闹猛的AI圈子，到底什么情况？

AI圈子的闹猛，不仅仅是技术的革新，更是市场动态的风向标。

人工智能技术发展当前有3大趋势：

• 一是模型参数规模指数型增长：LLM参数规模从2018年BERT的240M，增长到2023年GPT-4的1.8T，五年增长7500倍。

• 二是多模态演进趋势加速：Sora（点击可查看Sora内容）生成视频的内容和逻辑趋近于现实世界，GPT-4o集成文本、图片、语音、视频全模态模型。

• 三是AI+手机成新热潮：大模型“小型化” ，终端、芯片厂商加快推进将AI大模型植入端侧。

当前国内外的商业动态：

• 国际市场上，科技巨头不断下注AI行业，AI市场规模达到15.7万亿美元，头部企业不只是纯硬件或软件公司，而是在硬件、软件栈、算法、应用四方面业务全面布局，生成式AI从技术演示应用走向行业垂直应用，将端到端地解决具体问题。

• 让我们把视角转向国内，人工智能市场空间增长迅速，2023年预计164.2亿美元，2024年将达到209.4亿美元，生成式AI带来增量市场，预计2023年市场规模22.7亿美元，占整体市场的13.8%，计算机视觉(CV) 、自然语言处理(NLP)等传统AI业务在整体AI市场中占比超过50%，端到端解决方案，可能是大模型商业变现有效途径。

GPT技术是通用AI技术的重要里程碑，我们已经从人工智能的检测时代迈入了生成时代，这个历程中有哪些重要的里程碑呢？

• 在以前，传统机器学习算法占据主导地位，如svm，logistics等。

• 1998年发布的全连接网络，又名多层感知机，是第一个将反向传播应用于实际应用的架构，取得与传统方法媲美的效果。

• 2012年，AlexNet首次证明了学习到的特征可以超越手工设计的特征，算法效果大幅度超过传统算法。

• 2015年，ResNet首次解决了更深更大规模参数网络的训练难题，深刻影响后来的深度神经网络的设计。

• 2017年，Transformer首次提出于文本领域，算法性能大幅超过之前的深度模型，成功应用于不同领域中，统一了不同模态的算法模型，为多模态大模型打下基础。

• 2021年，Stable Diffusion是生成式模型的里程碑，在跨模态生成领域取得惊艳效果，让使用者以文生图表达想要看的东西，展示了大数据和超大规模模型的魅力。

• 2022年的ChatGPT是截至目前，最具现象级的AI应用，并已经实现商业化，首次使大众亲身体验AI领域的发展，社会影响力空前巨大。

• 2023年在ChatGPT的基础之上，GPT4.0增加了多模态，更强的理解能力和更多的安全性控制。

百模大战走向同质化竞争，大模型商业化落地成为厂商关注的重点，当前落地形式有以下4种：

•  一是行业大模型：医疗、教育、安防大模型，代表厂商：电信、华为、科大讯飞、百度等。

• 二是按Token付费：2 Token = 1个中文汉字，代表厂商：ChatGPT、百度、文心一言。

• 三是基础大模型：以通用大模型提供服务，代表厂商：智谱、百川、MiniMax。

• 四是大模型+产品：大模型加载到原有产品上，代表厂商：百度-百度网盘、微软-copilot。

中国电信在AI发展的浪潮中，积极承担国家任务，致力于成为领先的通用人工智能服务提供商，自主研发的企业级一站式智能化DT+AI研发治理平台，在AI的助力下，让企业高效管理数据。那这个平台究竟有哪些核心优势呢？

•  第一，DT+AI融合：存储、计算、调度、开发、部署断点续训中断时间从1h将至5min；GPU虚拟化，节省20%资源 。

•  第二，多模态数据融合：具备1.8万台CPU主机，3400+GPU卡总存储500PB，日增1.6PB，AI处理视频流能够做到44万路/日 。

•  第三，低代码研发融合：能够实现零代码、万人级并行、日均百万级任务，具备交互式/画布式/SQL编辑器式，NL2SQL，SQL解释、补全、纠错、改写等。

•  第四，全栈式产品体系：提供PaaS（强大平台数据处理能力）、DaaS（数据开发建模）、数据治理的全栈式产品 。

•  第五个优势是跨源跨域融合：国家级重大攻关项目，一体化计算、调度、同步多集群多中心数据电信集团应用，统一调度30万+两级任务，开发运营效率极大提升。

•  最后第六个优势，国产化深度适配：适配国产化CPU、GPU、操作系统、数据库，异构资源混部获得海光CPU生态兼容认证、鲲鹏兼容认证。

在AI的浪潮中，我们每个人都是见证者，也是参与者。

我们有如下五点思考和您共勉：

一是关注技术进步与应用落地的平衡：大模型参数规模指数型增长，多模态演进在加速，这是技术的进步。但技术的进步仍需要与实际应用场景相结合，才能发挥其真正的价值。如何将这些先进的技术有效落地到具体行业中，是当前AI发展的关键。

二是AI技术的普及与小型化：AI+手机的热潮和大模型的“小型化”趋势表明，AI技术正逐渐从云端走向端侧，这将极大地推动AI技术的普及和应用。如何在保证性能的同时实现模型的小型化，以及如何让AI技术更加贴近用户，是未来发展的重要方向。

三是注重商业模式的创新：AI技术商业化有多样化的路径。如何根据市场需求和自身优势选择合适的商业化模式，尤其是结合我们中国电信自身的核心优势，是成功的关键，也是值得探索的方向。

第四点思考是国产化适配的重要性：国产化深度适配的提及，强调了在全球化背景下，AI技术与国产硬件、软件的兼容性和适配性的重要性。思考如何在保证技术自主可控的同时，实现与国际标准的接轨，是AI技术发展中不可忽视的议题。

最后一点思考，AI伦理与社会责任：随着AI技术的快速发展，其在隐私保护、数据安全等方面的伦理和社会责任问题也日益凸显。如何在推动技术进步的同时，确保AI技术的健康发展，避免潜在的伦理风险，是AI领域需要共同面对的挑战。