nouvelles

depuis que chatgpt a complètement déclenché le salon d'ouverture de l'intelligence artificielle (ia) l'année dernière, les gens du monde entier ont découvert qu'aucune technologie n'a jamais été aussi « évolutive chaque jour qui passe » que l'ia : qu'il s'agisse d'un grand modèle ou d'une puce, c'est il se modernise et se répète à une vitesse étonnante ; avec la chine et les états-unis en tête, l'ensemble de l'industrie a montré un grand spectacle de milliers de voiles en compétition. avec l’itération rapide de la technologie et les changements profonds du marché, le spectacle d’ouverture finira par prendre fin, et la vraie question sera enfin devant tout le monde : comment l’appliquer ? comment gagner de l'argent ?

en conséquence, un consensus clair se forme progressivement : le développement de l'ia est passé par la simple étape de la « course aux armements à grande échelle » et est officiellement entré dans la seconde moitié de « l'exploration en profondeur des applications de scène » et de « l'orientation de concepts innovants ».

dans cette nouvelle étape de développement, comment trouver le meilleur équilibre entre innovation technologique et application commerciale ? comment rechercher des opportunités de coopération dans un contexte de concurrence féroce ? comment découvrir et saisir les opportunités de développement face aux défis ? ces questions sont devenues des sujets clés que les praticiens doivent considérer et auxquels ils doivent apporter des réponses. en tant que dirigeants, la chine et les états-unis ont sans aucun doute attiré l’attention du monde. les choix stratégiques, les investissements technologiques et la dynamique du marché des deux pays façonnent la trajectoire de développement et le paysage concurrentiel de l’ia mondiale d’une manière sans précédent.

1

perspective américaine : brouillard d’investissement et dilemme de commercialisation

les états-unis, en tant que berceau de la technologie de l’ia, ont investi énormément dans la recherche et le développement de grands modèles, mais leur processus de commercialisation est chancelant et est confronté au risque d’un faible retour sur investissement et de bulles de marché.

sous l’engouement pour l’ia, le marché a fait preuve d’un grand enthousiasme. nvidia, meta, tesla, amazon, alphabet, société mère de google, microsoft et apple, ces sept géants de la technologie connus sous le nom de « magna 7 », brilleront en bourse en 2023, avec leurs cours boursiers respectivement flambés de 239%, 194% , 102%, 81%, 59%, 57% et 48%.

cependant, derrière cet engouement, il y a une ombre qu’on ne peut ignorer. fin juin de cette année, un article de goldman sachs intitulé « trop d'investissements, trop peu de retours » a mis au premier plan la théorie de la bulle de l'ia. l'article déclarait sans ambages que les grandes entreprises prévoyaient d'investir d'énormes sommes d'argent dans l'ia. domaines connexes au cours des prochaines années, mais à part une légère amélioration de la productivité des développeurs, aucun autre résultat significatif n'a été observé. sequoia capital estime également que la bulle de l'industrie de l'ia s'intensifie et que l'écart de demande en matière de rentabilité de l'ia continue de se creuser. de nombreuses institutions ont émis des avertissements : la recherche et le développement de grands modèles d’ia sont confrontés à des défis sans précédent. bien que les investissements en capital continuent d'augmenter, le processus de commercialisation est loin d'être prévu, la croissance des revenus est faible et les perspectives de bénéfices sont inquiétantes. ce qui est plus grave, c'est que le risque de bulles industrielles est devenu de plus en plus important et que le retour sur investissement a été lent, suscitant de profondes inquiétudes quant à la durabilité de l'industrie de l'ia.

plus précisément, le premier problème concerne la commercialisation et les entrées-sorties. actuellement, les investissements dans la r&d des grands modèles continuent d'augmenter, mais la voie de commercialisation n'est pas encore claire, ce qui entraîne un grave déséquilibre dans le rapport entrées-sorties. les perspectives de développement de la piste ne sont pas claires, laissant les investisseurs et les promoteurs confrontés à une énorme incertitude. en outre, la croissance des revenus des grands modèles d’ia est insuffisante et les perspectives de bénéfices sont inquiétantes, ce qui exacerbe encore l’anxiété du marché. surtout avec les progrès de la technologie, le coût de formation des modèles d'ia continue d'augmenter. par exemple, le « rapport sur l'indice d'intelligence artificielle 2024 » indique que le coût de formation du modèle gpt-4 d'openai devrait atteindre 78 millions de dollars américains. , et le modèle geminiultra de google s'élève à 1,91 milliard de dollars. des coûts aussi élevés représentent un fardeau important pour de nombreuses entreprises, surtout lorsque les résultats ne sont pas clairs.

