毫无疑问,ChatGPT是今年的世界顶流……
相关数据显示:OpenAI网站的流量在4月份就超过了18亿,进入了全球流量排名前20,同时也引发了AIGC的热潮。IDC也做出预测:2026年全球人工智能市场规模达到820亿美元,其中80%左右可能都是与AIGC相关的应用。
站在时代的风口,AI大模型如雨后春笋,层出不穷。文心一言、通义千问、紫东太初等中国一批通用化大模型正在快速发展。按照中国科技部新一代人工智能发展研究中心5月底发布的《中国人工智能大模型地图研究报告》显示,中国10亿参数规模以上的大模型已发布79个。
“百模大战”似乎格局已定,但也为新AI时代的发展提出了深层次的思考:
如今AI正成为一种通用的技术能力,但对行业客户而言,这种“通用大模型”能力如果不能结合企业训练数据和行业知识库,形成行业客户的专有模型,就像是“珍珑棋局”一样,布局再精巧,也像是一个美轮美奂的“笼子”,将行业AI锁在了象牙塔,做不到普惠行业。
这样的“珍珑棋局”,要如何破解?
行业AI“破题者”IBM
《智能时代:大数据与智能革命重新定义未来》中预言,传统的行业都将采用智能技术实现升级换代,也会改变原有的商业模式。AIGC的轰然了来袭,也的确让我们看到了这种可能性。
( IBM大中华区董事长、总经理 陈旭东 )
如IBM大中华区董事长、总经理陈旭东所说,ChatGPT的横空出世,证明了大语言模型是一条走得通、通往未来AI的道路,也意味着AI的发展经过几十年的算法、算力、数据方面的量变积累,“质变时刻”已经到来。
但在巨大的机遇面前,AI实现大规模行业应用的挑战同样存在:
首先,行业里遇到的问题,如何转化成AI可以解决的问题,如何将行业知识与AI结合;第二,如何降低AI的算法、模型开发门槛,让AI可以普惠;第三,将AI顺利部署到实际的生产系统去中,始终都是一个系统性的难题。
这些难题,不仅与AI相关,更与企业自身的业务逻辑相关。
当“让AI成为核心生产力”成为了企业领导的迫切需求。一向以客户需求为导向的IBM推出了新一代AI与数据平台IBM watsonx,并宣布在中国市场落地。旨在赋能中国本土企业使用可信数据,负责任、规模化地构建、应用和扩展领先的AI技术,提升竞争力。
过去多年,IBM对AI技术的投入,长期而又坚决。早在1997年,IBM开发的深蓝(DeepBlue)国际象棋超级计算机在6局比赛中击败世界冠军加里·卡斯帕罗夫(Garry Kasparov),震惊了整个世界。25年后,watsonx接过了IBM在AI技术探索的“接力棒”,成为了行业AI的“破题者”,陈旭东说,“根据企业自身的业务需求、使用企业自己的数据,IBM watsonx将为他们量身定制生成式AI解决方案和模型。”
行业AI模型,并不是越大越好
大模型之所以为“大”,是其参数规模的数量级决定的。其实在ChatGPT之前,2020年的GPT-3就已经名震世界,拥有1750亿个参数的GPT-3开启了千亿规模的大模型时代。也正因为“大”,而不够专,使得大模型在“狂欢”之后,与企业应用之间的距离,仍然没有被明显的拉近。实际上,在企业应用当中,部署AI的目标是模型能够解决其特定的问题,企业当然就希望这个模型越小越好,因为越小越灵活,越小才更加节能、更加有效。
( IBM大中华区首席技术官、研发中心总经理 谢东 )
相比于大模型,IBM大中华区首席技术官、研发中心总经理谢东认为,“企业应该关注一个更核心也更广泛的概念——基础模型。企业一旦拥有一个基础模型,团队就可以比过去更轻松地构建AI和衍生AI应用来支持多个不同的任务,基础模型的灵活性和可扩展性会大大加速企业对AI的采用。”
基础模型的概念是在2021年8月,由斯坦福大学人类中心人工智能研究所(HAI)下属的基础模型研究中心(CRFM)正式提出,而其实早在五年前,IBM就开始研究基础模型。
企业为什么应该选择基础模型?因为企业级应用,除了大语言模型还会有不同的应用场景,比如IT的自动化模型、数字劳动力的模型、网络安全模型等等,这些不同的专业模型组合,才支撑起企业的应用。
而作为基于一种特定类型的神经网络架构,尽管基础模型也需要前期大量投资,但每次使用时,它都会摊销AI模型构建的初始工作,因为微调基于基础模型构建的其他模型的数据要求要比从头开始构建低得多。这既可以大幅提高投资回报率,又可以大大缩短上市时间,这就大大的减轻了企业迈向AI的负担,降低了行业AI的准入门槛。
这也是为什么IBM提出:要从数据为先的“+AI”时代,迈入AI为先的“AI+”时代的先决条件。只有模型足够简单和轻量,并结合行业的知识库,以及保证数据安全的AI,才是行业客户所需要的AI。
谢东提出,“行业AI需要具备几大特征,第一是AI的可信性;第二是适应性要更强;第三是足够的可扩展性”。
也正是基于这些特征,IBM watsonx作为新一代AI与数据平台诞生了。它包含watsonx.ai,watsonx.data,watsonx.governance三个模块,帮助企业建立起人工智能的基础能力。同时,围绕新一代生成式人工智能建立起企业级的应用。
为什么是IBM watsonx?
