소식

작년에 chatgpt가 인공 지능(ai)의 오프닝 쇼에 완전히 불을 붙인 이후 전 세계 사람들은 ai만큼 "날마다 변화하는" 기술은 없다는 사실을 발견했습니다. 대형 모델이든 칩이든, 그것은 놀라운 속도로 업그레이드되고 반복되고 있으며, 중국과 미국이 선두를 차지하면서 전체 업계는 수천 개의 돛이 경쟁하는 장엄한 광경을 보여주었습니다. 기술의 빠른 반복과 시장의 심오한 변화로 인해 오프닝 쇼는 결국 끝나게 되며, 실제 질문은 마침내 모든 사람 앞에 놓이게 됩니다. 이를 어떻게 적용할 것인가? 돈을 버는 방법?

그 결과, ai 개발은 단순한 '대형 군비 경쟁' 단계를 거쳐 공식적으로 '장면 응용 심층 마이닝'과 '혁신적인 개념 안내'의 후반부에 진입했다는 분명한 공감대가 점차 형성되고 있다.

이 새로운 개발 단계에서 기술 혁신과 상업적 응용 사이에서 최상의 균형을 찾는 방법은 무엇입니까? 치열한 경쟁 속에서 협력 기회를 찾는 방법은 무엇입니까? 도전 속에서 개발 기회를 발견하고 포착하는 방법은 무엇입니까? 이러한 질문은 실무자가 고려하고 답변해야 하는 핵심 주제가 되었습니다. 지도자로서 중국과 미국은 의심할 여지없이 세계의 관심을 끌었습니다. 양국의 전략적 선택, 기술 투자 및 시장 역학은 전례 없는 방식으로 글로벌 ai의 개발 궤적과 경쟁 환경을 형성하고 있습니다.

1

미국의 관점: 투자 안개와 상업화 딜레마

ai 기술의 발상지인 미국은 대형 모델 연구개발에 막대한 투자를 해왔으나 상용화 과정이 주춤해 낮은 투자수익률과 시장 거품의 위험에 직면해 있다.

ai 열풍 속에서 시장은 큰 열광을 보였습니다. '마그나 7'로 불리는 엔비디아, 메타, 테슬라, 아마존, 구글 모회사 알파벳, 마이크로소프트, 애플 등 7대 기술 강자들이 2023년 주식시장에서 빛을 발할 것으로 예상되며 주가는 각각 239%, 194% 급등했다. , 102%, 81%, 59%, 57% 및 48%.

그러나 이러한 열풍 뒤에는 무시할 수 없는 그림자가 있다. 올해 6월 말 골드만삭스는 '투자가 너무 많으면 수익이 너무 적다'는 제목의 기사를 통해 ai 버블 이론을 전면에 내세웠다. 향후 몇 년간 관련 분야에서는 약간의 개발자 생산성 향상 외에는 별다른 성과가 나타나지 않았습니다. 세쿼이아캐피탈 역시 ai 산업 버블이 심화되고 있어 ai 수익성에 대한 수요 격차가 계속 확대되고 있다고 보고 있다. 많은 기관에서 경고를 발표했습니다. 대규모 ai 모델의 연구 및 개발은 전례 없는 도전에 직면해 있습니다. 자본투자는 계속 늘고 있지만 상용화 과정은 기대와는 거리가 멀고 매출 성장도 미약해 이익 전망도 우려스럽다. 더욱 심각한 것은 산업 버블의 위험이 점점 더 두드러지고, 투자수익률도 부진해 ai 산업의 지속가능성에 대한 깊은 우려를 불러일으킨다는 점이다.

구체적으로 첫 번째 문제는 상용화 및 입출력 문제이다. 현재 대형모델 r&d에 대한 투자가 지속적으로 늘어나고 있으나 아직 상용화 경로가 불투명해 입출력 비율의 불균형이 심각한 상황이다. 트랙의 개발 전망은 불분명하여 투자자와 개발자는 큰 불확실성에 직면해 있습니다. 게다가 대형 ai 모델의 매출 성장도 미흡하고 이익 전망도 불안해 시장 불안은 더욱 가중되고 있다. 특히 기술이 발전함에 따라 ai 모델의 학습 비용은 지속적으로 상승하고 있다. 예를 들어 '2024년 인공지능 지수 보고서'에서는 openai의 gpt-4 모델 학습 비용이 최대 7,800만 달러에 달할 것으로 예상하고 있다. , 구글의 geminiultra 모델은 19억 1천만 달러에 이른다. 이러한 높은 비용은 특히 수익이 불분명할 때 많은 기업에 상당한 부담이 됩니다.

