上世紀70年代，沃茲尼亞克、喬布斯、費爾森斯坦、比爾·蓋茨、約翰·德雷珀等人成立了名為Homebrew Computer Club的組織，他們在聚會中展示創意、交換想法，希望開創一個每個人都有電腦的世界。

后來的故事大家都很熟悉，沃茲尼亞克和喬布斯在Homebrew Computer Club的會議上展示了Apple I，并在第二年成立了蘋果公司。同時推動了開源文化的興起、個人電腦的普及，成了科技史上最具影響力的技術社群之一。

當世界進入到智能化時代，創新的種子在全球遍地開花，類似Homebrew Computer Club的社群也開始在更大范圍內萌芽。

其中就有2020年12月30日成立的創原會，由CNCF執行董事Priyanka Sharma、中國信通院云大所副所長栗蔚和華為云CTO張宇昕作為創始會員構建的全球技術創新交流平臺，希望通過探索前沿的云原生、AI等技術，共享產業落地實踐經驗的方式，共創技術與業務融合的無限可能。

經過四年時間的發展，創原會已經吸納了來自學術研究、汽車出行、能源制造、互聯網、金融投資、貨運物流等行業的三百多位技術骨干，不乏銜遠科技創始人周伯文、面壁智能CEO李大海、吉利汽車數字中心主任鄭金偉、小紅書云原生基礎平臺負責人黃玉奇等懂行的技術“老炮兒”。

正是在這樣的背景下，每年一次的創原會年度技術峰會，作為會員們年度相聚、思想碰撞、互動交流的“舞臺”，已成為洞察行業創新趨勢、落地實踐經驗的風向標。

比如剛剛結束的2024創原會年度技術峰會，達成了“全面擁抱AI-Native”的共識，并為AI-Native的落地指明了方向。

01 走向AI-Native，先要解決算力資源的挑戰

根據咨詢機構Gartner的預測，2026年將有超過80%的企業在生產環境中落地大模型或調用API，并部署啟用生成式AI應用。

比研究報告更加直觀的，是創原會年度技術峰會上的熱烈討論：技術“老炮兒”談論的不再是“怎么使用AI”，而是怎么將AI作為業務和生產的核心支撐，用AI重塑流程與創新產品，實現更高效與智能的運作。

創原會的會員們一致認為，算力挑戰是普遍現象。

大模型的訓練和推理，都需要強大的算力資源，而國內的很多企業無力承擔龐大的硬件采購成本。即使有了算力，由于大規模分布式計算、彈性擴展和模型調優等技術的要求較高，常常出現算力浪費或利用率不足的問題。

華為云CTO、創原會榮譽理事長張宇昕在演講中表示：“我們期望每個企業都能實時按需獲取AI算力，構建彈性、高效、多元算力的AI-Native基礎設施是關鍵。”

傳統的數據中心是CPU為中心的主從架構，所有資源的交互和信息傳遞都以CPU調度為主，CPU性能提升和網絡帶寬等都成為瓶頸。比如在AI訓練推理的場景中，CPU為中心的架構無法完全滿足業務所需的超大網絡總線帶寬、內存帶寬和顯存容量，直接限制了訓練推理效率，并導致NPU算力和其它資源的閑置。

華為云的解題思路是將數據中心演進到多元算力對等全互聯的架構，通過高速互聯網絡協議，將CPU、NPU、內存等算力資源全部互聯，實現資源全池化、全對等互連、資源按需組合，從單體算力進化到矩陣算力。

張宇昕舉了一個真實的例子：在使用萬億參數的盤古S模型運行訓練任務時，采用多元算力對等架構的華為云CloudMatrix，計算效率比傳統架構提升了68%；千億參數的盤古U模型的推理效率提升了30%。

