当前 AIGC 成为人工智能领域最火热的概念。随着国内外各种自然语言处理 ( NLP ) 领域的产品不断推出 , 生成式大语言模型 ( LLM ) 技术在通用性、多轮对话理解、推理任务中的成熟表现 , 已经被越来越多人认识并接纳。
当前 AIGC 成为人工智能领域最火热的概念。随着国内外各种自然语言处理 ( NLP ) 领域的产品不断推出 , 生成式大语言模型 ( LLM ) 技术在通用性、多轮对话理解、推理任务中的成熟表现 , 已经被越来越多人认识并接纳。未来 AIGC 将逐步深入千行百业 , 为商业带来关键性的变革 , 已经成为行业共识。
在此背景下 , 百度联手深度合作伙伴 NVIDIA 英伟达共同举办了首届百度商业 AI 技术创新大赛 , 以 " 商业转化行为预测 "、"AIGC 推理性能优化 " 两大热点议题为主题 , 展开技术攻坚探讨 , 期待挖掘培育更多 AI 领域青年人才 , 共探 AI 技术最前沿。
AIGC 的运用会被局限在特定领域的内容创作吗 ? 未来 AIGC 对商业模式将产生何种影响 ?AI 技术会在哪些领域发挥更加深入的作用 ? 在大赛火热进行的同时 ,NVIDIA 英伟达互联网解决方案架构总监陈川站在技术视角 , 分享了 AI 未来的发展方向及可能产生的影响。
携手共进 , 挖掘培养 AI 领域青年人才
去年以来 , 生成式 AI 的爆火 , 让世界经历了一轮 AIGC 已高度智能化的认知重塑。在此背景下 ,AIGC 技术到底发展到了什么程度 ?AIGC 未来会在哪些领域迎来爆发式的增长 ? 这些话题成为不少人关心的重点。
对此 , 陈川表示 , 生成式 AI 的发展并非一蹴而就 , 在文本 , 语音 , 图像各个方向经历了多年的创新尝试和迭代 , 以及反复的实践应用检验。就目前的情况来看 , 随着 Diffusion model 在图像领域和 ChatGPT 在 LLM 领域效果上表现出的大幅提升 , 业内已经在 AIGC 技术模型、技术研究上实现了快速推进 , 并在创作、效率工具、教育、营销、金融领域陆续出现热门应用。从基础模型到服务模式 , 创新应用的生态已经初步建立 , 应用场景不断拓展。
以 NVIDIA 英伟达的深度合作伙伴百度为例 , 百度的文心一言、文心一格 , 不断尝试与各行各业进行合作 , 并取得了一定的应用成绩。同时百度还在今年推出了 AIGC 创意平台 " 擎舵 "、AI 文本创意工具等 AIGC 创新应用。相信随着基础能力的不断提升 , 未来 AIGC 行业将会呈现各种应用和创新企业爆发的趋势。
NVIDIA 与百度一直以来保持了深度合作和互相促进的关系 , 包括最新的前沿技术研究方向探讨 , 百度核心产品和重点项目的软硬件联合优化等。比如 , 百度的 Paddle 平台框架在 NVIDIA 软硬件平台的加速优化。PaddleBox 是百度基于 Paddle 和英伟达起打造的个 GPU 规模离散框架 , 也是软硬一体开源开放的模型训练框架 , 具有资源和效能优势 , 相传统的 MPI 解决案 ,PaddleBox 在多级存储、训练性能、多机扩展和架构融合都有重的技术突破 , 性价比提升了 5～40 倍 , 在业内处于领先地位。在此基础上 ,NVIDIA 和百度商业通过技术社区共同推广的方式共同推动 AI 创新生态的发展 , 发掘和培育创新 AI 技术人才 , 促进业内交流。
生态建设和创新人才的培养 , 是推动 AI 技术发展的源泉。有鉴于此 ,NVIDIA 与百度共同推动了首届商业 AI 技术创新大赛的举办。陈川表示 , 期待 NVIDIA 与百度共同举办的首届百度商业 AI 技术创新大赛 , 能够推动商业 AI 技术应用的持续创新发展 , 也为业内优秀人才提供一个展现能力的平台。
不止内容创作 ,AIGC 将融入千百行业
当前 , 生成式 AI 在对话和图文生成领域各种应用的成熟表现 , 已经为业界所称道 , 并逐步应用在了多个商业场景之中。在陈川看来 , 未来生成式 AI 绝不会局限于内容创作领域 , 而是链接更多场域 , 惠及千行百业。
比如视频和 3D 领域将会是下一步可能会取得可观成果的重要应用方向。目前 , 国内外的科技公司都在加大投入研究 , 虽然目前很多热门应用暂时还未能做到效果能够达到人工创作的成熟文本和图片的质量水平 , 但持续的创新研究和效果提升值得期待。NVIDIA 也一直致力于从硬件到软件全栈的加速计算能力的持续改进 , 以满足不断增长的模型和数据规模带来的算力和需求。
