ニュース

昨年、chatgpt が人工知能 (ai) のオープニング ショーに完全に火をつけて以来、世界中の人々は、ai ほど「日々変化」しているテクノロジーはないことに気づきました。それが大型モデルであれ、チップであれ、それは驚くべきスピードでアップグレードと反復が行われており、中国と米国が主導権を握り、業界全体が何千もの帆が競い合う壮大な光景を見せています。テクノロジーの急速な進歩と市場の重大な変化により、オープニングショーはやがて終わりを迎え、最終的に本当の質問がみんなの前に迫られることになります：それをどのように適用するか？お金を稼ぐ方法は？

その結果、明確なコンセンサスが徐々に形成されつつあり、aiの開発は単純な「大型モデル軍拡競争」の段階を経て、正式に「シーンアプリケーションのディープマイニング」と「革新的なコンセプトの誘導」の後半に入ったという。

この新たな開発段階において、技術革新と商業応用の間の最適なバランスをどのように見つけ出すか?熾烈な競争の中で協力の機会を見つけるにはどうすればよいでしょうか？課題の中で開発の機会を発見し、掴むにはどうすればよいでしょうか?これらの質問は、実践者が検討して答えを出すための重要なトピックとなっています。中国と米国が指導者として世界の注目を集めていることは間違いない。両国の戦略的選択、技術投資、市場力学により、前例のない方法で世界の ai の開発軌道と競争環境が形成されています。

1

アメリカの視点: 投資の霧と商業化のジレンマ

米国はai技術の発祥の地として、大型モデルの研究開発に巨額の投資を行ってきたが、その商業化プロセスは難航しており、低い投資収益率と市場バブルのリスクに直面している。

aiの熱狂のもと、市場は大きな熱狂を見せています。 nvidia、meta、tesla、amazon、google の親会社である alphabet、microsoft、apple、「マグナ 7」として知られるこれら 7 つのテクノロジー巨人は 2023 年の株式市場で輝き、株価はそれぞれ 239%、194% 上昇するでしょう、102%、81%、59%、57%、48%。

しかし、このブームの裏には無視できない影があります。今年6月末、ゴールドマン・サックスの「投資が多すぎる、利益が少なすぎる」というタイトルの記事がaiバブル理論を前面に押し出し、その記事は大企業がaiに巨額の投資を計画していると率直に述べた。しかし、開発者の生産性がわずかに向上した以外には、目立った成果は見られませんでした。 sequoia capital はまた、ai 業界のバブルが激化しており、ai の収益性に対する需要ギャップが拡大し続けていると考えています。大規模な ai モデルの研究開発は前例のない課題に直面していると、多くの機関が警告を発しています。設備投資は増加し続けているものの、商業化のプロセスは予想から程遠く、収益の伸びも弱く、利益の見通しは懸念されています。さらに深刻なのは、業界バブルのリスクがますます顕著になり、投資収益率も低迷しており、ai業界の持続可能性に対する深刻な懸念を引き起こしていることだ。

具体的には、まず事業化と産業連関の問題です。現在、大型モデルの研究開発投資は増加の一途をたどっていますが、事業化の道筋はまだ不透明であり、産業連関比率のアンバランスが深刻です。このコースの開発見通しは不透明であり、投資家や開発者は大きな不確実性に直面している。さらに、大規模な ai モデルの収益の伸びが不十分であり、利益の見通しが懸念されており、市場の不安がさらに悪化しています。特にテクノロジーの進歩に伴い、ai モデルのトレーニング コストは上昇し続けており、たとえば、「2024 年人工知能指数レポート」では、openai の gpt-4 モデルのトレーニング コストは 7,800 万米ドルに達すると予想されています。 、googleのgeminiultraモデルは19億1000万ドルにもなります。このような高額なコストは、特に利益が不透明な場合には、多くの企業にとって大きな負担となります。

一方で、実際のaiアプリケーションの開発にも懸念がある。大型モデルは技術的に大きな進歩を遂げていますが、その応用は市場の予想よりもはるかに遅れています。 ai テクノロジーは、画像分類、視覚的推論、英語理解などのタスクでは人間のパフォーマンスを上回りましたが、競技数学、視覚的常識推論、計画などのより複雑なタスクでは依然として人間に遅れをとっています。この開発の遅れは市場の信頼に影響を与えるだけでなく、業界内の不安を増大させ、ai技術の開発経路を再検討し始めています。

こうした背景を背景に、アメリカのai分野は深い反省と変革を迎えている。純粋な技術競争から商業化の道筋の徹底的な探求まで、大規模モデルの開発における盲目的な楽​​観主義からシナリオ アプリケーション実装の緊急の必要性まで。

