利用生成式人工智能助力业务发展

利用生成式人工智能实现商业范式转变

如果您在街上拦住一个路人，问他们人工智能成为热门话题多久了，他们可能会说，人工智能主要是近几年才出现的。但其实，人工智能已经存在了很长时间，这个词早在1955年就被创造出来了。

然而，生成式人工智能却是完全是另外一回事，它在很大程度上让人工智能的话题成为每个人（从消费者到企业）谈论的焦点。2023年被广泛认为是生成式人工智能的“突破”之年，而且它确实取得了突破，预计到2030年其市场规模将达到2070亿美元opens in a new tab。

那么，生成式人工智能是如何如此迅速崛起的？企业如何才能把握它带来的众多机遇，并避免潜在的陷阱？

阅读我们对首席产品官Octavian Tanase的采访：企业人工智能新思路

新一代人工智能革命

我认为，很多人都不会否认，ChatGPT的迅猛发展引发了全球范围内关于新一代人工智能的热烈讨论。通过提供简单自然的语言界面，人工智能的强大功能通过一种流行、易于使用的服务得以展示，这项服务让从儿童到祖父母的大量用户感到兴奋和惊讶。由于这一全球现象，ChatGPT的用户群在不到两个月的时间内增长到1亿用户——而流媒体巨头Netflix则花了十年时间才实现这一成就。这迅速巩固了ChatGPT作为增长最快的应用程序的地位。

但关注这一趋势的不仅仅是消费者。企业也越来越多地将注意力转向生成式人工智能的力量。麦肯锡等公司预测，不久之后全球经济将投入数万亿美元来支持人工智能的发展。

但值得注意的是，这种转变并非一蹴而就。如今我们拥有的大量计算能力以及强大的转换器架构（例如ChatGPT背后的大型语言模型）使这一切成为可能，这些架构支持客户支持、对话、翻译和摘要以及内容、代码和测试用例创建。

这一切都归结于数据。以前，有限的数据意味着模型经常被过度喂养，而今天我们拥有的大量数据则使得新模型能够快速开发。多亏了数据，我们现在生活在一个人工智能民主化意味着不断释放新可能性的时代。

了解企业范式转变的力量

现在，我们对生成式人工智能有了更多的了解，那么企业该如何利用它呢？这是业内许多人经常问的一个问题，也是我作为Hitachi Vantara高级副总裁兼工程主管每天都在努力解决的问题。

用大型语言模型来写一首情人节诗歌，或为一篇论文写出基础框架是一回事，但在企业环境中使用人工智能（通常用于关键任务应用程序）则完全是另一回事。在这里，不允许幻觉（人工智能模型产生的不正确或误导性结果）的存在：使用人工智能的企业需要100%的准确性。成功采用人工智能的其他关键要求包括：可解释性、可追溯性、可观察性等等——所有这些都必须以经济高效且对社会负责的方式实施。

数据无处不在，人工智能无处不在

让我们来了解企业在迈向新一代人工智能的过程中所面临的具体考虑。

由于数据可以存储在任何地方，因此相关风险不可避免地会变得更大，这意味着大多数企业都需要以安全方式访问其数据。许多企业越来越多地转向混合云，但他们也在寻求一种能够兼顾云的易用性和本地存储的低成本的方法。

他们的数据也需要能够主动访问，而不是被动访问。在网络攻击和数据保护挑战日益增多的世界中，仅仅等待问题出现是不够的——企业必须能够不断监控系统，以便在问题发生之前采取行动。

在此过程中，企业会考虑是要使用一个大型的、包罗万象的模型，还是实施多个较小的模型。最好的解决方案是针对特定测试对大型模型进行微调，以便它们可以委托给较小的模型，而不是被迫产生人工智能幻觉。这可以实现更准确、更具成本效益的结果，但在这一切的背后，需要一个能够快速为GPU提供数据的高性能数据平台来实现利用率。

市面上有几个选项，包括开箱即用的解决方案，用于构建您自己的新一代人工智能应用程序，或使用平台开发新一代人工智能同伴。有许多方法可供选择，但确保架构能够实现大规模性能和弹性始终是首要任务。

为人工智能提供数据访问和智能

虽然从技术上讲，人工智能并不是什么新鲜事物，但生成式人工智能则完全不同。这是一个非常新的领域，我们才刚刚开始真正理解它。因此存在许多变数，将生成式人工智能用于关键任务具有很高的风险；但另一方面，没有采用生成式人工智能的企业将面临被淘汰的风险。

这是一个微妙的局面，企业的第一步应该是认识到，利用人工智能为企业服务是一个需要时间的过程，而在这一过程中，协作是实现正确结果的关键。

访问我们的人工智能解决方案页面，了解如何利用人工智能转变业务运营及其他领域。

其他资源：

解决方案页面：利用人工智能实现业务运营及其他领域的变革

新闻稿：Hitachi Vantara宣布与NVIDIA合作，打造全新工业人工智能解决方案组合