网站运营年度推广方案,摄像网站建设,网站建设ppt模板下载,为什么wordpress有cookie科技云报道原创。
没有人能预见未来#xff0c;但我们可以因循常识#xff0c;去捕捉技术创新演进的节奏韵脚。
2023年最火的风口莫过于大模型。
2022年底#xff0c;由美国初创企业OpenAI开发的聊天应用ChatGPT引爆市场#xff0c;生成式AI成为科技市场热点#xff0c…科技云报道原创。
没有人能预见未来但我们可以因循常识去捕捉技术创新演进的节奏韵脚。
2023年最火的风口莫过于大模型。
2022年底由美国初创企业OpenAI开发的聊天应用ChatGPT引爆市场生成式AI成为科技市场热点ChatGPT背后是深度学习大模型其理解和生成文字的能力超过以往AI产品。
全球主要云计算公司加入其中争夺算力、下场开发和销售大模型云计算市场迎来新一轮竞争热潮覆盖AI计算所需的算力、算法、数据各层面。
如今大模型这把火已经从自然语言烧到千行百业。相较于花力气让大模型更流畅地应对各种刁钻问题MaaS正成为AI大模型比拼的重点。 企业大模型落地挑战重重
目前行业大模型跟产业的结合还处在比较早期的阶段。
一方面大模型技术的发展日新月异无论是算力层面、模型小型化、数据标注、数据训练还是开元模型层面都在快速变化的过程中另一方面整个产业对大模型能力和应用方式的理解也还在初级阶段。
通常来说一家企业想要搭建行业大模型有几个环节必不可少挑选适合自己使用场景的模型使用云厂商专业工具搭建一体化模型服务梳理测试用例、建立服务质量评估流程确保数据及模型应用安全、合规和可控。
而企业想要在实际业务场景中部署使用大模型服务则面临着成本、数据和安全等诸多落地难题。
首先计算资源少。大模型需要比较高的计算资源和存储资源。与一般服务器相比GPU服务器的稳定性比较低大模型训练需要的GPU经常达到上千张卡。
同时在训练集群里连接几百台GPU服务器所需要的网络速度极高一旦网络产生拥堵就会影响训练效率。所以很多算法团队倾向于选择专业的云服务厂商进行云服务运维支持。
其次数据质量比较差。
搭建大模型本身就是一项成本极高的系统工程需要大量的高质量数据进行训练和优化还需要经过清洗和预处理以消除噪声、填补缺失值并确保数据质量。如果导入的数据质量低那训练出来的模型也会有问题。
第三投入成本高这也是大模型落地面临的主要困难之一。大模型需要投入大量的数据、计算资源、专业技术和时间来训练、调试、优化并部署实施。
第四专业经验少。大模型的开发落地需要比较多的技术和人力资源部署大模型需要考虑到计算资源、网络带宽和安全性等多方面问题很多企业比较缺乏相关技术和人才导致大模型无法顺利落地应用。
MaaS重塑云计算服务范式
MaaS即“Model as a Service模型即服务”是通过云服务将数据处理和机器学习模型的功能集成到现有业务中为企业提供智能化、自动化的解决方案。MaaS的大模型可以通过从海量的、多类型的场景数据中学习总结学习不同场景业务下的通用特征和规则成为具有泛化能力的模型底座。
数据集仓库、模型仓库、算力平台通过提供零门槛模型体验、快捷的模型使用、完整链路的模型定制和云端模型部署向每个人开放。
从形式上看MaaS是典型的云智一体。所谓“云智一体”是三年前百度智能云在战略发布中提出的理念通过云计算和人工智能融合创新把算力、框架、模型场景应用打造成标准化产品进而降低企业获取和使用人工智能的门槛。
百度、阿里乃至更多云计算企业如今将目光投向“云智一体”印证了AI应用能力是云计算产业基础设施成熟后的核心能力。这种能力更在于“智”的水平在智能基础设施之上的通用型AI产品能力。
从云计算服务范式看大模型的迭代升级也重塑了传统的云计算服务。以往云计算更专注算力能力服务模型集中在IaaS、PaaS、SaaS三层如今云计算在大模型驱动下具备了更强的集成能力在算力、算法和应用层中嵌入大模型进而强化云计算的“智”以智能底座集成应用并统一对外输出实现场景端的生产力解放。
虽然MaaS目前针对的场景还处在基于自然语言处理NLP的领域但是随着技术的迭代遵循其核心思想进行延展广义的MaaS恰恰有可能针对上述的难点发挥重要作用。
