玩币族移动版

原文来源：AGI创新实验室

根据彭博行业研究?(Bloomberg Intelligence)?分析师在今年早些时候发布的一份新报告称，AI?行业在十年内可能会以?42%?的速度扩张，这首先是由训练人工智能系统所需的基础设施需求推动的，然后是使用人工智能模型、广告和其他服务的后续设备的需求。?ChatGPT?和?Google?的?Bard?等以消费者为中心的?AI?工具的发布将推动长达十年的繁荣，使?AIGC市场的收入从去年的?400?亿美元增长到?2032?年的估计?1.3?万亿美元。

图片来源：由无界 AI? 生成

生成式?AI（AIGC）正在获得更广泛的采用，尤其是在商业领域。

例如，最近，沃尔玛宣布将向?50,000?名非商店员工推出一款?AIGC?应用程序。 据?Axios?报道，该应用程序将沃尔玛的数据与第三方大语言模型?(LLM)?相结合，可以帮助员工完成一系列任务，从加快起草过程到充当创意合作伙伴，再到总结大型文档等等。

此类部署有助于推动训练强大的深度学习模型所需的显卡?(GPU)?的需求。显卡?GPU?是专门的计算处理器，它并行执行编程指令，而不是像传统中央处理单元?(CPU)?那样顺序执行。

据《华尔街日报》报道，训练这些模型“可能会让公司花费数十亿美元，因为他们需要摄取和分析大量数据。”?这包括从?GPT-4?到?LaMDA?的所有深度学习和基础法学硕士，它们分别为?ChatGPT?和?Bard?聊天机器人应用程序提供支持。

AIGC趋势为?GPU?的主要供应商?Nvidia?提供了强大的动力：该公司公布了最近一个季度令人瞠目结舌的收益。 至少对于?Nvidia?来说，这是一个繁荣的时期，因为几乎每个大型科技公司都在试图获得他们的高端?AI?显卡。

艾琳·格里菲斯?(Erin Griffiths)?在《纽约时报》上写道，初创企业和投资者正在采取非常措施来获得这些芯片：“科技公司今年极其渴望的不是金钱、工程人才、炒作甚至利润，而是对?GPU?的渴望。”

本·汤普森?(Ben Thompson)?在本周的?Stratechery?时事通讯中将其称为“站在山顶上的?Nvidia”。 谷歌和?Nvidia?宣布建立合作伙伴关系，谷歌的云客户将能够更多地访问由?Nvidia GPU?提供支持的技术，这进一步推动了这一势头。 所有这些都表明，面对需求激增，目前这些芯片的稀缺性。

当前的需求是否标志着新一代?AI?的巅峰时刻，或者可能预示着下一波发展的开始？

英伟达首席执行官黄仁勋在公司最近的财报电话会议上表示，这种需求标志着“加速计算”的曙光。 他补充说，对于公司来说，明智的做法是“将资本投资从通用计算上转移出来，重点放在生成人工智能和加速计算上。”

通用计算是指为各种任务而设计的?CPU，从电子表格到关系数据库再到?ERP。?Nvidia?认为?CPU?现在是遗留基础设施，开发人员应该优化?GPU?代码，以便比传统?CPU?更有效地执行任务。

GPU可以同时执行许多计算，这使得它们非常适合机器学习?(ML)?等并行执行数百万计算的任务。?GPU?还特别擅长某些类型的数学计算，例如线性代数和矩阵操作任务，这些是深度学习和人工智能的基础。

然而，其他类别的软件（包括大多数现有的业务应用程序）已针对在?CPU?上运行进行了优化，并且从?GPU?的并行指令执行中获益甚少。

Thompson似乎持有类似的观点：“我对黄仁勋观点的解释是，所有这些?GPU?将用于当前在?CPU?上运行的许多相同活动； 这对英伟达来说无疑是一个乐观的观点，因为这意味着追求生成式?AI?可能产生的产能过剩将由当前的云计算工作负载来填补。”

