notícias

desde que o chatgpt iniciou completamente o show de abertura da inteligência artificial (ia) no ano passado, pessoas em todo o mundo descobriram que nunca houve qualquer tecnologia que pudesse ser descrita como "mudando a cada dia que passa" como a ia: seja ela uma grande modelo ou chip, está sendo atualizado e iterado a uma velocidade surpreendente; com a china e os estados unidos assumindo a liderança, toda a indústria mostrou um grande espetáculo de milhares de velas competindo. com a rápida iteração da tecnologia e as profundas mudanças no mercado, o show de abertura acabará, e a verdadeira questão estará finalmente diante de todos: como aplicá-lo? como ganhar dinheiro?

como resultado, um consenso claro está gradualmente se formando: o desenvolvimento da ia ​​passou pelo estágio simples de "grande corrida armamentista de modelos" e entrou oficialmente na segunda metade de "mineração profunda de aplicações de cena" e "orientação de conceito inovador".

nesta nova etapa de desenvolvimento, como encontrar o melhor equilíbrio entre inovação tecnológica e aplicação comercial? como buscar oportunidades de cooperação em meio a uma concorrência acirrada? como descobrir e aproveitar oportunidades de desenvolvimento em meio a desafios? estas questões tornaram-se tópicos-chave para os profissionais considerarem e dar respostas. como líderes, a china e os estados unidos atraíram, sem dúvida, a atenção do mundo. as escolhas estratégicas, o investimento tecnológico e a dinâmica de mercado dos dois países estão a moldar a trajetória de desenvolvimento e o cenário competitivo da ia ​​global de uma forma sem precedentes.

1

perspectiva americana: névoa de investimento e dilema de comercialização

os estados unidos, como berço da tecnologia de ia, investiram enormemente na investigação e desenvolvimento de grandes modelos, mas o seu processo de comercialização é vacilante e enfrenta o risco de um baixo retorno do investimento e de bolhas de mercado.

sob a mania da ia, o mercado demonstrou grande entusiasmo. nvidia, meta, tesla, amazon, alphabet, empresa controladora do google, microsoft e apple, esses sete gigantes da tecnologia conhecidos como "magna 7", brilharão no mercado de ações em 2023, com os preços de suas ações, respectivamente, disparando 239%, 194% , 102%, 81%, 59%, 57% e 48%.

porém, por trás dessa mania, existe uma sombra que não pode ser ignorada. no final de junho deste ano, um artigo do goldman sachs intitulado "muito investimento, muito pouco retorno" trouxe a teoria da bolha da ia ​​​​para o primeiro plano. o artigo afirmava sem rodeios que as grandes empresas planejam investir grandes somas de dinheiro em ia. campos relacionados nos próximos anos, mas além de uma ligeira melhoria na produtividade do desenvolvedor, nenhum outro resultado significativo foi visto. a sequoia capital também acredita que a bolha da indústria de ia está se intensificando e que a lacuna na demanda pela lucratividade da ia ​​continua a se expandir. muitas instituições emitiram alertas: a investigação e o desenvolvimento de grandes modelos de ia enfrentam desafios sem precedentes. embora o investimento de capital continue a aumentar, o processo de comercialização está longe do esperado, o crescimento das receitas é fraco e as perspectivas de lucro são preocupantes. o que é mais grave é que o risco de bolhas industriais se tornou cada vez mais proeminente e o retorno do investimento tem sido lento, desencadeando profundas preocupações sobre a sustentabilidade da indústria de ia.

especificamente, a primeira questão diz respeito à comercialização e às questões de insumo-produto. atualmente, o investimento em i&d de grandes modelos continua a aumentar, mas o caminho de comercialização ainda não está claro, resultando num grave desequilíbrio no rácio input-output. as perspectivas de desenvolvimento da pista não são claras, deixando os investidores e promotores perante uma enorme incerteza. além disso, o crescimento das receitas dos grandes modelos de ia é insuficiente e as perspectivas de lucro são preocupantes, agravando ainda mais a ansiedade do mercado. especialmente com o avanço da tecnologia, o custo de treinamento dos modelos de ia continua a aumentar. por exemplo, o "relatório do índice de inteligência artificial de 2024" afirma que o custo de treinamento do modelo gpt-4 da openai deverá chegar a 78 milhões de dólares americanos. , e o modelo geminiultra do google chega a 1,91 bilhão de dólares. esses custos elevados representam um fardo significativo para muitas empresas, especialmente quando os retornos não são claros.

