圖源：攝圖網

作者|科技云報道 來源|科技云報到(ID：ITCloud-BD)

近兩年，以大模型為代表的生成式AI技術，成為引爆數字原生最重要的技術奇點，人們見證了各類文生應用的進展速度。Gartner預測，到2026年，超過80%的企業將使用生成式AI的API或模型，或在生產環境中部署支持生成式AI的應用，這也將為產業發展帶來巨大的機遇與挑戰。

未來十年里，所有企業在戰略里將充分利用三個原生（云原生、數字原生、AI原生）來顛覆自己的業務，來構造自己的第二、第三增長曲線，重新編寫自己的業務，在數字化時代實現企業跨越式的增長。

當智能數字業務走向深水區

從應用變化的角度來看，生成式AI之所以觸發科技的轉折點，遵循的是“大模型摩爾定律”。雖然，新世界還沒有到來，但生成式AI的未來已至。之后，企業IT基礎架構也會跟著發生化學反應。巨大算力增長背后其實是底層服務器、芯片、數據等重要能力的升級，而云正在重塑一切。

大模型如火如荼背后，底層的芯片、到中間的平臺再到上層的應用，都與過去不同。如果企業繼續采用傳統的IT架構，CPU和加速器之間的接口會限制產品的性能水平，也就無法更好地支持生成式AI時代的新需求。與此同時，由AI模型帶來的大量資源消耗，也是企業關注的重點問題。所以，滿足未來需求的企業架構設計，一定會充分考慮到成本和可持續發展問題。

進一步講，生成式AI不能單獨創造價值，其工作負載的計算密集程度非常高，它需要底層更強大的硬件支持。因此，具有擁有高性價比的基礎設施，是應用成功構建的關鍵要素之一。

另外，智能化系統之所以更具顛覆性，是因為在感知、理解、學習、推理、交互等方面具有更廣泛的適應性，以及更友好的多模交互能力。所以，在架構設計上要充分考慮到可行性、可控性和通用性，才能滿足多場景、多需求、多任務之間的快速切換。

智能化系統并不是只有一個大模型，架構設計者需要在根據不同業務場景的需求進行偏好對齊，具備多模索引、模型選擇、模型算力調度和模型推理的能力。比如：有的大模型是和員工的生產力、工作效率相關。有的大模型則和智能化水平相關，包括營銷、客服、HR、財務。有的是專屬應用場景，比如金融領域的欺詐、醫療領域的病例生成，以及供應鏈管理等。企業要根據不同需求，以及不同技術支撐能力，選擇適合的智能化架構升級路線。

AI交互的用戶友好性、大模型開源及API價格的降低、插件服務帶來的應用生態繁榮等，都使得AI技術或將成為像水、電、網絡一樣的基礎設施，滲透并改變千行萬業。

根據《2024年AIGC發展趨勢報告》顯示，在醫療領域，AI應用已能夠精準輔助診斷，例如Google Health的深度學習模型，在乳腺癌篩查中的準確率已超越人類專家。利用強大的圖像識別和模式分析能力，這些模型可以從成千上萬的X光片中識別出極易被人眼忽視的細微變化。

金融領域也經歷了由AI推動的變革。金融機構利用復雜的算法來預測市場趨勢、管理風險，甚至自動執行交易。機器學習技術能夠分析大規模的歷史數據，識別出人類難以察覺的模式。例如，通過深度學習，AI可以在高頻交易中捕捉到微小的市場變化，并在毫秒級做出反應，這是任何人類交易者所無法比擬的。

自動駕駛領域的AI應用，展示了AI能夠在高度復雜和動態的環境中執行任務的能力。特斯拉Autopilot、谷歌Waymo，這些自動駕駛系統使用了先進的傳感器陣列和AI算法，實現了車輛的自主導航和決策。它們的表現日益接近人類駕駛者，甚至在某些情境下超越了人類。

  生成式AI何去何從？

IT研究與顧問咨詢機構Gartner發布的《生成式AI對企業的重要性》預測，明年大型企業機構30%的對外營銷信息將由合成數據生成。市場研究機構Canalys預測，到2028年，生成式AI的市場規模將達到1580億美元。

精彩紛呈的2023年被普遍視為“生成式AI元年”，科技產業的圖景已經被深刻改變。今年，AI行業將迎來巨大的變革。

從生成式AI發展脈絡看，多模態模型、視頻生成、AI智能體、開源等內容將是下一階段發展的重心。而隨著AI前所未有的發展態勢以及在各大領域的滲透，如何保障和監管其可持續、負責任的發展也是接下來的重大課題之一。

AI領域一個關鍵性的創新是多模態生成式AI，此類系統能處理文本、聲音、旋律和視覺信號等各種輸入信息，并將其融合起來進行綜合理解。隨著多模態技術的不斷發展，AI模型將迎接更加復雜多樣化的交互場景，有望在智能家居、智慧城市、醫療診斷、自動駕駛等領域打開全新的應用空間。