解決算力瓶頸只是第一步，存儲也是制約AI發展的關鍵要素：32GB的顯存僅能裝下70億參數的模型，且隨著模型參數規格的增長，推理的顯存需求并發變大。

針對AI落地應用過程中遇到的存儲、數據等問題，華為云早已給出了一整套成熟的解決方案：

通過用池化架構來擴展顯存的方式，解決了推理過程中的內存墻限制；通過將KV計算任務卸載到虛擬顯存和CPU上，讓單卡的并發數大幅提升；通過數據庫領域大模型+場景小模型的多模型協同，打造了智能的數據庫引擎，并利用智能開發助手和智能運維助手，全面提升開發和運維效率；以及在安全合規、隱私保護、可靠可控等方面的全盤布局。

走向AI-Native的過程，也是重新定義基礎設施的過程。就像打開水龍頭時，我們不需要知道水是從哪條河里來的；當我們調用AI算力的時候，不需要知道算力是怎么來的，背后的技術和運維有多復雜。

02 AI原生應用開發，有了“流水線”般的新范式

回答了算力資源的問題后，AI-Native就不再是一道選擇題，而是千行萬業數智化轉型升級的必答題。

華為云副總裁、戰略與產業發展部總裁黃瑾講述了自己的判斷：

相對歷史上所有重大技術變革和創新，不管是云計算、移動互聯網時代，其商業生態鏈都呈倒金字塔結構——應用和內容為王。同時坦言AI正在重塑IT的方方面面，包括重新定義基礎設施、重塑軟件開發過程、重塑軟件交互體驗，甚至在重塑軟件生態。

新的時代序幕已經拉開，身在局中的創原會會員們感同身受，他們的態度體現在討論的議題上：《根據企業自身業務需求，如何識別和選擇AI在開發領域的價值場景？》《如何選擇智能化研發相關的關鍵技術？》《AI時代下的效能雙引擎聯動，如何實現確定性增長？》

面對如何高效打造AI原生應用的疑問，張宇昕結合華為云將大模型落地到30多個行業的400多個場景的經驗，給出了三個建議：

第一，企業應用要基于AI-Native的云服務來開發和構建。

每個企業都需要持續思考如何把AI能力融入到自己的產品和應用中去，通過用以知識為中心的數據湖來構筑數據底座，用自主智能的工具鏈來開發應用，用AIGC+CG融合的數字內容生產線來創作內容等等。這樣的產品和應用將具備自主學習、持續迭代、適應變化的能力。

第二，用基礎大模型+工具鏈+企業經驗，構建企業自己的專屬模型。

大模型落地應用的過程中，也產生了“不可能三角”問題——需要在專業性、泛化性、經濟性三者中做好權衡：通用大模型缺乏行業Know-how，在專業性上無法勝任企業的業務需要；訓練大量專業數據，又會引發大模型的泛化能力下降；模型參數規模越大，性能和精度效果越好，但是訓練成本會很高。

張宇昕的答案是：“模型不是越大越好，也不是一個大模型可以打遍天下，企業要結合自身經驗和行業Know-how來打造自己專屬的模型?！?/p>

比如將不同行業專屬的高質量數據，結合行業Know-how訓練通用大模型，并針對不同行業對模型能力的偏好進行通用數據增強，打造行業場景的大模型。各個企業在行業大模型的基礎上，增訓自己的私有數據、企業Know-how，調度企業專用工具和插件，構建出企業自己的專屬模型。

第三，用大模型系統構建AI原生應用，實現企業智能升級。

大模型的訓練不應該重復造輪子，大模型的落地也不應該一次次從0到1，而是將模型與工程化能力相結合，實現模型接入與對外接口標準化，開發者可以按照相應的規則調用，直接創建AI原生應用。

相對應的正是華為云的大模型系統，包含行業數據和知識組成的知識中心，企業專屬大模型、開源大模型以及傳統小模型構成的模型中心，搜索引擎、代碼執行器整合而成的組件中心等等。

開發者可以通過大模型系統的增強插件，譬如安全護欄保障模型的安全性、RAG檢索增強來消除大模型幻覺，利用標準的API接口，協同配合多種模型，以取長補短的方式快速實現企業的智能化升級。

