berita

sejak chatgpt benar-benar memicu pertunjukan pembukaan kecerdasan buatan (ai) tahun lalu, orang-orang di seluruh dunia telah menyadari bahwa tidak ada teknologi yang "berubah setiap hari" seperti ai: apakah itu model besar atau sebuah chip, ini sedang ditingkatkan dan diulang dengan kecepatan yang mencengangkan; dengan tiongkok dan amerika serikat yang memimpin, seluruh industri telah menunjukkan tontonan besar dari ribuan layar yang bersaing. dengan pesatnya perkembangan teknologi dan perubahan besar di pasar, acara pembukaan pada akhirnya akan berakhir, dan pertanyaan sebenarnya akan muncul di hadapan semua orang: bagaimana cara menerapkannya? bagaimana cara menghasilkan uang?

hasilnya, konsensus yang jelas secara bertahap terbentuk: pengembangan ai telah melalui tahap sederhana "perlombaan senjata model besar", dan secara resmi telah memasuki paruh kedua "penambangan mendalam aplikasi adegan" dan "panduan konsep inovatif".

dalam tahap perkembangan baru ini, bagaimana menemukan keseimbangan terbaik antara inovasi teknologi dan penerapan komersial? bagaimana mencari peluang kerja sama dalam persaingan yang ketat? bagaimana menemukan dan memanfaatkan peluang pembangunan di tengah tantangan? pertanyaan-pertanyaan ini telah menjadi topik kunci bagi para praktisi untuk dipertimbangkan dan dijawab. sebagai pemimpin, tiongkok dan amerika serikat tentu saja menarik perhatian dunia. pilihan strategis, investasi teknologi, dan dinamika pasar kedua negara membentuk lintasan pengembangan dan lanskap kompetitif ai global dengan cara yang belum pernah terjadi sebelumnya.

1

perspektif amerika: kabut investasi dan dilema komersialisasi

amerika serikat, sebagai tempat lahirnya teknologi ai, telah banyak berinvestasi dalam penelitian dan pengembangan model-model besar, namun proses komersialisasinya terhambat dan menghadapi risiko rendahnya laba atas investasi dan gelembung pasar.

di bawah kegemaran ai, pasar telah menunjukkan antusiasme yang besar. nvidia, meta, tesla, amazon, perusahaan induk google alphabet, microsoft dan apple, tujuh raksasa teknologi yang dikenal dengan sebutan "magna 7", akan bersinar di pasar saham pada tahun 2023, dengan harga sahamnya masing-masing melonjak 239%, 194% , 102%, 81%, 59%, 57% dan 48%.

namun, di balik kegilaan tersebut, ada bayangan yang tidak bisa diabaikan. pada akhir juni tahun ini, artikel goldman sachs berjudul "terlalu banyak investasi, terlalu sedikit pengembalian" mengedepankan teori gelembung ai. artikel tersebut secara blak-blakan menyatakan bahwa perusahaan besar berencana menginvestasikan sejumlah besar uang di ai-. bidang terkait dalam beberapa tahun ke depan, namun selain sedikit peningkatan dalam produktivitas pengembang, tidak ada hasil signifikan lainnya yang terlihat. sequoia capital juga percaya bahwa gelembung industri ai semakin intensif, dan kesenjangan permintaan akan profitabilitas ai terus melebar. banyak institusi telah mengeluarkan peringatan: penelitian dan pengembangan model ai skala besar menghadapi tantangan yang belum pernah terjadi sebelumnya. meskipun penanaman modal terus meningkat, proses komersialisasi masih jauh dari yang diharapkan, pertumbuhan pendapatan lemah, dan prospek keuntungan mengkhawatirkan. yang lebih serius adalah risiko gelembung industri menjadi semakin besar, dan laba atas investasi menjadi lamban, sehingga memicu kekhawatiran mendalam terhadap keberlanjutan industri ai.

secara khusus, isu pertama adalah isu komersialisasi dan input-output. saat ini, investasi dalam penelitian dan pengembangan model skala besar terus meningkat, namun jalur komersialisasinya belum jelas, sehingga mengakibatkan ketidakseimbangan yang serius dalam rasio input-output. prospek pengembangan jalur ini tidak jelas, sehingga menyebabkan investor dan pengembang menghadapi ketidakpastian yang sangat besar. selain itu, pertumbuhan pendapatan model ai besar tidak mencukupi dan prospek keuntungannya mengkhawatirkan, sehingga semakin memperburuk kecemasan pasar. apalagi dengan kemajuan teknologi, biaya pelatihan model ai terus meningkat. misalnya, "laporan indeks kecerdasan buatan 2024" menyatakan bahwa biaya pelatihan model gpt-4 openai diperkirakan mencapai 78 juta dolar as. , dan model geminiultra google mencapai 1,91 miliar dolar. biaya yang tinggi tersebut merupakan beban yang signifikan bagi banyak pelaku usaha, terutama ketika keuntungan yang diperoleh tidak jelas.