반면 실제 ai 애플리케이션 개발도 우려스럽다. 대형 모델은 상당한 기술적 진보를 이루었지만 시장 기대보다 적용 속도가 훨씬 느렸습니다. ai 기술은 이미지 분류, 시각적 추론, 영어 이해 등의 작업에서는 인간의 성능을 능가했지만 경쟁 수학, 시각적 상식 추론, 계획 등 더 복잡한 작업에서는 여전히 인간보다 뒤떨어져 있습니다. 이러한 개발 지연은 시장 신뢰도에 영향을 미칠 뿐만 아니라 업계 내 불안감을 증폭시켜 사람들이 ai 기술의 개발 경로를 재검토하게 만듭니다.

이러한 배경에서 미국 ai 분야는 심오한 반성과 변화를 겪고 있다. 순수 기술 경쟁부터 상용화 경로에 대한 심도 있는 탐구까지, 대형 모델 개발에 대한 맹목적인 낙관론부터 시나리오 적용 구현의 시급한 요구까지.

2

점점 더 비싸지는 트랙은 새로운 방향을 찾아야 합니다

인공 지능의 격동적인 물결 속에서 대형 모델은 의심할 여지 없이 눈부신 스타가 되었습니다. 강력한 생성 능력과 폭넓은 적용 가능성으로 인해 뜨거운 투자 프로젝트가 되었습니다. 그러나 현재 대형 모델 산업의 상황은 '얼음과 불'과도 같습니다. 한편으로는 급속한 기술 혁신과 급증하는 투자 붐이 일어나는 반면, 다른 한편으로는 기업이 실제 적용에 직면한 많은 도전과 딜레마가 있습니다. .

chatgpt 탄생 이후 대형 모델 기술은 놀라운 속도로 발전해 인공지능의 인지적 경계를 지속적으로 넓혀가고 있습니다. 구글, 마이크로소프트, 메타 등 거대 기술 기업들이 ai 분야에 투자를 늘리고 데이터센터 구축 경쟁을 벌이고 있어 컴퓨팅 자원 경쟁이 점점 치열해지며 업계의 화두가 됐다. 그러나 3월 31일 월스트리트저널의 보도는 마치 찬물을 끼얹는 듯한 냉혹한 현실을 드러냈다. ai 업계는 지난해 대형 모델을 훈련시키기 위해 엔비디아 칩에만 무려 500억 달러를 지출한 반면 매출은 100억 달러에 불과했다. 30억 달러로 높은 투자와 적은 수익 사이의 격차가 크다.

거대 기술 기업의 ai 투자 규모도 이를 입증한다. 언론 보도에 따르면 메타는 올해 ai 지출이 최대 100억 달러까지 급증할 것으로 예상하고 있다. 구글은 분기당 약 120억 달러, 마이크로소프트는 한 분기에 140억 달러를 지출해 이 지출이 계속해서 크게 늘어날 것임을 시사했다. 초대형 데이터센터의 급속한 성장에 따라 시너지리서치그룹은 향후 매년 1억 달러 규모의 초대형 데이터센터가 120~130개 이상 온라인화될 것으로 예측하고 있으며, 각 데이터센터의 비용은 1억 달러로요.

그러나 ai와 대형 모델 트랙의 비용은 돈이 소모되는 속도뿐만 아니라 단기적으로 자본 회수가 어렵다는 사실에도 반영됩니다. openai의 연간 수익은 미화 34억 달러를 초과했지만, 높은 운영 비용과 치열한 경쟁 환경으로 인해 여전히 적자를 유지하고 있으며, 손실은 2024년 말까지 미화 50억 달러에 가까워질 것으로 예상됩니다.

이러한 상황에 직면하여 국내 거대 기술 기업들은 보다 신중하고 실용적인 태도를 보여 일반 대형 모델에 대한 광범위한 탐색에서 산업 수직형 대형 모델의 심층 개발로 전환하기 시작했습니다. 다양한 작업에 대응할 수 있는 범용 대형 모델의 초석으로서 그 중요성은 무시할 수 없으며, 수직형 대형 모델은 특정 산업에 대한 심층적인 탐구와 정확한 만족으로 인해 시장의 새로운 선호 대상이 되었습니다. 의료, 금융, 법률, 교육 등의 분야에서 수직형 대형 모델은 점차 큰 적용 가능성을 보여주며 업계의 모습을 바꾸고 있습니다.

