本文是“在Serverless平台上构建AIGC应用”系列文章的第一篇文章。

前言

随着ChatGPT 以及 Stable Diffusion,Midjourney 这些新生代 AIGC 应用的兴起，围绕AIGC应用的相关开发变得越来越广泛，有呈井喷之势，从长远看这波应用的爆发不仅仅是停留在形式之上，更是在各个领域产生实际的生产力价值，比如办公领域有copilot system 365,钉钉智能；代码编程领域有 github copilot ,cursor ide; 文娱领域的妙鸭相机；可以肯定的是未来 AIGC 的应用数量会更多，类型也会更加丰富，企业的内部软件或者SOP都会尽可能的跟AI进行融合，这必然催生出海量的AIGC应用开发需求，这也代表着巨大的市场机会。

开发 AIGC 应用的挑战

AIGC 的应用前景如此诱人，可能决定企业未来的发展走向。然而对很多中小企业及开发者而言，上手进行aigc应用的开发依然有着非常高昂的成本：

基础模型服务的获取：chatgpt提供了非常完善的api 开发体系，然而并不开放给国内客户使用，开源的模型进行服务的部署非常困难
高昂的费用， GPU 短缺导致 GPU 的费用急剧飙升，本地购买高规格显卡需要一次性花费不少的成本，并且并不能提供在线服务。
端到端的对接：单纯模型服务的api无法变成直接的生产力，需要完成【企业数据&企业SOP】-> LLM 服务 -> 各种端侧的完整链路

函数计算AIGC应用的解决方案

函数计算围绕创建和使用AIGC，从基础设施到应用生态，开发端到使用端提供的完整的配套

主要包含三个部分：

一、模型服务底座，函数计算可以部署来自魔搭，huggingface等开元社区的ai模型，我们针对 LLM， Bert等智能知识库/助手场景做了专门的定制，接入OpenAI兼容的api规范，提供一键部署的模版和可视化的web访问界面，帮助开发者或者企业快速上手 llama2,chatglm2,通义千问等模型的部署
二、业务连接层，串联业务需求以及的模型服务，安全服务，数据库服务等基础资源，这部分有在AIGC应用部分有很多相同的逻辑，比如账号体系，数据集管理，提示词模版，工具管理，模型服务管理等，从各业务侧视角看，不一样的部分只是提示词，知识库以及工具集，底层的模型服务，安全服务，数据库服务则是共享的，这层可以简化业务里面构建不同智能场景的流程，快速，低成本的可以构建不同业务的AIGC应用
三、客户端侧，客户端是AI应用的使用部分，也是最接近业务的部分，这部分更多的考虑是如何将AI服务融入已有的使用端，比如钉钉，企业微信等办公IM系统，以及web浏览器插件等，通过函数计算+eventbridge可以快速帮助ai服务接入到这些客户端

本篇教程先来分享一下第一个部分，如何通过函数计算快速部署 AIGC相关模型服务包括LLM模型和Embedding(Bert) 模型