di sisi lain, sebenarnya perkembangan aplikasi ai juga mengkhawatirkan. meskipun model-model besar telah mencapai kemajuan teknis yang signifikan, penerapannya jauh lebih lambat dibandingkan ekspektasi pasar. meskipun teknologi ai telah melampaui kinerja manusia dalam tugas-tugas seperti klasifikasi gambar, penalaran visual, dan pemahaman bahasa inggris, teknologi ini masih tertinggal dibandingkan manusia dalam tugas-tugas yang lebih kompleks, seperti matematika kompetitif, penalaran akal sehat visual, dan perencanaan. keterlambatan dalam pengembangan ini tidak hanya mempengaruhi kepercayaan pasar, namun juga meningkatkan kekhawatiran dalam industri, menyebabkan masyarakat mulai mengkaji ulang jalur pengembangan teknologi ai.

dengan latar belakang ini, bidang ai amerika sedang mengalami refleksi dan transformasi yang mendalam. dari persaingan teknologi murni hingga eksplorasi mendalam terhadap jalur komersialisasi, dari optimisme buta dalam pengembangan model besar hingga kebutuhan mendesak akan implementasi penerapan skenario.

2

jalur yang semakin mahal perlu menemukan arah baru

di tengah gelombang kecerdasan buatan yang bergejolak, model-model besar tidak diragukan lagi telah menjadi bintang yang mempesona. kemampuan generasi mereka yang kuat dan prospek penerapannya yang luas menjadikannya proyek investasi yang menarik. namun, situasi industri model besar saat ini seperti "es dan api". di satu sisi, terdapat terobosan teknologi yang pesat dan lonjakan investasi di sisi lain, terdapat banyak tantangan dan dilema yang dihadapi oleh perusahaan dalam penerapan praktisnya .

sejak lahirnya chatgpt, teknologi model besar telah berkembang pada tingkat yang mengkhawatirkan, dan terus memperluas batas kognitif kecerdasan buatan. raksasa teknologi seperti google, microsoft, dan meta telah meningkatkan investasinya di bidang ai dan berlomba-lomba membangun pusat data. persaingan sumber daya komputasi menjadi semakin ketat dan menjadi fokus industri. namun, laporan wall street journal pada tanggal 31 maret seperti menuangkan air dingin ke dalamnya, mengungkapkan kenyataan yang kejam: industri ai menghabiskan sebanyak $50 miliar pada chip nvidia saja tahun lalu untuk melatih model-model besar, sementara pendapatannya hanya sebesar $50 miliar. 3 miliar dolar as, menunjukkan kesenjangan besar antara investasi tinggi dan keuntungan kecil.

besarnya belanja ai yang dilakukan oleh raksasa teknologi juga membuktikan hal ini. menurut laporan media, meta memperkirakan belanja ai akan melonjak hingga us$10 miliar tahun ini, dengan google menginvestasikan sekitar us$12 miliar per kuartal dan microsoft menghabiskan us$14 miliar dalam satu kuartal, yang menunjukkan bahwa belanja ini akan terus tumbuh secara signifikan. dengan pesatnya pertumbuhan pusat data ultra-besar, synergy research group memperkirakan bahwa lebih dari 120 hingga 130 pusat data ultra-besar dengan biaya us$100 juta akan online setiap tahun di masa depan, dan biaya setiap pusat data akan meningkat. dalam us$100 juta.

namun, biaya ai dan jalur model besar tidak hanya tercermin dalam kecepatan pembakaran uang, namun juga pada kenyataan bahwa sulit untuk memulihkan modal dalam jangka pendek. meskipun pendapatan tahunan openai telah melebihi us$3,4 miliar, biaya operasional yang tinggi dan lingkungan persaingan yang ketat masih membuatnya merugi, dan kerugian tersebut diperkirakan akan mendekati us$5 miliar pada akhir tahun 2024.

menghadapi situasi ini, raksasa teknologi dalam negeri telah menunjukkan sikap yang lebih bijaksana dan pragmatis, dan mulai beralih dari eksplorasi ekstensif model umum besar ke pengembangan mendalam model industri vertikal besar. sebagai landasan model besar serba guna untuk mengatasi berbagai tugas, kepentingannya tidak dapat diabaikan; sementara model besar vertikal telah menjadi favorit baru pasar karena eksplorasi mendalam dan kepuasan yang tepat terhadap industri tertentu. di bidang-bidang seperti perawatan medis, keuangan, hukum, dan pendidikan, model vertikal besar secara bertahap menunjukkan potensi penerapan yang besar dan membentuk kembali wajah industri.