此外 , 在代码、音乐、语音、游戏、甚至生物科技领域的生成式 AI 应用也都已经陆续出现。业内在不断探索大模型的能力上限 , 基础模型在 Multi-Modal 的发展让跨模态的融合和转化能力也不断提升。在创作更广泛的 AI 应用能力方面 ,NVIDIA 提供了 NVIDIA AI Enterprise 以满足企业在大多数 AI 场景下充分利用 GPU 计算加速优势的 NVIDIA 软件栈套件的需求 , 让企业的 AI 应用落地更加便捷高效。
事实上 , 随着生成式 AI 和大模型快速增长及应用 , 人工智能领域对算力的需求已经不是简单的芯片算力提升问题 , 而是未来数据中心层面的 AI 基础设施整体优化和能力提升问题。因此 NVIDIA 推出的新一代 GPU 不仅是在芯片 Flops 层面的算力提升 , 还提供了专门面向 LLM 的 Transformer Engine 优化。此外 ,NVIDIA 在网络、CPU/GPU 高速 NVLink 互联以及大规模数据中心等方面 , 配合软件栈的不断优化 , 能够在支撑起大模型应用压力的同时大幅降低单位算力成本。相信人工智能技术使用成本的下降 , 也将会不断加速 AIGC 融入社会生活各方面的过程 , 提高生产生活效率 , 惠及千行百业。
大模型推动服务不断成熟 ,AI 将为商业生态带来变革
当下 , 生成式 AI 已经在多个行业领域不断加强赋能 , 逐步累积的效应 , 似乎正在吹响商业生态的变革的号角。未来生成式 AI 技术迭代的方向会是什么 ? 受此影响 , 商业生态又将走向何方 ?
对此 , 陈川表示 , 从目前的发展趋势来看 , 生成式 AI 与基础模型的迭代都在快速推进。不管最终是否能够出现真正的通用 AI,AI 能力的不断提升对商业智能化程度及营销效率的提升都是可预见的 , 未来将深度影响生活的方方面面。
一方面 , 大模型能力不断在提升 , 基础模型依然在不断变大。业内还在不断探索单一大模型实现 Multi-Modal 和跨领域通用能力的上限 ; 另一方面 , 基础大模型与专业模型 / 系统的协同应用 , 交互门槛的降低让普通用户可以更容易获取专业知识或操作专业工具。
NVIDIA 也在不断为探索大模型能力上限和推动应用服务成熟提供技术支持。NVIDIA 最新的 Hopper 架构 GPU 除了提升算力外 , 还对 Transformer 进行了专门优化 , 为各类生成式 AI 应用提供针对性的加速能力 , 实现性能提升和单位成本的降低 ; 今年 5 月 NVIDIA 发布的 DGX GH200 AI 超级计算机机器及其搭载的 GH200 Grace Hopper 超级芯片 , 算力高达 1Exaflop ( 百亿亿次 ) , 为未来大模型全面应用也提供了坚实的基础。
随着大模型的技术应用不断成熟 , 对商业生态的影响也是显而易见的 , 目前已经可以看到 AI 在商业创作与决策分析、营销自动化、用于交互式营销或者服务的数字人等效率提升工具的应用。可以预见的是 ,AI 能够更全面和深入的建立对内容和人的理解和连接 , 不断提升营销转化。
回到本次 NVIDIA 与百度共同举办的首届百度商业 AI 技术创新大赛 , 陈川表示 , 本次大赛的两大议题正是 AI 在商业营销领域应用的两大关键性领域。贴合了生成式 AI 和 LLM 带来的这波 AI 应用热潮背景 , 是激发创新应用落地的一次重要窗口 , 同时百度和 NVIDIA 还在大赛中提供了相应的培训视频课程和直播讲座 , 期望能帮助有创新能力的开发者发挥出最好的实力取得应用成果。
经过多年的累积和发展 , 生成式 AI 已经在多个领域、多个方向做出了尝试并取得了一定的成果。然而 , 通用 AI 尚未产生 , 未来 AI 应用走向何方仍然是一个亟待解答但必将得到答案的问题。在此行业变革的关键节点 , 人才将会是 AI 技术企业突破核心难题、使量变成为质变的最重要的一大因素。陈川表示 , 希望通过此次大赛 , 邀请更多有志之士加入到 AI 创新的行列之中 , 让更多的青年才俊共同点燃 AI 变革未来的星星之火。
来源：ZAKER
