ChatGPT爆火，引得全世界为之疯狂，恍惚中一夜之间，人人都在讨论ChatGPT，所有大佬和资本纷纷涌进大模型。
上一次如此热闹还是Web 3，不过相对前者是少部分人的自娱自乐，大模型则像魔法，引得全民为之着迷，短短 2 个月内 ChatGPT 就收获 1 亿用户，币圈甚至认为过去3个月内AI创造的价值，超过了虚拟货币历史上创造价值的总和。而创业者和投资人对大模型更狂热，更加充满信念感，坚信大模型的历史意义将不亚于电力的发明；而争夺大模型技术的领导地位，则像“研发核武器”。
“全球最聪明的人都在大模型创业，没人会禁受得住它的诱惑。”前极狐（GitLab）创始人陈冉这样对雷峰网说。
一个资深技术极客赵亚雄博士亦是如此。2019年从工作了六年的谷歌离职后，便一直奔赴在创业前线，最初加入创业公司Pixie小试牛刀，2022年他决定回国，因为国内涌现出的创业机会深深吸引着他——中国正在发展独立自主技术体系，中国要做自己的IT技术栈，发展自己的技术生态。对他来说，脑海中有无数诱人的技术创新点子，但是在美国成熟的技术生态中，这些想法都显得过于激进。
对他这样一个在国外科技大厂经受过近十年技术训练的人来说，这是一个难能可贵的机会。从2008年到2019年的十年里，赵亚雄博士分别在Amazon、Google工作，在基础软件领域已经成为一名资深的技术极客。
懂技术有国际视野还心怀一腔热情，这是支撑他在人生的舒适期，从大厂离职出来完成自己创业梦想的基础。
2022 年 10 月回国后，赵亚雄博士获得奇绩创坛创始人 CEO 陆奇博士的天使轮投资，开始了每周工作 100 小时以上的硬核模式。他长期关注 OpenAI 及硅谷创投生态，看到在自动驾驶长期无法获得突破、AI 创业领域一片低迷的情况下，ChatGPT从 11 月底横空出世后，重新激发了全球范围内对 AI 的狂热。
“未来一定是AI的世界”，赵亚雄博士的商业猜想转移到大模型。但他的商业方案“算想未来”不直接参与做大模型，而是要做大模型和AI应用的基础设施。未来“算想未来”要做AI的基础设施—— AI IaaS Cloud，区别于传统的云计算厂商，即一个以AI为导向的云计算厂商。
赵亚雄博士基于自己长期在Google 为 Google Brain、DeepMind 构建的大规模高性能机器学习计算平台上的经验，敏锐地意识到中国大模型的研发，受制于基础设施软件薄弱、人才稀缺、以及 GPU 芯片禁售的风险。他坚信，接下来将迎来大模型大爆发，对算力的需求随之会暴涨，“算想未来”就是要承接住大模型带来的这部分机会。
以下是雷峰网(公众号：雷峰网)与赵亚雄博士的对话，讲述了他对大模型的认知，对国内云计算、SaaS产品发展的分析以及“算想未来”的规划。
雷峰网：是什么时候关注的大模型？
赵亚雄：2018 年我们就关注到来自 OpenAI 的博客 “AI and Compute”（https://openai.com/research/ai-and-compute）的一个结论：大模型的算力需求每 3.4 个月翻一番。我还在 Google 时，Google就一直保持对大规模机器学习、深度学习的投入，我这边所在的 Borg 团队一直有专门的小组支持 Google Brain、DeepMind ，负责在大规模 GPU、TPU 集群上的资源管理和调度。
我们一直关注Transfomer、GPT 的进展，但是 ChatGPT 的诞生确实完全出乎意料，的确完全超出了我们之前脑海中固化的“线性发展”的能力曲线。也从前同事了解到ChatGPT对Google的冲击，感到非常震撼。
2018 年我们尝试了 GPU Cloud 的创业方案，2020 年又尝试了 Compute Infra with AI Chips，都没有成功。当时最大的阻力在于，大规模的 AI 算力需求仍然只是头部大厂的小众需求，市场空间有限。真正重新唤起我们对 AI 基础设施的热情，是在 3 月 27 日陆奇博士在奇绩创坛得宣讲会上，他认为大模型已经带来划时代得变革。