打一個比方的話：如果說傳統的應用開發是“手工作坊”，有了完善的工具鏈、大模型系統和獨立處理復雜任務的AI Agent，AI原生應用的開發已經進入到了“流水線生產”的模式，為數智化轉型按下了“加速鍵”。

03 大模型平民化，在場景中看見新質生產力

當AI-Native的路徑被跑通，大模型不再是少數頭部企業的“特權”，AI將和千行萬業的真實場景碰撞出什么樣的火花？

就歷史經驗來看，相較于數據上的宏觀論述，可以觸摸的落地案例更有說服力。2024創原會年度技術峰會上有一個特別的環節，評選出了“2024年度AI-Native十大先鋒實踐”，也為外界提供了窺探落地現狀的窗口。

我們篩選出了三個有代表性的例子。

一是借助AIGC優化內容生產流程的喜馬拉雅。

作為國內規模領先的在線音頻分享平臺，喜馬拉雅在2023年專門成立了“珠峰實驗室”，著手研發了“珠峰音頻AI模型”。

為了解決大模型訓練和推理的算力需求，喜馬拉雅構建了自建AI基礎設施與公有云AI資源池的混合架構，讓資源利用效率提升了20%、資源成本降低了10%。目前“珠峰音頻AI模型”已經生產了數萬本有聲書，包括模仿單田芳聲音的AI合成音頻專輯，極大降低了平臺的成本投入。

內容生產的流程被重塑后，喜馬拉雅進一步研發了AI智能推送系統、國內首個全內容智能AI音箱小雅等產品，不僅提升了內容推送精準度和效率，也為聽眾帶來了更加沉浸式、定制化的音頻體驗。

二是用AI大模型打造零售智能體的美宜佳。

深耕零售行業近30年的美宜佳，開啟了創辦以來“最具創新”的一次轉型，聯合華為云盤古大模型打造了AI+IoT+美宜佳業務平臺的零售智能體，并將其落地到3.7萬家門店，探索零售行業的新業態。

數字店員可以隨場隨身解答顧客的問題，播放音樂緩解顧客的壓力，像一座智慧化的“城市燈塔”，點亮了深夜歸家的路。

值得一提的是，美宜佳的智能化探索，不僅為品牌商、門店店主、消費者提供了服務成本更低、效率更高、體驗更好的集成生態服務，沉淀下來的經驗和能力還將外溢到整個行業，驅動零售行業服務升級。

三是北京市政一卡通的人工智能創新實踐。

基于華為云的AI原生基礎設施，北京市政一卡通依托AI技術完成了一卡通支付的智能化改造，有效支撐了一卡通公司在公共交通、商業消費、政府管理、創新應用4大領域28個行業的廣泛落地。

目前北京市政一卡通已經覆蓋國內330多個城市，每天為數千萬用戶提供持續、穩定、高效、安全的支付服務。同時人工智能還在用卡安全等方面發揮了重要作用，為公共服務與社會治理提供了創新示范，連續多年被列入北京市政府“為市民辦實事工程”。

正如張宇昕所說：“中國的AI產業有著巨大的機遇，我們可以充分發揮在行業場景和行業數據領域的優勢，讓AI深入到企業核心生產系統，真正發揮產業價值和商業價值，推動產業升級和轉型。”

三個跨越互聯網、零售、政企的例子，僅僅是AI原生應用圖景的一隅，卻用事實印證了張宇昕的判斷，讓外界看到了實實在在的新質生產力，看到了行業生產力的躍遷。

04 寫在最后

Homebrew Computer Club在50年前點燃了個人計算機革命，為人類的生活和工作方式產生了顛覆性改變。

承襲了這種精神的創原會，為技術先鋒和產業創新者搭建了溝通的橋梁，正在將創新的力量擴散到更多的行業和場景中。

也許多年后再來審視2024創原會年度技術峰會，人們會驚訝地發現：解答了AI原生的算力困境、疏通了原生應用的開發路徑，照亮了一個個創新案例后，AI-Native的“星星之火”從此刻開始燎原。