉」，阿里云智能集团副总裁、解决方案研发部总经理曾震宇表示，「先明确要解决的问题，再看用什么方式解决。这个解决的过程可能就叫数字化转型的过程。如果说业务场景不想清楚就要做数字化转型，往往这种项目做到后面大家都会很吃力，因为不知道到底要解决一个什么问题」。

阿里云智能集团副总裁、解决方案研发部总经理曾震宇

大模型的巨大潜力，让政企看到了对自身业务甚至重新梳理整个企业组织结构的价值。这也让大模型技术能够成为政企数字化转型得以跳出一场场为数据所困的小范围局部战争的契机。

但政企在有了充分借助大模型来实现自身数字化转型的需求之后，面临的仍然是一个严峻的局面。

02 模型与算力的双重困境

摆在眼前的事模型本身的选择和塑造方向。换句话说，政企需要怎样的大模型？

首要的是，大模型需要能够支撑海量非结构化数据的查询分析。

政企业务规模庞大，数据量往往远超一般企业，这对大模型的处理能力提出了极高要求。例如，城市政务需要实时处理来自交通、安防、环保等多个部门的海量数据；金融机构需要对复杂交易数据进行风险分析和预测。而这些数据往往是非结构化的，比如图表、公式，甚至一些纸质合同等。这需要大模型用 RAG 等技术进行知识管理，以高效地处理、分析海量数据。

而与一般企业不同，政企业务需要维持全年 365 天每时每刻的稳定可用，政企业务系统往往对稳定性和可靠性要求极高，深入政企业务的大模型需要在长期持续运行中保持稳定，避免出现性能波动或意外中断。

而由于政企业务的特殊性，其对大模型有着极高的数据安全需求。私有化部署是政企在引入大模型时处于保障数据安全的重要手段，政企的数据得以不离开政企内部，并通过严格的访问控制机制防止数据泄露。

这要求大模型提供灵活的部署方式，支持私有化部署、混合部署等多种模式。同时，还需要采用数据加密、脱敏等技术手段，全方位保障数据安全。此外，还需要关注大模型自身的安全问题，例如模型窃取、对抗攻击等，并采取相应的防护措施。

而大模型能在政企的数字化转型过程中着力的最重要一点——大模型需要懂业务，并且能动态的跟上业务的变化。

「懂业务」意味着大模型不能仅仅停留在通用能力上，而要深入理解政企所处行业的专业术语、业务流程和监管要求。这要求大模型在预训练阶段就要引入大量的行业数据进行训练形成 Knowhow。

但业务永远在变化，这意味着大模型另有在实际应用中结合具体业务场景不断进行调整的需求。但懂业务的企业内部人员不一定懂模型，这意味着大模型需要在训练层面简单易懂，并且为业务人员构建便捷的知识注入和更新机制，让后者能够参与到模型的训练和优化过程中，把专业知识和经验融入到大模型里。

解决了「什么样的大模型适合自己「的问题之后，政企还有另一道题要解，即「如何训练适合自己业务的大模型」。

政企对大模型严苛的需求，进一步凸显出大模型训练背后绕不开的算力问题，这是政企将大模型顺利引入自身业务之前所面对的另一个问题。

中国并不缺智算中心，但缺的是可用的算力。现在大模型的训练需要的是规模化的算力。以基础模型训练来说，万卡集群的规模已经是底线，要保证一定质量的话则需要两万张卡以上。哪怕退而求其次的垂直模型，也需要千卡级别的算力集群支撑，这种集群规模对于政企来说是非常大的挑战。

政企在当下数字化转型中遇到的大模型与算力难，看似存在于两端，但实际有非常紧密的联系，将两者联系起来的是承担着将大模型引入政企业务中的云厂商。

阿里云智能集团研究员、阿里云智能集团副总裁、专有云总经理刘国华在拜访了包括很多客户后，得到了政企客户一个朴素而普遍的观点。现在的中国政企客户关心的是两件事情，第一个是安全稳定的问题，第二个是成本。随着大语言模型的发展，AI 给政企客户的业务带来了新的突破点，但与此同时他们又要兼顾整个安全和成本的问题。」

阿里云智能集团研究员、阿里云智能集团副总裁、专有云总经理刘国华

「基于此，政企客户更加期望云平台是满足云+AI 协同发展的要求，而不是单一各自去做各自的事情，来最大化提升整体的成本效率。」刘国华表示。

「下矿」近半年之后，阿里云从算力层和模型层，为政企客户带来了更优解。

03 云+AI 一体化的技术体系

「今天谈到大模型算力基础设施的时候，它绝对不是单单数机器和数卡，不是把一堆硬件隔在一起，而是通过云计算的平台把芯片、服务器、网络、存储这些东西有机的调动起来，才能集成模型的训练。」阿里云智能集团副总裁、产品解决方案部总经理霍嘉在云栖大会上表示。

阿里云智能集团副总裁、产品解决方案部总经理霍嘉

对于政企所看重的安全问题，阿里云在底层算力层的飞天企业版上实现了「智算升级」。

首先是在计算性能上的变化。

在异构算力池化方面，针对政企中 GPU 的异构现状，现在整个平台支持多芯的 GPU 融合管理。目前飞天企业版支持 23 款的 GPU 接入跟管理，支持单一集群 1.5 万卡的建设，并且实现通用算力、超算、智算的一网调度。

