pilvitoimittajat tunnistavat uudelleen suurten mallien ominaisuuksien rajat, ja tencent tang daosheng sanoi, että "olkaa vähän enemmän kärsivällisiä"
2024-09-08
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
vuosi sitten tencent julkaisi hunyuan-mallin global digital ecology conferencessa. vuotta myöhemmin "100 mallin taistelu" on päättynyt, ja jättiläisten ja yksisarvisten malli on alun perin määritetty. markkinoiden odotukset suuria malleja kohtaan näyttävät kuitenkin laskeneen, ja teollisuus tunnustaa uudelleen. suurten mallien kykyjen rajat.
äskettäisessä vuoropuhelussa china business newsin ja muiden tiedotusvälineiden kanssa tencent groupin varatoimitusjohtaja ja cloud and smart industry groupin toimitusjohtaja tang daosheng vastasi kysymykseen tekoälymarkkinoiden suosion laskusta ja sanoi, että juuri kuten uusien teknologioiden menneisyydessä kokemat syklit, aluksi kaikki ryntäsivät sisään, investoivat ja jopa loivat kuplan. sitten he huomasivat, että uusien teknisten muutosten asettuminen vie aikaa ja joutui jopa odottamaan pääoman ensimmäistä aaltoa - vähemmän ammattimaiset pelaajat eliminoidaan ennen kuin he voivat palata järkevään ja pragmaattiseen tilaan. "sama pätee nyt suuriin tekoälymalleihin. ihmisillä voi olla alussa korkeammat odotukset, koska he eivät ole vielä kokeneet kiillotusaikaa. (nyt) heiluri on heilahtanut toiseen suuntaan. tämä on minun tunteeni."
suurten mallien kehityksen alkuvaiheessa pilvi ja suuret mallit liittyivät läheisesti toisiinsa, ja laskentatehonkulutus heijasti suurten mallien kysyntää ja suosiota. li qiang, tencent groupin varapuheenjohtaja sekä hallituksen ja yritystoiminnan johtaja, kertoi china business newsille, että suurten mallien ilmaantuminen viimeisen kahden vuoden aikana on lisännyt valtavasti gpu:n laskentatehoa sekä tuotteiden nopeaa kasvua. liittyvät suuren mallikoulutuksen tukemiseen. mutta sovelluspuolella suurten mallien kaupallistaminen to b -puolella ei suinkaan ole niin menestyvää kuin kaikki luulevat. suhteellisesti sanottuna nykyinen iso malli soveltuu paremmin skenaarioihin, joissa vikasietokyky on suhteellisen korkea. tencentin suuri mallipalvelu, joka on edelleen suunnattu yritysasiakkaille, tarjoaa joustavia ja monipuolisia sopeutumisratkaisuja sekä tutkii suurten mallien ja pilvituotteiden yhdistelmää.
suurin osa tekoälyn tuloista tulee gpu:n laskentatehosta
tencentin uusin taloudellinen raportti osoittaa, että tämän vuoden toisella neljänneksellä tencentin finanssiteknologia- ja yrityspalveluliikevaihto kasvoi 4 % vuodentakaisesta, josta yrityspalveluliiketoiminta kasvoi yli kymmenen pistettä edellisvuodesta. tencent cloudin asiakkaita on yli 80 % kotimaisista suurmallien valmistajista. tämä tencentin talousraportti ei kuitenkaan puhunut paljon tekoälyn tuomista muutoksista.
mitä tulee tencent cloudin tuloista tekoälystä, tang daosheng kertoi china business newsille, että dataa voi olla vaikea mitata nyt, mutta ne ovat lisääntymässä. esimerkiksi yhteistoiminnalliset autonomisen ajon valmistajat lisäävät edelleen mallikoulutusta ajoneuvon ja koneen käsitykseen tiedot. tulorakennetta tarkasteltaessa li qiang kertoi toimittajille, että tällä hetkellä suurin osa tencentin tekoälyyn liittyvistä tuloista on edelleen gpu:n laskentatehoa.
