阿里云大模型27块套餐包含哪些权益

登录控制台，选择轻应用服务器， 可以看到已购买的服务器，也可以点击创建服务器，可以看到默认会有 open call 服务， 同时可以更换更多的版本，这比自己安装更加省心。 接下来我们开始配置， 点击图标进入配置页面， 点击应用详情， 可以看到我们有配置的引导，一二三步骤，接下去只要按照一步步点击， 再点击配置，初步 配置对应的 kimi 要 不知道的我单独给出说明， 可以看到配置还是很快的。 接下来就可以看到访问的页面， 可以在页面中进行基础的配置，由于平台限制， 我们只能使用摆列模型， 同样点击应用就配置完成。 接下来我们来操作最后一步。

阿里千问的核心负责人林俊阳，不然辞职。我理解，其实很简单，没完成业绩被背了锅走的，春节期间这帮都砸了大钱。阿里也好，这个字节也好，都砸了大钱做推广，结果是什么呢？推广完了没啥效果，如果是整个推广就没起来责任在市场部 是推广起来了，用户不是没用，用户进来了，你没留住他，那不是我宣传的问题，是你产品的问题，你留不住人， 产品出了那么大的问题，而且现在公众在热议，一定要有替罪羊，谁替罪羊就是这个产品部门的头。抖音没有做任何宣传，活跃度就居高不下，这个豆包下大力气宣传了，活跃度呢？只跌了一半，而阿里在阿 里就几乎跌回原形。所以很多人在开玩笑说，阿里当时还是送杯奶茶吗？奶茶白送了。哈哈哈，别人就是为了喝奶茶来的，喝完就走了。同一天问你说好不好呢？其实我是使用同一天问的，我觉得还是不错的，但你说他问题在哪？ 那你没特色吗？你和豆包比有特色吗？没有，豆包甚至还更诙谐一点，还更好玩一点，还更个性化一点。那你啥都没有，那你首先干不过 dicksy， 因为认知度高，你干不过豆包，因为有点差异， 你啥都没有，那可不就跌回去了？也就是说呢，他这负责人呢，是为什么要背锅呢？你未必是技术差了，你可能是产品差了，表现差了，但是你现在做人工智能技术的很多企业都不在乎这个用户界面的，那界面都做的不好的啊，所以不是他一家做的不好，大家都做的不好，因为大家认为说该拼的，其实应该拼后台技术实力嘛， 但是在这个点上，你前台很重要，因为留得住，留不住不完全是后台，是前台的问题，我认为就是为什么这个这回要换帅，也是中国的几个头部企业都在做大模型的原因呢，就他们是希望和云的联动，就是说我不要求你大模型挣钱， 但是呢，因为大模型好使，所以大家会使我的云，我从云上就赚了钱了，我还可以反过来支持你大模型继续生化，但是长期看呢，他技术实力还是够的。所以呢，就是基本上阿里的云加大模型的这个战略我认为是站得住脚的，那在中国也会有一席之地，再加上他还有他的那个平头哥嘛， 就您觉得会不会其实年轻人选择大厂，他会带来些弊端，个人选择创业，反而现在有更多的机会，更大的一个选择空间呢？这也许是很多年轻人有这样的想法，但是坦白讲，我认为这是幻觉到林俊扬那么优秀的人，他去去哪都能活得好， 他确实不介意走，走完了以后立刻有人要他，但是要他不因为他能够做成多大的事业，而因为就是他能把人工智能这摊给撑起来，所以这中国要做大模型，包括要做人工智能深度研发的企业多了去了， 而且给的薪水都非常高，但是这件事不可模仿不可复制啊，你没有林俊阳那水平，你怎么可能去像林俊阳一样出来做事啊？或者说大多数中国人是求职都进不去阿里，那你怎么能跟人比啊？那两码事啊，林俊阳是隔壁家的孩子对吧？这个是不可比的，但是呢， 中国人确实有机会，机会在哪？就是人家是开发人工智能，不是我们考虑的事，我们考虑用人工智能，用人工智能这件事越来越成熟，就我们讲这个养小龙虾嘛， openclaw 啊，包括这个 a 镇 越来越流行，这过去这几年人工智能确实非常热，看一看，人工智能领域的成功者呢，绝大多数其实都是名校背景，都是资历非常深的，都是隔壁家的孩子。 