2

ますます高価になるトラックは新たな方向性を見つける必要がある

人工知能の激動の波の中で、大型モデルは間違いなく、その強力な生成機能と幅広い応用の可能性により、注目の投資プロジェクトとなっています。しかし、大規模モデル業界の現状は「氷と火」のようなものですが、一方では急速な技術進歩と急増する投資ブームがあり、その一方では実用化において企業が直面する多くの課題とジレンマがあります。 。

chatgpt の誕生以来、大規模モデル技術は驚くべき速度で発展し、人工知能の認知限界を継続的に広げています。 google、microsoft、meta などのテクノロジー大手は ai 分野への投資を増やし、データセンターの構築を競い合っており、コンピューティング リソースをめぐる競争はますます激化しており、業界の焦点となっています。しかし、ウォール・ストリート・ジャーナルの3月31日の報道は冷や水を浴びせるようなもので、残酷な現実を明らかにした。ai業界は昨年、大規模モデルのトレーニングのためにnvidiaチップだけで500億ドルも費やしたが、その収益はわずかだった。 30 億米ドルということは、高額な投資とわずかな利益との間に大きなギャップがあることを示しています。

テクノロジー大手によるai投資の規模もこの点を証明している。メディア報道によると、メタ社はai支出が今年最大100億ドルに急増すると予想しており、グーグルは四半期当たり約120億ドルを投資し、マイクロソフトは同支出が140億ドルであり、この支出が今後も大幅に増加することを示している。超大規模データセンターの急速な増加に伴い、synergy research group は、将来的にはコスト 1 億米ドルの超大規模データセンターが 120 ～ 130 か所以上稼働し、各データセンターのコストは1億米ドルで。

しかし、ai や大型トラックのコストは、お金が燃えるスピードだけでなく、短期的には資本を回収することが難しいという事実にも反映されています。 openaiの年間収益は34億米ドルを超えているが、高い運用コストと熾烈な競争環境により依然として赤字が続いており、2024年末までに損失は50億米ドル近くになると予想されている。

このような状況に直面して、国内のテクノロジー大手はより慎重かつ現実的な姿勢を示し、一般的な大型モデルの広範な探索から業界垂直大型モデルの徹底的な開発に移行し始めている。幅広いタスクに対応する汎用大型モデルの基礎として、その重要性を無視することはできませんが、縦型大型モデルは、その深い探求と特定の業界への正確な満足により、市場の新たな人気となっています。医療、金融、法律、教育などの分野では、垂直型大型モデルが徐々に大きな応用可能性を示し、業界の様相を変えつつあります。

大規模モデルの広範な適用は、コンピューティング能力、データ、およびアルゴリズムの確実なサポートから切り離すことはできず、中小企業やコンピューティング能力リソースが限られている企業にとっては、これが高いしきい値を設定していることを強調する価値があります。しかし、まさにこのような課題こそが、ai テクノロジーの普及と深化を促進するために、業界全体が探索と革新を続け、より効率的で経済的なソリューションを模索するよう促すのです。

3

ゲームの打破: 中国では、ai が数千万の産業を再構築しています

垂直大型モデルが好まれる理由は、開発コストが比較的低く、制御の難易度が高いためだけでなく、企業に差別化された競争上の優位性をもたらすことができるためでもあります。集中的な取り組みを通じて、企業は製品やサービスのインテリジェンス レベルを大幅に向上させることができ、それによって熾烈な市場競争で目立つことができます。しかし、垂直型大規模モデルの分野は依然として開発の余地があり、it 基盤の弱さや入出力比率の考慮などの要因により、従来の企業は大規模モデルを独自に開発することが困難であることが多く、外部の力に依存することを好みます。共同で探索します。

たとえ垂直型大型モデルによって敷居が低くなったとしても、実際の実装プロセスでは依然として 2 つの大きな困難に直面しています。1 つ目は、適切なアプリケーション シナリオを見つけて、最適なコストで最高の結果を達成するためのコスト効率の高い製品形式を設計する方法です。2 つ目は、戦略です。ソフトウェアおよびハードウェア設備の計画と互換性の問題、顧客の目標の曖昧さ、技術的知識の欠如、システム統合の複雑さなどにより、大規模モデルの実装はさらに困難になります。

業界関係者は、企業の目標は、単に大規模モデルとの統合を追求するのではなく、aiを使用して実際的な問題を解決することであるべきだと指摘した。したがって、企業は人と機械がより良く連携する方法を考え、問題解決から始め、盲目的に大きなモデルを追求することを避ける必要があります。このような背景から、国内の大手テクノロジー企業は積極的に戦略の方向性を調整し、垂直型大型モデルの改良と徹底的な開発に焦点を移し、大型モデルの実用化価値を最大化し、企業が効率を二倍に飛躍させることを支援するよう努めています。そして有効性。中国では特にこの傾向が顕著です。その中で、huawei cloudのテクノロジーと製品は、さまざまな業界のインテリジェントな変革の実現を支援しています。