tencent ei ainoastaan tarjoa laskentatehoa suurille mallinvalmistajille, vaan myös edistää itse kehitettyjen hunyuan-suurten mallien kaupallistamista kun suurten mallien alkuperäinen suosio markkinoilla on laskenut, tencent arvioi myös todellista lisäystä, jonka nämä kaksi liiketoiminta-osaa voivat saada. tuoda. aiemmassa haastattelussa tang daosheng sanoi, että jos iso malliyritys, johon investoitu, onnistuu, se vaatii jatkuvaa pilvikulutusta, joka on pilviliiketoiminnalle erinomainen tulonlähde. mutta hän sanoi myös, että uuden teknologian alkuvaiheessa suuren pääoman vetämät startupit kasvavat hurjasti ja voivat sijoittaa liikaa. ”jos pilvitulot riippuvat liikaa pääomasta startupit, kun kupla puhkeaa, osa asiakkaista katoaa, suorituskyky heikkenee ja on tuskallisempaa, kun he putoavat."
suurten mallien aiheuttaman grafiikkasuorittimen laskentatehonkulutuksen lisäksi pilvitoimittajat ovat kokeneet myös suurten mallien kyvyn uudelleen tunnustamista suurten mallien kaupallisen käytön edistämisessä b-puolella.
li qiang sanoi, että kokonaismarkkinoiden näkökulmasta, tekoälyyn liittyvien tulojen joukossa kaupallisen tuotannon osuus, joka todella tulee itse suurista malleista, on edelleen suhteellisen pieni. hän kuvaili tätä prosessia markkinoiden siirtyessä "fanaattisesta" "rationaaliseen". tarkemmin sanottuna esteet b-puolen teollisuudelle ovat suhteellisen syvät. tekoälyn soveltaminen teollisuusalalla ja perinteisillä toimialoilla on vaikeampaa kuin to c:n, eivätkä suuret mallit ole vielä täyttäneet perinteisen teollisuuden vaatimuksia tiukemmat vikasietovaatimukset.
li qiang selitti, että tärkeimmät sovellukset tai linkit, jotka vaikuttavat turvalliseen tuotantoon ja tärkeisiin päätöksentekoon, eivät todennäköisesti hyväksy odottamattomia tilanteita. tällä hetkellä olisi parempi, jos tekoäly voi auttaa päätöksenteossa. joillakin perinteisillä segmenteillä suuret mallit eivät välttämättä ole paras valinta. esimerkiksi iphone-laitteiden tiukka laaduntarkastus vaatii valokuvaamista ja kuvien suurennusta yli sata kertaa. suuret mallit eivät välttämättä sovellu kaikille niche-toimialoille ja aloille. aivan kuten ei tarvitse kouluttaa lapsia ylioppilaiksi arvostetuista kouluista ja laittaa heidät sitten ruuvien kiristämiseen erikoistuneisiin tehtäviin.
lisäksi suuret mallit, erityisesti ne, joilla on valtavat parametrit, on koulutettava valtaviin laskentaklustereihin. valmistajat, jotka käyttävät näitä suuria laskentaklustereita, luottavat myös valtaviin laskentaklustereihin tehdäkseen päätelmiä julkiset pilvet pilvitoimittajilta. b-puolen yrityksillä on kuitenkin edelleen huolia tietoturvasta, joten prosessi, jossa julkiset pilvet tarjoavat suuria malliominaisuuksia, ei välttämättä ole niin sujuvaa kuin odotettiin.
"kotimaisilla yrityksillä on suhteellisen korkeat vaatimukset omien toimialatietojensa luottamuksellisuudesta, ja ydinliiketoimintaa perustaneet ovat halukkaampia tekemään sen yksityistetyn käyttöönoton muodossa. yksityistämisreitti vaikuttaa kuitenkin suurten mallien integroimiseen ja tämä on tietyssä mielessä muodostanut nykypäivän pullonkaulan "li qiang sanoi, että suuren mallin b nykyiset käyttöönottotavat sisältävät sekä yksityistetyn käyttöönoton että pääsyn sovellusliittymiin, ja kun kyse on ydinsovelluksista, teollisuus harkitsee yksityistämistä enemmän.
