noticias

desde que chatgpt encendió por completo el espectáculo inaugural de la inteligencia artificial (ia) el año pasado, personas de todo el mundo han descubierto que nunca ha existido ninguna tecnología que pueda describirse como "cambiante con cada día que pasa" como la ia: ya sea una gran modelo o un chip, se está actualizando e iterando a una velocidad asombrosa, con china y estados unidos a la cabeza, toda la industria ha mostrado un gran espectáculo de miles de velas compitiendo. con la rápida iteración de la tecnología y los profundos cambios en el mercado, la feria inaugural eventualmente llegará a su fin y la verdadera pregunta finalmente estará ante todos: ¿cómo aplicarla? ¿cómo ganar dinero?

como resultado, gradualmente se está formando un consenso claro: el desarrollo de la ia ha pasado por la etapa simple de "gran carrera armamentista modelo" y ha entrado oficialmente en la segunda mitad de la "extracción profunda de aplicaciones de escena" y la "orientación de conceptos innovadores".

en esta nueva etapa de desarrollo, ¿cómo encontrar el mejor equilibrio entre innovación tecnológica y aplicación comercial? ¿cómo buscar oportunidades de cooperación en una competencia feroz? ¿cómo descubrir y aprovechar oportunidades de desarrollo en medio de desafíos? estas preguntas se han convertido en temas clave que los profesionales deben considerar y dar respuestas. como líderes, china y estados unidos sin duda han atraído la atención del mundo. las opciones estratégicas, la inversión tecnológica y la dinámica del mercado de los dos países están dando forma a la trayectoria de desarrollo y al panorama competitivo de la ia global de una manera sin precedentes.

1

perspectiva estadounidense: niebla de inversión y dilema de comercialización

estados unidos, como cuna de la tecnología de inteligencia artificial, ha invertido enormemente en la investigación y el desarrollo de grandes modelos, pero su proceso de comercialización está flaqueando y enfrenta el riesgo de un bajo retorno de la inversión y burbujas de mercado.

bajo la locura de la ia, el mercado ha mostrado un gran entusiasmo. nvidia, meta, tesla, amazon, la empresa matriz de google, alphabet, microsoft y apple, estos siete gigantes tecnológicos conocidos como "magna 7", brillarán en el mercado de valores en 2023, con el precio de sus acciones subiendo respectivamente un 239%, un 194%. , 102%, 81%, 59%, 57% y 48%.

sin embargo, detrás de esta locura hay una sombra que no se puede ignorar. a finales de junio de este año, un artículo de goldman sachs titulado "demasiada inversión, muy pocos rendimientos" puso en primer plano la teoría de la burbuja de la ia. el artículo afirmaba sin rodeos que las grandes empresas planean invertir enormes sumas de dinero en ia. campos relacionados en los próximos años, pero además de aparte de una ligera mejora en la productividad de los desarrolladores, no se observaron otros resultados significativos. sequoia capital también cree que la burbuja de la industria de la ia se está intensificando y la brecha de demanda de rentabilidad de la ia continúa ampliándose. muchas instituciones han advertido: la investigación y el desarrollo de grandes modelos de ia se enfrentan a desafíos sin precedentes. aunque la inversión de capital sigue aumentando, el proceso de comercialización dista mucho de lo esperado, el crecimiento de los ingresos es débil y las perspectivas de ganancias son preocupantes. lo que es más grave es que el riesgo de burbujas industriales se ha vuelto cada vez más prominente y el retorno de la inversión ha sido lento, lo que genera profundas preocupaciones sobre la sostenibilidad de la industria de la ia.

específicamente, la primera cuestión es la comercialización y las cuestiones de input-output. actualmente, la inversión en i+d de modelos grandes sigue aumentando, pero el camino de comercialización aún no está claro, lo que genera un grave desequilibrio en la relación insumo-producto. las perspectivas de desarrollo de la pista no están claras, lo que deja a los inversores y promotores ante una enorme incertidumbre. además, el crecimiento de los ingresos de los grandes modelos de ia es insuficiente y las perspectivas de beneficios son preocupantes, lo que exacerba aún más la ansiedad del mercado. especialmente con el avance de la tecnología, el costo de capacitación de los modelos de ia continúa aumentando. por ejemplo, el "informe del índice de inteligencia artificial 2024" afirma que se espera que el costo de capacitación del modelo gpt-4 de openai alcance los 78 millones de dólares estadounidenses. y el modelo geminiultra de google alcanza los 1.910 millones de dólares. costos tan elevados representan una carga significativa para muchas empresas, especialmente cuando los retornos no están claros.