視頻生成也是今年值得關注的熱點。除AI初創企業外，谷歌也在這一領域迅速跟進，先是與美國國家工程院院士、斯坦福大學教授李飛飛及其團隊合作推出AI視頻生成模型W.A.L.T，后又發布了一個全新的視頻生成模型VideoPoet，而且無需特定數據便可生成視頻。

雖然生成式AI沿著生成文字、圖像再到視頻不斷升級，但它與人類互動還停留在輸入和輸出內容的階段，而還無法真正幫人類在現實生活中做出行動，比如預定餐廳、購買物品等。

比爾·蓋茨在去年11月也曾撰文指出，AI智能體將在未來五年里徹底改變我們使用計算機的方式。在他的暢想中，用戶只需用自然語言告知自己的需求，計算機就會自動跨越不同軟件程序完成任務，AI智能體將成為每個人都能擁有的“遠遠超出當今技術的AI驅動個人助理”。實際上，OpenAI在開發者大會上推出的定制GPTs和一系列輔助開發工具被視為打造AI智能體的先行部署。未來，人們將看到更加復雜的AI智能體，可以代替用戶做出行動。

正如歷史上所有的顛覆性技術一樣，人類需要時間探索如何與AI相處。AI的安全性和監管框架必將成為又一熱點話題。

AI在特定領域中的成功，也揭示了其所面臨的限制。隨著AI從實驗室研究走向現實場景這一過程的推進，技術、法規、倫理以及社會接受度的挑戰逐漸浮現。國際數據公司IDC指出，在法律法規的框架下，所有大模型和AI生態廠商都必須認真對待新一代人工智能產業中的合法合規問題，特別是通過算法模型的優化，增強人工智能的可解釋性。

全球技術合作交匯點

生成式AI的發展就像一場馬拉松，現在還處于非常早期的階段，不僅是一場長期競爭，更成為全球企業開展技術合作、攜手探索未來科技世界的橋梁。

近日，神州泰岳宣布成為中國首批獲得亞馬遜云科技生成式AI能力認證的合作伙伴。神州泰岳運用亞馬遜云科技的Amazon SageMaker（全托管機器學習）、Amazon Bedrock（全托管生成式AI）等技術，從架構選型、模型選擇、模型調優到云應用的集成開發，助力企業釋放生成式AI的商業價值。

亞馬遜云科技作為生成式AI領域的領導者，對神州泰岳在多方面進行賦能與支持。比如雙方共同探討構建生成式AI應用的關鍵路徑，亞馬遜云科技提供行業專家、技術專家和架構師等專家資源支持和一系列培訓，提升神州泰岳的技術能力。神州泰岳則充分利用亞馬遜云科技遍布全球的基礎設施與豐富全面的生成式AI產品包括算力、模型和框架以及應用，為客戶提供工程化服務及“最后三公里”實施。

基于亞馬遜云科技的初步解決方案，雙方共同創建客戶個性的具體實施方案，例如云桌面生成式AI方案（Soca+Stable Diffusion）、基于Amazon EKS的Stable Diffusion圖像生成方案和基于大語言模型知識問答應用落地實踐如知識庫構建等。

目前，神州泰岳已成功幫助制造、互聯網、游戲等行業客戶利用生成式AI技術提高生產力和創新速度。比如神州泰岳幫助海爾設計中心利用Amazon SageMaker打造了AIGC工業設計方案，將歷史積累的海量設計方案數據沉淀到AI模型中，結合長期積累的內部知識圖譜，提高設計工作的效率和質量，為新品設計、改款升級、渠道定制化等工業設計業務場景提供支持。

針對全球知名的輸入法公司Kika Tech，神州泰岳幫助其部署了Amazon SageMaker服務，其中的生成式AI模型能根據用戶的文字提示與語言理解，快速生成表情、貼圖和動圖等多元素輸入內容，創造更豐富有趣的輸入體驗。

神州泰岳副總裁兼云事業部總經理劉家歆關于生成式AI 的前景表示，“我們正處在一個技術變革的時代，生成式AI擁有顛覆產業格局的巨大潛力。我們將幫助客戶駕馭這一變革浪潮實現業務轉型、升級和創新。”

如今，生成式人工智能已從“實驗室”走向“產業化”，通過融合不同系統，加強企業間的協作，共同為各行各業提供量身定制的人工智能能力，并將其深度融入到各類應用解決方案之中，這也將進一步激發新的生產力形態，為生成式人工智能的未來發展創造更多可能。

編者按：本文轉載自微信公眾號：科技云報到(ID：ITCloud-BD)，作者：科技云報道