notizia

da quando chatgpt ha dato il via allo spettacolo di apertura dell'intelligenza artificiale (ai) lo scorso anno, le persone di tutto il mondo hanno scoperto che nessuna tecnologia è mai stata così "cambiante ogni giorno che passa" come l'intelligenza artificiale: che si tratti di un modello di grandi dimensioni o di un chip, si sta aggiornando e ripetendo a una velocità sorprendente, con la cina e gli stati uniti in testa, l’intero settore ha mostrato un grande spettacolo di migliaia di vele in competizione; con la rapida evoluzione della tecnologia e i profondi cambiamenti del mercato, lo spettacolo di apertura prima o poi finirà e la vera domanda sarà finalmente davanti a tutti: come applicarla? come fare soldi?

di conseguenza, si sta gradualmente formando un chiaro consenso: lo sviluppo dell'intelligenza artificiale ha attraversato la semplice fase della "corsa agli armamenti su larga scala" ed è ufficialmente entrato nella seconda metà dell'"estrazione profonda delle applicazioni di scena" e della "guida concettuale innovativa".

in questa nuova fase di sviluppo, come trovare il miglior equilibrio tra innovazione tecnologica e applicazione commerciale? come cercare opportunità di cooperazione in una concorrenza spietata? come scoprire e cogliere le opportunità di sviluppo in mezzo alle sfide? queste domande sono diventate argomenti chiave che i professionisti devono considerare e a cui dare risposte. in qualità di leader, cina e stati uniti hanno senza dubbio attirato l’attenzione del mondo. le scelte strategiche, gli investimenti tecnologici e le dinamiche di mercato dei due paesi stanno modellando la traiettoria di sviluppo e il panorama competitivo dell’ia globale in un modo senza precedenti.

1

prospettiva americana: nebbia sugli investimenti e dilemma della commercializzazione

gli stati uniti, in quanto luogo di nascita della tecnologia ia, hanno investito enormemente nella ricerca e nello sviluppo di modelli di grandi dimensioni, ma il loro processo di commercializzazione sta vacillando e si trova ad affrontare il rischio di un basso ritorno sugli investimenti e di bolle di mercato.

sotto la mania dell’intelligenza artificiale, il mercato ha mostrato grande entusiasmo. nvidia, meta, tesla, amazon, la società madre di google alphabet, microsoft e apple, questi sette giganti della tecnologia conosciuti come "magna 7", brilleranno sul mercato azionario nel 2023, con i loro corsi azionari rispettivamente in rialzo del 239%, 194% , 102%, 81%, 59%, 57% e 48%.

dietro questa mania, però, c’è un’ombra che non può essere ignorata. alla fine di giugno di quest'anno, un articolo di goldman sachs intitolato "troppi investimenti, troppo pochi rendimenti" ha portato in primo piano la teoria della bolla dell'intelligenza artificiale. l'articolo affermava senza mezzi termini che le grandi aziende intendono investire ingenti somme di denaro nell'intelligenza artificiale. campi correlati nei prossimi anni, ma oltre a un leggero miglioramento nella produttività degli sviluppatori, non sono stati osservati altri risultati significativi. sequoia capital ritiene inoltre che la bolla del settore dell’intelligenza artificiale si stia intensificando e che il divario della domanda per la redditività dell’intelligenza artificiale continui ad espandersi. molte istituzioni hanno lanciato un avvertimento: la ricerca e lo sviluppo di grandi modelli di intelligenza artificiale si trovano ad affrontare sfide senza precedenti. sebbene gli investimenti di capitale continuino ad aumentare, il processo di commercializzazione è lungi dall’essere previsto, la crescita dei ricavi è debole e le prospettive di profitto sono preoccupanti. ciò che è ancora più grave è che il rischio di bolle industriali è diventato sempre più evidente e il ritorno sugli investimenti è stato lento, innescando profonde preoccupazioni sulla sostenibilità del settore dell’intelligenza artificiale.

nello specifico, il primo problema riguarda la commercializzazione e le questioni input-output. attualmente, gli investimenti in ricerca e sviluppo su modelli su larga scala continuano ad aumentare, ma il percorso di commercializzazione non è ancora chiaro, determinando un grave squilibrio nel rapporto input-output. le prospettive di sviluppo della pista non sono chiare, lasciando gli investitori e gli sviluppatori di fronte a un’enorme incertezza. inoltre, la crescita dei ricavi dei grandi modelli di intelligenza artificiale è insufficiente e le prospettive di profitto sono preoccupanti, esacerbando ulteriormente l’ansia del mercato. soprattutto con il progresso della tecnologia, il costo di formazione dei modelli ai continua ad aumentare. ad esempio, il "2024 artificial intelligence index report" afferma che il costo di formazione del modello gpt-4 di openai dovrebbe raggiungere i 78 milioni di dollari. , e il modello geminiultra di google arriva a 1,91 miliardi di dollari. costi così elevati rappresentano un onere significativo per molte aziende, soprattutto quando i rendimenti non sono chiari.