目前飞天企业版的 GPU 虚拟化和容器调度算力切分粒度达到 1%，资源利用率提升 100%；基于训推资源调度一体化平台，通过训推任务和资源调度策略结合，飞天企业版将算力资源碎片减少 30%。

而在在推理场景性能方面，通过 GPU 推理调度算法优化，飞天企业版在单机多卡并行式训练中可自动选择最优通信链路，通信带宽最大可提升 100%。在资源调度上，模型吞吐量提升 23%；通过对 GPU 深度调优，飞天企业版 GPU 性能较社区版提升 10%。

在端到端系统稳定性方面，飞天企业版提供从训练任务到底层基础设施的一体化监控和分析诊断能力，针对故障节点和受影响的作业路径可实现分钟级定位和诊断，整体故障监控覆盖率达到 80%。

兼容性方面的提升则不止在与多种 GPU 融合的方面有所体现。

阿里云提供的一站式 AI 大模型开发平台——百炼专属版。在 AI 的服务层提供了从开发、训练、推理到智能体搭建的服务，兼容整个主流的开源模型。

这意味着未来很多客户可以直接基于阿里云的平台去构建他的模型生态，让更多的模型可以更靠近它想要服务的客户。

在此之前，阿里云于 2023 年 10 月首次推出了百炼平台。该平台集成了国内外主流优质大模型，提供模型选型、微调训练、安全套件、模型部署等服务和全链路的应用开发工具，为用户简化了底层算力部署、模型预训练、工具开发等复杂工作。

而针对政企市场面临一系列大模型落地「难题」，阿里云在 2024 年推出的百炼专属版。此次百炼专属版 2.0 在底层算力上，进一步兼容了「公共云 VPC」和「专有云」环境，并已嵌入阿里云「飞天企业版」云平台；支持多芯异构的算力调度，支持多租户模式下的算力、模型、数据隔离与共享。

在大模型训推方面，百炼专属版 2.0 支持高性能分布式训练，训练吞吐率提升 20%；基于软硬协同的推理加速，将精度无损量化提升至 0.5%，推理速度提升 3 倍以上。

在模型方面，百炼专属版 2.0 预置了通义 7B 到 72B 多尺寸大语言基础模型及多模态大模型，同时兼容主流模型框架、支持三方大模型自定义接入。

在模型服务方面，百炼专属版 2.0 支持图表、公式、图片、音视频，以及大文件和巨量文件的解析；基于平台丰富的工具和插件，开发者可通过「拖拉拽」快速搭建智能体。

数字化转型方兴未艾，智能化时代的浪潮已至。云计算与大模型的微妙关系耦合成一条新的政企数字化转型道路，而飞天企业版和百炼专属版则构成了一套完整的智能化时代云计算技术体系。

04 敏锐来自十年深耕

2023 年 4 月末，第六届数字中国建设峰会在福建福州举办的时间点，正是大模型第一波浪起的时候，彼时一场并不起眼的分论坛上，阿里云智能的副总裁霍嘉、阿里云智能副总裁、解决方案研发部总经理曾震宇等人少见的有一次同台。

在那次集体亮相之前，阿里云启动了一项「通义千问伙伴计划」，合作的伙伴覆盖油气、电力、交通、金融、酒旅、企服、通信行业。

阿里云在去年 4 月就把企业云服务因为大模型而发生变革放在非常重要的位置，现在来看，这像是非常有预见性的一枚石子，在投出将近一年半之后，水晕才真正荡开。

这种敏锐并不是来自个人判断，而是受益于阿里云多年在政企业务所下的苦功。

2014 年，阿里云陆续开始与中国气象总局合作，海量气象数据涌入通过阿里云计算平台；同年，阿里云与药监局合作，药品监管网数据从甲骨文转移到了阿里云；2015 年阿里云成为海关总署的云计算和大数据服务服务商；2021 年之后，国家医疗保障局医保信息平台开始跑在阿里云商。

到目前为止，阿里云已服务超 1000 家政企客户，覆盖 90% 的央国企（央企及省级国企）。6 大国有商业银行、2 大电网、中石化、中国邮政等都已跑在阿里云上。

所有的企业类型中，政企中有中国企业数字化里最复杂的难题，而对于一家中国云厂商来说，要想服务好政企市场，就必须在政企业务中扎根。

阿里云陪伴了中国政企数字化最汹涌的十年，这也让阿里云在眼下大模型重新定义企业数字化的时候，显得更清醒。

「数字化转型本质上是业务转型，组织升级，最后是技术助力。在数字化转型的过程中，上云只是个技术手段」，霍嘉表示，「不要过度高估数字化对业务转型带来的直接效果，数字化更多是一个加速器」。

而在这个从信息化到数字化的转型过程中，大模型的价值是让人类在技术上第一次可以去大规模的降低和软件——或者说数据——交流的门槛。这也让企业有机会重新审视内部积累起来的数据，结合新的业务场景，基于大模型的能力去进一步挖掘价值。

但这件事才刚刚开始。

而阿里云想要做的，是把大模型这把「锤子」的原料和锻造经验，直接交到政企手上。

*头图来源：阿里云云栖大会

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO