阿里云大模型空前降价，开始超摩尔定律的狂奔

让更便宜的大模型，成为全社会创新加速的基础设施。

5 月 21 日，武汉光谷万豪，阿里云「AI 智领者峰会」。

抵达现场后，与会嘉宾发现一丝不同寻常，一个已经在一个月时间里相继在杭州、北京、西安举办过的系列峰会，这次阿里云智能集团资深副总裁、公共云事业部总裁刘伟光亲自来了——阿里云这次，可能要搞个大的。

果不其然，发布会开始十多分钟，刘伟光便聊起了一个硬件领域老生常谈的话题「摩尔定律」。

极客最高级的致敬是「show me code」；商业教父最高级的致敬，是把他的观点，变成行业定律，摩尔定律就是其一。

1965 年，这位英特尔联合创始人的一句话，「单位面积上，晶体管的密度，每隔 18 个月就翻一番」，主导了迄今半导体行业 60 多年的发展。

然而，伴随摩尔故去，摩尔定律在微观晶体管领域，也逐渐褪色。冯诺依曼架构的原始限制、量子隧穿成为摆在眼前的拦路虎。

那将观察角度转为宏观，或者转为用户导向呢？这是阿里云思考了很多年的问题。

从用户角度出发，晶体管密度只是其次，摩尔定律最根本的意义是在于每过 18 个月，用户就能以相同价格买到翻倍的算力。

但很显然，实现越来越便宜的算力，不止有晶体管密度这一条路。

而公共云与 AI，或许就是阿里云超越摩尔定律的尝试。

AI 推理成本，

开始指数级下降

「我觉得 AI 推理成本只有每年有十倍甚至百倍的降低，才能真正推动行业各行各业的 AI 应用的爆发。」

刘伟光话一出口，台下的人面面相觑：目前中国 80% 的科技企业，一半大模型公司都跑在阿里云之上。每年百倍，也就意味着，阿里云要一步将国产大模型的使用成本打到地板价。

紧随其后，阿里云官宣，旗下 9 款核心商业化及开源系列模型将全数降价，且都已经可以通过阿里云百炼官网开通使用。其中，阿里云对标 GPT-4 级别的长文本模型 Qwen-Long，降价至 GPT-4 价格的 1/400，全球最低。

Qwen-Long 是通义千问的长文本增强版模型，主要适用最消耗 token 的长文本场景，上下文长度最高达 1 千万，可处理约 1500 万字或 1.5 万页的文档。

此次官宣后，其 API 输入价格从 0.02 元/千 tokens 降至 0.0005 元/千 tokens，直降 97%。这意味着，1 块钱可以买 200 万 tokens，相当于 5 本《新华字典》的文字量。相比之下，国内外厂商 GPT-4、Gemini1.5 Pro、Claude 3 Sonnet 及 Ernie-4.0 每千 tokens 输入价格分别为 0.22 元、0.025 元、0.022 元及 0.12 元，均远高于 Qwen-long。同时，Qwen-Long 输出价格也从 0.02 元/千 tokens 降至 0.002 元/千 tokens，降幅 90%。

不久前发布的通义千问旗舰款大模型，权威基准 OpenCompass 上性能追平 GPT-4-Turbo 的 Qwen-Max，同样参与此次降价，API 输入价格降至 0.04 元/千 tokens，降幅达 67％。

其他开源模型上，Qwen1.5-72B、Qwen1.5-110B 等 5 款开源模型的输入价格也分别直降 75% 以上。

从应用范围最广，到性能最佳，阿里云拿出的，都是最重磅的产品，决心可见一斑。

阿里云的决心：成为大模型

爆发的基础设施

为什么降价？

答案就写在这次活动的主题中：「让天下没有难做的 AI 应用」，成为大模型时代的基础设施。

据多位内部人士表示，AI 的定位在阿里云已经上升到前所未有的战略高度。在多次内部会上，阿里云高管都将 2024 的 AI 类比 2017 年的短视频与 2012 年的移动支付。2012 年到 2013 年，3G 过渡到 4G 过程当中，中国的移动支付两年增长了 800%；在 2017 到 2018，多家短视频的爆发，实现了整个中国短视频呈现 8.5 倍的增长。

未来 AI 的爆发速度，也将远远超出所有人的想象——现在，中国所有大模型公司 API 的日调用量不超过一个亿，年底这一数据量将达 100 亿次，增长百倍。

为达成「AI 基础设施」这一目标，阿里云给自身的定位是做到四有：

一有，有实力提供全球领先的模型服务。不久前，OpenAI 的 Sam Altman 转发了 Chatbot Arena 榜单来印证 GPT-4o 的能力，其中全球排名前 20 的模型中，三款通义千问代表中国模型实力跻身世界前列。

Sam Altman 在 X 上转发 GPT-4o 测试成绩｜X

二有，有能力建设国内最大的推理集群。全球三十处公共云地域分布、共计 89 个可用区，可做到 4X 推理吞吐提升，8X 计算资源节省，以及分钟级快速动态扩容。

三有，有态度坚持开放、持续开源。作为首个提出 MaaS（模型即服务）理念的云厂商，目前，瞄着让模型更好的服务的目标，阿里云百炼模型服务平台已可以调用众多三方及垂直领域大模型、魔塔社区则是中国最大的模型社区，拥有 4500+模型总数以及 500 万+用户数；通义持续开源全模态全尺寸模型家族，共计 700 万开源模型下载量。

