1. 阿里巴巴阿里云的模型架构搔和数据规模
(1) 阿里巴巴采用的模型架构和数据规模 阿里巴巴的模型采用基于m6os搔a的统一 架构，使用duchy should transformincluder decoder以及 restblock和统一的底座进行训练。数据规 模包括了约1.9TB的图像数据和20090多 GB的文本数据，总体数据量超过了2.2万 亿。
(2) 阿里巴巴阿里云在模型能力上的优势 根据ABC对国内模型能力的对比，阿里巴 巴的通信系列模型在通用能力、服务能 力、创新能力、平台能力和生态合作能力 方面达到了满分的能力。
(3) 阿里巴巴在互联网领域中的地位在互联网领域中，阿里巴巴和百度处于领 先地位，其他互联网大厂还在追赶。大模 型的排名和竞争要素短期内取决于迭代效 率，长期内取决于大模型应用生态和垂直 领域数据的function以及大模型的反馈。
(4) 阿里巴巴的生态优势 阿里巴巴具备强大的生态优势，通过业务 生态全面接入自己的AI大模型来促进其发 展。
(5) 阿里云在中国AI公有云市场的市占率和 预测 阿里云在中国AI公有云市场的市占率约为 30%，预计到2026年，中国AI公有云市场 规模可能增长到接近400亿左右，届时阿 里云的市占率有望维持在30%到40%左右，阿里云的AI公有云软件收入可能达到 约150亿左右。
(6) Model as a service领域的商业化机会 阿里云的modelscope社区聚集了大量的 AI开发者和优质的AI模型，商业化推进后 也能为阿里带来一定程度的收入增量。
(7) 阿里云的估值和阿里云IPO的潜力 目前阿里云的估值可能是两倍ps，随着阿 里云拆分上市的推进，阿里云带来的估值 增量可能会逐渐释放，可能还会有进一步 的上升空间。
2. 阿里云在大模型领域的历史积累和技术投入
阿里云在大模型领域有较早的积累。早在4 年前，阿里成立了数据科学与技术研究 院，并在2016年成立了人工智能实验室。阿里在人工智能领域进行了持续的投入和 储备，在模型层和应用层都进行了不断的 完善。阿里成立了自有的AI芯片团队，并 在2019年发布了首款AI芯片。在2020年启 动了m6项目，并在21年快速迭代发布了 10万亿的大模型。阿里还将人工智能和内 部业务深度融合，提升业务效率，并在多 个业务领域进行了融合。阿里不仅在内部 自研投入，还积极进行对外投资，涉及芯 片、机器视觉、深度学习和应用等领域。
3. 阿里云在大模型能力上的优势和技术投入
根据IDC的测评结果，阿里的统一大模型 在通用能力、服务能力、创新能力、平台 能力和生态合作等方面都取得了满分成绩，整体能力相对其他大模型有显著领先 优势。 阿里云在技术投入、算法模型算例和数据 方面具有领先能力。
阿里根据AI时代重新 定义了三层技术架构，包括云基础设施、 大模型和调用工具。阿里提供了丰富的大 模型和学习产品，助力整个模型的发展和 训练。阿里云率先推出了大模型社区和调 用工具，降低了大模型的使用和开发门 槛，加速了模型的发展和迭代。 阿里在技术路线上采用了天色flow和拍的 模式进行迭代，在大模型方面关注海外进 展，并在2019年开始关注transport模 型，2020年正式启动了m6项目。
阿里的 m6采取了应扣的抵扣架构，在自然语言生 成能力上与拆GPT存在差距。随着验证抵扣架构的有效性和高质量数据和反馈激励 的作用，国内大模型技术路线也朝着这个 方向不断发展。阿里的m6在模型底座上的 设计主要集中在两个方面，一是打造多模 态统一底座，二是追求模型训练效率。