por outro lado, o próprio desenvolvimento de aplicações de ia também é preocupante. embora os grandes modelos tenham registado progressos técnicos significativos, a sua aplicação tem sido muito mais lenta do que as expectativas do mercado. embora a tecnologia de ia tenha ultrapassado o desempenho humano em tarefas como classificação de imagens, raciocínio visual e compreensão do inglês, ela ainda fica atrás dos humanos em tarefas mais complexas, como matemática competitiva, raciocínio visual de bom senso e planejamento. este atraso no desenvolvimento não só afecta a confiança do mercado, mas também intensifica a ansiedade dentro da indústria, fazendo com que as pessoas comecem a reexaminar o caminho de desenvolvimento da tecnologia de ia.

neste contexto, o campo americano da ia ​​está a passar por uma profunda reflexão e transformação. da pura competição técnica à exploração aprofundada dos caminhos de comercialização, do otimismo cego no desenvolvimento de grandes modelos à necessidade urgente de implementação de aplicações de cenários.

2

a via cada vez mais cara precisa encontrar uma nova direção

na onda turbulenta da inteligência artificial, os grandes modelos tornaram-se, sem dúvida, uma estrela deslumbrante. suas poderosas capacidades de geração e amplas perspectivas de aplicação fazem deles um projeto de investimento importante. no entanto, a situação actual da grande indústria modelo é como "gelo e fogo". por um lado, existem rápidos avanços tecnológicos e um aumento crescente do investimento. por outro lado, existem muitos desafios e dilemas enfrentados pelas empresas em aplicações práticas. .

desde o nascimento do chatgpt, a tecnologia de grandes modelos desenvolveu-se a um ritmo alarmante, ampliando continuamente os limites cognitivos da inteligência artificial. gigantes da tecnologia como google, microsoft e meta aumentaram seus investimentos na área de ia e estão competindo para construir data centers. a competição por recursos computacionais tornou-se cada vez mais acirrada e tornou-se o foco da indústria. no entanto, o relatório do wall street journal de 31 de março foi como jogar água fria sobre ele, revelando uma realidade cruel: a indústria de ia gastou até us$ 50 bilhões só em chips nvidia no ano passado para treinar grandes modelos, enquanto sua receita foi de apenas 3 mil milhões de dólares americanos, mostrando a enorme disparidade entre investimentos elevados e retornos escassos.

a escala dos gastos com ia por parte dos gigantes da tecnologia também prova este ponto. de acordo com relatos da mídia, a meta espera que os gastos com ia aumentem para até us$ 10 bilhões este ano, com o google investindo aproximadamente us$ 12 bilhões por trimestre e a microsoft gastando us$ 14 bilhões em um trimestre, indicando que esses gastos continuarão a crescer significativamente. com o rápido crescimento dos data centers ultragrandes, o synergy research group prevê que mais de 120 a 130 data centers ultragrandes, com um custo de us$ 100 milhões, ficarão online todos os anos no futuro, e o custo de cada data center será em us$ 100 milhões.

no entanto, o custo da ia ​​e dos modelos de larga escala não se reflecte apenas na velocidade de queima de dinheiro, mas também no facto de ser difícil recuperar o capital no curto prazo. embora a receita anual da openai tenha ultrapassado 3,4 mil milhões de dólares, os elevados custos operacionais e um ambiente competitivo acirrado ainda a mantiveram com prejuízo, e espera-se que a perda seja próxima dos 5 mil milhões de dólares até ao final de 2024.

confrontados com esta situação, os gigantes tecnológicos nacionais demonstraram uma atitude mais prudente e pragmática e começaram a passar da exploração extensiva de grandes modelos gerais para o desenvolvimento aprofundado de grandes modelos verticais da indústria. como pedra angular dos grandes modelos de uso geral para lidar com uma ampla gama de tarefas, a sua importância não pode ser ignorada, enquanto os grandes modelos verticais se tornaram os novos favoritos do mercado devido à sua exploração aprofundada e à satisfação precisa de indústrias específicas; em áreas como cuidados médicos, finanças, direito e educação, os grandes modelos verticais estão gradualmente a mostrar um grande potencial de aplicação e a remodelar a face da indústria.

