今天小編分享的科學經驗：新華三眼中的AI天路，歡迎閱讀。
ChatGPT 的火爆，在全球範圍内掀起了新一輪的 AI 風暴。如今，各行各業都在讨論 AI，各個國家都在密集進行新一輪的 AI 基礎設施建設與技術投入。
但眼前的盛景并非突然到來，就拿這一輪大模型熱潮來說，谷歌早在 2018 年底就發布了 BERT，開啟了預訓練大模型的探索，此後經歷了四年的沉澱，才有 ChatGPT 的一鳴驚人。
AI 技術的演化和發展，既離不開算法本身的創新，也離不開基礎設施與工程化應用的配合，這是一個相輔相成的系統化工程。就像這次 AI 復興的技術主線是深度學習，但 Hinton 早在 2006 年就利用預訓練方法緩解了局部最優解的難題，将神經網絡隐含層推動到了 7 層，但技術上實現深度學習，卻并不等同于效果上達成。直到 2012 年，在大數據與雲計算的推動下，深度學習的價值才真正得到證明。
這些 AI 發展史上的關鍵節點，向我們展示了這樣一個事實：想要 AI 持續向前發展，就不能僅僅關注算法本身，而是必須将 AI 的基礎設施、工程化、數字化等問題納入通盤考慮，從而去預判和推動智能化正确發展。
那麼，業界是否能足夠清晰、多元指出 AI 發展方向的預判呢？答案是肯定的。
剛剛發布的《新華三 2023 十大技術趨勢白皮書》，其中就有一項，指出了未來技術發展的核心趨勢，是AI 技術通用能力持續增強，降低行業創新門檻。
讓我們從這項趨勢展開，共同聊聊火熱的 AI 技術距離我們夢想中的智能時代還有多遠，打通二者之間的界限，需要完成哪些努力。新華三又将如何圍繞 AI 發展進行技術創新與產業布局，最終建設起讓 AI 天塹變通途的未來之路。
AI 火花
智能時代，還隔着萬水千山
以 ChatGPT 為代表的新一代 AI 技術，正在持續引發熱議。各行業都看到了借助大語言模型與 AIGC 提升生產力的可能性。這類應用的出現，可以讓普通人近乎無門檻獲取 AI 能力，自動化生成文案、代碼、圖片、專業性答案等内容，從而獲得極大的能力延展。
而在類 ChatGPT 應用之外，我們還可以看到預訓練大模型這種形式，相比傳統的深度學習算法，具有模型泛化裡更強、魯棒性更高的一系列特點，從而可以更加貼近產業應用，具有更加強大的模型定制性延展空間。ChatGPT 的爆火，不僅僅是生成式 AI 本身的裡程碑事件，更是整個 AI 技術走向繁榮的前奏。
但必須看到的是，生成式 AI 獲得的熱烈反饋，僅僅是一朵綻放的 AI 火花，是萬裡長征走出的第一步。距離我們預想中的智能時代，AI 還有非常漫長的路要走。
比如說，今天的 AI 技術與應用，依舊面臨着一系列清晰可見的挑戰：
1. 大模型的泛化效果能否持續增強，" 智能湧現 " 現象能否變成常量？在今天，人們對深度學習模型的黑箱性了解還不透徹，如何在訓練數據規模與智能效果之間達成平衡，依舊是困擾算法更新的主要問題。
2. 如何應對 AI 算力緊缺與算力擠兌問題？如何抑制 AI 帶來的高能耗、數據洪潮隐患？大語言模型的火爆，讓全球陷入了新一輪的 AI 算力緊缺。AI 芯片與算力資源成本居高不下，在高算力消耗的同時，AI 還帶來了海量非結構化數據的存儲難題，以及持續的高能耗、高碳排放問題。
3. 如何應對行業的工程化、應用路徑問題，讓 AI 走到千行百業當中去？在今天，對于大多數企業來說，大模型依舊是很遙遠的一件事。企業如何訓練和部署大模型，如何讓 AI 與自身的需求、數據、行業知識結合，依舊有着非常復雜的挑戰。
在新華三發布的 2023 十大技術趨勢白皮書當中，我們可以看到從 ICT 行業出發，是如何看待這些難題，以及又是如何勾勒出 AI 未來發展出路的。