我们知道,Watson这个词原本是IBM创始人老沃森和文化奠基人小沃森的名字,在2011年后Watson成为了IBM人工智能的代名词,更是企业级AI的代名词。
( IBM大中华区科技事业部总经理、中国区总经理 缪可延 )
IBM大中华区科技事业部总经理、中国区总经理缪可延表示,今天,IBM推出的新一代的AI与数据平台同样用“watson”来命名,后面加上了一个蓝色的“x”。这个“X”代表未知的无限可能,“X因子”也是催生奇迹的关键:它是开放向善的,并需要一批有高瞻远瞩的洞察力、有领导力,愿意跨越行业壁垒,愿意携手共创打造一个生态圈的行业领导者一起努力,才能确保在这个AI时代里取得成功。
的确,AIGC对各项底层技术,应用技术和应用场景的考验都在加剧,生态各界也需要携手将这些衍生出来的难题,一一突破。
watsonx不仅是基于领先的企业级开放技术,也是以平台的方法,通过构建和扩展广泛而强大的生态,从存力、算力、企业级AI应用到咨询服务,为企业提供全栈的核心能力。
AI时代对存储提出了很多新的要求。比如AI计算会用到海量的文件,最初的10亿GB是大规模,但是在大数据时代,10亿可能就是刚刚起步。再到AIGC时代,数据产生的速度更快,有更多的数据产生出来,如此多的数据对存储系统的可扩展性提出了很高的要求。另外,千亿的大模型的训练周期是在20天到1个月的规模,期间不能中断,这又要求存储系统既要提供高性能,而且要持续稳定地输出。
面对AI时代的存力挑战,IBM大中华区存储业务总经理侯淼说,“IBM Storage Scale提供了一个数据平台,它能够支持多种协议,满足不同数据互联互通,也能实现水平扩展,特别是通过局部数据缓存等技术,能在线拓展同时,不损失性能,同时能够进行自动的管理,包括数据相关的管理和备份。是针对人工智能,解决客户有关性能和扩展能力以及相关管理的一个非常重要的数据平台。”
在AI算力方面,IBM大中华区主机及LinuxONE总经理李航表示,“IBM宣布把基于watsonx.ai基础模型能力的产品IBM watsonx Code Assistant封装到主机,推出了一个新的解决方案IBM watsonx Code Assistant for Z。它利用生成式AI代码的功能,加速实现主机COBOL应用程序的Java现代化改造。这个发布也封装了ADDI这个工具,它是主机里的一个应用工具,可以帮企业做到几点:第一就是梳理主机里的应用,第二可以重组,也可以测试,这些都是一体化封装在主机上的。”
在企业级AI应用维度,IBM在中国市场早已结出累累硕果。上海洲邦信息科技、菜鸟科技、苏州环球科技、悠桦林信息科技等国内知名的创新企业,均与IBM携手在AI应用的探索上形成了标杆性的案例。
( 参加waxtsonx发布活动的IBM发言人及客户、合作伙伴代表 )
不得不承认一个事实:“百模大战”的热火朝天,但没有解决任何行业AI实质性的问题,而IBM watsonx早已经在“企业如何迈向AIGC时代?”这个课题上给出了自己的答案。
如陈旭东所说,“在过去67年以来孜孜不倦的探索历史里,IBM一直是AI从技术到理论到应用非常重要的一个推动者。我们也抓住了这个历史机遇来,推动IBM下一步的战略,除了混合云+AI之外,IBM也与合作伙伴一起,将很多行业AI应用带给客户。”IBM watsonx平台在正式发布之前,在全球已经有150家领先的行业客户参与产品的试用计划,早期客户试用结果显示,企业采用watsonx.ai利用基础模型的方法部署AI比传统方法提速70%;采用watsonx.data的开放式湖仓一体式架构实施AI就绪的数据存储,可以节约一半成本(降本50%)。
有技术的沉淀,有行业需求的认知,有对AI时代的准确的判断,有全球化的战略支撑,IBM实际上已经破解了行业AI的“珍珑棋局”。(作者: 科技正能量 郑凯)
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
