從“奇點(diǎn)”到“大爆炸”，生成式AI開(kāi)啟“十年周期”

　　世界是復(fù)雜的，沒(méi)有人知道未來(lái)會(huì)怎樣，但如果單純從技術(shù)的角度，我們總是能夠沿著技術(shù)發(fā)展的路徑，找到一些主導(dǎo)未來(lái)趨勢(shì)的脈絡(luò)。

　　從Sora到Suno，從OpenAI到Copilot、Blackwell，這些熱詞在大眾眼里或許還分不清楚，但很多人已經(jīng)用上各種“ChatGPT”，或聊天或創(chuàng)作。不知不覺(jué)間，我們已經(jīng)卷入新一輪AI浪潮中。

　　這輪人工智能浪潮，自ChatGPT這類(lèi)生成式AI工具問(wèn)世，被迅速引爆。AI大模型從研究走向應(yīng)用，復(fù)用成本大幅降低，各種應(yīng)用得以更快滲透進(jìn)各行各業(yè)。

　　IDC發(fā)布報(bào)告稱(chēng)，2027年全球人工智能IT總投資規(guī)模有望從2022年的1324.9億美元增至2027年的5124.2億美元，年復(fù)合增長(zhǎng)率(CAGR)為31.1%。

　　聚焦生成式AI，IDC預(yù)測(cè)，全球生成式AI市場(chǎng)年復(fù)合增長(zhǎng)率將達(dá)85.7%，到2027年全球生成式AI市場(chǎng)規(guī)模將接近1500億美元。

　　英偉達(dá)CEO黃仁勛表示，生成式AI已經(jīng)開(kāi)啟了全新的投資周期，已經(jīng)進(jìn)入了“十年周期”(技術(shù)從出現(xiàn)、傳播到大規(guī)模應(yīng)用所需的時(shí)間)的第一年。

　　當(dāng)生成式AI從一個(gè)“奇點(diǎn)”到迎來(lái)“大爆炸”時(shí)刻，其將在現(xiàn)實(shí)世界發(fā)生哪些改變?又將激發(fā)怎樣的潛力?

　　生成式AI迎來(lái)“三個(gè)轉(zhuǎn)變”

　　過(guò)生成式AI技術(shù)可分為四個(gè)層次，即面向消費(fèi)者應(yīng)用;大語(yǔ)言模型(LLM)等基礎(chǔ)技術(shù);支持服務(wù)的云基礎(chǔ)設(shè)施;以及對(duì)于開(kāi)發(fā)和運(yùn)營(yíng)至關(guān)重要的半導(dǎo)體。

　　從技術(shù)發(fā)展看，今年生成式AI將從純理論探討階段，全面進(jìn)入到業(yè)務(wù)應(yīng)用階段。過(guò)去一年，大部分企業(yè)和機(jī)構(gòu)并沒(méi)有真正打造出生成式AI系統(tǒng);而今年，生成式AI系統(tǒng)將全面進(jìn)入到生產(chǎn)當(dāng)中，企業(yè)將真正地開(kāi)始使用生成式AI工具。

　　對(duì)于生成式AI本身，即將迎來(lái)三個(gè)方面的轉(zhuǎn)變。

　　首先，要把生成式AI投入到企業(yè)以及業(yè)務(wù)用例的過(guò)程中，就要從構(gòu)建訓(xùn)練基礎(chǔ)架構(gòu)轉(zhuǎn)向構(gòu)建推理基礎(chǔ)架構(gòu)。

　　到目前為止，大部分企業(yè)往往是通過(guò)對(duì)開(kāi)源基礎(chǔ)模型進(jìn)行調(diào)優(yōu)、優(yōu)化或者是互聯(lián)，來(lái)實(shí)現(xiàn)自己的某些功能和需求。

　　對(duì)于各個(gè)企業(yè)、各個(gè)垂直行業(yè)領(lǐng)域的企業(yè)來(lái)說(shuō)，無(wú)論是GenAI還是GPT4，大語(yǔ)言模型的訓(xùn)練成本是高昂的。特別是對(duì)于垂直行業(yè)的企業(yè)用戶，不會(huì)在業(yè)務(wù)推進(jìn)過(guò)程中直接采用這些模型。

　　如果未來(lái)需要將AI能力賦予企業(yè)的業(yè)務(wù)，那么企業(yè)就需要進(jìn)一步開(kāi)發(fā)已有的模型，從而讓這些模型在部署到垂直行業(yè)的生產(chǎn)中時(shí)，可以真正地轉(zhuǎn)化為生產(chǎn)力。

　　而這種轉(zhuǎn)變也對(duì)企業(yè)提出了更加明確的要求：如何更好地設(shè)計(jì)出這種推理基礎(chǔ)架構(gòu)?該把它們放在哪里?如何確保其安全?

