Informe de nube de tecnología original.
Nadie puede predecir el futuro, pero podemos seguir el sentido común para capturar el ritmo de la innovación y evolución tecnológica.
La tendencia más candente en 2023 es el modelo grande.
A fines de 2022, ChatGPT, una aplicación de chat desarrollada por la empresa emergente estadounidense OpenAI, detonará el mercado y la IA generativa se convertirá en un punto caliente en el mercado tecnológico. Detrás de ChatGPT hay un gran modelo de aprendizaje profundo, y su la capacidad de comprender y generar texto supera la de los productos de IA anteriores.
Las principales empresas de computación en la nube del mundo se han unido a la competencia para competir por el poder de cómputo, desarrollar y vender modelos a gran escala, y el mercado de la computación en la nube ha dado paso a una nueva ronda de competencia, que cubre todos los niveles de poder de cómputo, algoritmos y datos requeridos. para la computación de IA.
Hoy, el fuego de las grandes maquetas ha arrasado del lenguaje natural a miles de industrias. En comparación con el gasto de esfuerzo para hacer que los modelos grandes aborden varios problemas complicados de manera más fluida, MaaS se está convirtiendo en el foco de la competencia de modelos grandes de IA.
Hay muchos desafíos en la implementación de modelos empresariales a gran escala.
En la actualidad, la combinación de grandes industrias y modelos industriales aún se encuentra en una etapa relativamente temprana.
Por un lado, el desarrollo de la tecnología de modelos grandes cambia cada día que pasa, ya sea el nivel de potencia informática, la miniaturización del modelo, el etiquetado de datos, el entrenamiento de datos o el nivel del modelo Kaiyuan, todos están en proceso de cambio rápido; La comprensión del método aún está en pañales.
En términos generales, si una empresa quiere construir un modelo de industria a gran escala, varios pasos son esenciales: seleccionar un modelo adecuado para sus propios escenarios de uso, usar herramientas profesionales de proveedores de nube para construir servicios de modelos integrados, clasificar casos de prueba y establecer un proceso de evaluación de la calidad del servicio Garantizar la seguridad, el cumplimiento y la controlabilidad de los datos y las aplicaciones modelo.
Sin embargo, si las empresas desean implementar y utilizar servicios modelo a gran escala en escenarios comerciales reales, enfrentan muchas dificultades de implementación, como costos, datos y seguridad.
En primer lugar, hay menos recursos informáticos. Los modelos grandes requieren recursos informáticos y de almacenamiento relativamente altos. En comparación con los servidores generales, la estabilidad de los servidores GPU es relativamente baja y la cantidad de GPU requerida para el entrenamiento de modelos a gran escala a menudo alcanza miles de tarjetas.
Al mismo tiempo, en el clúster de entrenamiento, la velocidad de la red requerida para conectar cientos de servidores GPU es extremadamente alta. Una vez que la red esté congestionada, afectará la eficiencia del entrenamiento. Por lo tanto, muchos equipos de algoritmos tienden a elegir proveedores profesionales de servicios en la nube para la operación y el mantenimiento del servicio en la nube.
En segundo lugar, la calidad de los datos es relativamente mala.
La construcción de un modelo grande en sí es un proyecto sistemático muy costoso que requiere una gran cantidad de datos de alta calidad para el entrenamiento y la optimización, así como la limpieza y el preprocesamiento para eliminar el ruido, completar los valores faltantes y garantizar la calidad de los datos. Si la calidad de los datos importados es baja, el modelo entrenado también tendrá problemas.
En tercer lugar, el costo de entrada es alto, que también es una de las principales dificultades que enfrentan los modelos a gran escala. Los modelos grandes requieren inversiones masivas de datos, recursos informáticos, experiencia y tiempo para entrenar, depurar, optimizar e implementar.
Cuarto, menos experiencia profesional. El desarrollo y la implementación de modelos grandes requieren más recursos técnicos y humanos. La implementación de modelos grandes requiere la consideración de recursos informáticos, ancho de banda de red, seguridad y otros temas. Muchas empresas carecen de tecnologías y talentos relevantes, lo que resulta en la falla de los modelos grandes para ser implementado con éxito.
MaaS remodela el paradigma del servicio de computación en la nube
MaaS, o "Modelo como servicio", integra las funciones de procesamiento de datos y modelos de aprendizaje automático en negocios existentes a través de servicios en la nube y proporciona a las empresas soluciones inteligentes y automatizadas. El modelo grande de MaaS puede aprender de datos de escenarios masivos y de múltiples tipos, resumiendo y aprendiendo características y reglas generales bajo diferentes escenarios, y convirtiéndose en una base de modelo con capacidades de generalización.
