новости

с тех пор, как в прошлом году chatgpt полностью зажег открытие шоу искусственного интеллекта (ии), люди во всем мире обнаружили, что ни одна технология никогда не менялась так «менялась с каждым днем», как ии: будь то большая модель или чип, это модернизация и усовершенствование с поразительной скоростью, когда китай и соединенные штаты лидируют, вся отрасль продемонстрировала грандиозное зрелище, в котором соревнуются тысячи парусников. в связи с быстрым развитием технологий и глубокими изменениями на рынке первое шоу в конечном итоге подойдет к концу, и перед всеми, наконец, встанет настоящий вопрос: как это применить? как заработать деньги?

в результате постепенно формируется четкий консенсус: развитие ии прошло простую стадию «гонки вооружений крупных моделей» и официально вступило во вторую половину «глубокого анализа приложений сцены» и «руководства инновационными концепциями».

как на этом новом этапе развития найти наилучший баланс между технологическими инновациями и коммерческим применением? как искать возможности сотрудничества в условиях жесткой конкуренции? как обнаружить и использовать возможности развития среди проблем? эти вопросы стали ключевыми темами, которые специалисты-практики должны рассмотреть и дать на них ответы. будучи лидерами, китай и сша, несомненно, привлекли внимание мира. стратегический выбор, технологические инвестиции и рыночная динамика двух стран беспрецедентным образом формируют траекторию развития и конкурентную среду глобального ии.

1

американская перспектива: инвестиционный туман и дилемма коммерциализации

соединенные штаты, как родина технологии искусственного интеллекта, вложили огромные средства в исследования и разработку крупных моделей, но процесс их коммерциализации дает сбои и сталкивается с риском низкой отдачи от инвестиций и рыночных пузырей.

в условиях увлечения ии рынок проявил большой энтузиазм. nvidia, meta, tesla, amazon, материнская компания google alphabet, microsoft и apple, эти семь технологических гигантов, известных как «magna 7», будут блистать на фондовом рынке в 2023 году, а цены на их акции взлетят соответственно на 239% и 194%. , 102%, 81%, 59%, 57% и 48%.

однако за этим увлечением стоит тень, которую нельзя игнорировать. в конце июня этого года статья goldman sachs под названием «слишком много инвестиций, слишком маленькая прибыль» выдвинула на первый план теорию пузыря ии. в статье прямо говорилось, что крупные компании планируют инвестировать огромные суммы денег в ии. в смежных областях в ближайшие несколько лет, но, кроме небольшого улучшения производительности разработчиков, никаких других существенных результатов замечено не было. sequoia capital также считает, что пузырь в отрасли искусственного интеллекта раздувается, а разрыв в спросе на прибыльность искусственного интеллекта продолжает расширяться. многие учреждения выступили с предупреждениями: исследования и разработки крупных моделей ии сталкиваются с беспрецедентными проблемами. хотя капитальные вложения продолжают увеличиваться, процесс коммерциализации далек от ожидаемого, рост доходов слабый, а перспективы получения прибыли вызывают беспокойство. что еще более серьезно, так это то, что риск возникновения отраслевых пузырей становится все более заметным, а окупаемость инвестиций остается вялой, что вызывает глубокую обеспокоенность по поводу устойчивости отрасли искусственного интеллекта.

в частности, первый вопрос – это вопросы коммерциализации и затрат-выпуска. в настоящее время инвестиции в ниокр крупных моделей продолжают увеличиваться, однако путь коммерциализации пока не ясен, что приводит к серьезному дисбалансу в соотношении затрат и выпуска. перспективы развития трассы неясны, в результате чего инвесторы и застройщики сталкиваются с огромной неопределенностью. кроме того, рост доходов от крупных моделей искусственного интеллекта недостаточен, а перспективы прибыли вызывают беспокойство, что еще больше усугубляет беспокойство рынка. стоимость обучения моделей искусственного интеллекта продолжает расти, особенно с развитием технологий. например, в «отчете об индексе искусственного интеллекта за 2024 год» говорится, что стоимость обучения модели gpt-4 openai, как ожидается, составит 78 миллионов долларов сша. , а модель geminiultra от google стоит 1,91 миллиарда долларов. такие высокие затраты представляют собой значительное бремя для многих предприятий, особенно когда прибыль неясна.

с другой стороны, фактическое развитие приложений ии также вызывает беспокойство. хотя большие модели достигли значительного технического прогресса, их применение происходит гораздо медленнее, чем ожидалось рынком. хотя технология искусственного интеллекта превзошла человеческие способности в таких задачах, как классификация изображений, визуальное мышление и понимание английского языка, она все еще отстает от людей в более сложных задачах, таких как соревновательная математика, визуальное рассуждение на основе здравого смысла и планирование. такое отставание в развитии не только влияет на доверие рынка, но и усиливает беспокойство внутри отрасли, заставляя людей пересматривать путь развития технологий искусственного интеллекта.

на этом фоне американская сфера искусственного интеллекта переживает глубокие размышления и трансформацию. от чисто технической конкуренции до углубленного изучения путей коммерциализации, от слепого оптимизма в разработке крупных моделей до острой необходимости реализации сценариев применения.

2

все более дорогой путь должен найти новое направление

в бурной волне искусственного интеллекта большие модели, несомненно, стали ослепительной звездой. их мощные возможности генерации и широкие перспективы применения делают их горячим инвестиционным проектом. однако текущая ситуация в индустрии крупных моделей подобна «льду и огню». с одной стороны, происходят быстрые технологические прорывы и растущий инвестиционный бум, с другой стороны, предприятия сталкиваются с множеством проблем и дилемм в практическом применении. .

с момента появления chatgpt технология больших моделей развивалась с угрожающей скоростью, постоянно расширяя когнитивные границы искусственного интеллекта. технологические гиганты, такие как google, microsoft и meta, увеличили свои инвестиции в область искусственного интеллекта и конкурируют за создание центров обработки данных. конкуренция за вычислительные ресурсы становится все более жесткой и находится в центре внимания отрасли. однако отчет wall street journal от 31 марта был словно облит холодной водой, раскрыв жестокую реальность: в прошлом году индустрия искусственного интеллекта потратила целых 50 миллиардов долларов только на чипы nvidia для обучения больших моделей, в то время как ее доходы составили всего лишь 3 миллиарда долларов сша, что показывает огромный разрыв между высокими инвестициями и скудной прибылью.

масштаб расходов на искусственный интеллект технологических гигантов также подтверждает это. по сообщениям сми, meta ожидает, что расходы на ии в этом году вырастут до 10 миллиардов долларов сша, при этом google будет инвестировать примерно 12 миллиардов долларов сша в квартал, а microsoft потратит 14 миллиардов долларов сша за один квартал, что указывает на то, что эти расходы будут продолжать значительно расти. synergy research group прогнозирует, что в связи с быстрым ростом количества сверхбольших центров обработки данных каждый год в будущем в эксплуатацию будут входить более 120–130 сверхбольших центров обработки данных стоимостью 100 миллионов долларов сша, а стоимость каждого центра обработки данных в 100 миллионов долларов сша.

однако стоимость ии и масштабных моделей треков отражается не только на скорости сжигания денег, но и на том, что капитал трудно вернуть в краткосрочной перспективе. хотя годовой доход openai превысил 3,4 миллиарда долларов сша, высокие эксплуатационные расходы и жесткая конкурентная среда по-прежнему приводят к убыткам компании, и ожидается, что к концу 2024 года убытки составят около 5 миллиардов долларов сша.

столкнувшись с этой ситуацией, отечественные технологические гиганты проявили более осмотрительную и прагматичную позицию и начали переходить от обширного исследования общих крупных моделей к углубленной разработке отраслевых вертикальных крупных моделей. поскольку они являются краеугольным камнем больших моделей общего назначения для решения широкого спектра задач, их важность нельзя игнорировать, в то время как большие вертикальные модели стали новым фаворитом рынка благодаря их глубокому исследованию и точному удовлетворению конкретных отраслей. в таких областях, как здравоохранение, финансы, право и образование, вертикальные крупные модели постепенно демонстрируют большой потенциал применения и меняют лицо отрасли.