perlu ditekankan bahwa meluasnya penerapan model besar tidak lepas dari dukungan kuat daya komputasi, data, dan algoritme, yang menetapkan ambang batas tinggi bagi perusahaan kecil dan menengah atau perusahaan dengan sumber daya daya komputasi terbatas. namun justru tantangan seperti itulah yang mendorong seluruh industri untuk terus mengeksplorasi dan berinovasi serta mencari solusi yang lebih efisien dan ekonomis untuk mendorong pemasyarakatan dan pendalaman teknologi ai.

3

breaking the game: di tiongkok, ai mengubah puluhan juta industri

alasan mengapa model vertikal besar lebih disukai bukan hanya karena biaya pengembangannya yang relatif rendah dan kesulitan yang dapat dikendalikan, namun juga karena model tersebut dapat memberikan keunggulan kompetitif yang berbeda bagi perusahaan. melalui upaya intensif, perusahaan dapat secara signifikan meningkatkan tingkat kecerdasan produk dan layanan mereka, sehingga menonjol dalam persaingan pasar yang ketat. namun, bidang model besar vertikal masih merupakan lahan subur untuk dikembangkan. karena faktor-faktor seperti fondasi ti yang lemah dan pertimbangan rasio input-output, perusahaan tradisional sering kali mengalami kesulitan untuk mengembangkan model besar secara mandiri dan lebih memilih untuk mengandalkan kekuatan eksternal. bersama-sama mengeksplorasi.

bahkan jika model vertikal besar menurunkan ambang batas, masih menghadapi dua kesulitan utama dalam proses implementasi aktual: pertama, bagaimana menemukan skenario aplikasi yang sesuai dan merancang bentuk produk yang hemat biaya untuk mencapai hasil terbaik dengan biaya optimal; masalah perencanaan dan kompatibilitas dengan fasilitas perangkat lunak dan perangkat keras, ambiguitas tujuan pelanggan, kurangnya pengetahuan teknis, dan kompleksitas integrasi sistem semuanya meningkatkan kesulitan penerapan model besar.

orang dalam industri menunjukkan bahwa tujuan perusahaan seharusnya menggunakan ai untuk memecahkan masalah-masalah praktis, bukan sekadar melakukan integrasi dengan model-model besar. oleh karena itu, perusahaan perlu memikirkan bagaimana manusia dan mesin dapat berkolaborasi dengan lebih baik, mulai dari memecahkan masalah, dan menghindari mengejar model-model besar secara membabi buta. dengan latar belakang ini, perusahaan teknologi terkemuka dalam negeri secara aktif menyesuaikan arah strategis mereka dan mengalihkan fokus mereka ke penyempurnaan dan pengembangan mendalam model vertikal besar, berupaya memaksimalkan nilai penerapan praktis dari model besar dan membantu perusahaan mencapai lompatan ganda dalam efisiensi. dan efektivitas. di tiongkok, tren ini sangat jelas terlihat. diantaranya, teknologi dan produk huawei cloud membantu berbagai industri mencapai transformasi cerdas.

di masa lalu, penelitian dan pengembangan obat baru merupakan proyek sistematis yang kompleks dan panjang. industri farmasi dan kesehatan telah lama menghadapi dilema siklus penelitian dan pengembangan yang panjang, biaya tinggi, dan tingkat keberhasilan obat baru yang rendah. dalam model tradisional, penelitian dan pengembangan obat baru sering kali dibatasi oleh "hukum sepuluh ganda", yang berarti sepuluh tahun, investasi satu miliar dolar as, dan tingkat keberhasilan yang sangat rendah. hal ini tidak hanya membatasi inovasi farmasi negara saya, tetapi juga membuat banyak perusahaan farmasi kesulitan dalam melakukan penelitian dan pengembangan.

