Gartner于近日最新发布2024年中国数据、分析和人工智能技术成熟度曲线,该曲线显示,未来两到五年,大量具有颠覆性或较高影响力的创新技术可能会实现主流采用。其中AI相关的创新包括复合型AI、决策智能、国产AI芯片、LLM和多模态GenAI。
Gartner研究总监闫斌表示:“到2027年,超过60%的企业机构将把AI素养纳入数据和分析战略,而目前这一比例还不到 5%。到2028年,50%构建于2023年之前的中国数据和分析平台,将因为与生态系统脱钩而过时。 到2028年,30%的企业机构将把数据变现或数据入表纳入其数据战略。”
(图一、2024年中国数据、分析和人工智能技术成熟度曲线)
与AI相关的几项创新技术
复合型AI
复合型AI是指组合利用(或融合)不同AI技术来提高学习效率、生成层次更丰富的知识表示。复合型AI提供了更丰富的AI抽象机制,并最终提供了一个能够以更有效方式解决更广泛业务问题的平台。复合型AI可为中国企业带来两大益处。第一,将AI的力量推广至无法访问大量历史或标签数据、但拥有大量人类专业知识的企业机构。第二,扩大AI应用的范围,提升此类应用的质量,这也意味着能够应对更多类型的推理挑战。根据所应用的具体技术,还可产生其他一系列益处,包括提高可解释性、韧性,以及支持增强智能。
国产AI芯片
由于美国对高性能AI芯片的限制,中国企业不得不自行研发AI芯片,以满足本土AI快速发展的需求。
最新的生成式人工智能(GenAI)技术需要使用数千个AI加速器来训练基础模型和支持推理工作负载。由于先进制造工艺的限制,国产AI芯片的性能落后于全球领先供应商产品的性能。因此,中国企业需要对AI基础设施进行更多投资。IT领导者应将重点放在AI应用上,而不是使用针对推理工作负载优化的国产AI芯片来训练基础模型上。
LLM
大语言模型(LLM)是一种使用大量无标签文本数据进行训练的AI基础模型。借助大语言模型,应用可以完成一系列任务,包括回答问题、内容生成、内容摘要、检索增强生成 (RAG)、代码生成、语言翻译和会话聊天。
此类模型拥有广泛的应用场景,包括文本生成、问答系统构建、文档总结和分类、文本翻译和编辑等。
多模态GenAI
多模态生成式人工智能(GenAI)能够在生成式模型中组合利用多种类型的数据输入和输出,例如图像、视频、音频、文本和数值型数据。多模态功能允许模型与不同模态下的输出进行交互,并生成相应的输出,有效提升了GenAI的可用性。
多模态GenAI支持添加以往难以实现的新特性和功能,将对企业应用产生颠覆性影响。目前,多模态模型通常仅限于两种或三种模态,但未来几年内,将涵盖数量更多 的模态。
好文章,需要你的鼓励
自2022年底生成式AI革命爆发以来,服务器支出也存在类似的态势。一旦企业发现自己必须投资购置或者租用搭载GPU加速器的设备,往往会选择扩展现有服务器机群,被用于投资新设备的支出则自然随之下降。英特尔正在加大对其“Sapphire Rapids”至强SP的投入,AMD在其“Genoa”Epyc 9004处理器上也采取了同样的做法。
生成式人工智能在企业中的一个突出用例就是客户服务和支持。大多数读者可能都曾作为客户经历过与传统自动客服系统打交道的沮丧。但这种情况正在发生变化,这要归功于时下强大的大型语言模型和自然语言聊天机器人。虽然有报告显示,我们在处理复杂或敏感的咨询时仍然更愿意与人类交谈,但在提供简单的帮助时,机器人的能力已经越来越强了。
从电子商务到非营利组织,利用企业数据资产可能是组织成败的关键。机器学习和生成式AI是其中的一个组成部分,但要成功地应用这些技术则评估AI对业务的实际影响。
在对生成式AI进行了近两年的试验之后,许多IT领导者已经准备好扩大规模了。然而,在此之前,他们需要重新考虑数据管理问题。