那这样你难免会产生一个想法，就是这些人开发人工智能是为了替代我的，我的未来很惨淡，但是呢，我跟大家说的是呢，他们这些人干的所有的事呢，都总结成一句话，叫做人工智能技术设施，技术设施已经逐渐就位了，就会给我们每个人机会，比的其实是视野，是眼光。 当这潮流来的时候，你知道潮流已经来了，而且你看到别人在潮流下，别的领域是怎么引入这潮流的，你就能够迅速的把握这个机会， 在自己这领域引入这潮流，成为本领域的领军人物。这就是你看我分析的很多东西，很多是业内共识，并不是一家之言啊。当然呢，我们会做一些外展性的这个推理推论，但是这个基本上都是有这个比较扎实的依据的，所以它变成现实的可能性非常大。 风口的机会一定要抓，但是呢，最好呢是结合自己的优势，结合自己特色，抓自己行业的机会，同时呢，要有足够的广阔的视野，去看看别的行业，别的领域是怎么做的，看看历史上别人怎么做的，看懂了规律，用自己优势去抓住自己机会才能赢这个时代呢，千万不要错过。

上期我们介绍了通一千问七 b 模型的微调加部署方式，但在实际使用时，很多开发者还是希望能够结合特定的行业知识来增强模型效果， 这时就需要通过外接知识库让大模型能够返回更精确的结果。那么本期视频我们就来介绍一下如何从魔搭社区 nodebook 中一键实现本地知识库的搭建，从而增强大模型的能力。本次实践需要的所有相关资源都在阿里云点 com 免费试用中心领取。 在魔大世界上找到通一千万七 b chat 模型后，我们点击 notebook 快速开发，注意这里需要选择 gpu 资源。随后我们点击查看 notebook。 进入 notebook 后，我们需要稍等一下，把我们已经准备好的在 github 上开源的基于本地知识库 q a 的视力代码直接拷贝配色到 notebook 中。根据这段 代码你就可以实现本地知识库的搭建以及后续的大模型调用。相关链接也会放在视频简介中，这里我们已经把相关代码准备好了，点击运行即可。 接下来我们将介绍一下代码逻辑。首先我们引用了 dash scope， dash scope 不仅可以调用文本限量生成，还可以调用千文七币 chat j、 l、 m 等大模型进行推理训练。 dash vector 作为限量检索引擎，这里我们对本地知识库的存储引擎进行初始化。 接下来我们需要定义一个锁引数据的生成方法，用于后续逻辑。同时我们还需要定义基于 desktop 的文本项量生成逻辑，这里生成的项量将作为项量引擎 的锁影。最后向量原始文本数据会在这一段写入 dash vector， 从而完成本地知识库锁影的构建。 接下来我们操作一下如何调用知识库。首先我们需要定义一个检索方法，用于召回知识库信息。刚刚我们使用了一个天龙八部的知识库，现在我们检测一下召回效果。问他一个问题，段誉最喜欢的是谁？ 可以看到这已经返回了段誉到底喜欢谁的一些相关信息，到这里知识部调影就完成了。 最后我们测验一下知识股锻炼前后大模型的生成效果。首先我们需要初始化下大模型，这里我们选用千万七 b chat。 然后我们再定义一个包含知识库信息的提示词模板， ok， 我们来测试一下效果。先问不带知识库的千万七币虚竹的女朋友是谁？ ok， 他说无法回答这个问题，没有给出正确的答案。我们也问一下 gbt 四，他说是小龙女和阿紫也不对。最后来试一下包含知识库的模型， 嗯，蒙古回答是正确的，而且可以看到给出了相关的背景信息。再来一个上难度的问题，段誉的亲生父亲是谁？ 可以看到千万七币回答的是段正醇。我们再问一下 g p t 四，他的回答也是段正醇，也不对。最后我们看一下包含知识库的效果， 嗯，这次终于对了，是段音庆，效果还不错， ok， 最后我们再问一个比较小众的问题，虚竹的母亲是谁？ 可以看到前面 t b 讲的是错误的康敏郡主，我们再看一下 g b 四的回答，杀猪也是错的。我们最后看一下包含技术库的返回， ok， 这里返回是正常的，一二年效果很不错哦。以上就是通一千问七币基于本地知识库问答的操作和演示，其中我们使用了阿里云 dash scope 和 dash vector 的相关产品，链接在视频下方， 这种方法可以让各种行业的知识库与通易千文结合，给出更加精准的答案。相关代码已经在 github 上开源，操作文档也已在线，希望开发者来摩达社区体验。

