百度沈抖：智能，生成无限可能

4月16日，Create 2024百度AI开发者大会在深圳举行。会上，百度集团执行副总裁、百度智能云事业群总裁沈抖正式发布新一代智能计算操作系统——百度智能云万源。它能管理万卡规模的集群，极致地发挥GPU、CPU的性能；它有强大的大模型作为核心引擎，构建起全面的大模型服务能力。它让应用开发像搭积木一样简单，提升AI原生应用的开发效率与体验，加速AI原生应用的爆发。

沈抖表示，传统的云计算系统依然重要，但不再是主角，我们需要一个全新的操作系统，对新的计算平台，也就是智能计算做好抽象和封装，重新定义人机交互，为开发者提供更简单、更流畅的开发体验。百度智能云万源，就是这样的新一代智能计算操作系统。

百度集团执行副总裁、百度智能云事业群总裁沈抖

以下为演讲实录：

大家上午好！今天，我想用一句我非常喜欢的话来开场：“简单是终极的复杂”。

这句话来自苹果公司的第一本宣传册，也有人说它来自达芬奇。不论来自哪里，它代表着我们对极简之美的共同追求。

在百度，我们的使命就是“用科技让复杂的世界更简单”。回到今天的主题“人人都是开发者”，那我们追求的一种简单，就是让每个人都可以用极简的方式开发出极强的软件。

80年前，第一代“程序员”手动插拔电缆、转动旋钮，用布线板来操作计算机，难度大、效率低还容易出错。

后来，汇编语言和汇编器出现了。我们可以用一种相对自然的方式告诉机器如何工作，大大提高了开发效率。这种让程序代替人工、让软件管理硬件的方式，就是操作系统的雏形。

但这还远远不够。

再后来，高级编程语言和编译器诞生了，计算平台进一步进化，开发者可以用更接近人类的方式表达需求，无需关心底层软硬件的复杂性。大多数的应用可以在不修改任何代码的情况下，都可以迁移到其它硬件上去运行。

9,000+行代码的UNIX6

4,300,000+行代码的WinNT

45,000,000+行代码的WinXP

软件越来越复杂，硬件越来越先进。随之升级的是快速迭代的操作系统。

本质上，操作系统就是管理硬件和软件，往下一层层屏蔽底层的复杂性、往上抽象成简单的交互界面。对开发者来说，只需要关注业务本身的逻辑，使用简单的编程工具和语言，开发相应的软件功能。

随着软件规模和复杂度的提高，单台机器已经不能满足需求，集群出现了。

集群出现以后，操作系统管理的对象，不再是单台机器和运行在上面的“进程”，而是整个集群和上面运行的各种“微服务”，管理的对象和复杂性有了质的变化。

云计算应运而生，集群管理的复杂性从此被隐去，开发者可以按需扩缩容，灵活响应市场的变化。

到了今天又不一样了，大模型出现了。机器和系统第一次不再是人类的提线木偶，而是具备了“理解、生成、逻辑和记忆”的能力。这将彻底改变人和机器的关系，这其中最重要的一点就是软件开发的范式。编程不再是少数经过专业训练的程序员的特权。相反，人人都是开发者。编程不再需要从C/C++学起，而是从自然语言开始；编程不再是面向过程、面向对象，而是面向需求，以后编程的过程，就是一个人表达愿望的过程。

这是革命性的变化。它会彻底颠覆原有的操作系统。

在操作系统的内核中，底层的硬件从以CPU算力为主变成以GPU算力为主，而且第一次增加了硬件和软件以外的资源，也就是被大模型压缩的世界知识。操作系统管理的对象，从管理进程到管理微服务，进而进化到了管理智能。

传统的云计算系统依然重要，但不再是主角，我们需要一个全新的操作系统，对新的计算平台，也就是智能计算做好抽象和封装，重新定义人机交互，为开发者提供更简单、更流畅的开发体验。那这种操作系统到底应该长什么样子呢？

