最近一段时间,各种计算大会相继召开。前几年我们一直在谈建设算力底座成为经济发展的基础,现在我们更多在谈智算,甚至异构智算,已成为生成式AI发展的基石。
从PC时代到移动互联网时代,再到如今的AI时代,每一轮技术变革都在不断降低使用门槛和开发门槛,智算的发展也将进一步降低生成式AI的应用,使其可以快速推进。
生成式AI的成功并非偶然,一方面是大模型能力的引入,一方面就是智算在多个层面的支撑。从海量数据的快速处理到模型的训练推理,智算为生成式AI的创新提供了无与伦比的动力。
智算不仅仅是计算能力的提升,更是数据处理、算法优化和资源管理的综合体现。智算的普及将推动各行各业的数字化转型,实现更精准的数据分析,优化决策过程,提升效率等。
例如,零售行业正在利用智算支撑的AI,分析客户数据,实时调整库存和促销策略。商家能够预测消费者的需求变化,进而优化供应链,提高整体运营效率,提供更精准的购物体验。
但大模型训练不仅关系到企业的算力成本,也与业务方向和资金周转效率密切相关。企业需要根据自身的需求选择自建、租用、公有云等不同的模式。
很多智算服务商都已经构建了包括大模型训练、推理、训推一体以及边缘推理在内的AI全场景服务器产品组合,为生成式AI算力成员发展提供全面的支撑。
同时生态合作也在不断拓展中,因为不同的行业、不同的场景都有大量的“最后一公里”问题要解决,集合生态的力量可以更好地帮助生成式AI平稳落地。
本期《数字化转型方略》我们将进一步探讨智算产业的发展方向,以及如何更好地支撑生成式AI的发展,因为只有产业的蓬勃,才能看到更多生成式AI在企业落地应用。
未来让算力变得更智能这件事还会不断推进,为生成式AI发展持续铺路。
《数字化转型方略》2024年第10期:http://www.zhiding.cn/dxinsight/2410
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。