d’un autre côté, le développement actuel des applications d’ia est également préoccupant. bien que les grands modèles aient réalisé des progrès techniques significatifs, leur application a été bien plus lente que les attentes du marché. bien que la technologie de l’ia ait dépassé les performances humaines dans des tâches telles que la classification d’images, le raisonnement visuel et la compréhension de l’anglais, elle est toujours à la traîne par rapport aux humains dans des tâches plus complexes, telles que les mathématiques compétitives, le raisonnement visuel de bon sens et la planification. ce retard de développement affecte non seulement la confiance du marché, mais intensifie également l’anxiété au sein de l’industrie, poussant les gens à commencer à réexaminer la voie de développement de la technologie de l’ia.

dans ce contexte, le domaine américain de l’ia subit une profonde réflexion et transformation. d'une pure compétition technique à une exploration approfondie des voies de commercialisation, d'un optimisme aveugle dans le développement de grands modèles à un besoin urgent de mise en œuvre d'applications de scénarios.

2

la piste de plus en plus chère doit trouver une nouvelle direction

dans la vague turbulente de l'intelligence artificielle, les grands modèles sont sans aucun doute devenus une étoile éblouissante. leurs puissantes capacités de génération et leurs vastes perspectives d'application en font un projet d'investissement brûlant. toutefois, la situation actuelle des grandes industries de modèles est comme « la glace et le feu ». d'une part, il y a des avancées technologiques rapides et un boom des investissements, d'autre part, les entreprises sont confrontées à de nombreux défis et dilemmes dans la pratique. .

depuis la naissance de chatgpt, la technologie des grands modèles s’est développée à un rythme alarmant, élargissant continuellement les limites cognitives de l’intelligence artificielle. les géants de la technologie tels que google, microsoft et meta ont augmenté leurs investissements dans le domaine de l'ia et se font concurrence pour construire des centres de données. la concurrence pour les ressources informatiques est devenue de plus en plus féroce et est devenue le centre d'intérêt du secteur. cependant, le rapport du wall street journal du 31 mars était comme verser de l'eau froide dessus, révélant une cruelle réalité : l'industrie de l'ia a dépensé jusqu'à 50 milliards de dollars rien qu'en puces nvidia l'année dernière pour former de grands modèles, alors que ses revenus n'étaient que de 50 milliards de dollars. 3 milliards de dollars américains, ce qui montre l'énorme écart entre des investissements élevés et de maigres rendements.

l’ampleur des dépenses en ia des géants de la technologie le prouve également. selon les médias, meta s'attend à ce que les dépenses en ia augmentent jusqu'à 10 milliards de dollars cette année, google investissant environ 12 milliards de dollars par trimestre et microsoft dépensant 14 milliards de dollars sur un trimestre, ce qui indique que ces dépenses continueront de croître de manière significative. avec l'essor rapide des centres de données ultra-larges, synergy research group prédit que plus de 120 à 130 centres de données ultra-larges, d'un coût de 100 millions de dollars américains, seront mis en ligne chaque année à l'avenir, et le coût de chaque centre de données est en 100 millions de dollars américains.

cependant, le coût de l’ia et des modèles réduits à grande échelle se reflète non seulement dans la rapidité avec laquelle l’argent est dépensé, mais également dans le fait qu’il est difficile de récupérer le capital à court terme. bien que le chiffre d'affaires annuel d'openai ait dépassé 3,4 milliards de dollars, les coûts d'exploitation élevés et un environnement concurrentiel féroce l'ont toujours maintenu à perte, et la perte devrait avoisiner les 5 milliards de dollars d'ici la fin de 2024.

face à cette situation, les géants nationaux de la technologie ont fait preuve d'une attitude plus prudente et pragmatique et ont commencé à passer d'une exploration approfondie des grands modèles généraux au développement en profondeur de grands modèles verticaux industriels. en tant que pierre angulaire des grands modèles à usage général pour faire face à un large éventail de tâches, leur importance ne peut être ignorée ; tandis que les grands modèles verticaux sont devenus les nouveaux favoris du marché en raison de leur exploration approfondie et de leur satisfaction précise d'industries spécifiques. dans des domaines tels que les soins médicaux, la finance, le droit et l'éducation, les grands modèles verticaux montrent progressivement un grand potentiel d'application et remodèlent le visage de l'industrie.

il convient de souligner que l'application généralisée de grands modèles ne peut être séparée du soutien solide de la puissance de calcul, des données et des algorithmes, ce qui fixe un seuil élevé pour les petites et moyennes entreprises ou les entreprises disposant de ressources de puissance de calcul limitées. mais ce sont précisément ces défis qui incitent l’ensemble du secteur à continuer d’explorer, d’innover et de rechercher des solutions plus efficaces et plus économiques pour promouvoir la vulgarisation et l’approfondissement de la technologie de l’ia.