стоит подчеркнуть, что широкое применение крупных моделей не может быть отделено от надежной поддержки вычислительных мощностей, данных и алгоритмов, что устанавливает высокий порог для малых и средних предприятий или предприятий с ограниченными ресурсами вычислительной мощности. но именно такие проблемы побуждают всю отрасль продолжать исследования и инновации, а также искать более эффективные и экономичные решения для популяризации и углубления технологий искусственного интеллекта.

3

нарушая правила игры: в китае ии меняет десятки миллионов отраслей

причина, по которой предпочтение отдается крупным вертикальным моделям, заключается не только в их относительно низких затратах на разработку и контролируемой сложности, но и в том, что они могут принести предприятиям дифференцированные конкурентные преимущества. благодаря интенсивным усилиям компании могут значительно повысить интеллектуальный уровень своих продуктов и услуг, тем самым выделяясь в условиях жесткой рыночной конкуренции. тем не менее, область вертикальных больших моделей по-прежнему остается благодатной почвой для развития из-за таких факторов, как слабая ит-основа и соображения соотношения затрат и выпуска, традиционные предприятия часто сталкиваются с трудностями при самостоятельной разработке больших моделей и предпочитают полагаться на внешние силы. совместно исследовать.

даже если вертикальная большая модель снижает порог, она все равно сталкивается с двумя основными трудностями в реальном процессе внедрения: во-первых, как найти подходящие сценарии применения и разработать экономически эффективные формы продукта для достижения наилучших результатов при оптимальных затратах, во-вторых, со стратегией; проблемы планирования и совместимости с программными и аппаратными средствами, неоднозначность целей заказчика, недостаток технических знаний и сложность системной интеграции — все это усложняет реализацию больших моделей.

инсайдеры отрасли отметили, что целью предприятий должно быть использование ии для решения практических задач, а не просто интеграция с большими моделями. поэтому компаниям необходимо подумать о том, как люди и машины могут лучше сотрудничать, принять решение проблем в качестве отправной точки и избегать слепой погони за большими моделями. на этом фоне ведущие отечественные технологические компании активно корректируют свои стратегические направления и смещают акцент на доработку и глубокую разработку вертикальных крупных моделей, стремясь максимизировать практическую прикладную ценность крупных моделей и помочь компаниям добиться двойного скачка в эффективности. и эффективность. в китае эта тенденция особенно очевидна. среди них технологии и продукты huawei cloud, которые помогают различным отраслям достичь интеллектуальной трансформации.

в прошлом исследования и разработки новых лекарств представляли собой сложный и длительный систематический проект. фармацевтическая и медицинская промышленность уже давно сталкивается с дилеммой длительных циклов исследований и разработок, высоких затрат и низких показателей успеха новых лекарств. согласно традиционной модели, исследования и разработки новых лекарств часто ограничиваются «законом двойных десяти», что означает десять лет, один миллиард долларов сша инвестиций и очень низкий уровень успеха. это не только ограничивает фармацевтические инновации в моей стране, но и заставляет многие фармацевтические компании испытывать трудности на пути исследований и разработок.

для индустрии медицины и здравоохранения компания huawei cloud запустила решение для медицины и здравоохранения, в основе которого лежит большая модель pangu, которая повышает эффективность разработки лекарств на 33 %, улучшает оптимизированную энергию молекулярного связывания более чем на 40 % и ускоряет весь процесс на ранней стадии исследований. решить проблемы «инновационных лекарств», чтобы «закон двойной десятки» больше не беспокоил исследования и разработки лекарств. основываясь на большой модели молекул лекарства пангу, первая дочерняя больница сианьского университета цзяотун успешно сократила цикл исследования лекарств с нескольких лет до недель и сократила на 90% капитальные и трудовые затраты, используя большую модель лекарства пангу; молекулы для реализации «орган-на-чипе» эксперименты подтвердили результаты с согласованностью более 80%, tasly изучила молекулярные данные о 3,5 миллионах натуральных продуктов с помощью большой модели молекул лекарств пангу и создала «цифровую интеллектуальную большую модель трав» для достижения 10%-ного увеличения. результаты прогнозирования и оптимизации свойств натуральных продуктов.