대형 모델의 광범위한 적용은 컴퓨팅 능력, 데이터 및 알고리즘의 견고한 지원과 분리될 수 없다는 점을 강조할 가치가 있으며, 이는 중소기업이나 컴퓨팅 능력 자원이 제한된 기업에 높은 임계값을 설정합니다. 그러나 전체 업계가 ai 기술의 대중화와 심화를 촉진하기 위해 더욱 효율적이고 경제적인 솔루션을 계속 탐색하고 혁신하며 추구하도록 유도하는 것은 바로 이러한 과제입니다.

3

게임 속보: 중국에서 ai는 수천만 개의 산업을 재편하고 있습니다.

수직형 대형 모델이 선호되는 이유는 개발 비용이 상대적으로 낮고 제어가 어렵기 때문일 뿐만 아니라 기업에 차별화된 경쟁 우위를 가져올 수 있기 때문입니다. 집중적인 노력을 통해 기업은 제품과 서비스의 지능 수준을 크게 향상시켜 치열한 시장 경쟁에서 두각을 나타낼 수 있습니다. 그러나 수직형 대형 모델 분야는 여전히 취약한 it 기반 및 입출력 비율 고려 사항으로 인해 기존 기업에서 대형 모델을 독립적으로 개발하기 어렵고 외부 인력에 의존하는 것을 선호하는 경우가 많습니다. 공동으로 탐색합니다.

수직형 대형 모델이 임계값을 낮추더라도 실제 구현 과정에서는 여전히 두 가지 주요 어려움에 직면합니다. 첫째, 최적의 비용으로 최상의 결과를 달성하기 위해 적합한 적용 시나리오를 찾고 비용 효율적인 제품 형태를 설계하는 방법, 둘째, 전략입니다. 소프트웨어 및 하드웨어 시설의 계획 및 호환성 문제, 고객 목표의 모호함, 기술 지식 부족, 시스템 통합의 복잡성 등은 모두 대규모 모델 구현의 어려움을 증가시킵니다.

업계 관계자들은 기업의 목표는 단순히 대형 모델과의 통합을 추구하는 것이 아니라 ai를 활용해 실질적인 문제를 해결하는 것이 되어야 한다고 지적했다. 따라서 기업은 사람과 기계가 어떻게 더 잘 협력할 수 있는지 생각하고, 문제 해결부터 시작하고, 맹목적으로 큰 모델을 추구하는 것을 피해야 합니다. 이러한 배경 속에서 국내 선두 기술 기업들은 적극적으로 전략 방향을 조정하고 수직형 대형 모델의 정교화와 심층적 개발에 초점을 맞추고 있으며, 대형 모델의 실용 가치를 극대화하고 기업의 효율성을 두 배로 도약시키기 위해 노력하고 있습니다. 그리고 효율성. 중국에서는 이러한 추세가 특히 두드러집니다. 그중 화웨이 클라우드의 기술과 제품은 다양한 산업이 지능적인 변혁을 달성하는 데 도움을 주고 있다.

과거에는 신약 연구개발이 복잡하고 시간이 많이 걸리는 체계적인 프로젝트였습니다. 제약 및 건강 산업은 긴 r&d 주기, 높은 비용, 낮은 신약 성공률이라는 딜레마에 오랫동안 직면해 왔습니다. 전통적인 모델에서 신약 연구 및 개발은 10년, 10억 달러의 투자, 매우 낮은 성공률을 의미하는 '더블 10의 법칙'에 의해 제약을 받는 경우가 많습니다. 이는 우리나라의 제약 혁신을 제한할 뿐만 아니라 많은 제약 회사들이 연구 개발의 길에서 어려움을 겪게 만들고 있습니다.

의료 및 건강 산업을 위해 화웨이 클라우드는 판구(pangu) 대형 모델을 핵심으로 하는 의료 및 건강 솔루션을 출시했다. 이는 약물 설계 효율성을 33% 향상시키고, 최적화된 분자 결합 에너지를 40% 이상 향상시키며, '더블텐법'이 더 이상 신약 연구와 개발에 지장을 주지 않도록 '혁신 신약' 문제를 초기 연구 단계에서 해결한다. pangu 약물 분자의 대형 모델을 기반으로 xi'an jiaotong university의 제1부속병원은 약물 연구 주기를 수년에서 몇 주로 단축하고 pangu 약물의 대형 모델을 사용하여 자본 및 인건비를 90% 절감했습니다. 장기 온 칩 구현을 위한 분자 실험에서는 80% 이상의 일관성으로 검증된 결과를 얻었습니다. tasly는 pangu 약물 분자 대형 모델을 통해 350만 개의 천연물 분자 데이터를 학습하고 "디지털 지능형 허브 대형 모델"을 생성하여 10% 증가를 달성했습니다. 천연물 속성 예측 및 최적화 결과.