在数据清洗和整合方面MaaS可以帮助企业将来自不同系统和部门的数据进行清洗、整合和转换形成完整、可靠的数据集。
通过将来自不同部门的数据整合到一个数据仓库中MaaS可以确保数据的完整性和一致性。此外MaaS还可以对海量数据进行自动化处理和分析快速发现业务的异常情况和趋势变化。
在数据分析和挖掘方面MaaS可以对业务数据进行分析和挖掘从中发现业务之间的关联和规律为企业提供更全面、准确的财务数据并支持更好的决策和管理。
例如当企业需要进行销售订单和库存的分析时MaaS需要输入销售订单和库存数据这些数据可以来自企业的不同部门比如销售部门、库存管理部门等。之后MaaS会使用NLP技术自动化处理和分析这些数据例如识别和分类订单的状态、计算库存周转率等。
在数据处理的过程中MaaS会快速发现业务的异常情况和趋势变化如订单的滞销和库存的积压等。
在智能化决策支持方面MaaS可以为企业提供智能化的决策支持通过机器学习模型预测未来的业务走势和财务状况帮助企业做出更明智的决策。
MaaS会将分析结果转化为易于理解和操作的报告和图表并提供定制化的业务解决方案。企业可以根据自身的业务需求和数据特点选择不同的机器学习模型和数据处理算法以实现更智能化、个性化的业务流程。
MaaS市场竞争激烈
今年3月百度率先推出文心一言大模型。百度CTO王海峰在中关村论坛期间表示未来MaaS将成为云计算的主流商业模式各类应用将基于大模型来开发每个行业需要打造行业自己的大模型。大模型将与实体经济深度融合赋能千行百业加速产业转型升级促进经济高质量发展。
4月阿里也推出了自己的通义千问大模型。时任阿里巴巴集团董事会主席兼CEO、阿里云智能集团CEO张勇当时宣布阿里巴巴所有产品未来都将接入通义千问大模型进行全面改造。
阿里云CTO周靖人在今年5月的中关村会议上也提出MaaS概念正在被广泛接受模型会作为业务和开发系统开发的重要生产元素。
这背后AI一直背负着商业化这个难题。而B端市场近年来越发成为互联网大厂的增量市场。
5月腾讯发布的今年一季度财报显示当期其营收1500亿元同比增长11%净利润258.4亿元同比增长10%。
净利润(Non-IFRS)325.38亿元同比增长27%。其中身处B端市场的金融科技与企业服务板块今年一季度营收同比增长14%达到487亿元。据记者了解该板块已连续八个季度在腾讯总收入中占比超过30%。
而此前各家云业务纷纷下调价格不仅体现了B端业务的激烈竞争在某种程度上也提现了大模型的开发对B端业务成本的影响。
张勇曾表示未来希望在阿里云上训练一个模型的成本能够降低到现在的十分之一甚至是百分之一。即使是中小企业也能通过云平台获得AI大模型的能力和服务。
目前行业大模型的前景有赖于行业大模型的技术成熟度大家的竞争点主要集中在行业数据源。行业不同所形成的语料不同。厂商所在的优势行业能够形成训练AI所需要的语料库越完备的语料意味着越有优势的AI产品。
同时在大模型这一赛道上从来就不是“后来者居上”。只有越丰富的供应才能带来越多的客户更多的客户才能在数据反馈中帮助精进和迭代从而产生“飞轮效应”。
如长期在机器学习模型有积累的社区Hugging Face就基于社区已有的开源模型推出了HuggingGPT以一个大模型调用多个AI模型的方式迅速将长期积累的模型生态转变成更大的行业影响力。
这个阶段开始生态的作用就会显现。而这也是为什么构建一个生态决定了MaaS的高度。但无论处在哪个阶段最核心的是大模型依然是一个成本高昂的新事物。
不论在研发、迭代还是使用阶段大模型都是一个消耗资源巨大、使用成本也不低的“奢侈品”。
所以只有构建一个生态才能真正通过规模效应降低成本、帮助迭代精进最后实现大模型和MaaS真正的商业可持续这更需要生态。所以真正重视大模型真正重视MaaS的玩家一定会不遗余力打造生态。
在MaaS新范式的游戏规则中大模型决定了一开始走多快生态决定了最后走多远。
【关于科技云报道】
专注于原创的企业级内容行家——科技云报道。成立于2015年是前沿企业级IT领域Top10媒体。获工信部权威认可可信云、全球云计算大会官方指定传播媒体之一。深入原创报道云计算、大数据、人工智能、区块链等领域。