El almacén de conjuntos de datos, el almacén de modelos y la plataforma de potencia de cómputo están abiertos a todos al proporcionar una experiencia de modelo de umbral cero, un uso rápido del modelo, una personalización completa del modelo de enlace y la implementación del modelo en la nube.
En términos de forma, MaaS es una integración típica de nube e inteligencia. La llamada "integración de la nube y la inteligencia" es un concepto presentado por Baidu Smart Cloud en su lanzamiento de estrategia hace tres años. A través de la integración y la innovación de la computación en la nube y la inteligencia artificial, el poder de cómputo, los marcos, los modelos y las aplicaciones de escena. están integrados en productos estandarizados, lo que reduce el costo de adquisición empresarial y el umbral de uso de inteligencia artificial.
Baidu, Ali e incluso más empresas de computación en la nube ahora se están enfocando en la "integración de la nube y la inteligencia", lo que confirma que las capacidades de las aplicaciones de IA son las capacidades centrales de la infraestructura de la industria de la computación en la nube después de la madurez. Esta capacidad se encuentra en el nivel de "inteligencia", la capacidad del producto de IA de propósito general sobre la infraestructura inteligente.
Desde la perspectiva del paradigma del servicio de computación en la nube, la actualización iterativa del modelo grande también ha remodelado el servicio de computación en la nube tradicional. En el pasado, la computación en la nube se enfocaba más en las capacidades de cómputo y el modelo de servicio se concentraba en las tres capas de IaaS, PaaS y SaaS; hoy en día, la computación en la nube tiene capacidades de integración más fuertes impulsadas por modelos grandes, incorporando poder de cómputo a gran escala, algoritmos y capas de aplicación Modele y luego fortalezca la "inteligencia" de la computación en la nube, integre aplicaciones con bases inteligentes y unifique la salida externa, y realice la liberación de la productividad al final de la escena.
Aunque el escenario actual de MaaS todavía está en el campo basado en el procesamiento del lenguaje natural (NLP), con la iteración de la tecnología y la extensión de su idea central, MaaS en un sentido amplio puede desempeñar un papel importante para abordar las dificultades mencionadas anteriormente. .
En términos de limpieza e integración de datos, MaaS puede ayudar a las empresas a limpiar, integrar y transformar datos de diferentes sistemas y departamentos para formar un conjunto de datos completo y confiable.
Al consolidar datos de diferentes departamentos en un solo almacén de datos, MaaS puede garantizar la integridad y consistencia de los datos. Además, MaaS también puede automatizar el procesamiento y análisis de datos masivos y descubrir rápidamente anomalías comerciales y cambios de tendencia.
En términos de análisis y minería de datos, MaaS puede analizar y extraer datos comerciales, descubrir relaciones y reglas entre negocios, proporcionar a las empresas datos financieros más completos y precisos, y respaldar una mejor toma de decisiones y administración.
Por ejemplo, cuando una empresa necesita analizar pedidos de ventas e inventario, MaaS necesita ingresar datos de pedidos de ventas e inventario, que pueden provenir de diferentes departamentos de la empresa, como el departamento de ventas, el departamento de gestión de inventario, etc. Posteriormente, MaaS utilizará la tecnología NLP para procesar y analizar automáticamente estos datos, por ejemplo, para identificar y clasificar el estado del pedido, calcular la tasa de rotación del inventario, etc.
En el proceso de procesamiento de datos, MaaS descubrirá rápidamente anomalías comerciales y cambios de tendencia, como ventas lentas de pedidos y acumulación de inventario.
En términos de soporte inteligente para la toma de decisiones, MaaS puede proporcionar a las empresas soporte inteligente para la toma de decisiones, predecir futuras tendencias comerciales y condiciones financieras a través de modelos de aprendizaje automático y ayudar a las empresas a tomar decisiones más informadas.
MaaS transformará los resultados del análisis en informes y gráficos fáciles de entender y operar, y brindará soluciones comerciales personalizadas. Las empresas pueden elegir diferentes modelos de aprendizaje automático y algoritmos de procesamiento de datos de acuerdo con sus propias necesidades comerciales y características de datos para lograr procesos comerciales más inteligentes y personalizados.
La competencia en el mercado MaaS es feroz
En marzo de este año, Baidu tomó la iniciativa en el lanzamiento del modelo Wenxin Yiyan. El CTO de Baidu, Wang Haifeng, dijo durante el Foro de Zhongguancun que MaaS se convertirá en el modelo comercial principal de computación en la nube en el futuro, y se desarrollarán varias aplicaciones basadas en modelos grandes, y cada industria necesita crear su propio modelo grande. El gran modelo estará profundamente integrado con la economía real, empoderará a miles de industrias, acelerará la transformación y mejora industrial y promoverá el desarrollo económico de alta calidad.
