テクノロジークラウドレポートのオリジナル。
未来を予測することは誰にもできませんが、常識に従って技術革新と進化のリズムを捉えることはできます。
2023年の注目トレンドは大型モデル。
2022 年末には、アメリカの新興企業 OpenAI が開発したチャット アプリケーション ChatGPT が市場を爆発させ、生成 AI がテクノロジー市場のホットスポットになるでしょう。テキストを理解して生成する能力は、以前の AI 製品を超えています。
世界の主要なクラウド コンピューティング企業がコンピューティング能力を競い合い、大規模モデルの開発と販売を行う競争に参加しており、クラウド コンピューティング市場は、必要なコンピューティング能力、アルゴリズム、データのあらゆるレベルをカバーする新たな競争の到来を迎えています。 AIコンピューティング向け。
今日、大規模モデルの火は自然言語から何千もの業界にまで燃えています。さまざまな難しい問題を大規模モデルでよりスムーズに処理できるようにすることに労力を費やすのと比較して、MaaS は AI 大規模モデルの競争の焦点になりつつあります。
大規模なエンタープライズ モデルの実装には多くの課題があります
現時点では、大規模なインダストリ モデルと産業の組み合わせはまだ比較的初期段階にあります。
一方で、大規模モデル技術の開発は日を追うごとに変化しており、コンピューティング能力のレベル、モデルの小型化、データのラベル付け、データのトレーニング、または開元モデルのレベルなど、すべてが急速な変化の過程にあります。この方法の理解はまだ初期段階にあります。
一般的に、企業が大規模なインダストリ モデルを構築したい場合は、自社の使用シナリオに適したモデルを選択し、クラウド ベンダーの専門ツールを使用して統合モデル サービスを構築し、テスト ケースを整理し、確立するといういくつかの手順が不可欠です。サービス品質評価プロセス データとモデル アプリケーションのセキュリティ、コンプライアンス、制御性を確保します。
ただし、企業が実際のビジネス シナリオで大規模なモデル サービスを展開して使用したい場合、コスト、データ、セキュリティなどの実装上の多くの困難に直面します。
まず、コンピューティング リソースが少なくなります。大規模なモデルでは、比較的大量のコンピューティング リソースとストレージ リソースが必要になります。一般的なサーバーと比較して、GPU サーバーの安定性は比較的低く、大規模なモデルのトレーニングに必要な GPU の数は多くの場合数千枚に達します。
同時に、トレーニング クラスターでは、数百台の GPU サーバーを接続するために必要なネットワーク速度が非常に高速であるため、ネットワークが混雑すると、トレーニングの効率に影響を及ぼします。したがって、多くのアルゴリズム チームは、クラウド サービスの運用および保守サポートのために専門のクラウド サービス ベンダーを選択する傾向があります。
次に、データの品質が比較的劣ります。
大規模なモデルの構築自体は非常にコストのかかる体系的なプロジェクトであり、トレーニングと最適化、さらにノイズの除去、欠損値の補充、データ品質の確保のためのクリーニングと前処理のために大量の高品質データが必要です。インポートされたデータの品質が低い場合、トレーニングされたモデルにも問題が発生します。
第三に、投入コストが高く、これも大規模モデルが直面する主な困難の 1 つです。大規模なモデルには、データ、コンピューティング リソース、専門知識、トレーニング、デバッグ、最適化、展開に多大な投資と時間が必要です。
4つ目は、専門的な経験が少ないことです。大規模なモデルの開発と実装には、より多くの技術的および人的リソースが必要です。大規模なモデルの展開には、コンピューティング リソース、ネットワーク帯域幅、セキュリティなどの問題を考慮する必要があります。多くの企業では、関連するテクノロジーや人材が不足しており、その結果、大規模なモデルを導入できません。無事に実装されました。
MaaS はクラウド コンピューティング サービスのパラダイムを再構築する
MaaS (「サービスとしてのモデル」) は、データ処理と機械学習モデルの機能をクラウド サービスを通じて既存のビジネスに統合し、企業にインテリジェントで自動化されたソリューションを提供します。MaaSの大規模モデルは、大量かつ多種類のシナリオデータから学習することができ、さまざまなシナリオの下での一般的な特性とルールを要約して学習し、汎化機能を備えたモデルベースになります。