通過 ICT 的技術創新、產品更新，以及構築 AI 通往行業的解決方案，我們可以築造起更加牢固的智能化基礎設施，降低行業智能化門檻，反向牽引和推動 AI 算法的持續迭代。
一條跨越萬水千山的 AI 天路，将在名為未來的大地上鋪設出來。
強能力，低門檻
架一條 AI 天路
想要讓 AI 更好适配復雜場景，服務真實的生產場景，從而創造出更大價值，就需要解決從算法到算力，從行業路徑到技術協同空間的一系列問題，而不能只看一面，只抓一點。這就是新華三預判 AI 發展趨勢時采取的核心思路。在新華三看來，通過 AI 核心算法的算法創新、算力設施增強、工程化方法實現，AI 作為一項通用性技術的能力将逐漸顯現出來，從而具備通用化、标準化、普惠化的屬性，逐漸與各領網域技術進行深度融合，推動領網域創新突破。
更強的通用能力，更低的應用門檻，是 AI 技術發展的兩大核心目标。而為了實現這兩大目标，就離不開核心算法創新、算力設施增強以及工程化方法實現。
在十大技術趨勢中，詳細展現了新華三眼中，算法、算力與工程化方法三條創新路徑的具體方案，為行業标清了發展方向與演進取數。
首先在算法層面，目前我們已經可以看到基于 Transformer 的各類大型語言模型，可以大幅提升了對自然語言理解和生成的能力。在可見的未來中，大語言模型依舊将是 AI 產生智能湧現效果，提升核心能力的關鍵路徑。與此同時，更大的算法機遇來自機器視覺，基于擴散模型的算法，将有可能帶來影像生成效果質的提升。在語言 + 視覺的雙重能力覆蓋下，AI 技術才能真正實現通用化更強大。
在今天，各行業更加關注的是 AI 基礎設施的創新，尤其是算力基礎設施的更新。因為算力稀缺，已經成為今天各行業應用 AI 時代最大的攔路虎。根據資料顯示，僅僅是 GPT-3 的訓練算力消耗就達到了 3640 petaflop/s-day，根據 OpenAI 自己發布的數據，AI 算力需求在過去十年間出現了數十萬倍的提升，遠遠超過摩爾定律所能負載的範圍。這意味着，我們必須構建強大的算力基礎設施才能支撐接下來的智能化浪潮。而在新華三看來，大規模智算中心的建設，可以大幅度加速 AI 研究的創新，而智算設施的關鍵技術包括：
1. Chiplet 技術。在不改變制程的前提下，大幅提升 AI 芯片性能、降低功耗，在芯片側提升 AI 算力。
2. 異構計算。包括 CXL 互聯（Compute eXpress Link）、軟硬協同等技術，全面提升 AI 集群系統整體效率，在算力集群層面強化 AI 計算的集約性，提升算力效率。
3. 綠色低碳。通過液冷散熱、綠色供電等降低 PUE，确保 AI 技術崛起與雙碳戰略是吻合、适配的。
在這技術的支撐下，智算中心可以承擔起 AI 算力基礎設施的重任，既保證 AI 算力的充沛，又确保不會產生資源錯置與浪費。
在 AI 技術與百行百業的結合上，新華三認為工程化方法實踐，可以為 AI 應用大規模普及提供高效的落地支撐。通過采用工程化方法銜接 AI 流程各個環節，聚合全鏈路多角色團隊，能夠加速 AI 生產力轉化，讓 AI 展現出最終價值。未來值得注意的 AI 工程化方法包括：
1.MLOps（Machine Learning Operations，研運全流程一體化）：MLIOps 可以全面提升模型算法的開發和部署效率，降低流程成本，提升智能化的靈活性。IDC2022 年預測，到 2024 年 60% 的中國企業将通過 MLOps 來運作 AI 任務。
2.MaaS（Model as a Service，模型即服務）：在雲計算領網域 SaaS、PaaS 成為風潮後，新的 MaaS 形式正在更加引人注目。MaaS 強調圍繞 AI 模型本身來提供相應服務，從而提升企業與 AI 模型的聯系緊密程度，尤其可以提升大模型在企業部署的場景化能力。