具体来说，阿里云通过transport、d口和 RS的架构进行运行预训练和微调，不需要 为不同任务设计特定的模型层，实现了架 构的统一。阿里还将自然语言处理、计算 机视觉和多模态任务统一到同一个框架和 训练范式中，实现了模态统一。同时，将 涉及多模态和单模态的任务统一建模成序 列到序列的任务，使得模型可以同时学习 多个任务。通过一次性训练，可以获得文 本生成、图像生成和跨模态理解等多种能 力，实现了任务统一。m6通过模块化设计统一了多模态理解和生成，实现了大模型 的轻量化和任务水平的提升。模块化大模 型通过切分独立模块，包括基础层、通用 层、任务层和功能性模块，实现了灵活拆 拨和微调，实现了大模型的轻量化和任务 水平
Q&A
Q：公司在人工智能领域的积累和投资有哪些方面的成果？
A：阿里巴巴在人工智能领域早在搔4年前 就成立了数据科学与技术研究院，并于 2016年成立了人工智能实验室。阿里巴巴 在数据算法和算例方面有丰富的积累，并 在AI核心产业环节积极进行对外投资。阿 里巴巴在芯片领域投资了寒武纪、深圳科 技等企业，在机器视觉和深度学习领域投资了商汤科技、旷视科技等公司，在应用 领域投资了小艾机器人等公司，通过打造 AI生态圈与产业链上的企业实现共赢。
Q：公司的大模型在哪些能力上具有优 势？
A：根据IDC的测评结果，阿里巴巴的统一 大模型在通用能力、服务能力、创新能 力、平台能力和生态合作等方面都达到了 满分的成绩，具有显著的领先优势。
Q：公司的大模型是如何实现领先能力的 优势的？
A：阿里巴巴的大模型通过技术投搔入、 算法模型算例及数据的角度进行优化。在 技术架构方面，阿里巴巴重新定义了云基 础设施的三层技术架构，提供了稳定和高 效的基础设施。在模型设计上，阿里巴巴注重统一的输入输出形式和学习范式，实 现了模态统一。此外，阿里巴巴通过模块 化设计统一了多模态的理解和生成，并实 现了大模型的轻量化和任务水平的提升。 算力方面，阿里巴巴推出了派乘0进制算的 服务，支撑10万亿参数的大模型训练。
Q：公司的多模态模型m6在哪些方面取得 了成果？
A：阿里巴巴的多模态模型m6经过快速迭 代，参数规模在2021年达到了千亿，在 2021年达到了万亿，并在多个下游任务中 表现出优秀的性能。在2021年11月，模型 的参数规模迭代到了10万亿，成为全球最 大的训练模型。
Q：阿里在研发m6时采用了哪些训练数据 集？
A：阿里在研发m6时自己搭建了一个中文 的多模态的训练数据集，其中包含了1.9tb 的图像和222292tb的文本。
Q：阿里推出的爱丽丝曼模型在哪些领域 有突出表现？
A：阿里推出的爱丽丝曼模型在多语言生 成、多模态结构化等领域有突出表现。
Q：阿里云推出了哪些云服务器来提升AI 的训练性能和计算速度？
A：阿里云推出了搭载英伟达a100v100等 多种型号的gpu的云服务器，能够显著提 升AI的训练性能和计算速度。
Q：阿里云在哪些领域有望受益于AI的快 速发展和算力需求的增加？
A：阿里云在计算机视觉和智能语音领域 有望受益于AI的快速发展和算力需求的增加。
Q：阿里云如何将机器学习平台、视觉智 能和自然语言处理等AI能力进行商业化推 广？
A：阿里云将机器学习平台、视觉智能和 自然语言处理等AI能力打造成标准化的产 品进行销售，并采用订阅和API按需收费的 方式。
Q：AI的快速发展会带来哪些商业化的潜 力？云厂商有望成为哪方面的主要承载 方？
A：AI的快速发展会带来办公效率的提升 和AI增量算力需求的增加，云厂商有望成 为AI增量算力需求的主要承载方。
Q：阿里云在AI公有云市场的份额和收入 贡献如何？未来有望达到什么规模？
A：阿里云在我国的公有云市场份额约为 30%，AI公有云的收入贡献从2021年的 1%提升到2022年的2.8%。根据预测， 2026年我国的AI公有云市场有望达到百亿 规模。
Q：阿里的大模型在哪些应用场景有潜在 的落地方向？
A：阿里的大模型在文字归纳与生成、创 意性内容生成、代码开发等领域有广泛应 用的潜力。
Q：阿里的大模型在哪些具体应用场景有 望大规模落地？