3月 27 号那天，陆奇博士召开了一个奇绩创坛内部成员企业的转型研讨会，主要是有关AI、大模型。我们都知道陆奇博士他对AI领域的贡献：作为AI的一名布道者，他很早就参与过 OpenAI 的早期工作，在微软也一直在做搜索及人工智能方面的技术管理，百度的“All in AI ”战略也是他制定的。
在这个研讨会上，通过陆奇博士的视角，让我从整个人类社会经济历史、社会发展以及大模型带来的机会，对大模型有了更加深刻的认识。
我们意识到 AI 基础设施软件，对中国大模型团队追赶 OpenAI 至关重要。基于我们跟 OpenAI 基础设施团队过往的交流，我们认为中国没有可以匹敌 OpenAI 的基础设施软件技术团队，这是“算想未来”的起点。
雷峰网：也就是我们要做AI的云，但是现在国内公有云竞争已经是一片红海了。
赵亚雄：传统 Cloud 市场确实是红海。但是大模型和 AI 应用的需求，完全不同于传统 Cloud 所服务的软件系统。在大模型和 AI 应用领域，大家的技术积累没有质的差别。
首先我们看到中国现在有个最大的机会，就是中国正在发展独立自主技术体系，也就是常说的国产替代，从政府到公众、以及企业都推动。如此一来，从芯片，到服务器等基础设施，再到上面的模型应用，都有机会完全独立自主。每个层面都有全新的机会。
另外，因为 AI 大模型带来的AI算力的需求，包括AI的训练和AI的应用研发，这些场景衍生出来的公有云需求，会持续快速增长。我们有一个非常有名的统计数据——OpenAI 在 2018 年写的 AI and compute 的一个blog，里面介绍了他们统计的每个时间阶段最大的深度学习模型，它训练所需要的算力总额，每3.4个月就要翻一翻。那可想而知，随着未来 AI 持续地被更多人使用，算力以及从算力衍生出来的大数据还有 AI 应用研发，对基础设施的需求会很快地超过传统的云计算。
雷峰网：能具体讲讲怎么做AI、大模型的基础设施吗？
赵亚雄：我们要做一个操作系统，或者说一个管理 AI超级计算机的基础设施软件平台。
这个操作系统将 GPU（以及其他定制化的AI芯片）的算力，充分释放给上层的 AI训练和推理，特别是大模型的训练。我们现在要做的这个 GPU 计算平台软件，实际上就是让大模型训练，可以高效地扩展到GPU集群所能允许的最大规模，提升训练过程中对硬件的使用效率，加速大模型训练的迭代速度，最终达到快速追赶 OpenAI 的目标。
通过扩大规模来提高硬件使用效率，缩短模型训练的时间周期，原来可能要两个月训练，我们现在可以三个星期完成，快速地进行模型研发、迭代，从而加速去追赶 OpenAI ，尽早达到OpenAI GPT 3.5 或者 GPT 4 的能力。
“算想未来”第一阶段关注提升分布式大模型训练的规模；第二阶段，我们会寻求国产 AI算力的硬件，即GPU和其他 AI芯片的合作，为大模型及AI应用提供最具性价比的AI推理算力，并推出算想未来自己的AI算力基础设施解决方案，来为大中型企业建立私有AI云。
“算想未来”的最终目标，是在第三阶段，集合大数据、训练、推理以及其他 AI 计算相关的基础设施能力和服务，立足中国、服务全球，成为中国领先的 AI IaaS 云服务提供商。
雷峰网：上面提到超级计算机，是类似Meta的RSC（https://ai.facebook.com/blog/ai-rsc/）？
赵亚雄：AI 超算的这个概念，现在指的是一类专门来服务大规模机器学习和深度学习，还有其他 AI 训练的一类集群式的计算平台。我们说的超算跟你提到Meta的RSC，其它的系统还有Google TPU Pod（https://cloud.google.com/tpu)、Tesla Dojo ExaPod（https://www.tesla.com/AI）这些都是同一类型的硬件系统。
AI超算的硬件之上还有软件层，那这个软件层我们可以把它想象成， AI超级计算机的操作系统，它最核心的是要提供一种能力：可以把底层硬件的算力资源，通过软件的 API 形式，更容易地让模型这些框架性的软件高效率地对接起来，从而让机器学习和人工智能的研究人员和 AI 应用的开发者，可以用尽量小的研发投入，来使用 AI 超级计算机下面的硬件计算能力。