d’altro canto preoccupa anche lo sviluppo effettivo delle applicazioni ia. sebbene i modelli di grandi dimensioni abbiano compiuto notevoli progressi tecnici, la loro applicazione è stata molto più lenta delle aspettative del mercato. sebbene la tecnologia dell’intelligenza artificiale abbia superato le prestazioni umane in compiti quali la classificazione delle immagini, il ragionamento visivo e la comprensione dell’inglese, è ancora in ritardo rispetto agli umani in compiti più complessi, come la matematica competitiva, il ragionamento visivo basato sul buon senso e la pianificazione. questo ritardo nello sviluppo non solo influisce sulla fiducia del mercato, ma intensifica anche l’ansia all’interno del settore, spingendo le persone a iniziare a riesaminare il percorso di sviluppo della tecnologia ai.

in questo contesto, il campo americano dell’ia sta attraversando una profonda riflessione e trasformazione. dalla pura competizione tecnologica all'esplorazione approfondita dei percorsi di commercializzazione, dal cieco ottimismo nello sviluppo di modelli di grandi dimensioni all'urgente necessità di implementazione di scenari applicativi.

2

la pista sempre più costosa deve trovare una nuova direzione

nell'onda turbolenta dell'intelligenza artificiale, i grandi modelli sono senza dubbio diventati le stelle abbaglianti. le loro potenti capacità di generazione e le ampie prospettive di applicazione li rendono un progetto di investimento interessante. tuttavia, la situazione attuale del grande settore dei modelli è come "ghiaccio e fuoco". da un lato, ci sono rapidi progressi tecnologici e un crescente boom degli investimenti, dall'altro ci sono molte sfide e dilemmi affrontati dalle imprese nelle applicazioni pratiche .

dalla nascita di chatgpt, la tecnologia dei modelli di grandi dimensioni si è sviluppata a un ritmo allarmante, ampliando continuamente i confini cognitivi dell’intelligenza artificiale. giganti della tecnologia come google, microsoft e meta hanno aumentato i loro investimenti nel campo dell’intelligenza artificiale e competono per costruire data center. la concorrenza per le risorse informatiche è diventata sempre più agguerrita ed è diventata il fulcro del settore. tuttavia, il rapporto del wall street journal del 31 marzo è stato come versarci sopra acqua fredda, rivelando una realtà crudele: l’anno scorso l’industria dell’intelligenza artificiale ha speso fino a 50 miliardi di dollari solo sui chip nvidia per addestrare modelli di grandi dimensioni, mentre le sue entrate sono state solo 3 miliardi di dollari usa, mostrando l’enorme divario tra elevati investimenti e scarsi rendimenti.

anche l’entità della spesa per l’intelligenza artificiale da parte dei giganti della tecnologia dimostra questo punto. secondo i media, meta prevede che la spesa per l’intelligenza artificiale aumenterà fino a 10 miliardi di dollari quest’anno, con google che investe circa 12 miliardi di dollari a trimestre e microsoft che spende 14 miliardi di dollari in un trimestre, indicando che questa spesa continuerà a crescere in modo significativo. con il rapido aumento dei data center ultra-grandi, synergy research group prevede che in futuro ogni anno verranno attivati ​​più di 120-130 data center ultra-grandi, con un costo di 100 milioni di dollari, e il costo di ciascun data center è in 100 milioni di dollari.

tuttavia, il costo dell’intelligenza artificiale e dei tracciati di grandi dimensioni non si riflette solo nella velocità con cui vengono bruciati i soldi, ma anche nel fatto che è difficile recuperare il capitale a breve termine. sebbene le entrate annuali di openai abbiano superato i 3,4 miliardi di dollari, gli elevati costi operativi e un ambiente competitivo feroce l'hanno ancora mantenuta in perdita, e si prevede che la perdita sarà vicina ai 5 miliardi di dollari entro la fine del 2024.

di fronte a questa situazione, i giganti tecnologici nazionali hanno mostrato un atteggiamento più prudente e pragmatico e hanno iniziato a passare dall’esplorazione approfondita di grandi modelli generali allo sviluppo approfondito di grandi modelli verticali del settore. essendo la pietra angolare dei modelli di grandi dimensioni per uso generale in grado di far fronte a un'ampia gamma di compiti, la loro importanza non può essere ignorata, mentre i modelli di grandi dimensioni verticali sono diventati i nuovi favoriti del mercato grazie alla loro esplorazione approfondita e alla precisa soddisfazione di settori specifici; in settori quali l’assistenza medica, la finanza, il diritto e l’istruzione, i grandi modelli verticali stanno gradualmente mostrando un grande potenziale di applicazione e rimodellando il volto del settore.

