“元年”之后，生成式AI将走向何方？

图源：摄图网

作者|科技云报道 来源|科技云报到(ID：ITCloud-BD)

近两年，以大模型为代表的生成式AI技术，成为引爆数字原生最重要的技术奇点，人们见证了各类文生应用的进展速度。Gartner预测，到2026年，超过80%的企业将使用生成式AI的API或模型，或在生产环境中部署支持生成式AI的应用，这也将为产业发展带来巨大的机遇与挑战。

未来十年里，所有企业在战略里将充分利用三个原生（云原生、数字原生、AI原生）来颠覆自己的业务，来构造自己的第二、第三增长曲线，重新编写自己的业务，在数字化时代实现企业跨越式的增长。

当智能数字业务走向深水区

从应用变化的角度来看，生成式AI之所以触发科技的转折点，遵循的是“大模型摩尔定律”。虽然，新世界还没有到来，但生成式AI的未来已至。之后，企业IT基础架构也会跟着发生化学反应。巨大算力增长背后其实是底层服务器、芯片、数据等重要能力的升级，而云正在重塑一切。

大模型如火如荼背后，底层的芯片、到中间的平台再到上层的应用，都与过去不同。如果企业继续采用传统的IT架构，CPU和加速器之间的接口会限制产品的性能水平，也就无法更好地支持生成式AI时代的新需求。与此同时，由AI模型带来的大量资源消耗，也是企业关注的重点问题。所以，满足未来需求的企业架构设计，一定会充分考虑到成本和可持续发展问题。

进一步讲，生成式AI不能单独创造价值，其工作负载的计算密集程度非常高，它需要底层更强大的硬件支持。因此，具有拥有高性价比的基础设施，是应用成功构建的关键要素之一。

另外，智能化系统之所以更具颠覆性，是因为在感知、理解、学习、推理、交互等方面具有更广泛的适应性，以及更友好的多模交互能力。所以，在架构设计上要充分考虑到可行性、可控性和通用性，才能满足多场景、多需求、多任务之间的快速切换。

智能化系统并不是只有一个大模型，架构设计者需要在根据不同业务场景的需求进行偏好对齐，具备多模索引、模型选择、模型算力调度和模型推理的能力。比如：有的大模型是和员工的生产力、工作效率相关。有的大模型则和智能化水平相关，包括营销、客服、HR、财务。有的是专属应用场景，比如金融领域的欺诈、医疗领域的病例生成，以及供应链管理等。企业要根据不同需求，以及不同技术支撑能力，选择适合的智能化架构升级路线。

AI交互的用户友好性、大模型开源及API价格的降低、插件服务带来的应用生态繁荣等，都使得AI技术或将成为像水、电、网络一样的基础设施，渗透并改变千行万业。

根据《2024年AIGC发展趋势报告》显示，在医疗领域，AI应用已能够精准辅助诊断，例如Google Health的深度学习模型，在乳腺癌筛查中的准确率已超越人类专家。利用强大的图像识别和模式分析能力，这些模型可以从成千上万的X光片中识别出极易被人眼忽视的细微变化。

金融领域也经历了由AI推动的变革。金融机构利用复杂的算法来预测市场趋势、管理风险，甚至自动执行交易。机器学习技术能够分析大规模的历史数据，识别出人类难以察觉的模式。例如，通过深度学习，AI可以在高频交易中捕捉到微小的市场变化，并在毫秒级做出反应，这是任何人类交易者所无法比拟的。

自动驾驶领域的AI应用，展示了AI能够在高度复杂和动态的环境中执行任务的能力。特斯拉Autopilot、谷歌Waymo，这些自动驾驶系统使用了先进的传感器阵列和AI算法，实现了车辆的自主导航和决策。它们的表现日益接近人类驾驶者，甚至在某些情境下超越了人类。

  生成式AI何去何从？

IT研究与顾问咨询机构Gartner发布的《生成式AI对企业的重要性》预测，明年大型企业机构30%的对外营销信息将由合成数据生成。市场研究机构Canalys预测，到2028年，生成式AI的市场规模将达到1580亿美元。

精彩纷呈的2023年被普遍视为“生成式AI元年”，科技产业的图景已经被深刻改变。今年，AI行业将迎来巨大的变革。

从生成式AI发展脉络看，多模态模型、视频生成、AI智能体、开源等内容将是下一阶段发展的重心。而随着AI前所未有的发展态势以及在各大领域的渗透，如何保障和监管其可持续、负责任的发展也是接下来的重大课题之一。