雷峰网：国内做AI公有云的，有百度百舸、火山引擎，我们是对标他们吗？
赵亚雄：是的。百度百舸，是针对客户自有硬件之上的私有化部署的软件产品。“算想未来”在第二阶段推出的私有 AI 基础设施解决方案，就会包含一个与百舸类似的软件平台。而火山引擎中针对 AI 的基础设施云服务，包括网络，相关大数据产品，也是我们未来要尝试的方向。“算想未来”的优势在于，拥有来自硅谷一线大厂中核心 AI 基础设施团队，从事 AI 超算系统研发的实践经验。
另一个区别在于大家聚焦点不同，“算想未来”平台聚焦底层硬件资源的管理、优化、调度。而以上的产品专注在提供软件工具来帮助机器学习研究者、AI 应用开发者，来更快速完成机器学习模型代码和AI 应用代码的编写。换言之，“算想未来”关注的是如何将硬件资源以软件 API 的形式呈现给机器学习研究者、AI 应用开发者，让模型训练、AI 应用能更高效地使用硬件资源。
此外，我们的平台将聚焦在支持国产 GPU，目标是基于国产 GPU 构建媲美 nVidia 芯片的算力平台解决方案。以上百舸、火山引擎也支持其他非 nVidia GPU，但只是将其作为补充、并非核心。从技术独立自主这个角度看，百舸、火山引擎并没有优势。
雷峰网：前面提到“算想未来”是基于大模型做基础设施，提供公有云服务，那您怎么看待国内这群做大模型的人和公司？我们听到的有一种观点是，目前国内这些做大模型的企业大多都是白费力气，他们用的都是很老的算法，您为什么不直接切入做大模型，而是要做大模型的基础设施？
赵亚雄：首先我认为这些投资和大模型团队的出现都是非常好的，对中国的AI发展有积极作用。
这一次，在人工智能方面，中国和美国的差距通过 ChatGPT 放大出来。以前官方报道的中国人工智能的水平，很多是通过专利、论文，还有毕业工程师和博士的数量等等，这种量化指标来体现。那这些量化指标有个很大的缺陷，就是没有关注AI 理论研究的实际水平，以及支持 AI 理论研究和应用软件系统的基础设施（包括硬件、软件）的能力， AI 应用实际落地的商业闭环和对 Ai 技术生态的飞轮效应。
ChatGPT让我们看到美国整个生态是有更深的“内功”，以前不过是发“大招”之前的蓄力，看上去平平常常，一爆发就震惊世界。
当然差距没有想象中那么大。相比之前各个轮次的创业热点来说，这次的热点是一个完全由技术驱动的创业热潮。上一轮技术驱动的热潮是无人车，但当时的问题是它是以美国的团队为核心，像小马智行、文远知行等，实际上都是美国的人才在美国的土地上来做这件事情，虽然接受了大量中国风投的资金，但是它整个还是美国公司。
这一次大模型的创业有一个非常好的变化，就是中国本土的人员搭上本土的资金，然后也是完全关注中国本土市场，而且完全由技术驱动。
以技术驱动的创业，最后能取得好的商业成果的概率都是很低的。这是毋庸置疑的。但是，技术驱动的创业所积累下来的技术成果，在未来都是有更大机会在新的场景下发挥价值，这跟以往的商业模式驱动的同质化创业竞争区别就在这儿。商业模式同质化竞争的失败者，他所积累的东西本身几乎没有复用价值，至多就是提供给后来者如何规避商业竞争中的同类风险。
“算想未来”的信心在于，我们能搭建一个世界一流的工程团队，拥有在硅谷头部企业研究团队中实践大模型训练的技术经验，根据我们在美国的技术经验和技术的实践成果，把这些技术能力转移到国内来做第一批早期客户。
我们最近也是跟国内的大模型团队，还有其他的历史更长的一些人工智能公司做交流。我们很明显地感觉到，大家对基础设施方面有一些共性的技术问题，都是我们之前在 Google 还有其他的公司都已经解决过的。所以在技术解决能力上我们很有信心。
雷峰网：您说我们正在跟很多大模型团队有过讨论，能透露一下接触过哪些团队吗？
赵亚雄：所有中国过去一段时间出现的大模型团队，我们都在接触中。另外还有一些传统的 AI 应用厂商，大家耳熟能详企业，我们也在积极地做业务拓展，具体的信息在“算想未来”后期有了阶段性成果之后，肯定会公布出来。