vale la pena sottolineare che l’applicazione diffusa di modelli di grandi dimensioni non può essere separata dal solido supporto di potenza di calcolo, dati e algoritmi, che costituisce una soglia elevata per le piccole e medie imprese o per le imprese con risorse di potenza di calcolo limitate. ma sono proprio queste sfide che spingono l’intero settore a continuare a esplorare, innovare e cercare soluzioni più efficienti ed economiche per promuovere la divulgazione e l’approfondimento della tecnologia ai.

3

breaking the game: in cina, l’intelligenza artificiale sta rimodellando decine di milioni di industrie

il motivo per cui vengono favoriti i grandi modelli verticali non è solo a causa dei loro costi di sviluppo relativamente bassi e delle difficoltà controllabili, ma anche perché possono apportare vantaggi competitivi differenziati alle imprese. attraverso sforzi intensi, le aziende possono migliorare significativamente il livello di intelligenza dei loro prodotti e servizi, distinguendosi così nella feroce concorrenza del mercato. tuttavia, il campo dei modelli verticali di grandi dimensioni è ancora un terreno fertile da sviluppare. a causa di fattori quali la debolezza delle basi it e considerazioni sul rapporto input-output, le imprese tradizionali spesso hanno difficoltà a sviluppare in modo indipendente modelli di grandi dimensioni e preferiscono fare affidamento su forze esterne per farlo. esplorare congiuntamente.

anche se il grande modello verticale abbassa la soglia, deve ancora affrontare due grandi difficoltà nell’effettivo processo di implementazione: in primo luogo, come trovare scenari applicativi adeguati e progettare forme di prodotto economicamente vantaggiose per ottenere i migliori risultati al costo ottimale; in secondo luogo, la strategia i problemi di pianificazione e compatibilità con le strutture software e hardware, l'ambiguità degli obiettivi dei clienti, la mancanza di conoscenze tecniche e la complessità dell'integrazione del sistema aumentano la difficoltà di implementazione di modelli di grandi dimensioni.

gli esperti del settore hanno sottolineato che l’obiettivo delle imprese dovrebbe essere quello di utilizzare l’intelligenza artificiale per risolvere problemi pratici, piuttosto che perseguire semplicemente l’integrazione con modelli di grandi dimensioni. pertanto, le aziende devono pensare a come le persone e le macchine possono collaborare meglio, partendo dalla risoluzione dei problemi ed evitando di perseguire ciecamente grandi modelli. in questo contesto, le principali aziende tecnologiche nazionali stanno adattando attivamente le loro direzioni strategiche e spostando la loro attenzione sul perfezionamento e sullo sviluppo approfondito di modelli verticali di grandi dimensioni, cercando di massimizzare il valore di applicazione pratica dei modelli di grandi dimensioni e aiutando le aziende a compiere un doppio salto di efficienza. ed efficacia. in cina questa tendenza è particolarmente evidente. tra questi, le tecnologie e i prodotti huawei cloud stanno aiutando vari settori a realizzare una trasformazione intelligente.

in passato, la ricerca e lo sviluppo di nuovi farmaci costituivano un progetto sistematico lungo e complesso. l’industria farmaceutica e sanitaria affronta da tempo il dilemma dei lunghi cicli di ricerca e sviluppo, dei costi elevati e dei bassi tassi di successo per i nuovi farmaci. secondo il modello tradizionale, la ricerca e lo sviluppo di nuovi farmaci sono spesso vincolati dalla “legge del doppio dieci”, che significa dieci anni, un miliardo di dollari di investimenti e un tasso di successo molto basso. ciò non solo limita l’innovazione farmaceutica del mio paese, ma fa anche sì che molte aziende farmaceutiche facciano fatica sulla strada della ricerca e dello sviluppo.

per il settore medico e sanitario, huawei cloud ha lanciato una soluzione medica e sanitaria con il modello pangu di grandi dimensioni come nucleo, che migliora l'efficienza della progettazione dei farmaci del 33%, migliora l'energia di legame molecolare ottimizzata di oltre il 40% e accelera l'intero processo nella fase iniziale della ricerca. risolvere i problemi relativi ai "farmaci innovativi" in modo che la "legge del doppio dieci" non disturbi più la ricerca e lo sviluppo dei farmaci. basandosi sul grande modello delle molecole del farmaco pangu, il primo ospedale affiliato dell'università di xi'an jiaotong ha ridotto con successo il ciclo di ricerca sui farmaci da anni a settimane e ha ridotto del 90% i costi di capitale e manodopera. la southeast university ha utilizzato il grande modello del farmaco pangu molecole per implementare organi su chip gli esperimenti hanno verificato risultati con una coerenza superiore all'80% tasly ha appreso 3,5 milioni di dati molecolari di prodotti naturali attraverso il modello di grandi dimensioni della molecola del farmaco pangu e ha creato un "grande modello di erbe digitale intelligente" per ottenere un aumento del 10%; previsione degli attributi naturali del prodotto e risultati di ottimizzazione.

