2017年,Alpha Go一战成名,这一年也成为AI的一个重要转折点,因为人们看到了人工智能可以创造不可估量的商业价值。
Forrester数据显示,在2020年,企业在应用AI技术时面临的最大挑战还是技术不够成熟,但到了2021年这一挑战已经退居第十位。AI应用已经跨越技术不够成熟阶段,开始进入到规模化发展阶段。
现在像自然语言处理、机器学习、机器视觉等诉求在市场、资本上已经逐渐凸显,AI+其实早已渗透在人们生活的方方面面。
虽然AI+正如火如荼的推进中,但在AI落地上还是有一定的难点。在Forrester首席分析师穆飞看来,主要体现在AI工程化能力,因为开发少量AI模型并不难,开发、部署、监控成百上千个AI模型的工程化却难度较大。
AI的发展始终离不开数据、算法和算力这“三驾马车”,短短几年间AI技术实现了飞速的发展,都是源于三者循环增强的关系。数据和算法都离不开算力的支撑,数据的不断增加需要更强的算力处理数据,同时人工智能不断训练、应用又催生更多数据反过来对算力提出需求。
当然还有一个重要问题就是AI成本居高不下,在算力上,AI的性能变得更强,所需的算力也大幅攀升;在应用上,AI并非即插即用,它不会自己训练自己,也不可能自我修复,这些都需投入大量人力;在效率上,一个AI模型从研发到一个产品,经历周期复杂,流程分散且欠缺标准化,导致开发效率低。
数据清洗标注、算法量产、算力优化、生产过程标准化等等方面都是降低AI成本、提高效率、实现规模化的因素。
“企业提高使用AI的效率可以从更高效的数据准备(如feature store)、自动化建模以及ModelOps工具链入手。”Forrester首席分析师穆飞认为,企业需要一种科学的AI治理方式,可以借鉴ModelOps方法论,模型开发仅仅是第一步,应该持续监控并根据结果及时更新模型,形成流程化、标准化的闭环。
企业在衡量AI价值上也不能一味追求技术先进性,要更多落实到业务流程,通过业务价值来衡量。当AI广泛与决策系统联动时,也将变革企业的根本运营模式,超4000亿的中国市场规模也并非空想。
《数字化转型方略》2022年第9期:http://www.zhiding.cn/dxinsight/2209
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。