por otro lado, el desarrollo real de las aplicaciones de ia también es preocupante. aunque los modelos grandes han logrado importantes avances técnicos, su aplicación ha sido mucho más lenta de lo que esperaba el mercado. aunque la tecnología de inteligencia artificial ha superado el desempeño humano en tareas como clasificación de imágenes, razonamiento visual y comprensión del inglés, todavía está por detrás de los humanos en tareas más complejas, como matemáticas competitivas, razonamiento visual de sentido común y planificación. este retraso en el desarrollo no sólo afecta la confianza del mercado, sino que también intensifica la ansiedad dentro de la industria, lo que hace que la gente comience a reexaminar el camino de desarrollo de la tecnología de ia.

en este contexto, el campo estadounidense de la ia está atravesando una profunda reflexión y transformación. desde una competencia puramente técnica hasta una exploración en profundidad de caminos de comercialización, desde un optimismo ciego en el desarrollo de grandes modelos hasta una necesidad urgente de implementación de aplicaciones de escenarios.

2

la pista cada vez más cara necesita encontrar una nueva dirección

en la turbulenta ola de la inteligencia artificial, los modelos grandes sin duda se han convertido en estrellas deslumbrantes. sus poderosas capacidades de generación y amplias perspectivas de aplicación los convierten en un proyecto de inversión de gran interés. sin embargo, la situación actual de la gran industria modelo es como "hielo y fuego". por un lado, hay rápidos avances tecnológicos y un creciente auge de la inversión. por otro lado, las empresas enfrentan muchos desafíos y dilemas en las aplicaciones prácticas. .

desde el nacimiento de chatgpt, la tecnología de modelos grandes se ha desarrollado a un ritmo alarmante, ampliando continuamente los límites cognitivos de la inteligencia artificial. gigantes tecnológicos como google, microsoft y meta han aumentado su inversión en el campo de la ia y están compitiendo para construir centros de datos. la competencia por los recursos informáticos se ha vuelto cada vez más feroz y se ha convertido en el foco de la industria. sin embargo, el informe del wall street journal del 31 de marzo fue como echarle agua fría, revelando una cruel realidad: la industria de la ia gastó hasta 50 mil millones de dólares sólo en chips nvidia el año pasado para entrenar modelos grandes, mientras que sus ingresos fueron solo 3 mil millones de dólares estadounidenses, lo que muestra la enorme brecha entre una inversión elevada y una rentabilidad escasa.

la magnitud del gasto en ia por parte de los gigantes tecnológicos también demuestra este punto. según informes de los medios, meta espera que el gasto en ia aumente hasta 10 mil millones de dólares este año, con google invirtiendo aproximadamente 12 mil millones de dólares por trimestre y microsoft gastando 14 mil millones de dólares en un trimestre, lo que indica que este gasto seguirá creciendo significativamente. con el rápido aumento de los centros de datos ultragrandes, synergy research group predice que en el futuro se pondrán en funcionamiento más de 120 a 130 centros de datos ultragrandes con un coste de 100 millones de dólares cada año, y el coste de cada centro de datos es en 100 millones de dólares.

sin embargo, el coste de la ia y los modelos de pista a gran escala no sólo se refleja en la velocidad de quema de dinero, sino también en el hecho de que es difícil recuperar el capital en el corto plazo. aunque los ingresos anuales de openai han superado los 3.400 millones de dólares, los altos costos operativos y un entorno competitivo feroz aún lo han mantenido en pérdidas, y se espera que la pérdida se acerque a los 5 mil millones de dólares para fines de 2024.

ante esta situación, los gigantes tecnológicos nacionales han mostrado una actitud más prudente y pragmática y han comenzado a pasar de la exploración extensiva de grandes modelos generales al desarrollo en profundidad de grandes modelos verticales de la industria. como piedra angular de los modelos grandes de uso general para hacer frente a una amplia gama de tareas, no se puede ignorar su importancia, mientras que los modelos grandes verticales se han convertido en los nuevos favoritos del mercado debido a su exploración en profundidad y satisfacción precisa de industrias específicas; en campos como la atención médica, las finanzas, el derecho y la educación, los grandes modelos verticales están mostrando gradualmente un gran potencial de aplicación y remodelando la cara de la industria.