雷峰网：既然您同意国内大模型创业公司只有30+家，竞争激烈，后期活下来的也不会很多。那么，“算想未来”闯进AI的基础设施领域，市场空间有多大？
赵亚雄：首先要明确一点，我们的AI IaaS Cloud只是从服务大模型团队做切入，实际上我们的愿景是AI 基础设施的云服务，它无论是大模型、中模型，还是小模型，甚至是边缘的，甚至是嵌入式移动端的，都会有相应的需求。我们会为所有的企业提供相应的训练、推理，还有大数据以及其他支撑性的软件服务，像 MLOPs、AI 应用框架、Serverless AI 等等这些。
目前大模型创业，是争夺大模型市场的领导地位，其中绝大多数企业都会在竞争中被淘汰，从而消失，或者只享有极小的市场份额。但是这不意味着未来只有极少数几家大模型团队。实际上在主流投资圈关注的视野之外，有很多大模型团队都在默默地自由生长着。最后的格局应该是少数几家头部，后面跟了大量长尾的大模型团队服务各个行业客户。
另一个方面，大模型训练也不是少数企业才会有的需求。因为大模型开启了 AI 经济的序幕，意味着一般意义上的 AI 模型即将被大多数消费者、软件厂商所接受。
此外，虽然大模型与传统手工编写的软件，采用了完全不同的生产方式，但大模型仍然是一种软件，仍然需要在使用过程中不断进行重新训练、微调来满足用户的具体需求，这导致需求会源源不断。
正如用户在使用开源软件，都或多或少会进行相应的定制，因此不会出现由少数几个大模型公司垄断模型训练、推理的情况。
综上，我们认为以大模型训练为开端，逐步扩大和深入的国内AI经济，将会是一个多元多维度不断发展的市场，不会是单一的，也不会是停滞的市场。
雷峰网：大模型会给中国软件产业带来什么样的影响？
赵亚雄：鉴于中国经济的独特结构，国有企业主导的、以公有制主体的经济格局，要有美国模式的 SaaS 产品出现，成本太高了。
大模型的出现意味着以 AI 为主体的软件服务，会给中国软件产业带来跳跃式发展。如同中国跳过 PC 互联网的成熟而直接进入移动互联网，中国的软件服务业也会跳过 SaaS 进入 AiaaS 阶段，这意味着绝大部分软件应用都会用AI 模型来支持其功能，也意味着更广泛的 AI 算力需求，这正是“算想未来”最关注的市场空间。
如此一来，国内的 AI 基础设施市场有机会出现一个“为中国 AI 经济而生的 AWS”，在AI云上也随之能长出如Netflix这样的现象级SaaS应用。这是“算想未来”的机会和目标。
但国内这些以大模型为核心的公司，不会成为像AWS那样的大公司。我们当然是希望王慧文这样的成功创业者，能走出一条出人意料的商业化路径，这也是我们愿意跟所有的大模型团队，一起来琢磨在更大的集群上跑更大的模型的办法，首先完成对 OpenAI 的追赶，然后大家再厮杀角逐出最强的团队，跑出最好的商业模式。
雷峰网：为什么国内这批以大模型为核心的创业公司，不会成为像AWS那样的大公司？
赵亚雄：假设这些大模型公司，打算以大模型构建公有云平台，那这意味着大模型要具有广泛的应用能力，来为其他 AI 应用团队提供一种等同于（现有公有云上的）IaaS 能力，换句话说，AI 应用团队要能够使用大模型来搭建自己的 AI 应用。
这就存在两个问题：1、大模型的泛化能力有待验证。现在仅仅依靠文本语言作为媒介的大模型，虽然表现出了类人的能力，但是难以想象这种能力如何作为基础能力，来嵌入其他应用，即商业化场景模糊。
2、大模型的技术壁垒有限。LLaMA开源之后，其能力已经接近、或部分超越 GPT3，虽然 GPT4 的能力大幅提升。但是在大厂之间，模型的能力差距在 3 年之内（以两者发布时间为对比， llama 2023年对比 GPT3 2020 年），并且这个差距是在 meta 等企业无意持续扩大模型和训练数据规模的情况下产生的。OpenAI 尚且可以凭借先发优势，保证市场主导地位，而国内公司由于均处于同一出发点，而且在技术路线上完全跟踪 OpenAI，因此并不存在一家独大的现实基础。