3.AI 安全，包括模型安全、模型可解釋、隐私保護等方面。重視安全能力，可以為 AI 大規模部署掃清障礙。
在算法、算力、工程化三大趨勢的推動下，未來 AI 将向着通用化不斷演進，并且持續降低适用門檻。預計未來 3 到 5 年，AI 整體能力将得到全面提升，AI 基礎設施将持續增強，同時将有大量必須由人類完成的工作變成由 AI 來完成。
未來，AI 技術将與更多 ICT 技術組合，形成一個高度整體化、标準化的數字世界。人類共同預想的智能未來，将由此路前進。
向科技，要答案
洞見智能未來
二十大報告提出：" 必須堅持科技是第一生產力、人才是第一資源、創新是第一動力，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，開辟發展新領網域新賽道，不斷塑造發展新動能新優勢。"
在這個時代，必須向科技要答案，而科技的沃土是多元、復雜的。智能未來，需要在 AI 技術與新一代信息技術的廣泛協同、融合，以及再創新。就像 AI 技術的算力基礎設施，離不開智算中心以及企業 AI 計算能力的提升，這就對計算技術，尤其是多元算力建設提出了考驗。而 AI 模型效果的充分釋放，必須有賴于網絡環節的支持，這就需要高品質的網絡，才能讓 AI 的價值最大化釋放。
于是從這裡我們可以看到，新華三發布的 2023 十大技術趨勢預測，并不是彼此孤立的十個技術單元，而是整體性、融合性的技術網絡。AI 将是未來智能化世界的技術抓手，但同時它也必須與其他數字化技術緊密相關，形成最終為人類服務的技術綜合體。
這裡我們可以看到，在新華三看來，高效釋放多元算力的數據中心，将承載起復雜多元、準确快速的數字時代應用；高品質服務化的網絡，會讓生活、行業和社會場景更具個性化和智能；雲網邊端分布式架構，讓數字應用一體化，串聯起更廣網域的場景，應用流轉與銜接更加無感；元宇宙也正在脫離純虛拟化的早期設定，向着虛實融合、賦能實體的方向演進，為教育、文旅和城市模拟帶來全新動力；能源系統的數字化，将成為雙碳戰略的發展基石；隐私計算與雲原生安全，将成為千行百業上雲與智能化過程中的安全守衛者；量子信息技術、全棧可觀測性技術的到來，會加速下一個數字世代的到來。
面向未來，我們不是需要一種技術、一個問題的答案，而是需要一個綜合的，立體化的解答。任何技術趨勢預測，都是當下需求的延伸，這些延長線匯聚到一起，才能清晰我們标明未來的方向。
長期以來，新華三堅持集團以技術創新為核心引擎，公司研發人員占比超過 50%，科技研發投入占銷售收入的 10 到 15%。向科技要答案，已經成為新華三發展過程中的信條。
而如果我們想要了解十大趨勢如何落地，想要探索 AI 技術發展的基礎設施創新與工程方法迭代，想要了解新華三面向未來的信念與目标，接下來有一個非常好的視窗。
6 月 9 日，新華三在杭州市國際博覽中心舉辦了 2023 NAVIGATE 領航者峰會。在峰會上，新華三發布了 " 百業靈犀 "LinSeer 私網域大模型和支持 AIGC 大算力調度的 " 傲飛算力平台 "，可與業務深度結合提升工作效率，持續優化算法和積累公網域數據，為客戶提供最新知識能力。同時推出了 "AIGC 開放戰略 "，既支持 " 百業靈犀 + 新華三 ICT 基礎架構 " 的模式保障數據安全，實現最優配合，同時也支持 " 客戶自選大模型 + 新華三 ICT 基礎架構 " 的模式滿足多種需求，幫助百行百業量體裁衣制定數字化解決方案。駕馭算力、融匯數據、運用智能、賦能業務、提升效能，是新華三為自己設定的發展使命與願景。
要向科技要答案，向實幹要答案，這就是新華三眼中的 AI 天路。
>
