クラウドベンダーは大規模モデルの機能の限界を再認識しており、tencent tang daosheng氏は「もう少し辛抱してほしい」と述べた
2024-09-08
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
1年前、テンセントはグローバルデジタルエコロジーカンファレンスで渾源モデルを発表した。 1年が経ち、「100機種の戦い」は終結し、当初は巨人とユニコーンの構図が決まったが、市場の大型機種への期待は後退しているようで、業界では再認識されつつある。大規模モデルの機能の限界。
テンセント・グループの上級執行副社長でクラウド・スマート・インダストリー・グループの最高経営責任者（ceo）である唐道生氏は、チャイナ・ビジネス・ニュースや他のメディアとの最近の対話の中で、ai市場の人気の低下に関する質問に答え、次のように述べた。過去に新しいテクノロジーが経験したサイクルと同じように、最初は誰もが飛び込み、投資し、さらにはバブルを生み出しましたが、その後、新しいテクノロジーの変化が定着するまでに時間がかかり、資本の第一波を待たなければならないことに気づきました。 - プロではないプレーヤーが、合理的で現実的な状態に戻る前に排除されるよう仕向けられる。 「今の大型aiモデルも同様です。磨きの時間をまだ経験していないため、最初は期待値が高くなるかもしれません。（今は）振り子が別の方向に振れています。これが私の実感です。」
大規模モデルの開発の初期段階では、クラウドと大規模モデルは密接に関連しており、コンピューティングの消費電力は大規模モデルの需要と人気を反映していました。テンセント・グループの副社長兼政府・企業ビジネス担当社長の李強氏はチャイナ・ビジネス・ニュースに対し、過去2年間の大型モデルの登場によりgpuのコンピューティング能力が大幅に向上し、製品の急速な成長がもたらされたと語った。大規模モデルのトレーニングのサポートに関連します。しかし、アプリケーション側から見ると、to b 側での大型モデルの商品化は、誰もが考えているほど順調とは言えません。相対的に言えば、現在の大規模モデルは比較的耐障害性の高いシナリオに適しています。テンセントの大規模モデル サービスは依然として企業顧客をターゲットとしており、柔軟で多様な適応ソリューションを提供し、大規模モデルとクラウド製品の組み合わせを検討しています。
ai の収益の大部分は gpu のコンピューティング能力から来ています
tencent の最新の財務報告書によると、今年第 2 四半期における tencent の金融テクノロジーとエンタープライズ サービスの収益は前年同期比 4% 増加し、このうちエンタープライズ サービス ビジネスは前年同期比 10 ポイント以上増加しました。 tencent cloud の顧客には、国内の大型模型メーカーの 80% 以上が含まれています。しかし、今回のテンセントの財務報告書ではaiがもたらす変化についてはあまり語られていない。
tencent cloud の収益のどれくらいが ai から得られているかについて、tang daosheng 氏は china business news に対し、現時点でデータを定量化するのは難しいかもしれないが、その額は増加していると語った。たとえば、協調型自動運転メーカーは車両と機械の認識に基づいたモデルのトレーニングを増やし続けている。データに投資します。収益構造を見ると、li qiang 氏は記者団に対し、現時点で tencent の ai 関連収入の大部分は依然として gpu コンピューティング能力であると語った。
tencent は、大型モデルのメーカーにコンピューティング能力を提供するだけでなく、自社開発の hunyuan 大型モデルの商品化も促進しています。大型モデルの初期の市場人気が低下した後、tencent はこれら 2 つのビジネス部分が実際に増加できるかどうかも評価しています。持ってくる。以前のインタビューで、tang daosheng氏は、投資した大規模モデル企業が成功すれば、クラウドビジネスの優れた収入源である継続的なクラウド利用が必要になると述べた。しかし同氏はまた、「クラウドの収益が資本主導に依存しすぎると、新技術の初期段階では多額の資本によって新興企業が急激に成長し、過剰投資に陥る可能性がある」とも述べた。スタートアップは、ひとたびバブルがはじけると、一部の顧客がいなくなり、業績は低下し、顧客が落ちたときの痛みはさらに大きくなるでしょう。」
大型モデルによって引き起こされる gpu コンピューティングの電力消費に加えて、クラウド ベンダーは、b サイドで大型モデルの商用利用を促進する際に、大型モデルの機能の再認識も経験しました。
李強氏は、市場全体の観点から見ると、ai関連収入のうち、実際に大型モデル自体から得られる商用生産の割合は依然として比較的低いと述べた。同氏はこのプロセスを、市場が「熱狂的」から「合理的」に移行することだと説明した。具体的には、産業分野や伝統産業への ai の適用は、b サイド産業への障壁が相対的に高く、大型モデルはまだ伝統産業の要件を満たしていません。耐障害性に関する要件がさらに厳しくなります。