　　其次，是企業(yè)的關(guān)注點(diǎn)將越來(lái)越多地將從寬泛的實(shí)驗(yàn)轉(zhuǎn)向自上而下的戰(zhàn)略推進(jìn)，即挑選出少數(shù)幾個(gè)真正具有變革意義的生成式AI應(yīng)用項(xiàng)目。

　　去年，很多企業(yè)都在考慮采用生成式AI技術(shù)。但如今，企業(yè)已經(jīng)認(rèn)識(shí)到，要應(yīng)用生成式AI技術(shù)，每個(gè)項(xiàng)目都非常龐大，需要占用大量人力、物力、財(cái)力，才能構(gòu)建和實(shí)施一個(gè)能夠投入生產(chǎn)的生成式AI系統(tǒng)。

　　到了今年，一方面，生成式AI領(lǐng)域?qū)��?huì)有成百上千乃至上萬(wàn)的潛在用例，但另一方面，由于每一個(gè)企業(yè)的資源有限，因此只能選擇其中幾個(gè)重點(diǎn)實(shí)施。

　　對(duì)于企業(yè)的CIO和領(lǐng)導(dǎo)者，必然會(huì)面臨一個(gè)問(wèn)題：就是從幾百個(gè)AI項(xiàng)目中，優(yōu)先選擇幾個(gè)進(jìn)行實(shí)施。這其中的風(fēng)險(xiǎn)在于：一旦選對(duì)了，這些項(xiàng)目將對(duì)業(yè)務(wù)產(chǎn)生正向影響;而萬(wàn)一選錯(cuò)，可能就會(huì)造成大量的資源浪費(fèi)。

　　要想做出一個(gè)正確的選擇，各個(gè)企業(yè)必須要充分理解GenAI價(jià)值，以及生成式AI最有可能從哪些方面能夠?yàn)槠髽I(yè)提升生產(chǎn)力而賦能。

　　第三，是用戶對(duì)于AI投入的成本考量，從對(duì)“訓(xùn)練成本”的計(jì)算轉(zhuǎn)向?qū)?ldquo;運(yùn)營(yíng)成本”的衡量。

　　在理論研究和訓(xùn)練階段，生成式AI的成本取決于構(gòu)建模型的復(fù)雜程度，以及架構(gòu)開(kāi)發(fā)和維護(hù)人員的規(guī)模，除此之外再無(wú)其他成本可言。

　　但當(dāng)企業(yè)用戶開(kāi)始實(shí)施部署和應(yīng)用生成式AI工具時(shí)，現(xiàn)實(shí)的運(yùn)營(yíng)成本就會(huì)成為企業(yè)用戶面臨的最大經(jīng)濟(jì)考量。

　　以戴爾科技為例，其最初開(kāi)始建立自己的生成式AI系統(tǒng)時(shí)，基本上會(huì)在三個(gè)月的時(shí)間里用到20臺(tái)服務(wù)器，此刻其整體運(yùn)營(yíng)成本是未知的。

　　但當(dāng)這套系統(tǒng)開(kāi)始被戴爾科技內(nèi)部的工程師應(yīng)用時(shí)，6000名工程師每個(gè)月就需要大約5000萬(wàn)次處理量，因此該系統(tǒng)最大的成本不是建立一個(gè)模型的成本，而是基于大規(guī)模處理而產(chǎn)生的巨額運(yùn)營(yíng)成本。

　　這對(duì)企業(yè)用戶而言，從訓(xùn)練成本到運(yùn)營(yíng)成本的考慮，將是未來(lái)必將面對(duì)的一個(gè)相當(dāng)現(xiàn)實(shí)的問(wèn)題。