かつて、新薬の研究開発は複雑で長期にわたる体系的なプロジェクトでした。製薬業界と健康業界は長い間、研究開発サイクルが長く、コストが高く、新薬の成功率が低いというジレンマに直面してきました。従来のモデルでは、新薬の研究開発は「ダブル 10 の法則」によって制約されることが多く、これは 10 年間、10 億米ドルの投資が必要で、成功率は非常に低いことを意味します。これは我が国の医薬品イノベーションを制限するだけでなく、多くの製薬会社を研究開発の道で苦戦させています。

医療・健康業界向けに、ファーウェイ・クラウドはpangu大型モデルをコアとした医療・健康ソリューションを発売し、医薬品設計の効率を33%向上させ、最適化された分子結合エネルギーを40%以上向上させ、医薬品の開発を加速させた。研究の初期段階でプロセス全体を解決し、「ダブルテンの法則」が医薬品の研究開発を妨げないようにする。西安交通大学第一付属病院は、盤古薬分子の大規模モデルに基づいて、医薬品研究サイクルを数年から数週間に短縮することに成功し、資本コストと人件費の 90% を削減しました。オルガンオンチップ実験では、80% 以上の一貫性を持つ結果が検証されました。tasly は、pangu 薬物分子大規模モデルを通じて 350 万件の天然物分子データを学習し、10% の増加を達成するための「デジタル インテリジェント ハーブ大規模モデル」を作成しました。天然物の特性予測と最適化の結果。

ai導入の「ラストマイル」を切り開くために、huawei cloudは、ますます多くの業界で現れている「ai + 業界」の問題解決アイデアを提供します。製造シナリオの大規模モデルを実装するために、海梁グループはファーウェイと協力して海梁銅箔プロセス最適化の大規模モデルを作成し、プロセスの最適化を通じて生産効率を向上させ、配合の最適化によって製品の品質を向上させ、製品のイノベーションを加速しました。プロセスシミュレーションを通じて。物流業界における大規模モデルの実装のために、sf express は、huawei cloud ascend cloud service のサポートを受けて、「fengyu」大規模モデルを作成し、aigc アプリケーションの壮大なレイアウトを構築しました。その中で、huawei cloud ascend cloud serviceは、急増するコンピューティング能力のサポートを提供し、効率的なデータ、開発、トレーニング、推論プラットフォームを通じてaiアプリケーションの効率的な開発とリソース利用を支援し、強固で大規模なモデルベースを構築します。

知識集約型産業では、大規模モデルの適用により、「サービスとしてのインテリジェンス」へのパラダイム シフトが推進されています。自動車業界では、gac ai r&d assistant は huawei cloud codearts を利用してコードアシスタントと診断アシスタントを構築し、コードの自動作成と検出、およびスマートカーの故障の自動診断を実現しています。鉱山分野での人工知能の実装と複製の難しさの問題に焦点を当て、yunding technologyはファーウェイの盤古鉱山大型モデルをベースにした「1+4+n」アーキテクチャのインテリジェントソリューションを構築し、鉱山業界初の大型モデルを作成した。中国で。 ai 開発プラットフォームと 4 つの pangu 大型モデル機能を通じて、人工知能の大規模な「ダウンホール」をサポートする n 個の高価値アプリケーション シナリオが開発されています。

今日、ai テクノロジーの応用はあらゆる階層に浸透し、世界経済の発展を推進する新たな原動力となっています。同時に、重要なデータの不足、プロのシーンの認識、モデルのパフォーマンスと費用対効果のバランスなど、複数の課題にも直面しています。ファーウェイの副会長兼輪番会長の徐志軍氏は、2024年のファーウェイ・フルコネクト・カンファレンスで、aiテクノロジーが業界に最も大きな影響を与えるテクノロジーになりつつあると強調し、aiは業界をデジタル化し、業界の生産方法を変え、さまざまな分野の中核となるだろうと述べた。産業がインテリジェントな世界に参入します。同氏は、インテリジェント時代の企業は、適応エクスペリエンス、自己進化する製品、自律的な運用、強化された従業員、すべての要素とすべての要素の完全な接続性、インテリジェントなネイティブインフラストラクチャなどの「6つのa」特性を備えている必要があると提案した。

世界第 2 位の経済大国である中国は、製造、医療、輸送、家庭、その他のアプリケーション シナリオとデータにおける豊富なリソースを有しており、ai 開発のための幅広い実験分野と応用スペースを提供しています。中国の ai 分野の発展の見通しは幅広く、チャンスに満ちています。しかし、業界が共同で解決策を模索する場合にのみ、テクノロジーとアプリケーションの協調開発を真に推進することができます。 ai時代のさまざまな課題に直面すると、産業統合と多者協力のみがwin-winの結果を達成できます。シナリオの応用を深く探求することで、中国はai技術の可能性を継続的に解き放ち、さまざまな産業のデジタル変革を促進できるようになるだろう。

出典：環球時報

プロセス編集者: u022