如果把大模型的调用量当成是聊天消息数量来算，那中国企业一天产生的调用量啊，相当于全人类同时发消息连发几十年。 屏幕前的你啊，今天可能没花钱，但一定花了。 tucker 国际权威研究机构萨利文这两天发布了行业研究报告，中国企业级的大模型，在二零二五年的下半年，日均调用量已经达到了三十七万亿。 tucker， 注意啊，是日均三十七万亿，不是全年哦。 报告还给出了关键的市场结构数据，千份在企业级调用市场的占比是百分之三十二点一，排名第一。也就是说啊，光中国企业每天调用千份模型，就消耗了将近十二万亿 t。 肯，这只是能统计 到的部分。因为报告统计口径啊，主要是基于企业 a p i 调用数据。而现实中呢，大量的企业并不是简单的调用 a p i， 很多汽车公司、互联网公司、制造企业 直接把开原版的千万部署在自己的系统里面，跑业务流程、客服系统、封控系统、内容生产系统、自动决策系统，这些跑在企业内部服务器上的庞大算力啊，并没有被统计进三十七万亿这个数字里。换句话说啊，真实世界里， 千万每天处理的 token， 很 可能远远超过了纸面数字十一点八四万亿。那为什么下半年的掉用量会突然暴涨？ 报告里啊，给出了答案，因为企业用 ai 的 方式变了。在前两期视频里啊，我就说过，从去年下半年开始呢， a 准取代 check 成为 ai 应用的主流。过去是啊，人问一句 ai 答一句，现在是人说一句 ai 就 执行完整的任务，企业正在把模型嵌进工作流里，让它自动完成流程， 这就是 a 准工作流。一旦进入这种状态啊，调用逻辑就变成了系统自动触发，然后多人推理工具调用，再推理依次业务请求， token 的 消耗可能直接放大五到十倍。 ai 呢，不再是聊天搭字，而是变成了生产力。看到这里啊，你可能会问了，那为什么这么多企业会把掉用量 集中在少数模型身上呢？莎莉文的报告啊，一针见血，当模型进入生产系统后，企业会更倾向减少供应商的数量来降低维护成本 风险。也就是说啊，企业不再追求模型谁最强，而是更看重稳定性，能不能规模化，能不能长期托管。在这个背景下，企业级的大模型正在快速地向 头部集中报告数据非常的残酷。二零二五年下半年，企业级日军托肯消耗排名前三的模型分别是前份、豆包、 deepsea、 三加，加起来啊，已经超过了七成， 而在上半年的这三家的总占比还不到一半，其中千万的增速最猛，份额直接翻了将近一倍。现在的趋势就是啊，强者欲强，赢家通吃。企业新增的钓用量正在优先流向头部模型。报告里也解释了这种马太效应，当钓用规模进入万亿级后， 企业新增流量更倾向于选择已经验证过稳定性的厂商。这也是为什么阿里云能够拿第一。因为大规模的生产环境需要的是极致的算力调度，云设施的深度集成以及兜底的交付能力。一旦企业的 核心业务跑通了，为了稳定性，他就不会轻易更换底层模型，这种工程化的壁垒啊，才是最高的护城河。现在的 ai 竞争，已经不是模型大战了，企业真正需要的是一整套 可以长期运行的 ai 基础设施体系，包括算力、平台、模型、服务、部署能力、工具链、行业解决方案等等， 谁能把这些环节打通，谁就更容易承接规模级的调用。而这正是阿里云最早押注的路线，从底层的算力基础设施，到模型研发，再到开发工具链和行业解决方案，它走的是一条完整的闭环路 附近。今天的大模型竞争，不是参数的竞争，而是 token 战争。而 token 的 背后啊，比拼的是谁拥有更稳固的 ai 基础设施体系。