vale a pena sublinhar que a aplicação generalizada de grandes modelos não pode ser separada do sólido suporte do poder computacional, dos dados e dos algoritmos, o que estabelece um limiar elevado para pequenas e médias empresas ou empresas com recursos limitados de poder computacional. mas são precisamente estes desafios que levam toda a indústria a continuar a explorar e a inovar e a procurar soluções mais eficientes e económicas para promover a popularização e o aprofundamento da tecnologia de ia.

3

quebrando o jogo: na china, a ia está remodelando dezenas de milhões de indústrias

a razão pela qual os grandes modelos verticais são favorecidos não se deve apenas aos seus custos de desenvolvimento relativamente baixos e à dificuldade controlável, mas também porque podem trazer vantagens competitivas diferenciadas às empresas. através de esforços intensivos, as empresas podem melhorar significativamente o nível de inteligência dos seus produtos e serviços, destacando-se assim na acirrada competição do mercado. no entanto, o campo dos grandes modelos verticais ainda é um terreno fértil para ser desenvolvido. devido a factores como a fraca base de ti e considerações sobre a relação insumo-produto, as empresas tradicionais muitas vezes têm dificuldade em desenvolver grandes modelos de forma independente e preferem confiar em forças externas para o desenvolver. explorar em conjunto.

mesmo que o grande modelo vertical reduza o limiar, ainda enfrenta duas grandes dificuldades no processo de implementação real: primeiro, como encontrar cenários de aplicação adequados e conceber formas de produtos com boa relação custo-benefício para alcançar os melhores resultados com o custo ideal; problemas de planejamento e compatibilidade com instalações de software e hardware, ambiguidade dos objetivos do cliente, falta de conhecimento técnico e complexidade de integração de sistemas aumentam a dificuldade de implementação de grandes modelos.

os membros da indústria salientaram que o objectivo das empresas deveria ser utilizar a ia para resolver problemas práticos, em vez de simplesmente procurar a integração com grandes modelos. portanto, as empresas precisam pensar em como as pessoas e as máquinas podem colaborar melhor, tomar a resolução de problemas como ponto de partida e evitar perseguir cegamente grandes modelos. neste contexto, as principais empresas tecnológicas nacionais estão a ajustar ativamente as suas direções estratégicas e a mudar o seu foco para o refinamento e o desenvolvimento aprofundado de grandes modelos verticais, esforçando-se para maximizar o valor da aplicação prática de grandes modelos e ajudar as empresas a alcançar um salto duplo em eficiência. e eficácia. na china, esta tendência é particularmente óbvia. entre eles, as tecnologias e produtos da huawei cloud estão ajudando diversas indústrias a alcançar a transformação inteligente.

no passado, a investigação e o desenvolvimento de novos medicamentos eram um projecto sistemático complexo e moroso. a indústria farmacêutica e de saúde há muito que enfrenta o dilema dos longos ciclos de i&d, dos elevados custos e das baixas taxas de sucesso de novos medicamentos. no modelo tradicional, a investigação e o desenvolvimento de novos medicamentos são frequentemente limitados pela "lei dos dois dez", o que significa dez anos, mil milhões de dólares de investimento e uma taxa de sucesso muito baixa. isto não só restringe a inovação farmacêutica do meu país, mas também faz com que muitas empresas farmacêuticas tenham dificuldades no caminho da investigação e desenvolvimento.

para a indústria médica e de saúde, a huawei cloud lançou uma solução médica e de saúde com o grande modelo pangu como núcleo, que melhora a eficiência do design de medicamentos em 33%, melhora a energia de ligação molecular otimizada em mais de 40% e acelera todo o processo na fase inicial de pesquisa. resolver problemas de "medicamentos inovadores" para que a "lei dos dois dez" não perturbe mais a pesquisa e o desenvolvimento de medicamentos. com base no grande modelo de moléculas de medicamentos pangu, o primeiro hospital afiliado da universidade xi'an jiaotong reduziu com sucesso o ciclo de pesquisa de medicamentos de anos para semanas e reduziu 90% dos custos de capital e mão de obra da universidade sudeste usando o grande modelo de medicamentos pangu; moléculas para implementar experimentos de órgão em chip verificaram resultados com mais de 80% de consistência; tasly aprendeu 3,5 milhões de dados moleculares de produtos naturais por meio do grande modelo de molécula de medicamento pangu e criou um "grande modelo digital inteligente de ervas" para alcançar um aumento de 10% em previsão de atributos de produtos naturais e resultados de otimização.

