🌟5月新鲜事
🔍新观点
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。
🔗新思考
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。
原创文章,作者:guozi,如若转载,请注明出处:https://www.sudun.com/ask/81384.html