En abril, Ali también lanzó su propio modelo Tongyi Thousand Questions. Zhang Yong, entonces presidente y director ejecutivo de Alibaba Group y director ejecutivo de Alibaba Cloud Intelligence Group, anunció en ese momento que todos los productos de Alibaba se conectarán al modelo Tongyi Qianwen en el futuro para una transformación integral.
El CTO de Alibaba Cloud, Zhou Jingren, también propuso en la Conferencia de Zhongguancun en mayo de este año que el concepto de MaaS está siendo ampliamente aceptado y que los modelos se utilizarán como un elemento de producción importante en el desarrollo de sistemas comerciales y de desarrollo.
Detrás de esto, la IA siempre ha estado cargada con el problema de la comercialización. En los últimos años, el mercado de extremo B se ha convertido cada vez más en un mercado incremental para los gigantes de Internet.
En mayo, Tencent publicó su informe financiero del primer trimestre de este año, que muestra que sus ingresos actuales fueron de 150 000 millones de yuanes, un aumento interanual del 11 %; su beneficio neto fue de 25 840 millones de yuanes, año tras año. incremento anual del 10%.
El beneficio neto (no IFRS) fue de 32 538 000 millones de yuanes, un aumento interanual del 27 %. Entre ellos, el sector de tecnología financiera y servicios empresariales en el mercado B-end experimentó un aumento interanual del 14% en los ingresos a 48.700 millones de yuanes en el primer trimestre de este año. Según el entendimiento del reportero, este sector ha representado más del 30% de los ingresos totales de Tencent durante ocho trimestres consecutivos.
Anteriormente, varios negocios en la nube han bajado los precios uno tras otro, lo que no solo refleja la feroz competencia en el negocio del lado B, sino que también refleja el impacto del desarrollo de modelos grandes en el costo del negocio del lado B hasta cierto punto.
Zhang Yong dijo una vez que en el futuro espera que el costo de entrenar un modelo en Alibaba Cloud pueda reducirse a una décima parte, o incluso al uno por ciento, del costo actual. Incluso las pequeñas y medianas empresas pueden obtener las capacidades y los servicios de los grandes modelos de IA a través de la plataforma en la nube.
En la actualidad, la perspectiva de los modelos industriales a gran escala depende de la madurez técnica de los modelos industriales a gran escala, y nuestra competencia se concentra principalmente en las fuentes de datos de la industria. Diferentes industrias tienen diferentes corpus. La industria dominante en la que se encuentra el fabricante puede formar el corpus requerido para el entrenamiento de IA Cuanto más completo sea el corpus, más ventajoso será el producto de IA.
Al mismo tiempo, en la pista de modelos a gran escala, nunca ha sido "el recién llegado prevalece". Solo un suministro más rico puede traer más clientes; más clientes pueden ayudar a mejorar e iterar en la retroalimentación de datos, produciendo así un "efecto volante".
Por ejemplo, Hugging Face, una comunidad que ha acumulado modelos de aprendizaje automático durante mucho tiempo, lanzó HuggingGPT basado en los modelos de código abierto existentes en la comunidad. Utiliza un modelo grande para llamar a múltiples modelos de IA y transforma rápidamente los modelos de larga data. término ecología modelo acumulada en una industria más grande.
A partir de esta etapa aparecerá el papel de la ecología. Y es por eso que construir una ecología determina la altura de MaaS. Pero no importa en qué etapa se encuentre, el núcleo es que el modelo grande sigue siendo algo nuevo y costoso.
No importa en las etapas de investigación y desarrollo, iteración o uso, los modelos grandes son un "lujo" que consume muchos recursos y no es barato de usar.
Por lo tanto, solo mediante la construcción de una ecología podemos realmente reducir los costos a través de economías de escala, ayudar a las mejoras iterativas y finalmente darnos cuenta de la sostenibilidad comercial real de los modelos grandes y MaaS, que requiere más ecología. Por lo tanto, los jugadores que realmente valoran los modelos grandes y MaaS definitivamente no escatimarán esfuerzos para construir un ecosistema.
En las reglas del juego del nuevo paradigma MaaS, el modelo grande determina qué tan rápido irá al principio y la ecología determina qué tan lejos irá al final.
[Acerca del Informe de Nube de Ciencia y Tecnología]
Concéntrese en expertos en contenido original de nivel empresarial: informes de tecnología en la nube. Fundado en 2015, es uno de los 10 medios principales en el campo de TI empresarial de vanguardia. Reconocido por el Ministerio de Industria y Tecnologías de la Información, Trusted Cloud, uno de los medios oficiales designados por la Global Cloud Computing Conference. Informes originales detallados sobre computación en la nube, big data, inteligencia artificial, blockchain y otros campos.