　　從本質(zhì)上說(shuō)，生成式AI的轉(zhuǎn)變其實(shí)是技術(shù)從研發(fā)到應(yīng)用的商用化過(guò)程中必然要經(jīng)歷的過(guò)程。

　　只是由于AI自身業(yè)務(wù)形態(tài)的改變，也將帶來(lái)更多行業(yè)的改變，其中的一個(gè)影響就是會(huì)帶動(dòng)一批相關(guān)技術(shù)和應(yīng)用，成為未來(lái)的熱點(diǎn)和趨勢(shì)。

　　如何激發(fā)生成式AI更大潛力

　　僅僅一年，隨著各大資本和巨頭入場(chǎng)，AI從底層大模型，到基礎(chǔ)設(shè)施，到機(jī)器學(xué)習(xí)操作(MLOps)，再到消費(fèi)端應(yīng)用，生成式AI的生態(tài)已經(jīng)初步建立。

　　隨著今年生成式AI的進(jìn)一步訓(xùn)練和穩(wěn)定，行業(yè)發(fā)展將加速向下游移動(dòng)，生成式AI將進(jìn)一步改變?nèi)藗兊纳�活，乃至改變整個(gè)世界，其為企業(yè)提供了無(wú)限的想象空間，使產(chǎn)品和服務(wù)的研發(fā)過(guò)程更加高效、有趣。

　　面對(duì)生成式AI市場(chǎng)的巨大潛力，亞馬遜、谷歌、微軟、Meta等科技巨頭不甘示弱。去年12月，谷歌多模態(tài)大模型Gemini發(fā)布，包含三個(gè)版本：Nano、Pro和Ultra。

　　Pro對(duì)標(biāo)GPT-3.5，Ultra對(duì)標(biāo)GPT-4，可以處理文本之外的信息，包括圖像、視頻和音頻。同時(shí)，谷歌上線文生圖模型Imagen 2、視頻生成模型VideoPoet，推出醫(yī)療人工智能大模型MedLM，將大模型與醫(yī)療保健行業(yè)緊密結(jié)合。

　　去年11月，微軟將集成了GPT的Bing Chat更名為Copilot，可以免費(fèi)使用GPT-4、DALL·E 3功能，并且擁有了獨(dú)立網(wǎng)站，Copilot將嵌入所有微軟旗下應(yīng)用中。微軟還推出Copilot Studio，使用者可以自定義GPT、創(chuàng)建新插件、自定義工作流。

　　Meta則接連發(fā)布了650億參數(shù)的開(kāi)源大模型 LLaMA和700億參數(shù)的LLaMA2。近日，Meta推出全新開(kāi)源大模型Code Llama 70B，其準(zhǔn)確率達(dá)到了53%，超過(guò)了GPT-3.5的48.1%，是目前評(píng)分最高的開(kāi)源大模型。

　　2023年以來(lái)，看似默默無(wú)聞的亞馬遜頻頻出擊。去年9月，亞馬遜宣布將向人工智能初創(chuàng)公司Anthropic投資40億美元，近日，其再次宣布追加投資27.5億美元，完成了對(duì)Anthropic40億美元的投資，決心可見(jiàn)一斑。窗體頂端

　　更為重要的是，亞馬遜云科技提出了基于生成式AI的三層技術(shù)棧。

　　第一層是高性能基礎(chǔ)設(shè)施，過(guò)去五年，亞馬遜云科技持續(xù)加大在自研芯片方面的投入，比如Amazon Trainium和Amazon Inferentia芯片，可以提供在云上訓(xùn)練模型和運(yùn)行推理的最低成本。

　　除此之外，在GPU方面，NVIDIA多款先進(jìn)算力均率先在亞馬遜云科技落地。

　　第二層是最廣泛的基礎(chǔ)模型選擇。亞馬遜云科技認(rèn)為“沒(méi)有一個(gè)模型可以適用于所有業(yè)務(wù)場(chǎng)景”，因此推出Amazon Bedrock，企業(yè)可以靈活選擇適合自己的模型，更容易地構(gòu)建應(yīng)用，并在保證數(shù)據(jù)安全和隱私基礎(chǔ)上，進(jìn)行定制化模型的開(kāi)發(fā)，還無(wú)需大量的標(biāo)注數(shù)據(jù)。