AI领域一个关键性的创新是多模态生成式AI，此类系统能处理文本、声音、旋律和视觉信号等各种输入信息，并将其融合起来进行综合理解。随着多模态技术的不断发展，AI模型将迎接更加复杂多样化的交互场景，有望在智能家居、智慧城市、医疗诊断、自动驾驶等领域打开全新的应用空间。

视频生成也是今年值得关注的热点。除AI初创企业外，谷歌也在这一领域迅速跟进，先是与美国国家工程院院士、斯坦福大学教授李飞飞及其团队合作推出AI视频生成模型W.A.L.T，后又发布了一个全新的视频生成模型VideoPoet，而且无需特定数据便可生成视频。

虽然生成式AI沿着生成文字、图像再到视频不断升级，但它与人类互动还停留在输入和输出内容的阶段，而还无法真正帮人类在现实生活中做出行动，比如预定餐厅、购买物品等。

比尔·盖茨在去年11月也曾撰文指出，AI智能体将在未来五年里彻底改变我们使用计算机的方式。在他的畅想中，用户只需用自然语言告知自己的需求，计算机就会自动跨越不同软件程序完成任务，AI智能体将成为每个人都能拥有的“远远超出当今技术的AI驱动个人助理”。实际上，OpenAI在开发者大会上推出的定制GPTs和一系列辅助开发工具被视为打造AI智能体的先行部署。未来，人们将看到更加复杂的AI智能体，可以代替用户做出行动。

正如历史上所有的颠覆性技术一样，人类需要时间探索如何与AI相处。AI的安全性和监管框架必将成为又一热点话题。

AI在特定领域中的成功，也揭示了其所面临的限制。随着AI从实验室研究走向现实场景这一过程的推进，技术、法规、伦理以及社会接受度的挑战逐渐浮现。国际数据公司IDC指出，在法律法规的框架下，所有大模型和AI生态厂商都必须认真对待新一代人工智能产业中的合法合规问题，特别是通过算法模型的优化，增强人工智能的可解释性。

全球技术合作交汇点

生成式AI的发展就像一场马拉松，现在还处于非常早期的阶段，不仅是一场长期竞争，更成为全球企业开展技术合作、携手探索未来科技世界的桥梁。

近日，神州泰岳宣布成为中国首批获得亚马逊云科技生成式AI能力认证的合作伙伴。神州泰岳运用亚马逊云科技的Amazon SageMaker（全托管机器学习）、Amazon Bedrock（全托管生成式AI）等技术，从架构选型、模型选择、模型调优到云应用的集成开发，助力企业释放生成式AI的商业价值。

亚马逊云科技作为生成式AI领域的领导者，对神州泰岳在多方面进行赋能与支持。比如双方共同探讨构建生成式AI应用的关键路径，亚马逊云科技提供行业专家、技术专家和架构师等专家资源支持和一系列培训，提升神州泰岳的技术能力。神州泰岳则充分利用亚马逊云科技遍布全球的基础设施与丰富全面的生成式AI产品包括算力、模型和框架以及应用，为客户提供工程化服务及“最后三公里”实施。

基于亚马逊云科技的初步解决方案，双方共同创建客户个性的具体实施方案，例如云桌面生成式AI方案（Soca+Stable Diffusion）、基于Amazon EKS的Stable Diffusion图像生成方案和基于大语言模型知识问答应用落地实践如知识库构建等。

目前，神州泰岳已成功帮助制造、互联网、游戏等行业客户利用生成式AI技术提高生产力和创新速度。比如神州泰岳帮助海尔设计中心利用Amazon SageMaker打造了AIGC工业设计方案，将历史积累的海量设计方案数据沉淀到AI模型中，结合长期积累的内部知识图谱，提高设计工作的效率和质量，为新品设计、改款升级、渠道定制化等工业设计业务场景提供支持。

针对全球知名的输入法公司Kika Tech，神州泰岳帮助其部署了Amazon SageMaker服务，其中的生成式AI模型能根据用户的文字提示与语言理解，快速生成表情、贴图和动图等多元素输入内容，创造更丰富有趣的输入体验。

神州泰岳副总裁兼云事业部总经理刘家歆关于生成式AI 的前景表示，“我们正处在一个技术变革的时代，生成式AI拥有颠覆产业格局的巨大潜力。我们将帮助客户驾驭这一变革浪潮实现业务转型、升级和创新。”

如今，生成式人工智能已从“实验室”走向“产业化”，通过融合不同系统，加强企业间的协作，共同为各行各业提供量身定制的人工智能能力，并将其深度融入到各类应用解决方案之中，这也将进一步激发新的生产力形态，为生成式人工智能的未来发展创造更多可能。

编者按：本文转载自微信公众号：科技云报到(ID：ITCloud-BD)，作者：科技云报道