A：阿里的大模型在办公场景、电商领域 和智能终端等具体应用场景有望大规模落 地。
Q：钉钉如何接入阿里的大模型来提升协 作效率？
A：钉钉已经全面接入阿里的大模型，用 户可以通过斜杠调用统一大模型的能力， 实现对群聊工作讨论推文创建、视频会议 等场景协作效率的大幅提升。
Q：阿里的电商业务和AI能力结合后有哪 些优化效果？
A：阿里的电商业务和AI能力结合后可以 通过智能推荐辅助决策来优化消费者的购 物体验，降低决策成本；通过AI辅助创意 生成和智能客服降低商家的营销和运营成 本；提供更精准的用户洞察，提升商家的 经营产出。
Q：高德在出行领域有哪些服务？
A：高德在出行领域提供了路线导航、路 况提示等服务，并正在升级为综合的消费 者服务平台，将接入通1000问带来智能化 能力的提升。
Q：高德在驾驶和出行场景下有什么计 划？
A：高德有望提供更多的智能出行和目的 地相关推荐的服务，以进一步优化用户的 驾驶和出行体验。
Q：阿里在音视频领域有哪些AI产品？
A：阿里在今年6月发布了聚焦音视频的AI 产品通工艺听wou，这是国内首个开放公 测的大模型应用产品。通一听物具备了理 解和摘要的能力，可以帮助用户完成音视 频内容的转写、检索、摘要和整理。
Q：阿里云最新发布了什么AI产品？
A：阿里云最新发布了AI绘画创作的纹身 图产品统一万象，具备了纹身图和风格迁 移、箱子图生成等能力，降低了内容制作 的成本。
Q：阿里1,000万在行业落地上有什么潜力 和空间？
A：阿里1,000万在发布两周后就有超过20 万的企业想要接入，实现自身业务效率的 提升，显示了在整个行业落地上具有潜力 和空间。
Q：阿里的大模型能给阿里云带来什么业 绩的提升？
A：目前阿里AI公有云对于阿里云整体收 入的贡献大约是3%，随着通译系列模型产 品生态和服务能力的成熟，未来有望带来 更大的业绩贡献。
Q：对阿里在国内AI和大模型领域的潜力 和竞争力如何看待？
A：我们非常看好阿里在国内AI和大模型 领域的中长期潜力和竞争实力。
Q：有什么问题可以进一步交流？
A：如果有任何问题，欢迎投资人提出， 我们可以进行进一步的交流。
Q：公司在产业端的应用反馈和商业化进 度如何？
A：目前从产业端的反馈来看，阿里巴巴 在电商和阿里云所处的细分行业应用都是 积极的，并且在中国AI应用的行业规模 中，专业服务、政府、制造业和银行等行 业的规模相对更大。从商业化进度来看， 虽然大模型的商业化还在初级阶段，但已经有一些开源模型可以进入企业并实现商 业化，未来可能会出现更多这样的场景。
Q：这些国内公司目前还在内部调试，还 没有大规模的商用，对吗？
A：是的，对于这些公司来说，商业化和 商业预期相关的信息可能还没有披露，因 此可能还在内部调试和尝试阶段，还没有 大规模的商用。
Q：目前国内的基础算力是否足够，是否 存在不确定性？
A：从训练和推理的角度来看，训练端确 实需要高性能的GPU芯片，但目前中低端 计算芯片仍然可以满足云端训练和高训练 计算的需求。长期来看，国产替代仍然是 主要的方向。在推理方面，目前国内发展不用过度担心，因为目前中低端计算芯片 如t4和t40等产品没有被禁售的风险。
Q：阿里、百度和科大讯飞的模型有什么差异和优势？
A：从综合实力和能力上看，阿里、百度 和科大讯飞都处于国内相对理性且领先的 第二梯队，科大讯飞在自然语言处理方面 的能力更强。目前三家公司的模型使用上 没有特别显著的差异，但未来关注各家在 算法模型的研发和路线上是否能取得突 破，形成差异化。此外，阿里和百度发布 的是更通用的多模态大模型，而科大讯飞 在自然语言处理方面的能力比较强，因此 在图像生成和多模态方面可能会有差异。 最后，三家公司基于自身产业资源的积 累，在应用场景上可能会有较大区别，阿里在电商和金融方面的优势更大，而百度 在政企和产业方面有一些优势。