他继续说道：“话虽如此，我对此表示怀疑：人类和公司都是懒惰的，基于?CPU?的应用程序不仅更容易开发，而且大多已经构建完成。 我很难想象哪些公司会花时间和精力将已经在?CPU?上运行的东西移植到?GPU?上。”

InfoWorld的?Matt Assay?提醒我们，我们以前见过这种情况。?“当机器学习首次出现时，数据科学家将其应用于一切，即使有更简单的工具。 正如数据科学家?Noah Lorang?曾经指出的那样，“只有一小部分业务问题最好通过机器学习来解决； 他们中的大多数人只需要良好的数据并理解其含义。”

关键是，加速计算和?GPU?并不能满足所有软件需求。

受当前开发新一代?AI?应用程序的热潮推动，Nvidia?本季度表现出色。 公司自然因此而热情高涨。 然而，正如我们从最近的Gartner?新兴技术炒作周期中看到的那样，新一代?AI?正在迎来一个时刻，并且正处于过高期望的顶峰。

奇点大学和?XPRIZE?创始人?Peter Diamandis?表示，这些期望是为了看到未来的潜力，而不会带来任何负面影响。?“在那一刻，炒作开始引发毫无根据的兴奋和过高的期望。”

就这一点而言，我们很快就会达到当前?AIGC?热潮的极限。 正如?SK Ventures?的风险投资家?Paul Kedrosky?和?Eric Norlin?在他们公司的?Substack?上写道：“我们的观点是，我们正处于第一波基于大型语言模型的人工智能浪潮的尾声。 这一浪潮始于?2017?年，随着?[Google] Transformer?论文（《注意力就是你所需要的》）的发布，并在未来一两年的某个时候结束，人们面临着各种限制。”

这些限制包括“产生幻觉的倾向、狭窄领域的训练数据不足、多年前的训练语料库已经过时，或者无数其他原因。”?他们补充道：“我们已经处于当前?AI?浪潮的尾端。”

需要明确的是，Kedrosky?和?Norlin?并不是认为?AI?已经走进了死胡同。 相反，他们认为需要进行实质性的技术改进才能实现比“马马虎虎的自动化”和有限的生产率增长更好的目标。 他们认为，下一波浪潮将包括新的模型、更多的开源，尤其是“无处不在/廉价的?GPU”，如果正确的话，这可能对?Nvidia?来说不是一个好兆头，但将使那些需要该技术的人受益。

正如《财富》杂志指出的那样，亚马逊已经明确表示其意图直接挑战英伟达在芯片制造领域的主导地位。 他们并不孤单，许多初创公司也在争夺市场份额——包括?AMD?在内的芯片巨头也是如此。 挑战占主导地位的现任者是极其困难的。 至少在这种情况下，扩大这些芯片的来源并降低稀缺技术的价格将是开发和传播?AIGC?创新浪潮的关键。

尽管当前一代模型和应用程序存在局限性，但?AIGC?的前景一片光明。 这一承诺背后的原因可能有几个，但也许最重要的是整个经济中代代相传的工人短缺，这将继续推动对更高程度自动化的需求。

尽管?AI?和自动化历来被视为分开的，但随着?AIGC?的出现，这种观点正在发生变化。 该技术日益成为自动化和生产力的驱动力。 工作流程公司?Zapier?联合创始人?Mike Knoop?在最近的?Eye on AI?播客中提到了这一现象，他说：“人工智能和自动化正在崩解成为同一个事物。”

当然，麦肯锡相信这一点。 他们在最近的一份报告中表示：“AIGC?有望释放下一波生产力浪潮。”?他们并不孤单。 例如，高盛表示，新一代人工智能可以使全球GDP增长7%。

无论我们是否处于当前一代人工智能的顶峰，它显然都是一个将继续发展并引发整个企业辩论的领域。 尽管挑战巨大，但机遇也同样巨大——尤其是在一个渴望创新和效率的世界中。?GPU?统治地位的争夺只是这个展开的叙述中的一个快照，是人工智能和计算未来篇章的序幕。

参考资料：

https://venturebeat.com/ai/generative-ai-at-an-inflection-point-whats-next-for-real-world-adoption/