vale la pena enfatizar que la aplicación generalizada de modelos grandes no puede separarse del sólido soporte de la potencia informática, los datos y los algoritmos, que establece un umbral alto para las pequeñas y medianas empresas o las empresas con recursos limitados de potencia informática. pero son precisamente esos desafíos los que impulsan a toda la industria a continuar explorando e innovando y buscando soluciones más eficientes y económicas para promover la popularización y profundización de la tecnología de ia.

3

rompiendo el juego: en china, la ia está remodelando decenas de millones de industrias

la razón por la que se prefieren los grandes modelos verticales no es sólo por sus costos de desarrollo relativamente bajos y su dificultad controlable, sino también porque pueden aportar ventajas competitivas diferenciadas a las empresas. a través de esfuerzos intensivos, las empresas pueden mejorar significativamente el nivel de inteligencia de sus productos y servicios, destacándose así en la feroz competencia del mercado. sin embargo, el campo de los grandes modelos verticales sigue siendo un terreno fértil para su desarrollo. debido a factores como la débil base de ti y consideraciones de relación insumo-producto, a las empresas tradicionales a menudo les resulta difícil desarrollar modelos grandes de forma independiente y prefieren depender de fuerzas externas para hacerlo. explorar conjuntamente.

incluso si el modelo vertical grande reduce el umbral, todavía enfrenta dos dificultades importantes en el proceso de implementación real: primero, cómo encontrar escenarios de aplicación adecuados y diseñar formas de productos rentables para lograr los mejores resultados al costo óptimo; segundo, la estrategia; los problemas de planificación y compatibilidad con las instalaciones de software y hardware, la ambigüedad de los objetivos del cliente, la falta de conocimiento técnico y la complejidad de la integración del sistema aumentan la dificultad de implementar modelos grandes.

los expertos de la industria señalaron que el objetivo de las empresas debería ser utilizar la ia para resolver problemas prácticos, en lugar de simplemente buscar la integración con modelos grandes. por lo tanto, las empresas deben pensar en cómo las personas y las máquinas pueden colaborar mejor, tomar la resolución de problemas como punto de partida y evitar perseguir ciegamente grandes modelos. en este contexto, las principales empresas de tecnología nacionales están ajustando activamente sus direcciones estratégicas y cambiando su enfoque hacia el refinamiento y el desarrollo en profundidad de grandes modelos verticales, esforzándose por maximizar el valor de la aplicación práctica de los modelos grandes y ayudar a las empresas a lograr un doble salto en eficiencia. y eficacia. en china, esta tendencia es particularmente obvia. entre ellos, las tecnologías y productos de huawei cloud están ayudando a diversas industrias a lograr una transformación inteligente.

en el pasado, la investigación y el desarrollo de nuevos fármacos era un proyecto sistemático largo y complejo. la industria farmacéutica y de la salud se ha enfrentado durante mucho tiempo al dilema de largos ciclos de investigación y desarrollo, altos costos y bajas tasas de éxito de nuevos medicamentos. según el modelo tradicional, la investigación y el desarrollo de nuevos medicamentos a menudo se ven limitados por la "ley doble diez", que significa diez años, mil millones de dólares de inversión y una tasa de éxito muy baja. esto no sólo restringe la innovación farmacéutica de mi país, sino que también hace que muchas empresas farmacéuticas tengan dificultades en el camino de la investigación y el desarrollo.

para la industria médica y de la salud, huawei cloud ha lanzado una solución médica y de salud con el modelo grande pangu como núcleo, que mejora la eficiencia del diseño de fármacos en un 33%, mejora la energía de enlace molecular optimizada en más del 40% y acelera todo el proceso en la etapa inicial de investigación. resolver los problemas de los "medicamentos innovadores" para que la "ley del doble diez" ya no perturbe la investigación y el desarrollo de medicamentos. basado en el modelo grande de moléculas del medicamento pangu, el primer hospital afiliado de la universidad xi'an jiaotong redujo con éxito el ciclo de investigación de medicamentos de años a semanas y redujo el 90% de los costos de capital y mano de obra. la universidad del sureste utilizó el modelo grande del medicamento pangu; moléculas para implementar experimentos de órgano en chip han verificado resultados con más del 80% de consistencia; tasly aprendió 3,5 millones de datos moleculares de productos naturales a través del modelo grande de molécula de fármaco pangu y creó un "modelo grande herbario digital inteligente" para lograr un aumento del 10% en resultados de optimización y predicción de atributos de productos naturales.

