两年前的一天，OpenAI的员工接到了一项意外任务：快速发布一个聊天机器人。
当时，一位高管宣布这款聊天机器人将被称为“GPT-3.5”，原本定在两周后免费向公众开放使用，而后又改变了主意。
据了解，OpenAI的其他成员认为，使用旧模型快速推出新产品，可以帮助他们收集反馈，以改进新模型。于是他们决定重新开始，使用了2020年推出的GPT-3语言模型的加强版，更新一个尚未发布的聊天机器人。
13天后，ChatGPT诞生了。
ChatGPT在首次亮相的几个月里已经成为了一个全球现象，数百万人用它来写诗、开发应用程序和进行临时治疗。
如今，大多数新闻媒体、营销公司和商业领袖们对ChatGPT的赞扬让其“皇冠加身”，而ChatGPT也顺理成章地引发了众多投资者的狂热，他们试图在人工智能热潮的下一波浪潮中分一杯羹。
随着ChatGPT的爆火出圈，以大模型、大数据，高算力为基础的人工智能内容自动生成技术（AIGC）被推上“热搜”，进而打开市场对算力需求的想象空间。
近年来，算力正在慢慢渗透于人们日常生活的方方面面，各类融合应用竞相涌现。
那么，云计算和人工智能技术究竟有怎样的联系？作为算力基础设施的云计算是否也能乘着人工智能的风，释放大数据潜能、推动数字产业发展呢？
AI与云计算强强联合
一般来说，人工智能是编程计算机为自己做决定的过程，这项技术创造了能够独立推理、学习和行动的智能应用程序。
目前，人工智能研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示六大方向，目前机器学习的应用范围还是比较广泛的，比如自动驾驶、智慧医疗等领域都有广泛的应用。
与传统数据分析技术相比，人工智能立足于神经网络，就像人脑一样，人工智能在进化时可以发展出发散性的神经网络，从而进行全面的机器学习。
与传统算法相比，人工智能算法并无多余的假设前提，而是完全利用输入的数据自行模拟和构建相应的模型结构，这一算法特点决定了它是更为灵活且可以根据不同的训练数据而拥有自优化的能力，同时也带来了显著增加的运算量。
在算力取得突破以前，大数据的优势几乎无处发挥，更别说人工智能的运用。
如今，人们正在进入一个数据量迅速膨胀的时代，少量服务器已经不能解决问题，于是人们开始聚合多台服务器的力量，利用云平台实现海量数据的分析与整合。
伴随着云计算的发展，高速并行运算、海量数据、更优化的算法共同促成了科技发展的突破，也为人工智能在云计算中的发展应用提供了更多的可能。
云计算通过互联网提供计算服务，包括服务器、存储、数据库、网络、软件、分析和智能，以提供更快的创新、灵活的资源和规模经济，而人工智能可以帮助云提供商为客户提供更智能和个性化的服务。
例如，人工智能可以自动发放和管理云资源，优化云基础设施，保护云中的数据和应用程序。我们还可以在云计算中使用人工智能来开发新的云服务，比如声控助手和预测分析。
对于各种规模的企业来说，云计算正变得越来越流行。它提供了许多好处，包括能够快速轻松地扩展，提供现收现付定价，以及增加的灵活性和敏捷性。
而“人工智能+云计算”作为一个庞大的高新技术合集，正在作为一种新经济业态开始萌芽，越来越多的云计算企业开始拥抱人工智能，用“人工智能+云计算”助力技术和产业的进一步发展。
在云计算与大数据成熟的沃土上诞生的人工智能可谓是天选之子，随着新科技时代的到来，人们的生活正在更加紧密地与人工智能和云计算等新科技联系在一起。
Web3云能为AI发展带来什么？
上文我们谈到，移动互联网时代带来的海量数据、模型和算力的不断迭代，以及各类应用场景中的商业化尝试，为人工智能的商业化奠定了坚实基础，未来有望加速释放人工智能产业动能。
根据著名咨询机构德勤的预测，全球人工智能产业规模预计从2017年的6900亿美元增长至 2025年的6.4万亿美元，复合增长率达32.10%。
而云计算产业也已走过了从炒作到广泛采用的道路，如今的云计算就像动力单元，正在为人工智能提供源源不断的能量源泉。
然而，上述我们所介绍的云计算仅包括传统的中心化云。随着Web3基础设施在近两年迎来关键发展阶段，在此期间，Web3云正在先于应用捕捉到更高的行业价值。
在这条极具潜力的赛道中，Phala Network算得上是综合性实力雄厚的代表之一。
Phala Network的核心是云计算网络，同现行的云服务相比，它不仅能提供庞大的分散算力，还能向受监管的程序提供隐私保护，以及维护区块链的安全和去信任化属性。
除此之外，Phala Network还能自由地与其它去中心化智能合约、存储协议、数据索引服务结合，连接互联网上众多分布式设备的云算力，从而保证在低成本、高效运营的情况下实现真正的去中心化。
