一千二百字

钉钉因客户而变。一位青年女歌手因意外事故失去一只手，在安装了智能仿生手之后，她可以双手弹奏钢琴，再续舞台梦；去年亚残运会，装有一只机械仿生手的火炬手点燃圣火的画面令人动容。手关节和神经属于人体非常复杂的部位，安装假肢的诉求不仅仅是一个倒模，还需要控制它完成复杂动作，这与非智能时代相比是一个巨大的挑战。
上述这些智能仿生手均来自BrainCo脑强科技，一家和马斯克Neuralink公司类似的研发脑机连接的创业企业，主要针对残疾人士康复需求。据该公司创始人介绍，由于他们在全球四地设有办公室，跨语言沟通是一个高频需求，在使用钉钉时，像AI会议总结、语音转文字、AI智能翻译等功能让他们很受用。钉钉的国际化战略正随着出海客户的需求而快速推进，已在全球11个国家16个城市建设网络节点，用户在跨境沟通界面中也能看到对方所在时区的时间。在这些办公场景之外，这家公司还与钉钉进行了业务层面的合作，比如，通常在安装假肢后，患者后续会高度依赖康复师的帮助，而与钉钉开发的智能交互模型明显降低了这种依赖性，并提供个性化的关爱指导。面对客户对大模型多场景和多层面的细碎需求，钉钉开始将“底模型”开放出来。在今天举行的2024钉钉生态大会上，它宣布对接垂直领域国内头部大模型厂商，如MiniMax、月之暗面、猎户星空、百川智能、智谱AI、零一万物这六家，并对所有大模型开放。除了去年已接入的阿里系通义千问大模型、以及由此被AI化的80多个功能之外，钉钉用户可以在平台上自由选择其他大模型方案。钉钉的AI生态之路可谓又进一步。业务边界再次被细化界定。钉钉所擅长的是因海量用户而积累的场景能力，这也是钉钉总裁叶军的兴趣点之一，而各种垂直大模型的深入研发交给合作伙伴，钉钉平台更多地负责应用落地。之前谁能想到，从一个最初想做社交IM、但转型为用于考勤打卡、办公审批的软件，钉钉现在已经进化为AI生态的构建者，围绕它的AI生态伙伴已超过100家，据悉其AI每日调用量超过1000万次。你会因你的同事、朋友使用一款沟通软件而选择使用它，这是一种网络效应，比如青春期的中学生为避免朋友圈进入父母的视线而选择用QQ聊天，尽管QQ在成年人的使用场景里已趋于沉寂；你也会因一款软件非常有用而选择它，比如通义听悟、文心一言，或者月之暗面的Kimi，这是一种垂直深度。当这两方面强强联合时，正是钉钉目前尝试的方向。就搜索这个基础功能而言，传统搜索引擎已经受到分散化App的挑战，谁能想到小红书正成为一个强势崛起的搜索入口。钉钉这次在最新版本中推出了AI搜索的邀请测试，尽管它目前不是面向公网的通用搜索，而是针对群里碎片化工作信息做结处理与智能感知式交互，但也对目前充斥着广告、难以找到满意答案的传统搜索模式提出了新思路。

在上周的亚马逊云科技中国峰会上，该公司大中华区解决方案架构总经理代闻在讲述架构演进时的一张图表引发人们兴趣。（下图）
在亚马逊弹性计算EC2的创新之路上，从2006年到2017年是一条平缓曲线，至2017年EC2实例增加到70个类型。而从2017年开始，曲线斜率明显陡峭，至2023年EC2实例类型飙涨至750个以上。整个过程是一个非线性的发展，如果细心观察会发现，生活中很多案例也是这种类似的规律，拐点突然出现。那么，2017年对于EC2发生了什么？就是亚马逊Nitro计算系统的应用。在现在的EC2虚拟化架构图中，服务器部分100%为用户实例所用，而网络、存储的虚拟化、虚拟机的管理、安全、监控这些都被卸载到了Nitro系列上，主机的性能损耗几乎为0。但是这个拐点背后的实现过程不是一蹴而就的，只是外界很难看到其中的缓慢演变。第一台EC2在2006年发布，主频只有1.7GHz，网络带宽250Mbps，内存不到2GB，磁盘只有160GB，而且是机械盘。虚拟机Hypervisor是基于虚拟化平台Xen开发的，需要消耗主机资源来运行Xen。在之后的几年，亚马逊云科技发现两个事实：无论如何优化，虚拟层始终会占用主机资源，且x86 CPU并不擅长处理网络流量。到了2013年，亚马逊首次将网络处理卸载到硬件，发布了ENA网卡组件，底层设计的虚拟网卡拥有了万兆（10Gbps）带宽。基于此创新推出的新实例Amazon EC2 C3得到了对网络带宽和包转发有高需求客户的一致好评，是EC2历史上增速最快的实例之一。一年后，进一步将存储处理写到硬件，并对存储进行加解密。在2015年，亚马逊云科技做出两项重要决定：收购Annapurna Labs；虚拟化平台转向KVM，All-in硬件虚拟化。到2017年拐点来临时，亚马逊云科技宣布了Nitro虚拟化平台。将安全、管理和监控也卸载到了硬件上，将主机算力近乎100%地提供给客户，并且进一步加强了虚拟化的安全。更重要的是，实现了虚拟化平台和服务器选择的解耦，因此底层的虚拟化技术创新和上层的服务器种类发展可以并行展开。现在已经发展到第五代Nitro芯片，意味着更低的延迟、更高的吞吐量以及每秒处理更多数据包的能力。通常，基础组件能力（即计算、存储和网络等）决定了架构设计的创新。在网络方面，2013年时Amazon EC2 C3系列虚拟机获得了万兆带宽。之后随着Nitro创新，带宽发展到100Gbps、400Gbps，直到现在的单机6.4Tbps，为生成式AI的大模型训练提供了保障。存储方面，在最新的Nitro平台支持下，单个虚拟机的最大IOPS可以到400K，存储带宽可以到100Gbps。亚马逊云科技重写了主机和闪存之间的闪存转换层算法，并且将这个算法运行到Nitro系统的一块芯片里，将SSD访问延迟降低了60%，抖动减少75%。更重要的是自研芯片——基于ARM架构的云计算处理器Graviton。基本上，每一代Graviton都会相比上一代有两位数的性能提升，且单位算力的功耗在不断下降。比如，Graviton2首次不再使用同步多线程技术，让每一个vCPU独占一个物理核心；Graviton3提高了单个内核周期的指令数量，将应用负载的性能无差别提升25%；Graviton4增加了50%核心数，内存带宽提升 75%，并首次面向实际应用设计 CPU 架构。 “技术架构演进过程里面有三个不变的主题需求：基础组件能力，架构体系创新，多元技术融合。我们应该看清变化的技术和不变的需求，积极推进架构演进，连接未来的想象。很多需求一起摆在我们面前的时候, 应用架构必需要打开思路, 做出过去从没做过的创新。当我们不知道如何开始的时候，我们多年的经验有一条总结，就是拆解需求，专门构建。多元的需求首先是用多元的技术各个击破。”这是代闻分享的观点，只有在云计算的环境下，才有机会做这样从应用到CPU的全栈创新。