per aprire l'"ultimo miglio" dell'implementazione dell'intelligenza artificiale, huawei cloud fornisce idee per la risoluzione dei problemi "ai + industria" che stanno apparendo in sempre più settori. per l'implementazione di modelli su larga scala di scenari di produzione, hailiang group ha collaborato con huawei per creare un modello su larga scala di ottimizzazione del processo del foglio di rame hailiang. attraverso l'ottimizzazione del processo, migliora l'efficienza produttiva, l'ottimizzazione della formula migliora la qualità del prodotto e accelera l'innovazione del prodotto attraverso la simulazione del processo. per l'implementazione di modelli su larga scala nel settore della logistica, sf express, con il supporto di huawei cloud ascend cloud service, ha creato il modello su larga scala "fengyu" e ha costruito un grande layout delle applicazioni aigc. tra questi, huawei cloud ascend cloud service fornisce un supporto in costante aumento della potenza di calcolo e aiuta lo sviluppo efficiente e l'utilizzo delle risorse delle applicazioni ia attraverso piattaforme efficienti di dati, sviluppo, formazione e inferenza, costruendo una solida base di modelli di grandi dimensioni.

nelle industrie ad alta intensità di conoscenza, l’applicazione di modelli di grandi dimensioni sta determinando un cambiamento di paradigma verso “l’intelligenza come servizio”. nel settore automobilistico, gac ai r&d assistant si affida a huawei cloud codearts per creare un assistente di codice e un assistente diagnostico per realizzare la scrittura e il rilevamento automatici dei codici, nonché la diagnosi automatica dei guasti delle auto intelligenti. concentrandosi sui problemi di difficoltà nell'implementazione e replica dell'intelligenza artificiale nel campo minerario, yunding technology ha costruito una soluzione intelligente con un'architettura "1+4+n" basata sul grande modello pangu mine di huawei, creando il primo grande modello dell'industria mineraria in cina. attraverso una piattaforma di sviluppo ai e quattro funzionalità di modello di grandi dimensioni pangu, vengono sviluppati n scenari applicativi di alto valore per supportare il "downhole" su larga scala dell'intelligenza artificiale.

oggi, l’applicazione della tecnologia dell’intelligenza artificiale è penetrata in tutti gli ambiti della vita ed è diventata un nuovo motore che guida lo sviluppo economico globale. allo stesso tempo, deve affrontare molteplici sfide, come la scarsità di dati chiave, il riconoscimento professionale delle scene e l’equilibrio tra prestazioni del modello ed efficienza dei costi. il vicepresidente e presidente di turno di huawei, xu zhijun, ha sottolineato alla conferenza huawei full connect del 2024 che la tecnologia ai sta diventando la tecnologia che avrà il maggiore impatto sul settore. l'intelligenza artificiale digitalizzerà il settore, cambierà i metodi di produzione del settore e diventerà il fulcro di vari settori industrie per entrare nel mondo del motore intelligente. ha proposto che le imprese nell'era intelligente dovrebbero avere le caratteristiche delle "sei a", tra cui esperienza adattiva, prodotti in autoevoluzione, operazioni autonome, dipendenti potenziati, piena connettività di tutti i fattori e tutte le infrastrutture native intelligenti.

essendo la seconda economia più grande del mondo, la cina dispone di abbondanti risorse nei settori manifatturiero, medico, dei trasporti, domestico e di altri scenari e dati applicativi, fornendo un ampio campo sperimentale e spazio applicativo per lo sviluppo dell'intelligenza artificiale. le prospettive di sviluppo del settore dell’intelligenza artificiale in cina sono ampie e ricche di opportunità. tuttavia, solo se l’industria esplora congiuntamente le soluzioni possiamo davvero promuovere lo sviluppo coordinato di tecnologia e applicazioni. di fronte alle varie sfide nell’era dell’intelligenza artificiale, solo l’integrazione industriale e la collaborazione multilaterale possono ottenere risultati vantaggiosi per tutti. esplorando a fondo gli scenari applicativi, la cina sarà in grado di liberare continuamente il potenziale della tecnologia ai e promuovere la trasformazione digitale di vari settori.

fonte: global times

editor del processo: u022