missä suuria malleja todella käytetään?
tencentin lisäksi jotkin suuret teknologiayritykset panostavat tekoälyyn, ja osa mainitsi uusimmissa talousraporteissaan tekoälyn tuoton kasvun. esimerkiksi kesäkuussa 2024 päättyneellä vuosineljänneksellä alibaba cloudin tekoälyyn liittyvät tuotteet kasvoivat kolminkertaisesti. tämän vuoden toisella neljänneksellä baidu smart cloudin liikevaihto kasvoi 14 % edellisvuodesta osuus baidu smart cloudin liikevaihdosta oli 9 %. kansainvälisistä pilvitoimittajista googlen pilviliiketoiminnan liikevaihto kasvoi 29 % vuoden toisella neljänneksellä ai-kysyntä. tekoälyn osuus azuren liikevaihdon kasvusta oli 8 prosenttia edellisvuodesta.
joidenkin valmistajien julkistamista tiedoista päätellen tekoälyn tuoma liikevaihdon kasvuprosentti on yksinumeroinen tai tekoälyn osuus pilvituloista on yksinumeroinen. verrattuna aiempien markkinoiden valtaviin ai-odotuksiin, tekoälyn nousu pilveen tulot vaikuttaa siltä, että intensiteettiä on vahvistettava edelleen.
li qiang kertoi, että asiakkaat ovat vähitellen ymmärtäneet, että suuret mallit eivät voi "parantaa kaikkia sairauksia", ja niistä on tullut järkiperäisempiä kohtausten valinnassa. verrattuna teollisiin tuotantoskenaarioihin, joissa on tiukat vikasietosuhteet, suurilla malleilla on parempi sovellustila muissa skenaarioissa, mukaan lukien tiedonhallinta, markkinointi, asiakaspalvelu, koodaus, älykkäät riskinhallintakentät ja suhteellisen alhaiset ammatilliset vaatimukset kenttätarkastuskohtaukset. asiakkaat valitsevat yhteistyöhön enemmän korkean tason sovellusskenaarioita. esimerkiksi tencentin ja zhongshanin sairaalan yhdessä kehittämä laajamittainen lääketieteellinen malli edistää lääketieteellistä diagnoosia ja lääkärintodistusten kirjoittamista, joita voidaan pitää apudiagnoosina ja -hoitona. päätöksentekoskenaarioissa isoja malleja käytetään enemmän päätöksenteon apuna. tietoon liittyvissä skenaarioissa isoja malleja käytetään yleisemmin asiakaspalvelu- ja työntekijöiden koulutusskenaarioissa.
suurten mallien haasteista tang daosheng kertoi toimittajille, että tämä sisältää sekä korkean laadun ja julkisen tiedon suhteellisen niukkuuden haasteet että suurten mallien toteuttamiseen liittyvät haasteet, kuten tietojen luottamuksellisuus , toteutuskustannukset, tarkat tulokset ja kohtauksen valinta. lisäksi haasteena on, että ala on altis nollasummapeleille, kun ympäristö on stressaavaa. hän uskoo, että jos kaikkien ahdistus voimistuu, markkinaosuuden säilyttäminen tappioiden kautta ei ole terve tila.
"katsoin tuloslaskelmaa erittäin tarkasti. jokaisen yrityksen tulee laskea kulunsa selkeästi ja asettaa hinnat järkevästi, jotta vältytään luottamasta muiden voittoihin omien tappioidensa tukemisessa. kaikkien on oltava kärsivällisempiä. nykyteknologia voi vain saavuttaa 50 % joissakin skenaarioissa 90 pisteen saavuttaminen vie aikaa aluksi monet ihmiset ajattelivat, että mallit voivat muuttaa maailmaa nopeasti. itse asiassa he yliarvioivat edistyksen lyhyellä aikavälillä ja aliarvioivat vaikutusta pitkällä aikavälillä ", tang daosheng sanoi.
(tämä artikkeli on peräisin china business newsista)