　　Amazon Bedrock提供各種領(lǐng)先的基礎(chǔ)模型供客戶選擇：既有知名的開(kāi)源模型，如Stable Diffusion XL、Llama、Mistral 7B和Mixtral 8*7B，也有如Anthropic Claude 3、AI21labs Jurassic、Cohere Command、Amazon Titan等非開(kāi)源模型。

　　基于Amazon Bedrock云托管服務(wù)，企業(yè)可以通過(guò)API訪問(wèn)從文本到圖像的一系列強(qiáng)大的基礎(chǔ)模型。

　　值得一提的是，亞馬遜和Anthropic在生成式AI領(lǐng)域有著廣泛的合作，Anthropic在Amazon Bedrock上提供的Claude 3系列模型是全球最領(lǐng)先的大模型之一，共包含三個(gè)模型：Haiku、Sonnet、Opus，從模型尺寸來(lái)看，可以理解為模型的中杯、大杯、超大杯。

　　客戶可以根據(jù)自己的商業(yè)需求，從中選擇最合適的智能、速度和價(jià)格組合。

　　Haiku：是響應(yīng)速度最快的模型，也是成本最低的選項(xiàng)，在大多數(shù)純文本任務(wù)上的表現(xiàn)仍然相當(dāng)出色，也同時(shí)包含多模態(tài)能力(比如視覺(jué))。

　　Sonnet：適用于需要平衡性能和成本的場(chǎng)景，它在純文本任務(wù)上的表現(xiàn)與后面的Opus相當(dāng)，但在成本上更為經(jīng)濟(jì)，適合于那些需要性能稍微好點(diǎn)，但預(yù)算有限的企業(yè)和個(gè)人用戶。

　　Opus：具有強(qiáng)大的推理、數(shù)學(xué)和編碼能力，接近人類(lèi)的理解能力，適用于需要高度智能和復(fù)雜任務(wù)處理的場(chǎng)景，如企業(yè)自動(dòng)化、復(fù)雜金融預(yù)測(cè)、研究和開(kāi)發(fā)等。

　　對(duì)于Claude 3，更有行業(yè)人士認(rèn)為其終結(jié)了GPT-4時(shí)代。Claude 3有兩大亮點(diǎn)，一個(gè)是長(zhǎng)文本，二是多模態(tài)能力。

　　長(zhǎng)文本是Claude 3的一個(gè)顯著優(yōu)勢(shì)，體現(xiàn)為在讀論文、小說(shuō)等字?jǐn)?shù)更多的文本時(shí)，Claude 3更擅長(zhǎng)理解和回答用戶的相關(guān)問(wèn)題。

　　此次Claude 3大大提升了上下文對(duì)話窗口，達(dá)到200k，可以理解為單次和模型對(duì)話能夠輸入的文本。

　　具體而言，Claude 3 200k的對(duì)話長(zhǎng)度，相當(dāng)于能夠單次處理超過(guò)15萬(wàn)英文單詞，而GPT-4 Turbo的上下文窗口為128k，大約是9.6萬(wàn)個(gè)英文單詞。同時(shí)，Claude 3也第一次允許圖像和文檔上傳。

　　和ChatGPT一樣，Claude 3能夠“認(rèn)”出來(lái)圖里的是什么東西，直接描述，回答用戶的問(wèn)題。更令人印象深刻的是，Claude 3在分析一些復(fù)雜問(wèn)題時(shí)，已經(jīng)能夠和人一樣，先拆解問(wèn)題，并且交由子模型來(lái)進(jìn)行調(diào)度。

　　第三層就是應(yīng)用生成式AI技術(shù)的開(kāi)箱即用的云服務(wù)，進(jìn)一步降低使用門(mén)檻。目前已經(jīng)推出Amazon Q這一AI助手，可以根據(jù)客戶業(yè)務(wù)進(jìn)行定制，專(zhuān)用于辦公場(chǎng)景需要。

　　還與像Amazon QuickSight，包括智能客服的產(chǎn)品Amazon Connect，面向編程開(kāi)發(fā)人員的平臺(tái)Amazon CodeWhisperer，都實(shí)現(xiàn)了非常有效的結(jié)合。

