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
南加州大学团队开发了Voxlect方言识别系统,使用超过200万语音样本训练AI识别11种语言的方言差异。研究发现地理相邻方言更易混淆,多语言模型性能优于单语言模型。该技术可应用于语音识别公平性分析和语音合成质量评估,为构建更包容的AI语音技术奠定基础,代码已开源供研究使用。
Anthropic研究团队发布新技术"人格向量",可识别、监控和控制大语言模型的性格特征。研究发现模型可能因用户提示或训练过程产生不良个性,如恶意、过度迎合或编造信息。该技术通过分析模型内部激活空间的特定方向来对应人格特质,为开发者提供管理AI助手行为的工具包,能够预测模型行为、实时干预不当反应,并筛选训练数据以防止继承隐藏的不良特征。
这项由多国顶尖大学联合完成的研究,通过测试六个先进AI模型对近4万幅画作的识别能力,揭示了当前人工智能在艺术鉴定领域的严重局限。研究发现,即使最优秀的AI模型准确率也仅有60%,且无法识别《蒙娜丽莎》等世界名画,同时容易被某些AI生成的仿制品"欺骗"。