чтобы открыть «последнюю милю» внедрения ии, huawei cloud предлагает идеи решения проблем «ии + промышленность», которые появляются во все большем количестве отраслей. для реализации крупномасштабных моделей производственных сценариев hailiang group работала с huawei над созданием крупномасштабной модели оптимизации процесса производства медной фольги в хайляне. благодаря оптимизации процесса повышается эффективность производства, оптимизация формулы улучшает качество продукции и ускоряет инновации в продукции. посредством моделирования процесса. для реализации крупномасштабных моделей в логистической отрасли компания sf express при поддержке облачного сервиса huawei cloud ascend создала крупномасштабную модель «fengyu» и построила грандиозный макет приложений aigc. среди них облачный сервис huawei cloud ascend cloud service, обеспечивающий поддержку растущих вычислительных мощностей и помогающий эффективно разрабатывать и использовать ресурсы приложений искусственного интеллекта с помощью эффективных платформ данных, разработки, обучения и вывода, создавая прочную базу больших моделей.

в наукоемких отраслях применение больших моделей приводит к сдвигу парадигмы в сторону «интеллекта как услуги». в автомобильной промышленности gac ai r&d assistant использует huawei cloud codearts для создания помощника по кодированию и помощника по диагностике для автоматического написания и обнаружения кодов, а также автоматической диагностики неисправностей интеллектуальных автомобилей. сосредоточив внимание на проблемах сложности внедрения и тиражирования искусственного интеллекта в горнодобывающей отрасли, компания yunding technology создала интеллектуальное решение с архитектурой «1+4+n» на основе крупной модели huawei pangu mine, создав первую крупную модель горнодобывающей отрасли. в китае. благодаря платформе разработки искусственного интеллекта и четырем возможностям больших моделей pangu разрабатываются n сценариев ценных приложений для поддержки крупномасштабного «скважинного» искусственного интеллекта.

сегодня применение технологий искусственного интеллекта проникло во все сферы жизни и стало новым двигателем глобального экономического развития. в то же время он также сталкивается с множеством проблем, таких как нехватка ключевых данных, профессиональное распознавание сцен и баланс между производительностью модели и экономической эффективностью. вице-председатель и поочередный председатель huawei сюй чжицзюнь подчеркнул на конференции huawei full connect 2024 года, что технология искусственного интеллекта становится технологией, которая оказывает наибольшее влияние на отрасль. искусственный интеллект приведет к цифровизации отрасли, изменит методы производства в отрасли и станет основой для различных отраслей. промышленности, чтобы войти в интеллектуальный мир двигателя. он предположил, что предприятия в интеллектуальную эпоху должны обладать характеристиками «шести а», включая адаптивный опыт, саморазвивающиеся продукты, автономные операции, улучшенные сотрудники, полную связь всех факторов и всех факторов, а также интеллектуальную внутреннюю инфраструктуру.

будучи второй по величине экономикой в ​​мире, китай обладает богатыми ресурсами в сфере производства, медицины, транспорта, домашнего хозяйства и других сценариев и данных, что обеспечивает широкую экспериментальную область и пространство для применения для разработки искусственного интеллекта. перспективы развития сферы искусственного интеллекта в китае широки и полны возможностей. однако только если отрасль будет совместно искать решения, мы сможем по-настоящему способствовать скоординированному развитию технологий и приложений. столкнувшись с различными проблемами в эпоху искусственного интеллекта, только промышленная интеграция и многостороннее сотрудничество могут достичь взаимовыгодных результатов. глубоко изучая сценарии применения, китай сможет постоянно раскрывать потенциал технологий искусственного интеллекта и способствовать цифровой трансформации различных отраслей.

источник: глобал таймс

редактор процессов: u022