データ セット ウェアハウス、モデル ウェアハウス、およびコンピューティング パワー プラットフォームは、ゼロしきい値のモデル エクスペリエンス、高速なモデルの使用、完全なリンク モデルのカスタマイズ、およびクラウド モデルの展開を提供することにより、誰でも利用できるようになります。
形式的には、MaaS はクラウドとインテリジェンスの典型的な統合です。いわゆる「クラウドとインテリジェンスの統合」は、Baidu Smart Cloud が 3 年前の戦略発表で提唱したコンセプトであり、クラウド コンピューティングと人工知能の統合と革新を通じて、コンピューティング パワー、フレームワーク、モデル、シーン アプリケーションを実現します。標準化された製品に組み込まれているため、企業の買収コストが削減され、人工知能の使用の敷居が低くなります。
Baidu、Ali、そしてさらに多くのクラウド コンピューティング企業は現在、「クラウドとインテリジェンスの統合」に焦点を当てており、AI アプリケーション機能が成熟後のクラウド コンピューティング業界インフラの中核となる機能であることが確認されています。この機能は、インテリジェント インフラストラクチャ上の汎用 AI 製品機能である「スマートさ」のレベルにあります。
クラウド コンピューティング サービス パラダイムの観点から見ると、大規模モデルの反復的なアップグレードにより、従来のクラウド コンピューティング サービスも再構築されました。以前は、クラウド コンピューティングはコンピューティング機能に重点が置かれ、サービス モデルは IaaS、PaaS、SaaS の 3 つのレイヤーに集中していましたが、現在、クラウド コンピューティングは大規模なコンピューティング能力を組み込んだ、大規模なモデルによって駆動される強力な統合機能を備えています。アルゴリズム、アプリケーション層をモデリングし、クラウドコンピューティングの「インテリジェンス」を強化し、アプリケーションとインテリジェントベースを統合し、外部出力を統合し、現場の生産性の解放を実現します。
MaaS の現在のシナリオは依然として自然言語処理 (NLP) に基づいた分野にありますが、テクノロジーの反復とその中心となるアイデアの拡張により、広義の MaaS は上記の困難に対処する上で重要な役割を果たす可能性があります。 。
データのクリーニングと統合に関して、MaaS は、企業がさまざまなシステムや部門からのデータをクリーニング、統合、変換して、完全で信頼性の高いデータ セットを形成するのに役立ちます。
MaaS では、さまざまな部門のデータを 1 つのデータ ウェアハウスに統合することで、データの整合性と一貫性を確保できます。また、MaaSは膨大なデータの処理や分析を自動化し、ビジネスの異常や傾向の変化を迅速に発見することもできます。
データ分析とマイニングの点では、MaaS はビジネス データを分析およびマイニングし、ビジネス間の関係とルールを発見し、より包括的で正確な財務データを企業に提供し、より適切な意思決定と管理をサポートできます。
たとえば、企業が受注と在庫を分析する必要がある場合、MaaS は受注と在庫のデータを入力する必要があります。これらのデータは、営業部門、在庫管理部門など、企業のさまざまな部門から取得される可能性があります。その後、MaaS は NLP テクノロジーを使用してこれらのデータを自動的に処理および分析し、たとえば、注文状況の特定と分類、在庫回転率の計算などを行います。
MaaSはデータ処理の過程で、受注の伸び悩みや在庫の滞りなど、ビジネスの異常やトレンドの変化を素早く発見します。
インテリジェントな意思決定のサポートという点では、MaaS は企業にインテリジェントな意思決定のサポートを提供し、機械学習モデルを通じて将来のビジネス傾向と財務状況を予測し、企業がより多くの情報に基づいた意思決定を行えるように支援します。
MaaSは、分析結果を分かりやすく操作しやすいレポートやグラフに変換し、カスタマイズされたビジネスソリューションを提供します。企業は、自社のビジネス ニーズとデータ特性に応じてさまざまな機械学習モデルとデータ処理アルゴリズムを選択し、よりインテリジェントでパーソナライズされたビジネス プロセスを実現できます。
MaaS市場の競争は熾烈を極める
今年3月、BaiduはWenxin Yiyanモデルを率先して立ち上げた。百度CTOの王海峰氏は中関村フォーラムで、将来的にはMaaSがクラウドコンピューティングの主流のビジネスモデルとなり、大規模モデルに基づいてさまざまなアプリケーションが開発され、各業界が独自の大規模モデルを構築する必要があると述べた。この大規模なモデルは実体経済と深く統合され、数千の産業に力を与え、産業の変革とアップグレードを加速し、質の高い経済発展を促進します。