当然一切仍需由市场、时间给出答案。美团诞生之初，恐怕也很难以预测其能成长为 O2O 的统治者吧。
雷峰网：回到“算想未来”，名字是您取的吗？有什么样的含义或者寄予了怎样的意义？
赵亚雄：一开始项目名字叫初芯，大概意思就是说 AI 的计算，但是很多人反映听上去像一个做芯片的公司，就换成了“算网”。
因为我们是一个云计算公司，这是“网”代表的含义。那“算”则是对计算需求的体现。算网加在一起，代表我们就是一个做计算的、一个云的提供商。因为在未来比较长一段时期里面，我们相信AI算力需求会成为人类所有的算力需求里面最主流的、最重要的这一部分。算网这个阶段正是要服务 AI 计算的需求。
我们觉得“算网”非常顺口，但很快因为这个名字注册不到公司和商标。团队一起头脑风暴后有了“算想未来”这个名字。
“算想未来”表达了我们对未来 AI 算力需求的愿景，算、想这两个字代表以计算为基础，通过 AI 技术服务人们的想象力、创造力。“算想未来”代表用计算将人们想象中的未来，变成现实的使命。
雷峰网：以前的职业生涯对您此次创业有什么启发和帮助？
赵亚雄：我在 Amazon Kinesis 待了 1 年不到，Google 做了快 6 年，后来以早期员工身份加入 Pixie 并被 New Relic 收购。这些年里我一直在做云基础设施、AI基础设施相关的工作，积累了很多经验。
例如，参与过Amazon一个很有名的云产品 Kinesis；2015年加入Google的Borg团队，负责 Google 内部所有服务器集群，它类似一个 K8S 的平台；2018 年之后，以我为主在Borg内部开启了一个新项目，即让 Borg 上面的应用开发者，可以更容易地开发管理他自己的业务，这个系统用到了机器学习来优化集群管理和资源调度，同时也提高了Borg 平台上的底层硬件资源的使用效率。
Borg后期的工作，主要的重点都是来支持机器学习和人工智能，就像网络层的话，我们给机器学习这些算力芯片都专门设计了高性能的网络。我也直接参与和领导了 Google 内部全球化 GPU 算力池的项目，目的是让 Brain、DeepMind 的 AI 研究者和工程师，非常容易地把机器学习训练任务跑在全球各地的数据中心里。
2019 年作为第四号员工，正式加入 Pixie初创公司，这个公司的软件工程体系是我跟创始人一起，按照 Google 的实践经验来搭建的。
具体来说，Pixie算是我第一次正式创业，它是一家硅谷初创公司，产品是面向 Kubernetes 的微服务观测平台，创新点是用 eBPF（Linux 内核中的可观测性 API）实现无侵入式的数据采集。Pixie 曾获得顶级 VC Benchmark & GV的投资，并于 2020 年 12 月被应用性能监控领域的老牌厂商，同时在纽约证券交易所上市公司 New Relic 收购。
其实，Amazon和Google的经历，除了让我在技术上得到历练和积累，更多的是对我创业精神的影响。Amazon和Google都是极具创业文化的公司，在Amazon，内部每个团队都可以作为一个小的创业公司，来定位自己的业务方向；而Google鼓励员工创业，在员工离职创业后，想要再加入Google并不需要面试，这给了员工很大的心理保障和激励。
雷峰网：作为初创公司，我们怎么与百度百舸、火山引擎这些大厂的产品来竞争？
赵亚雄：对于这个问题，我有四个观点可以回答。
第一，也是最重要的点，初创企业胜在小而精悍！初创公司整个团队凝成一股劲之后的战斗力，是很多大厂比不了的。大厂有钱有资源，也无法弥补文化和团队精神上的绵软和懈怠；毕竟人不是机器，不是老板说一句大家要拼，就能拼得起来。对此我在Pixie深有感触。这也是“算想未来”的最大的动力和信心来源。
举个例子，当遇到一个非常难的一个技术问题的时候，创业公司往往整个团队更加执着，以及整个团队的紧密合作最后得出来的解决方案，其质量远高于大厂。