四有，有信心，迎接 AI 应用的爆发。财报数据显示，同比去年，阿里云的 AI 相关收入同比三位数增长。

而与阿里云的「四有」，形成对比的，则是行业内的「两贵」。

一方面是开发以及微调的人力成本贵。大模型人才稀缺已是业内共识，某家消费电子巨头曾算了一笔账，大模型研发方向，公司平均平均税后人才成本为 100 万元。而对普通企业来说，即便跳过基模这一步，采用开源大模型微调，成本同样高企。

另一方面则是硬件成本「硅谷卡贵」。一个创业公司，拥抱大模型，起步价实买 50 台 GPU 服务器，甚至 100 台、200 台乃至更大尺寸的集群。如果对标全球顶级水平，训练一个 100B 规模的 LLM，以 Falcon 系列模型为例，其资源消耗量 3.5 万亿 token，约 4096 个 A100 组成的集群，训练时长约 70 天。其中，一张 A100 的价格，通常在一万美金乃至更多。而构建集群，除了 GPU 的采购，还有包括软件部署、网络费用、电费、运维成本，以及不断投入的试错成本，成本远非普通企业可以承受。

那么，对阿里云来说，接下来的核心目标，就是如何用阿里云的「四有」，解决 AI 爆发遇到的「两贵」。

决定 API 价值的要素：

技术高度+普惠能力

不难发现，本次活动，阿里云的重点有二，其一是强调 API 价值，其二是降价普惠的能力。

API 很好理解，互联网发展没必要重复造轮子，大模型发展，也不是人人都需要从基模开始。通过 API 与公共云相组合，不仅可以降低大模型开发的人力成本，更是通往大模型普惠的必经之路。

一方面，云厂商天然的开放性，能为开发者提供私有部署所不具备的丰富模型和工具链。阿里云百炼平台上汇聚通义、百川、ChatGLM、Llama 系列等上百款国内外优质模型，内置大模型定制与应用开发工具链，开发者可以便捷地测试比较不同模型，开发专属大模型，并轻松搭建 RAG 等应用。从选模型、调模型、搭应用到对外服务，一站式搞定。

另一方面，云上更方便进行多模型调用，并提供企业级的数据安全保障。阿里云可以为每个企业提供专属 VPC 环境，做到计算隔离、存储隔离、网络隔离、数据加密，充分保障数据安全。目前，阿里云已主导或深度参与 10 多项大模型安全相关国际国内技术标准的制定。

降价背后的逻辑，则是具备普惠的能力。

在 PC 时代，主导行业不断发展的是安迪-比尔定律。其中，安迪代表的是英特尔卖 CPU 的，比尔则是微软，做 Windows 操作系统的。两者组合，随着操作系统为代表的软件的体量日益庞大，用户必须定期更新迭代新的硬件。

换到 AI 时代同理，大模型发展越好，云计算等算力的需求越高。「生成式 AI 所依赖的算力不仅仅是 CPU 和简单的技术带来的策略，更多是一个大规模集群，大规模 GPU 集群带来算力的基础，包括网络存储背后能力的提升。所以生成式 AI，无论是推理和训练，逐渐更多的走向云端，再一次的点燃了公共云的爆发」刘伟光直言。

而这次空前降价的底气，则是云计算本身超越摩尔定律的特性。

过去，摩尔定律主导单位面积下，芯片晶体管的密度 18 个月翻番。相同算力，用户的使用成本 18 个月降一半。

现如今，晶体管的摩尔定律失效，但公共云的技术红利和规模效应，依然能带来算力成本的继续优化。一个例证是，阿里云过去十年，算力成本降低 80%，存储成本降低 90%。

具体到 AI 方向，阿里云基于自研的异构芯片互联、高性能网络 HPN7.0、高性能存储 CPFS、人工智能平台 PAI 等核心技术和产品，构建了极致弹性的 AI 算力调度系统，结合百炼分布式推理加速引擎，大幅压缩了模型推理成本，并加快模型推理速度。

也是因此，即便同样的开源模型，在公共云上的调用价格也远远低于私有化部署。以使用 Qwen-72B 开源模型、每月 1 亿 tokens 用量为例，在阿里云百炼上直接调用 API 每月仅需 600 元，私有化部署的成本平均每月超 1 万元。

至此，大模型的爆发才刚刚开始，但如何打好这场持久战，阿里云的基础设施的铺垫，已然悄然酝酿完成。

阿里云开启的连锁反应

事实上，阿里云开始幅度如此激进的降价，不会是故事的结尾。

就在今天，上午阿里云大模型大幅降价后，下午随即百度两款轻量型主力大模型宣布免费。虽然这和阿里云降价的模型能力并不完全匹配，看起来是一种声势上的快速应对，但毫无疑问，阿里云开启的这一波大模型能力普惠将引发进一步的业界连锁反应。

对于应用创新，大模型 API 成本的下降，甚至开始可以接近免费试用，真正跑起来再算钱，对激发应用创新是一件好事。过去，中国在实体经济，有基建狂魔称号，「要致富先修路」也成为家喻户晓的常识。其背后的底层经济规律是，基础设施的价格与社会的创新总量，之间是一个微妙的跷跷板结构：

只有基础设施的价格下降，创新才会如成熟的蒲公英，借助风口，把种子播撒向远方。过去实体经济如此，期待 AI 时代亦如此。

原文链接：点击前往 >