para abrir la "última milla" de la implementación de la ia, huawei cloud proporciona ideas de resolución de problemas de la "industria ai +" que están apareciendo en cada vez más industrias. para la implementación de modelos a gran escala de escenarios de fabricación, hailiang group trabajó con huawei para crear un modelo a gran escala de optimización del proceso de láminas de cobre de hailiang. a través de la optimización del proceso, mejora la eficiencia de la producción, la optimización de la fórmula mejora la calidad del producto y acelera la innovación del producto. mediante simulación de procesos. para la implementación de modelos a gran escala en la industria logística, sf express, con el apoyo de huawei cloud ascend cloud service, creó el modelo a gran escala "fengyu" y construyó un gran diseño de aplicaciones aigc. entre ellos, huawei cloud ascend cloud service proporciona un creciente soporte de potencia informática y ayuda al desarrollo eficiente y la utilización de recursos de aplicaciones de ia a través de plataformas eficientes de datos, desarrollo, capacitación e inferencia, construyendo una base sólida de modelos grandes.

en las industrias intensivas en conocimiento, la aplicación de grandes modelos está impulsando un cambio de paradigma hacia la “inteligencia como servicio”. en la industria automotriz, gac ai r&d assistant confía en huawei cloud codearts para crear un asistente de código y un asistente de diagnóstico para realizar la escritura y detección automática de códigos, así como el diagnóstico automático de fallas de automóviles inteligentes. centrándose en los problemas de dificultad para implementar y replicar la inteligencia artificial en el campo minero, yunding technology construyó una solución inteligente con una arquitectura "1+4+n" basada en el gran modelo pangu mine de huawei, creando el primer gran modelo de la industria minera. en china. a través de una plataforma de desarrollo de inteligencia artificial y cuatro capacidades de modelo grande pangu, se desarrollan n escenarios de aplicaciones de alto valor para respaldar el "fondo de pozo" a gran escala de la inteligencia artificial.

hoy en día, la aplicación de la tecnología de ia ha penetrado en todos los ámbitos de la vida y se ha convertido en un nuevo motor que impulsa el desarrollo económico global. al mismo tiempo, también enfrenta múltiples desafíos, como la escasez de datos clave, el reconocimiento profesional de escenas y el equilibrio entre el rendimiento del modelo y la rentabilidad. el vicepresidente y presidente rotatorio de huawei, xu zhijun, enfatizó en la conferencia huawei full connect de 2024 que la tecnología de ia se está convirtiendo en la tecnología que tendrá el mayor impacto en la industria. la ia digitalizará la industria, cambiará los métodos de producción de la industria y se convertirá en el núcleo de varios. industrias para ingresar al mundo inteligente. propuso que las empresas en la era inteligente deberían tener las características de las "seis a", incluyendo experiencia adaptativa, productos de evolución automática, operaciones autónomas, empleados mejorados, conectividad total de todos los factores y de todos los factores, e infraestructura nativa inteligente.

como segunda economía más grande del mundo, china tiene abundantes recursos en escenarios y datos de fabricación, medicina, transporte, hogar y otras aplicaciones, lo que proporciona un amplio campo experimental y espacio de aplicación para el desarrollo de la ia. las perspectivas de desarrollo del campo de la ia en china son amplias y llenas de oportunidades. sin embargo, sólo si la industria explora soluciones de manera conjunta podremos promover verdaderamente el desarrollo coordinado de tecnología y aplicaciones. al enfrentarse a diversos desafíos en la era de la ia, solo la integración industrial y la colaboración entre múltiples partes pueden lograr resultados beneficiosos para todos. al explorar en profundidad las aplicaciones de escenarios, china podrá liberar continuamente el potencial de la tecnología de inteligencia artificial y promover la transformación digital de diversas industrias.

fuente: tiempos globales

editor de procesos: u022