ai 구현의 '마지막 단계'를 열기 위해 huawei cloud는 점점 더 많은 산업에서 나타나고 있는 'ai + 산업' 문제 해결 아이디어를 제공합니다. 대규모 제조 시나리오 모델 구현을 위해 hailiang group은 huawei와 협력하여 hailiang 동박 공정 최적화의 대규모 모델을 만들었습니다. 공정 최적화를 통해 생산 효율성을 높이고 공식 최적화를 통해 제품 품질을 향상하며 제품 혁신을 가속화합니다. 프로세스 시뮬레이션을 통해 물류 산업의 대규모 모델 구현을 위해 sf express는 huawei cloud ascend cloud service의 지원을 받아 'fengyu' 대규모 모델을 만들고 aigc 애플리케이션의 그랜드 레이아웃을 구축했습니다. 그중 화웨이 클라우드 어센드 클라우드 서비스(huawei cloud ascend cloud service)는 급증하는 컴퓨팅 성능 지원을 제공하고, 효율적인 데이터, 개발, 훈련 및 추론 플랫폼을 통해 ai 애플리케이션의 효율적인 개발 및 리소스 활용을 돕고 견고한 대규모 모델 기반을 구축한다.

지식집약적 산업에서는 대형 모델의 적용이 '서비스로서의 지능'으로의 패러다임 전환을 주도하고 있습니다. 자동차 산업에서 gac ai r&d assistant는 huawei cloud codearts를 사용하여 자동 코드 작성 및 감지는 물론 스마트 자동차 결함의 자동 진단을 실현하는 코드 도우미 및 진단 도우미를 구축합니다. 광산 분야에서 인공 지능을 구현하고 복제하기 어려운 문제에 초점을 맞춘 yunding technology는 huawei의 pangu mine 대형 모델을 기반으로 한 "1+4+n" 아키텍처로 지능형 솔루션을 구축하여 광산 업계 최초의 대형 모델을 만들었습니다. 중국에서. ai 개발 플랫폼과 4가지 pangu 대형 모델 기능을 통해 인공 지능의 대규모 "다운홀"을 지원하기 위한 n개의 고가치 응용 시나리오가 개발됩니다.

오늘날 ai 기술의 적용은 사회 각계에 침투해 세계 경제 발전을 이끄는 새로운 엔진이 되었습니다. 동시에 핵심 데이터의 부족, 전문적인 장면 인식, 모델 성능과 비용 효율성 간의 균형 등 여러 가지 과제에 직면해 있습니다. 화웨이 부회장 겸 순환 회장 xu zhijun은 2024 huawei full connect 컨퍼런스에서 ai 기술이 업계에 가장 큰 영향을 미치는 기술이 되어 ai가 산업을 디지털화하고 업계의 생산 방식을 변화시키며 다양한 분야의 핵심이 될 것이라고 강조했습니다. 산업이 지능형 엔진의 세계로 진입합니다. 그는 지능형 시대의 기업은 적응형 경험, 자체 진화하는 제품, 자율 운영, 직원 강화, 모든 요소와 모든 요소의 완전한 연결성, 지능형 기본 인프라 등 '6가지 a' 특성을 갖춰야 한다고 제안했습니다.

세계 2위의 경제 대국인 중국은 제조, 의료, 운송, 가정 및 기타 응용 시나리오와 데이터 분야에서 풍부한 자원을 보유하고 있으며 ai 개발을 위한 광범위한 실험 분야와 응용 공간을 제공합니다. 중국 ai 분야의 발전 전망은 넓고 기회가 가득하다. 그러나 업계가 공동으로 솔루션을 모색하는 경우에만 기술과 애플리케이션의 조화로운 개발을 진정으로 촉진할 수 있습니다. ai 시대의 다양한 도전에 직면한 산업 통합과 다자간 협력만이 win-win 결과를 얻을 수 있습니다. 중국은 시나리오 적용을 심층적으로 탐구함으로써 ai 기술의 잠재력을 지속적으로 발휘하고 다양한 산업의 디지털 변혁을 촉진할 수 있을 것입니다.

출처: 글로벌타임스

프로세스 편집기: u022