这可以用“木刀”和“钢刀”来比喻大厂和初创企业，相比木头，钢铁更锋利是因为它的元素更紧密地贴合在一起，密度大。大厂更像是一个木质的机构，自然会面临组织能力涣散、退化。所以“算想未来”要解决的就是如何长期拧成一股绳，保持高战斗力，跟大厂对抗，如何能始终保持这种凝聚力，这是我们最核心、最关键要考虑的问题。
第二，我们有技术上的后发优势。怎么理解呢？从技术发展角度来看，每次出现一次巨大技术变革之后，新入局的玩家共同具有的一个优势，就是可以很容易规避之前的发展进程中的弯路和各类无效的投入。说白了就是相对于更大、更成熟的厂商，初创公司从一开始就能花小钱办大事儿。
第三，在大模型带来的 AI 计算需求之前，在所有主流平台上的AI需求都不是主流的需求，所以大家对该问题的研究都是很有限的。换句话，今天我们跟他们其实是处在同一个起跑线上。
具体到正在做的事情。我们的核心团队成员都是来自国际大厂的infra技术专家，同时我们能时常与 OpenAI、 MSR 、Google、DeepMind这些AI先进团队保持密切交流、合作，从而从各个层面了解世界前列对 AI 的趋势判断。这是国内以业务驱动的 AI 团队所不能比拟的，因为我们所了解的信息始终比他们要高一个层次。
第四，我们更多是把AI作为一种改变世界的技术手段，而不是服务某项特定业务的技术能力来看待。所以我们能看到中国的SaaS实力不足，过去中国经济发展实际上没有办法支持，如美国那么大规模的 SaaS 企业，只有AI这样的技术工具出现，我们才能以更高效的方式来实现软件服务。
最基本的逻辑是美国的 SaaS，现在都是以公有云为支撑的数据的搬运和处理，那它对数据本身的大小处理并没有实质性的变化。有了大模型之后，就可以把上TB的数据浓缩到几百G的模型里面，再加上模型还有自学习能力，实际上便可以大大降低软件服务在交付功能过程中，对数据的这个依赖程度，如此就能大大提升软件服务的效率。
这也是为什么中国的 SaaS 在国内反而发展不起来，因为市场给它的空间很有限，但对它的效率要求又非常高，又没有一个技术手段，能用更高效率来实现这些软件服务。现在有了大模型后，我们意识到在技术上用 AI 的通用手段来实现软件服务，会比传统的SaaS模式效率更高，而且是可行的。
我们把公司的名字叫做 “算想未来”，体现的就是我们用 AI + 计算来实现人们想象中的未来世界的愿景，我们对AI 价值的认知，比我们接触到的国内这些大厂或者是其他创业公司，要走在更前面。我们这个团队人员来自中国大陆、日本、美国，既有金融背景在高盛待过的投资人、硅谷大厂的技术专家、清华基础科学班毕业的人工智能专家，都是围绕在我们对 AI 经济未来的认知上的，才能把天南海北、各行业的顶尖专家聚拢起来。
最后总结一下的话，毫不夸张地说，我每天睡觉之前都反复拷问自己你问的这个问题；我们创始团队每次都会专门花时间来一起思考这个问题。头脑风暴啊、假想场景啊等等，大家的共识就是，困难很大，但是我们这个团队，就只喜欢做最具挑战性的事儿。
雷峰网：我们的团队筹备情况如何？
赵亚雄：李静是我们的COO，她之前在高盛做投后管理，我们的首席科学家和CTO，他们分别都是在日本和美国AI 研究和应用领域知名的研究机构供职，但现在不方便透露他们的具体身份。
目前我们正在加速筹备完整的团队，同时也已经开始跟很多大模型团队做业务探讨。我们已经在推进与国内知名的语言类 AI 产品供应商的合作，来推进帮他们如何提升大模型训练，即 GPU的使用效率。
总体上来说，我们是一个进展非常快的团队，因为机会很重要，我们一直是以成为中国 AI IaaS Cloud领导者的目标来快速推进。像我的话，基本上从去年 10 月份到现在，每天都是 997 的工作节奏。
雷峰网：您认为未来国内SaaS会如何发展？
赵亚雄：因为Netflix它是传统云计算上的一个杀手级应用，是伴随着 AWS 的成长逐渐长出来一个SaaS产品代表。我们希望未来在“算想未来”的平台上，也可以生长出一个能颠覆现在各类 To C 互联网企业的，一个全新的，以 AI为核心的一个消费者应用。
（如有意愿与赵亚雄博士沟通交流可加微信：15910236560）。
正在生成分享图...
刘洁