那么，对比传统的中心化云，Phala Network所构建的Web3云计算网络究竟能为人工智能的发展提供什么？以下我们一一拆解：
- 更低的成本和更广的算力
通过区块链将人工智能与云计算结合使用的最吸引人的因素是其成本的显著降低。
相较于传统的云计算为用户提供中心化机器和服务，Phala Network连接了来自世界各地的分散算力，闲置资源的投入和使用使得人工智能的算力成本得到了更加明显的降低。
另外，Phala采用了“链上共识、链下计算”的模式。
其中，链下计算节点不受共识算法的约束，通过并发编程可结合多个节点的计算能力，即便是面对人工智能繁重的计算任务，Phala也能为其提供源源不断的算力服务。
- 去信任的人工智能生态
寻找人工智能时代隐私保护、政策监管、商业诉求的平衡点，已经成为迫切需要解决的问题。
Phala Network基于Secure Enclave可信执行环境所构建，这就意味着即使是恶意的节点也无法窃取人工智能的数据或操纵其自动化程序的执行、提供虚假结果。
通过Phala所提供的去信任化的计算环境，人们可以不必有中心化控制的担忧，通过底层技术框架解决人工智能应用过程中可能存在的隐私保护等多类问题，由此建立可靠、去信任的人工智能生态。
- 易于访问的超级互联网
人工智能访问互联网时，在数据处理、管理和结构化方面发挥着重要作用。
人工智能工具简化了数据的吸收、修改和管理，从而有效地为互联网及用户提供更加全面、智能的实用性服务。
而Phala Network的核心产品Phat Contract可以通过内置的互联网接入并访问任何Web2和Web3数据和服务。并且，Phala的跨链桥SubBridge连接了多个区块链生态，即使是不同链上的数据和资产都可以互通，让人工智能完成易于访问的互联网服务，响应更广泛的网络请求。
- 低延迟的人工智能交互
理论上，对于开发人员来说，人工智能追求的是速度，这些速度包括了对模型的训练速度，对模型应用的推理速度等方面，在深度学习应用上消除无差别的繁重任务，不断地进行快速迭代。
而人工智能的交互速度取决于计算节点设备本身的性能，Phala Network利用链下执行的模型，可以实现毫秒级的请求响应，因此通过Phala技术的不断迭代和训练，可以实现低延迟的交互。
总而言之，Phala所打造的去中心化云计算网络不仅具备传统智能合约的功能，重要的是“共识与计算分离”使得规模化链下计算、链外数据请求和实时响应成为现实，可以规模化承载高密度、低延迟、实时互动、链下互联等应用场景，为人工智能技术的发展提供坚实的基础设施底座。
可以说，将Phala Network等Web3去中心化云的优势融合人工智能技术已经成为了必然趋势。那么，回到德勤机构之前的预测，人们对于人工智能应用的预测会是保守的吗？
AI的天花板在哪里？
随着生成式人工智能AIGC领域正在升温，以ChatGPT为核心的有关人工智能的商业竞争已悄然开始，而如何挖掘出行业中的黑马，是如今值得重点关注的点。
近期一系列全新发布活动，科技巨头正紧锣密鼓地为其产品或开发者推出更强大的聊天机器人服务和更多AI功能，以期在由ChatGPT掀起的全新人工智能浪潮中占据先机。
例如，微软扩大了与OpenAI的合作关系，将自身的搜索引擎Bing、云服务Azure引入了ChatGPT；再或者谷歌近日投资4亿美元给AI初创企业Anthropi，其核心产品Claude被称为ChatGPT的最强竞品，之后Anthropi也将使用谷歌云服务。
可以看出，在AIGC的竞争中，微软、谷歌、亚马逊等传统的大型科技公司既是云服务提供商，又是人工智能领域的竞争者。
从云行业的发展角度来看，ChatGPT的持续爆火为AIGC带来全新增量，同时更是对人工智能模型训练所需要的算力支持提出了更高要求。
云计算基础设施作为算力底座，其重要性在AI发展的推动下愈发凸显。据报告称，受益于AI和产业数字化转型等多样化算力需求场景的涌现，预计算力需求每年将以20%以上的速度快速增长，数据中心作为算力基础设施长期受益。
虽然传统的中心化云正在日趋成熟，但Web3云同样正在蓄力。若Web3云能够得到较大发展，其产业对算力要求会带来云基础设施较大增量，帮助云服务行业快速出圈。
在新兴技术、应用需求与产业进化永不停歇、奔涌向前的脚步下，云技术会进步到何种程度，人工智能的天花板又会在云计算的依托下发展到何种高度？时间会告诉我们答案。
本文为论道隐私计算团队原创，未经允许严禁转载，如需转载请联系我们。