大模型背景下，AI基础软件的实践路径是什么
而在预计推出的大模型方面，由于同样受限于传统深度学习的方式，大模型技术在可解释性上依然存在挑战。
赛迪顾问最近提出一则观点：国内企业在大模型发展方向研判上呈现出跟随式发展态势。例如GPT4开启多模态大模型发展方向后，国内先发大模型也纷纷发展多模态，如何摆脱跟随式发展路径依赖，构建自主可控创新型大模型是当前重点任务。
大模型预计为产业带来了巨大影响，但同样存在不小的应用风险和商业化成本问题。这值得思考。从目前来看，大模型在企业场景中的应用形态还比较单一，更多局限于语音/文字交互，如金融行业可能就是一张金融报表或检索工具。
但大模型已经在增强模型泛化能力，意味着AI落地性增强了，与此同时也在对过去的基础设施进行冲击，过去需要的是计算、存储、网络三要素，而现在带宽支撑已经远远不够，算力密集型应用场景中需要大量的算力建设。
尚明栋认为，未来影响大模型多样化路径发展的三大重要因素，算力、数据和基础软件。未来随着算力性能逐渐同质化和标准化，数据的差异性和企业需求的个性化逐渐加大。作为模型生态系统的中坚力量，AI基础软件将会成为大模型应用落地的最主要的效率支撑，并通过大模型+小模型的方式，形成模型训练新范式。
以下为钛媒体与尚明栋的对话，主要解读了当下产业趋势、大模型带来的影响，以及九章云极在其中扮演的角色。以下内容经摘编：
钛媒体：如何理解九章云极在做的大模型基础设施？
尚明栋：其实我们偏向于行业构建大模型，这与九章云极一开始的定位有关，一是服务于多个行业，二是打造的工具栈基本也是面向ToB为主。目前已经非常明显地出现了行业模型的分化，所以我们更多也是基于行业构建大模型，或者说行业小模型。
钛媒体：但难度还是存在的，除了算力和数据，是不是意味着会跟业内其他大模型企业合作？
尚明栋：从长远看，大模型跟小模型一样会更加趋同化，对算力的成本消耗会持续降低。之所以说“大”，其实讲的是它具备一定的数据规模和技术门槛，同时起应用领域得以进行非常多的扩大。大模型会逐渐构成一个新的产业链分工，因此AI的工业落地一定会落实到对于某个具体业务的价值体现。
例如大模型中涉及的专业知识库的构建，原先可能都需要数据分析师利用SQL语言进行软件涉及，而未来可能直接通过自然语言交互，从而降低了很多对专业性技能的依赖。从这个角度上，我们也会有自己的长期定位。
钛媒体：领域大模型或垂直大模型，如果引入银行客服、风控、反欺诈等场景，大模型的底层应用逻辑是什么？看到或预判了什么样的场景？
尚明栋：坦白讲我不能列举太多，但我们的思考是，过去小模型解决的是“场景”，大模型往往代替的是“分工”和“角色”。大模型一方面为企业带来了收益，同时也在为企业节省出了人工成本。根据这样一个逻辑，与我们自身行业生态结合比较紧密的，或者说消耗了大量人力成本的环节，更有可能成为被大模型替代或驱动的目标，也是我们努力的方向。
目前银行业的风控、营销、运营等场景，都在非常密集地使用AI模型，用于替换原有的专家规则系统，本质上起到了开源节流的效果。
钛媒体：九章云极在开源方面也做了一些工作，比如因果学习YLearn、实时交互式分析DingoDB，观察国内外的企业组织，有哪些在开源生态运营或培育种子客户方面，有哪些值得借鉴或可以超越的地方？
尚明栋：我们希望能够持续在开源社区发声，更好地提高项目框架的开发者活跃度。但就今天而言，在开源生态运营方面，我们其实也有短板，或者能力会相对有限。我们会积极参与到开源生态里，对于需要行业工程化或能力复用的部分，会更好地根据行业或企业特性进行支持。
以DingBD为例，DingBD的出现本质上是源自其行业客户在实时数据应用过程中的能力不足。例如某企业客户此前搭建了一套传统数仓，后来又因非结构化数据搭建了数据湖，并引入流数据能力，以实现数据服务的实时化。
但在这个过程中，随着模型应用的实时化，会发现越来越多的模型在训练和推理过程中所需的实时框架，是原先内存式数据库所不能满足的。在解决存储问题的同时，实现高并发的实时计算，DingBD原先解决的就是这样一个问题。
如今随着行业数据的丰富，最早的键值数据库的定义已经在改变，我们也会进行新的升级，在支持高并发的同时，提供支持存储的交互式数据库。
钛媒体：目前客户应该是国央企占多数，所以是因为有这样的客户群体，最终决定了产品设计，包括推出云中云战略？
尚明栋：这里面国央企占了绝大多数。结合国家在十四五期间对于大数据、人工智能的定调，我们认为中国数字经济的三家马车，一定是算力、云计算和大模型。所以作为一家企业，也是顺应时代潮流，积极参与到国家在大数据和人工智能的生态建设中。
钛媒体：服务这类客户时，比如会提及数据安全层面的话题，怎么呈现这样一个数据战略？会参与数据云建设吗？
尚明栋：单从技术趋势看，面对数据出现了存算分离，这其实有益于上一代存算一体背景下对数据分析的新范式。数据云，可能更偏向于集中化数据标准能力建设或者更偏向于“存”，而我们提供的是怎么能让企业高效计算并支撑上面的应用。
就目前所服务的客户需求而言，基本属于数据密集型业务，需要一定的算力规模，同时客户自身也具备一定的技术能力。
钛媒体：哪些行业是数据密集型，其典型的需求特征是什么？
尚明栋：数据不会凭空产生，未来模型也是数据资产的一部分，从趋势上看，数据的产生是一个持续建设的过程。例如，互联网行业属于信息化与数据更加密集的行业。
九章云极最早进入的其实是金融银行业，然后逐步拓展至证券、保险、基金，进而从金融行业延伸到了运营商、智能制造、交通、能源电力等行业。另外，伴随企业信息化建设的延续，如物联网感知设备数量的增长，产生了非常多的非机构化、半结构化数据。
钛媒体：这些数据是可以高效利用的吗？
尚明栋：所谓理想的高效利用还有距离，但从趋势上来讲，我认为行业对于数据资产的价值体现上，已经有明显都带有对数据资产价值的高度共识。
（本文首发钛媒体APP，作者|杨丽）返回搜狐，查看更多
tensorflow 什么时候支持amd显卡 人工智能的三大素是什么
人工智能的三大素是什么？人工智能的三要素：数据、算力和算法。这三要素互为因果，全是人工智能提出成就的必备条件。
人工智能英文缩写为AI。它是做研究、的新用于模拟、伸延和储存人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并加工生产出一种新的能以人类智能相似的表现出反应的智能机器，该领域的研究除开机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从自然诞生以来，理论和技术日益成熟，应用领域也不断扩大，这个可以设想，未来人工智能给予的科技产品，城就会是人类智慧的“容器”。人工智能这个可以对人的意识、思维的信息过程的模拟。人工智能并非人的智能，但能像人那样的话努力思考、也很可能最多人的智能。
人工智能智能研究理论人类
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任。如有侵权/违法内容，本站将立刻删除。