“在大模型走向場景化、實(shí)用化的過程中，將會(huì)形成‘大模型+小模型’的產(chǎn)業(yè)生態(tài)。對(duì)于企業(yè)來說，擁抱大模型并不是絕對(duì)的，而是取決于企業(yè)的具體情況和需求，要考慮到成本和效益之間的平衡。”在2023年服貿(mào)會(huì)期間，畢馬威中國數(shù)字化賦能主管合伙人張慶杰接受中新經(jīng)緯專訪時(shí)說。他還提到，大模型熱下，算力需求將是10到100倍的增長速度。
大模型與“元宇宙”的產(chǎn)業(yè)化落地相互促進(jìn)，共同發(fā)展
以大模型為代表的人工智能技術(shù)已成為當(dāng)下技術(shù)創(chuàng)新焦點(diǎn)。但在此之前，科技圈的上一任頂流是元宇宙，彼時(shí)也是諸多企業(yè)爭相布局。大模型帶動(dòng)的AI熱又能持續(xù)多久？
對(duì)此，張慶杰表示，相對(duì)于元宇宙，AI大模型更多是賦能的角色，其商業(yè)化的場景會(huì)更加豐富。大模型與“元宇宙”的產(chǎn)業(yè)化落地存在著相互促進(jìn)、共同發(fā)展的內(nèi)在聯(lián)系。一方面，人工智能的普及會(huì)加速元宇宙的產(chǎn)業(yè)化落地，人工智能算法會(huì)縮短元宇宙中的搭建周期和降低搭建成本，比如數(shù)字人、元宇宙空間3D建模等；另一方面，元宇宙給人工智能提供了豐富的使用場景，比如AIGC數(shù)字人交互，AIGC繪畫等。
據(jù)了解，在本屆服貿(mào)會(huì)上，畢馬威中國展臺(tái)也展示了升級(jí)版的“元宇宙體驗(yàn)中心”，結(jié)合了AIGC(生成式人工智能)技術(shù)，通過AI服務(wù)型數(shù)字人，能夠進(jìn)行當(dāng)下最火熱的AI對(duì)話和文生圖。
張慶杰提到，雖然已經(jīng)看到了眾多大模型應(yīng)用的有趣案例，但同時(shí)也觀察到企業(yè)用戶落地大模型其實(shí)還存在一定難度，因而還有很多企業(yè)處在觀望階段。
張慶杰認(rèn)為，這主要包括三個(gè)原因：其一是場景選擇，大模型目前并非在所有場景都表現(xiàn)很好，企業(yè)需要制定一個(gè)合適的路線圖，逐步擴(kuò)充成熟場景；其二是企業(yè)應(yīng)用成本較高，部分企業(yè)希望私有化部署大模型，這需要一定的大模型技術(shù)人才，也需要有一定的數(shù)據(jù)積累和算力投入；其三是應(yīng)用大模型涉及的一些合規(guī)及安全問題，企業(yè)也需要仔細(xì)考慮。
“單純從ToB的角度來說，從目前和企業(yè)客戶的溝通和測試結(jié)果來看，大模型可能會(huì)在營銷內(nèi)容生成、內(nèi)部知識(shí)管理、專業(yè)文檔的分析、輔助行業(yè)研究等場景首先體現(xiàn)出價(jià)值。”張慶杰稱。
短期來看算力缺口可能變大
在某種程度上，大模型已成人工智能領(lǐng)域的“兵家必爭之地”。據(jù)中國科學(xué)技術(shù)信息研究所5月發(fā)布的報(bào)告，中國10億級(jí)參數(shù)規(guī)模以上大模型已發(fā)布79個(gè)。張慶杰表示，無法預(yù)測哪些模型會(huì)走到最后，但是最后成功的大模型一般會(huì)具備這樣四個(gè)特點(diǎn)：
一是優(yōu)秀的技術(shù)指標(biāo)。隨著大模型不斷迭代，對(duì)于大模型能力的測評(píng)也一直在進(jìn)行，未來在所有能力上領(lǐng)先，或者在特定能力領(lǐng)先的大模型會(huì)吸引更多客戶；
二是明確的市場定位。究竟是提供更為優(yōu)秀的通用AI能力，還是在特定行業(yè)領(lǐng)域越來越專精，成為行業(yè)領(lǐng)先的大模型和事實(shí)上的標(biāo)準(zhǔn)，要明確定位；
三是清晰的商業(yè)化策略。尤其是B端客戶，能夠快速應(yīng)用這些大模型，并且成本、效果、風(fēng)險(xiǎn)等諸多因素都要能滿足要求。
四是廣泛的生態(tài)體系。“百模大戰(zhàn)”初期是立足于模型、算法層面，而真正能夠獲得長遠(yuǎn)發(fā)展的大模型，一定是看誰更具有廣泛基礎(chǔ)的生態(tài)體系。
張慶杰還提到，企業(yè)是否需要擁抱大型模型和人工智能技術(shù)，可以根據(jù)自身的具體情況來決定。不過，所有企業(yè)都需要對(duì)這項(xiàng)技術(shù)保持關(guān)注，以便及時(shí)調(diào)整自己的策略和方向。
具體來說，他提到，成熟企業(yè)可能更有能力投入更多的資源來開發(fā)和應(yīng)用大模型，初創(chuàng)企業(yè)可能更重要的是找到更切實(shí)可行的解決方案，比如使用已經(jīng)訓(xùn)練好的開源模型或者購買第三方服務(wù)。
從企業(yè)所處行業(yè)看，他認(rèn)為，不同行業(yè)的企業(yè)可能面臨不同的挑戰(zhàn)和機(jī)遇。例如，一些傳統(tǒng)的制造業(yè)企業(yè)可能更關(guān)注如何通過人工智能技術(shù)來提高生產(chǎn)效率和質(zhì)量，而不需要完全自研。同時(shí)，不同的業(yè)務(wù)需求也可能需要不同的解決方案。例如，對(duì)于金融、醫(yī)療等一些需要處理大量數(shù)據(jù)的業(yè)務(wù)中，使用大模型可能會(huì)更有效，而對(duì)于智能客服、智能推薦等，可能更注重的是模型的速度和實(shí)時(shí)性。
“自從大模型出來后，算力需求是10到100倍的增長速度。相比之下，算力的建設(shè)需要基建周期，這并不是一年、兩年就能完全滿足。因此，短期來看算力缺口可能變大。”張慶杰還提到，在數(shù)字化時(shí)代，對(duì)于企業(yè)來說，可以從算力設(shè)施、算力應(yīng)用、算力服務(wù)三大關(guān)鍵要素來統(tǒng)籌整體考慮布局未來算力需求，將算力徹底轉(zhuǎn)化為智能時(shí)代的新型生產(chǎn)力。
他認(rèn)為，基于近期大模型的算力訴求爆發(fā)，企業(yè)應(yīng)當(dāng)在芯片、服務(wù)器、數(shù)據(jù)中心等底層硬件上提升算力的物理極限，在操作系統(tǒng)、數(shù)據(jù)庫等底層軟件上提升釋放算力的能力。
免責(zé)聲明：市場有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