3

breaking the game : en chine, l’ia remodèle des dizaines de millions d’industries

la raison pour laquelle les grands modèles verticaux sont favorisés n'est pas seulement en raison de leurs coûts de développement relativement faibles et de leur difficulté de contrôle, mais aussi parce qu'ils peuvent apporter des avantages concurrentiels différenciés aux entreprises. grâce à des efforts intensifs, les entreprises peuvent améliorer considérablement le niveau d'intelligence de leurs produits et services, se distinguant ainsi dans la concurrence féroce du marché. cependant, le domaine des grands modèles verticaux reste un terrain fertile à développer. en raison de facteurs tels que la faiblesse des bases informatiques et les considérations relatives au rapport entrées-sorties, les entreprises traditionnelles ont souvent du mal à développer de manière indépendante de grands modèles et préfèrent s'appuyer sur des forces externes pour le développer. explorer ensemble.

même si le grand modèle vertical abaisse le seuil, il reste confronté à deux difficultés majeures dans le processus de mise en œuvre réel : premièrement, comment trouver des scénarios d'application appropriés et concevoir des formes de produits rentables pour obtenir les meilleurs résultats au coût optimal ; les problèmes de planification et de compatibilité avec les installations logicielles et matérielles, l'ambiguïté des objectifs des clients, le manque de connaissances techniques et la complexité de l'intégration du système augmentent tous la difficulté de mise en œuvre de grands modèles.

les initiés du secteur ont souligné que l’objectif des entreprises devrait être d’utiliser l’ia pour résoudre des problèmes pratiques, plutôt que de simplement poursuivre l’intégration avec de grands modèles. par conséquent, les entreprises doivent réfléchir à la manière dont les personnes et les machines peuvent mieux collaborer, prendre la résolution des problèmes comme point de départ et éviter de poursuivre aveuglément de grands modèles. dans ce contexte, les principales entreprises technologiques nationales ajustent activement leurs orientations stratégiques et se concentrent sur le raffinement et le développement en profondeur de grands modèles verticaux, s'efforçant de maximiser la valeur d'application pratique des grands modèles et d'aider les entreprises à réaliser un double saut d'efficacité. et l'efficacité. en chine, cette tendance est particulièrement évidente. parmi eux, les technologies et produits de huawei cloud aident diverses industries à réaliser une transformation intelligente.

dans le passé, la recherche et le développement de nouveaux médicaments constituaient un projet systématique complexe et long. l’industrie pharmaceutique et de la santé est depuis longtemps confrontée au dilemme de longs cycles de r&d, de coûts élevés et de faibles taux de réussite des nouveaux médicaments. dans le modèle traditionnel, la recherche et le développement de nouveaux médicaments sont souvent limités par la « loi du double dix », ce qui signifie dix ans, un milliard de dollars d'investissement et un taux de réussite très faible. cela restreint non seulement l'innovation pharmaceutique de la chine, mais oblige également de nombreuses sociétés pharmaceutiques à se débattre sur la voie de la recherche et du développement.

pour l'industrie médicale et de la santé, huawei cloud a lancé une solution médicale et de santé avec le grand modèle pangu comme noyau, qui améliore l'efficacité de la conception des médicaments de 33 %, améliore l'énergie de liaison moléculaire optimisée de plus de 40 % et accélère l'ensemble du processus dès les premiers stades de la recherche. résoudre les problèmes des « médicaments innovants » afin que la « loi double dix » ne perturbe plus la recherche et le développement de médicaments. sur la base du grand modèle de molécules médicamenteuses pangu, le premier hôpital affilié de l'université jiaotong de xi'an a réussi à réduire le cycle de recherche sur les médicaments de quelques années à quelques semaines et à réduire de 90 % les coûts d'investissement et de main-d'œuvre. l'université du sud-est a utilisé le grand modèle du médicament pangu ; molécules pour mettre en œuvre des organes sur puce les expériences ont vérifié les résultats avec une cohérence de plus de 80 % ; tasly a appris 3,5 millions de données moléculaires de produits naturels grâce au grand modèle de molécule médicamenteuse pangu et a créé un « grand modèle numérique intelligent à base de plantes » pour obtenir une augmentation de 10 % résultats de prédiction et d'optimisation des attributs de produits naturels.