a fim de abrir a "última milha" da implementação de ia, a huawei cloud fornece ideias de resolução de problemas "ai + indústria" que estão aparecendo em cada vez mais indústrias. para a implementação de modelos em grande escala de cenários de fabricação, o grupo hailiang trabalhou com a huawei para criar um modelo em grande escala de otimização do processo de folha de cobre hailiang. por meio da otimização do processo, melhora a eficiência da produção, a otimização da fórmula melhora a qualidade do produto e acelera a inovação do produto. através de simulação de processos. para a implementação de modelos de grande escala no setor de logística, a sf express, com o apoio do huawei cloud ascend cloud service, criou o modelo de grande escala "fengyu" e construiu um grande layout de aplicativos aigc. entre eles, o huawei cloud ascend cloud service fornece suporte de poder de computação crescente e ajuda no desenvolvimento eficiente e na utilização de recursos de aplicações de ia por meio de plataformas eficientes de dados, desenvolvimento, treinamento e inferência, construindo uma base sólida de modelos grandes.

nas indústrias intensivas em conhecimento, a aplicação de grandes modelos está a impulsionar uma mudança de paradigma em direcção à “inteligência como serviço”. na indústria automotiva, o gac ai r&d assistant conta com o huawei cloud codearts para construir um assistente de código e um assistente de diagnóstico para realizar a escrita e detecção automática de códigos, bem como o diagnóstico automático de falhas em carros inteligentes. focando nos problemas de dificuldade de implementação e replicação de inteligência artificial na área de mineração, a yunding technology construiu uma solução inteligente com arquitetura "1+4+n" baseada no grande modelo pangu mine da huawei, criando o primeiro grande modelo da indústria de mineração na china. através de uma plataforma de desenvolvimento de ia e quatro capacidades de modelo grande pangu, n cenários de aplicação de alto valor são desenvolvidos para apoiar o "fundo de poço" em grande escala da inteligência artificial.

hoje, a aplicação da tecnologia de ia penetrou em todas as esferas da vida e tornou-se um novo motor que impulsiona o desenvolvimento económico global. ao mesmo tempo, também enfrenta múltiplos desafios, como a escassez de dados importantes, o reconhecimento profissional da cena e o equilíbrio entre o desempenho do modelo e a relação custo-benefício. o vice-presidente e presidente rotativo da huawei, xu zhijun, enfatizou na conferência huawei full connect de 2024 que a tecnologia de ia está se tornando a tecnologia que tem o maior impacto na indústria. a ia irá digitalizar a indústria, mudar os métodos de produção da indústria e se tornar o núcleo para vários. indústrias para entrar no mundo inteligente. ele propôs que as empresas na era inteligente deveriam ter as características dos "seis as", incluindo experiência adaptativa, produtos autoevolutivos, operações autônomas, funcionários aprimorados, conectividade total de todos os fatores e de todos os fatores e infraestrutura nativa inteligente.

sendo a segunda maior economia do mundo, a china possui recursos abundantes em cenários e dados de fabricação, medicina, transporte, residência e outros cenários de aplicação, proporcionando um amplo campo experimental e espaço de aplicação para o desenvolvimento de ia. as perspectivas de desenvolvimento do campo da ia ​​na china são amplas e cheias de oportunidades. no entanto, só se a indústria explorar conjuntamente soluções poderemos realmente promover o desenvolvimento coordenado de tecnologia e aplicações. enfrentando vários desafios na era da ia, apenas a integração industrial e a colaboração multipartidária podem alcançar resultados ganha-ganha. ao explorar profundamente as aplicações de cenários, a china será capaz de libertar continuamente o potencial da tecnologia de ia e promover a transformação digital de várias indústrias.

fonte: global times

editor de processos: u022