untuk industri medis dan kesehatan, huawei cloud telah meluncurkan solusi medis dan kesehatan dengan model besar pangu sebagai intinya, yang meningkatkan efisiensi desain obat sebesar 33%, meningkatkan energi pengikatan molekul yang dioptimalkan hingga lebih dari 40%, dan mempercepat seluruh proses dalam tahap penelitian awal. memecahkan masalah untuk "obat inovatif" sehingga "hukum sepuluh ganda" tidak lagi mengganggu penelitian dan pengembangan obat. berdasarkan model besar molekul obat pangu, rumah sakit afiliasi pertama universitas xi'an jiaotong berhasil mengurangi siklus penelitian obat dari tahun ke minggu, dan mengurangi 90% biaya modal dan tenaga kerja universitas tenggara menggunakan model besar obat pangu molekul untuk menerapkan eksperimen organ-on-chip telah memverifikasi hasil dengan konsistensi lebih dari 80%; tasly mempelajari 3,5 juta data molekuler produk alami melalui model besar molekul obat pangu dan menciptakan "model besar herbal cerdas digital" untuk mencapai peningkatan 10% dalam prediksi atribut produk alami dan hasil optimasi.

guna membuka peluang "last mile" penerapan ai, huawei cloud menyediakan ide-ide pemecahan masalah "ai + industri" yang semakin banyak bermunculan di banyak industri. untuk penerapan model skenario manufaktur skala besar, hailiang group bekerja sama dengan huawei untuk menciptakan model optimasi proses foil tembaga hailiang berskala besar. melalui optimalisasi proses, hal ini meningkatkan efisiensi produksi, optimalisasi formula meningkatkan kualitas produk, dan mempercepat inovasi produk melalui simulasi proses. untuk penerapan model skala besar di industri logistik, sf express, dengan dukungan huawei cloud ascend cloud service, menciptakan model skala besar "fengyu" dan membangun tata letak besar aplikasi aigc. diantaranya, huawei cloud ascend cloud service memberikan dukungan daya komputasi yang meningkat, dan membantu pengembangan yang efisien dan pemanfaatan sumber daya aplikasi ai melalui platform data, pengembangan, pelatihan dan inferensi yang efisien, sehingga membangun basis model besar yang solid.

dalam industri yang padat pengetahuan, penerapan model-model besar mendorong perubahan paradigma menuju “intelijen sebagai sebuah layanan.” di industri otomotif, gac ai r&d assistant mengandalkan huawei cloud codearts untuk membuat asisten kode dan asisten diagnostik guna mewujudkan penulisan dan pendeteksian kode secara otomatis, serta diagnosis otomatis kesalahan mobil pintar. berfokus pada permasalahan kesulitan penerapan dan replikasi kecerdasan buatan di bidang pertambangan, yunding technology membangun solusi cerdas dengan arsitektur "1+4+n" berdasarkan model besar tambang pangu huawei, sehingga menciptakan model besar pertama di industri pertambangan. di tiongkok. melalui platform pengembangan ai dan empat kemampuan model besar pangu, n skenario aplikasi bernilai tinggi dikembangkan untuk mendukung "downhole" kecerdasan buatan berskala besar.

saat ini, penerapan teknologi ai telah merambah ke seluruh lapisan masyarakat dan menjadi mesin baru yang mendorong pembangunan ekonomi global. pada saat yang sama, model ini juga menghadapi berbagai tantangan seperti kelangkaan data penting, pengenalan pemandangan profesional, dan keseimbangan antara performa model dan efektivitas biaya. wakil ketua dan ketua rotasi huawei xu zhijun menekankan pada konferensi huawei full connect 2024 bahwa teknologi ai menjadi teknologi yang memiliki dampak terbesar pada industri. ai akan mendigitalkan industri, mengubah metode produksi industri, dan menjadi inti bagi berbagai industri industri untuk memasuki dunia mesin cerdas. dia mengusulkan agar perusahaan di era cerdas harus memiliki karakteristik "enam a", termasuk pengalaman adaptif, produk yang berkembang sendiri, operasi otonom, peningkatan karyawan, konektivitas penuh dari semua faktor dan semua faktor, dan infrastruktur asli yang cerdas.

sebagai negara dengan ekonomi terbesar kedua di dunia, tiongkok memiliki sumber daya yang melimpah di bidang manufaktur, medis, transportasi, rumah tangga, dan skenario serta data aplikasi lainnya, sehingga menyediakan lapangan percobaan dan ruang aplikasi yang luas untuk pengembangan ai. prospek pengembangan bidang ai di tiongkok sangat luas dan penuh peluang. namun, hanya jika industri bersama-sama mencari solusi, kita dapat benar-benar mendorong pengembangan teknologi dan aplikasi yang terkoordinasi. menghadapi berbagai tantangan di era ai, hanya integrasi industri dan kolaborasi multipihak yang dapat mencapai hasil yang saling menguntungkan. dengan mengeksplorasi penerapan skenario secara mendalam, tiongkok akan dapat terus memanfaatkan potensi teknologi ai dan mendorong transformasi digital di berbagai industri.

sumber: waktu global

editor proses: u022