它需要能管理万卡规模的集群，需要极致发挥GPU、CPU的性能，需要高速互联。

它需要有强大的大模型作为核心引擎，不仅是语言大模型，还有视觉大模型。

而这些就构成了操作系统的内核。

在内核层之上，还需要构建起强大的大模型服务能力，我们刚才提到内核层的各种模型，它们的精调、评估、部署、调用等工具链，我们都要建立起来。

而在这之上，我们还有好的应用开发工具去做工作流编排、插件管理，让应用开发像搭积木一样简单！

当然了，一个操作系统，作为企业服务，安全和运维也必不可少。

此外，它还要隐藏掉上一代云原生系统的复杂性。

而且最后，它要能够推动加速AI原生应用的爆发。

这就是新一代智能计算操作系统……万源！

鼓个掌！这个鼓掌很值得，为什么呢？

有一种说法叫软件定义世界，而今天我们呈现的万源就是用来帮助人类去定义软件。

接下来，我们打开万源，看看里面的每一个部分。

首先是内核层。大模型不是免费的午餐，强大的模型能力需要巨大的算力、甚至电力，算力的有效管理至关重要。实际上现在因为不合理的算力管理和使用方法，当下社会上很多算力被浪费掉了。我们需要一个强大的操作系统将现有的算力资源发挥到极致，支撑大模型和应用创新的迭代。

我们知道，要训练一个好的大模型，需要上万张卡的集群。但是，如果要让上万张卡像一张卡一样工作、实现性能的线性扩展、保障任务不间断，这对集群的设计、调度、容错都是巨大的挑战。

目前，在百舸，我们的万卡集群上的有效训练时长占比达到了98.8%；线性加速比和带宽有效性都超过了95%。这绝对是业界最高级别的算力效能。

在算力方面，国内还有一个特殊情况，就是芯片供应的不确定性，这必然会导致将来多款芯片并存的格局。短期看，这是大家被动接受的局面；但是长期看，这一定是大家主动选择的结果。因为只有这样，才能摆脱对单一芯片的依赖，实现更优的成本，保证更有弹性的供应链。

但是，不同厂商的芯片差异很大；即使同一厂商，不同代际的芯片差距也很大。用来推理还可以，但如果想训练大模型、尤其是在单一训练任务上，把不同芯片用好非常难。

今天，我很高兴地告诉大家，百舸平台上已经实现了百卡规模、单一训练任务下，不同厂商芯片的混合训练，而且把训练的性能损失控制在3%，即使在千卡规模下，性能损失也不超过5%。可见百舸已经给大家屏蔽掉了芯片之间的差异，给了大家选择不同芯片组合的权利！

这里真的应该有掌声，我们苦芯片久矣。芯片会变得越来越多元，我们需要这样的能力去帮助我们管理不同的芯片，把它们绑在一起像一款芯片一样工作。

当然了，内核中的另一个重要组成部分是大模型。它压缩了庞大的世界知识，将理解、生成、逻辑、记忆能力封装起来、向上提供简单的接口，让AI原生应用可以高效运行。

万源的内核，既包含了业界领先的ERNIE 4.0、3.5这些海峰刚刚讲过的模型、也包括ERNIE Speed/Lite/Tiny系列轻量模型，此外还包括文心视觉大模型和一些各有特色的第三方大模型，充分满足用户在不同业务场景下的多样化需求。

内核之上是千帆ModelBuilder。内核中的这些模型的管理、调度、二次开发，都可以通过ModelBuilder解决。很多场景化的需求，不需要从头去训练大模型，只要在合适的基础大模型上，做些模型精调、甚至就是改一下提示词，就可以很好地解决问题。

ModelBuilder的目的就是要把这些工具产品化，屏蔽掉模型开发的复杂性，让更多人只需要投入少量的数据、资源和精力，就能快速精调出适合自己业务的模型。

在实际应用中，就像Robin刚才提到的，我们需要合理地组合不同的模型。ModelBuilder提供的模型路由服务，会自动给不同难度的任务选择最合适的模型，实现效果和成本的最优组合，在效果基本持平的情况下，它可以使得推理成本降低30%以上。

再往上看，是工具层。千帆AppBuilder和AgentBuilder是强大的应用开发平台，正如Robin刚才已经演示了好几个这样的案例，它们可以支持各种agent和应用的快速开发和发布。通过AppBuilder开发的应用，可以一键发布到百度搜索、微信公众号等平台，也可以通过API或SDK的方式直接集成到您自己的系统中。真正做到极速开发,轻松上市。

当然了，现阶段，大模型还不够完美，有些场景下，人的经验可以帮agent做更好的任务规划，因此AppBuilder发布了工作流编排功能。基于AppBuilder的工作流编排，开发者可以使用预置的模板和组件，轻松定制自己的业务流程，还可以在上面集成、扩建自己特色的组件，在不同节点上选用不同的模型。如果您在ModelBuilder上精调了模型，那现在在AppBuilder上也可以很方便地直接调用，整个过程非常便捷。