li qiang氏は、安全な生産や重要な意思決定に影響を与える主要なアプリケーションやリンクは、現時点では予期せぬ状況を受け入れる可能性が低く、aiが意思決定を支援できれば良いと説明した。一部の従来のセグメントでは、一般的な大型モデルが最適な選択ではない場合があります。たとえば、iphone の厳格な品質検査では、写真を撮影し、その写真を 100 倍以上に拡大する必要があります。このシナリオでは、一般知識を使用して訓練された大型モデルは無意味であり、効率とコストは工業用の小型モデルには及びません。大規模なモデルは、すべてのニッチな業界や分野に適用できるわけではありません。子どもたちを名門校の学部生として教育し、ネジを締める専門職に就かせる必要がないのと同じです。
さらに、大規模なモデル、特に巨大なパラメーターを持つモデルは、大規模なコンピューティング クラスターでトレーニングする必要があり、これらの大規模なモデル機能を使用するメーカーも、推論を提供するために大規模なコンピューティング クラスターに依存しています。これは、以前は開発の妨げになると考えられていました。クラウド ベンダーによるパブリック クラウドの機会。ただし、b 側の企業はデータのセキュリティについて依然として懸念を抱いているため、大規模なモデル機能を提供するためにパブリック クラウドに依存するプロセスは、期待したほどスムーズではない可能性があります。
「国内企業は自社の業界データの機密性に対する要求が比較的高く、中核事業を立ち上げた企業は民営化展開の形でそれを行うことをより望んでいます。しかし、民営化のルートは大規模モデルと企業の統合に影響を与えるでしょう」ある意味、これが業界のボトルネックとなっている。「li qiang 氏は、大規模モデル to b の現在の展開方法には、民営化された展開と api へのアクセスの両方が含まれており、コア アプリケーションに関しては、業界は民営化をより検討していると述べました。」
大型モデルは実際にどこで使用されているのでしょうか?
tencent に加えて、いくつかの大手テクノロジー企業も ai に賭けており、最新の財務報告書で ai による収益の増加について言及している企業もあります。たとえば、2024年6月までの四半期では、alibaba cloudのai関連製品の収益は3桁の成長を達成し、今年の第2四半期にはbaidu smart cloudの収益が前年同期比14％増加した。 baidu smart cloud の収益への貢献は 9% でした。国際的なクラウド ベンダーの中で、google のクラウド ビジネスの収益は、今年第 2 四半期に前年同期比 29% 増加しました。最新の四半期では、microsoft azure およびその他のクラウド サービスの収益が ai 需要によって増加しました。 ai は azure の収益成長に 8% 貢献しました。
一部のメーカーが開示したデータから判断すると、ai による収益成長率は 1 桁、またはクラウド収益に占める ai の割合は、以前の市場の ai に対する大きな期待に比べて 1 桁です。収入の強度をさらに強化する必要があるようです。
李強氏は記者に対し、顧客は大型モデルでは「すべての病気を治療できる」わけではないことに徐々に気づき、シーンの選択がより合理的になってきたと語った。厳格なフォールト トレランス率を持つ工業生産シナリオと比較して、大規模モデルは、ナレッジ マネジメント、マーケティング、顧客サービス、コーディング、インテリジェント リスク管理分野、および専門的要件が比較的低い分野など、他のシナリオでより優れたアプリケーション スペースを備えています。現地視察風景。顧客は、より高度なアプリケーション シナリオを選択して協力することになります。たとえば、テンセントと中山病院が共同開発した大規模医療モデルは、補助的な診断と治療とみなされる医療診断と診断書の作成を促進します。意思決定のシナリオでは、意思決定を支援するために大規模なモデルがよく使用されます。知識関連のシナリオでは、顧客サービスや従業員トレーニングのシナリオで大規模なモデルがよく使用されます。
大規模モデルの課題について、tang daosheng氏は記者団に対し、これには公開データの高品質と相対的な希少性の両方の課題が含まれ、大規模モデルの実装にはデータの機密性などの一連の問題が含まれると述べた。 、実装コスト、正確な結果、シーンの選択。さらに、別の課題は、ストレスの多い環境では業界がゼロサム ゲームに陥りやすいことです。皆の不安が強まれば、損失を出してシェアを維持するのは健全な状態ではなくなる、と同氏は考えている。
「私は損益計算書を注意深く見ています。すべての企業はコストを明確に計算し、自分の損失を補うために他人の利益に依存することを避けるために合理的な価格を設定する必要があります。誰もがもっと忍耐強くなる必要があります。今日のテクノロジーは、次のことしかできないかもしれません。」一部のシナリオでは 50% を達成する 90 点に達するまでには時間がかかります。最初は、モデルはすぐに世界を変えることができると多くの人が考えていましたが、最近では、大きなモデルは見た目は良いが使いにくいと考える人もいます。実際、彼らは短期的な進歩を過大評価し、長期的な効果を過小評価している」と唐道生氏は語った。
(この記事は中国ビジネスニュースからのものです)