アリは4月に、独自のTongyi Thousandquestionsモデルも立ち上げた。当時、アリババグループの会長兼最高経営責任者（CEO）であり、アリババクラウドインテリジェンスグループの最高経営責任者（CEO）を務めていた張勇氏は、将来的にはすべてのアリババ製品を同義前文モデルに接続し、包括的な変革を図ると発表した。
アリババクラウドの最高技術責任者（CTO）周景仁氏も、今年5月の中関村カンファレンスで、MaaSの概念は広く受け入れられており、モデルはビジネス開発や開発システムの重要な生産要素として使用されるだろうと提案した。
その背景には、AI は常に商業化という問題を抱えてきました。近年、B エンド市場はインターネット大手にとってますます重要な市場になりつつあります。
5月、テンセントは今年第1四半期の財務報告書を発表し、現在の収益が前年同期比11％増の1500億元、純利益が前年同期比の258億4000万元となったことを明らかにした。年は10%増加。
純利益（非IFRS）は325億3,800万元で、前年同期比27％増加した。このうち、Bエンド市場の金融テクノロジーおよびエンタープライズサービス部門の今年第1四半期の売上高は前年同期比14％増の487億元となった。記者の理解によれば、この分野は8四半期連続でテンセントの総収益の30％以上を占めている。
これまで、さまざまなクラウド事業者が相次ぎ値下げを行ってきましたが、これはBサイド事業における競争の激化を反映しているだけでなく、大型モデルの開発によるBサイド事業コストへの影響もある程度反映しています。
Zhang Yong 氏はかつて、将来的には Alibaba Cloud 上でモデルをトレーニングするコストを現在のコストの 10 分の 1、あるいは 1% にまで削減できることを望んでいると述べました。中小企業でも、クラウド プラットフォームを通じて AI 大型モデルの機能とサービスを入手できます。
現時点では、大規模インダストリ モデルの見通しは大規模インダストリ モデルの技術的成熟度に依存しており、競争は主に業界データ ソースに集中しています。業界が異なれば、コーパスも異なります。メーカーが所在する有力な業界はAIの学習に必要なコーパスを形成することができ、コーパスが完成すればするほどAI製品の優位性が高まります。
一方で、大型モデルの路線においては、決して「後発優勢」ではなかった。より豊富な供給だけがより多くの顧客をもたらすことができ、より多くの顧客がデータのフィードバックの改善と反復に協力し、「フライホイール効果」を生み出すことができます。
例えば、長年にわたって機械学習モデルを蓄積してきたコミュニティである Hugging Face は、コミュニティ内の既存のオープンソース モデルをベースとした HuggingGPT を立ち上げ、大規模なモデルを使用して複数の AI モデルを呼び出し、長年の AI モデルを迅速に変換します。この期間は、モデル エコロジーをより大きな業界に蓄積しました。
この段階から、エコロジーの役割が登場します。だからこそエコロジーの構築がMaaSの高さを決めるのです。しかし、どの段階にあっても、核となるのは、大型モデルはまだ高価な新しいものであるということです。
研究開発、反復、使用段階に関係なく、大型モデルは多くのリソースを消費する「贅沢品」であり、使用料も安くありません。
したがって、エコロジーを構築することによってのみ、規模の経済によって真のコストを削減し、反復的な改善を支援し、最終的にはよりエコロジーを必要とする大型モデルや MaaS の真の商業的持続可能性を実現することができます。したがって、大型モデルやMaaSを真に重視するプレーヤーは、エコシステムの構築に努力を惜しまないでしょう。
新しいMaaSパラダイムのゲームルールでは、大きなモデルが最初にどれだけ速く進むかを決定し、生態系が最終的にどれくらい遠くまで進むかを決定します。
【科学技術クラウドレポートについて】
オリジナルのエンタープライズ レベルのコンテンツ エキスパート、つまりテクノロジー クラウド レポートに焦点を当てます。2015 年に設立され、最先端のエンタープライズ IT 分野でトップ 10 に入るメディアです。Trusted Cloud は、産業情報技術省によって認定されており、Global Cloud Computing Conference によって指定された公式メディアの 1 つです。クラウドコンピューティング、ビッグデータ、人工知能、ブロックチェーンなどの分野に関する詳細なオリジナルレポート。