afin d'ouvrir le « dernier kilomètre » de la mise en œuvre de l'ia, huawei cloud propose des idées de résolution de problèmes « ia + industrie » qui apparaissent dans de plus en plus d'industries. pour la mise en œuvre de modèles à grande échelle de scénarios de fabrication, le groupe hailiang a travaillé avec huawei pour créer un modèle à grande échelle d'optimisation du processus de feuille de cuivre de hailiang. grâce à l'optimisation des processus, il améliore l'efficacité de la production, l'optimisation des formules améliore la qualité des produits et accélère l'innovation des produits. grâce à la simulation de processus. pour la mise en œuvre de modèles à grande échelle dans le secteur de la logistique, sf express, avec le soutien du service cloud huawei cloud ascend, a créé le modèle à grande échelle « fengyu » et a construit une vaste configuration d'applications aigc. parmi eux, le service cloud huawei cloud ascend fournit une prise en charge croissante de la puissance de calcul et contribue au développement efficace et à l'utilisation efficace des ressources des applications d'ia grâce à des plates-formes efficaces de données, de développement, de formation et d'inférence, créant ainsi une base de modèles solide et à grande échelle.

dans les secteurs à forte intensité de connaissances, l’application de grands modèles entraîne un changement de paradigme vers « l’intelligence en tant que service ». dans l'industrie automobile, gac ai r&d assistant s'appuie sur huawei cloud codearts pour créer un assistant de code et un assistant de diagnostic permettant de réaliser l'écriture et la détection automatiques de codes, ainsi que le diagnostic automatique des défauts des voitures intelligentes. en se concentrant sur les problèmes de difficulté de mise en œuvre et de réplication de l'intelligence artificielle dans le domaine minier, yunding technology a construit une solution intelligente avec une architecture « 1+4+n » basée sur le grand modèle de la mine pangu de huawei, créant ainsi le premier grand modèle de l'industrie minière. en chine. grâce à une plate-forme de développement d'ia et à quatre capacités de grands modèles pangu, n scénarios d'application à grande valeur sont développés pour prendre en charge le « fond » à grande échelle de l'intelligence artificielle.

aujourd’hui, l’application de la technologie de l’ia a pénétré tous les domaines et est devenue un nouveau moteur du développement économique mondial. dans le même temps, il est également confronté à de multiples défis tels que la rareté des données clés, la reconnaissance professionnelle des scènes et l'équilibre entre performances du modèle et rentabilité. le vice-président et président tournant de huawei, xu zhijun, a souligné lors de la conférence huawei full connect 2024 que la technologie de l'ia est en train de devenir la technologie qui a le plus grand impact sur l'industrie. l'ia numérisera l'industrie, modifiera les méthodes de production de l'industrie et deviendra le cœur de diverses activités. industries à entrer dans le monde intelligent. il a proposé que les entreprises de l'ère intelligente aient les caractéristiques des « six a », notamment une expérience adaptative, des produits évolutifs, des opérations autonomes, des employés améliorés, une connectivité complète de tous les facteurs et tous les facteurs, et une infrastructure native intelligente.

en tant que deuxième économie mondiale, la chine dispose d'abondantes ressources dans les domaines de la fabrication, de la médecine, des transports, de la maison et d'autres scénarios et données d'application, offrant ainsi un vaste champ expérimental et un vaste espace d'application pour le développement de l'ia. les perspectives de développement du domaine de l'ia en chine sont vastes et pleines d'opportunités. cependant, ce n’est que si l’industrie explore conjointement des solutions que nous pourrons véritablement promouvoir le développement coordonné de la technologie et des applications. face aux divers défis de l'ère de l'ia, seules l'intégration industrielle et la collaboration multipartite peuvent obtenir des résultats gagnant-gagnant. en explorant en profondeur les applications de scénarios, la chine sera en mesure de libérer continuellement le potentiel de la technologie de l’ia et de promouvoir la transformation numérique de diverses industries.

source : global times

editeur de processus : u022