　　可以看到，從底層基礎(chǔ)設(shè)施到上層應(yīng)用拓展，今年亞馬遜云科技在生成式AI領(lǐng)域不斷發(fā)力。不同的客戶可以根據(jù)需求選擇不同層級(jí)的產(chǎn)品，通過(guò)這三層來(lái)支持他們的業(yè)務(wù)創(chuàng)新。

　　此外，對(duì)于如何幫助企業(yè)快速具備生成式AI能力，亞馬遜云科技擁有豐富的專(zhuān)業(yè)技術(shù)支持資源，包括SA、產(chǎn)品專(zhuān)家、人工智能實(shí)驗(yàn)室、數(shù)據(jù)實(shí)驗(yàn)室、快速原型團(tuán)隊(duì)、專(zhuān)業(yè)服務(wù)團(tuán)隊(duì)，幫客戶打通應(yīng)用生成式AI的“最后三公里”工程化挑戰(zhàn)。

　　對(duì)于作為扮演“底層架構(gòu)師”角色的亞馬遜云科技而言，大模型固然重要，但關(guān)鍵技術(shù)能力的集合才是提升企業(yè)生產(chǎn)力的根本動(dòng)力。

　　亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建表示，“盡管大模型非常重要，但僅靠大模型對(duì)企業(yè)的生產(chǎn)是遠(yuǎn)遠(yuǎn)不夠的。從模型能力到真正的運(yùn)營(yíng)生產(chǎn)之間，企業(yè)還需要增加很多輔助能力。企業(yè)需要一系列周邊的能力來(lái)正確、合理、安全、高效地使用大模型，這就是亞馬遜云科技一系列產(chǎn)品所提供的價(jià)值所在。”

　　生成式AI領(lǐng)域接下來(lái)發(fā)展的最關(guān)鍵一步是什么?陳曉建表示，首先，從最底層來(lái)看，芯片性能仍然落后于需求。雖然半導(dǎo)體芯片的發(fā)展已經(jīng)非常快，但模型本身參數(shù)規(guī)模的擴(kuò)大實(shí)際上遠(yuǎn)超芯片的能力。

　　“以前一個(gè)幾百萬(wàn)參數(shù)的模型，就覺(jué)得已經(jīng)很大了，但現(xiàn)在動(dòng)輒達(dá)到數(shù)百億的規(guī)模�；�礎(chǔ)服務(wù)商仍需關(guān)注如何將底層能力、業(yè)務(wù)復(fù)雜度和大模型復(fù)雜度相匹配，使硬件發(fā)展趕上軟件發(fā)展規(guī)模。”

　　其次，他認(rèn)為大模型能力本身還有很多發(fā)展空間，今天看到的模型可能代表了一個(gè)博士生水平，但是能不能做得更好?比如達(dá)到教授或者院士水平?

　　包括亞馬遜云科技在內(nèi)的諸多生成式AI供應(yīng)商需要在未來(lái)持之以恒地去做模型能力方面的工作。

　　在最上層與各行各業(yè)務(wù)相結(jié)合方面，陳曉建表示，相關(guān)的SaaS解決方案非常多。

　　從這點(diǎn)上看，將生成式AI能力與垂直場(chǎng)景的解決方案結(jié)合需要做巨大的工作。“我們需要思考大模型如何為人類(lèi)社會(huì)各行各業(yè)中的應(yīng)用提供更好的模型能力、更易用的方式和更低的成本。”

　　無(wú)論如何，人們對(duì)未來(lái)的期許總是充滿希望。對(duì)于科技未來(lái)的走向，以AI為代表的技術(shù)進(jìn)化，正在成為一場(chǎng)考驗(yàn)人類(lèi)想象力的比賽。

　　科技企業(yè)能做的，就是通過(guò)技術(shù)普惠，降低AI參與門(mén)檻，先把大模型打造成像電、水一樣隨取隨用的公共資源，再將生成式AI技術(shù)應(yīng)用于各行各業(yè)，變成真正能夠推動(dòng)人類(lèi)發(fā)展的生產(chǎn)力。

　　相關(guān)閱讀

　　從“算力核彈”到生成式AI，新紀(jì)元還有多遠(yuǎn)?

　　打造生成式AI應(yīng)用，什么才是關(guān)鍵?

　　AI Agent：大模型的下一個(gè)高地

　　生成式AI來(lái)了，我們還能相信自己的眼睛嗎?