Tag: Driving

向一边去，韦伯斯特：今年企业发现了许多候选词来评选年度词汇。紧随其后的是诸如“生成式人工智能”和“生成式预训练变压器”之类的术语，整个行业都将注意力转向变革性的新技术，如“大型语言模型”和“检索增强生成”（RAG）。 一开始，“生成式人工智能”只是一个较小的关注点，但最后却以耀眼姿态收场。许多公司正在迅速利用其能够处理文本、语音和视频的能力，产生革新性的内容，从而彻底改变生产力、创新力和创造力。 企业正在顺应这一趋势。根据麦肯锡公司的数据，像OpenAI的ChatGPT这样的深度学习算法，再加上企业数据的进一步训练，每年可以为63个商业用例带来相当于2.6万亿至4.4万亿美元的价值。 然而，管理大量的内部数据往往被认为是扩展人工智能的最大障碍。一些AI领域的NVIDIA专家预测，2024年将成为联络朋友的一年——与云服务提供商、数据存储和分析公司以及其他掌握处理、优化和高效部署大数据的技能的公司建立伙伴关系和合作。 大语言模型是这一切的核心。NVIDIA专家表示，LLM研究的进展将越来越多地应用于商业和企业应用领域。通过几乎任何平台，诸如RAG、自主智能代理和多模态互动等AI功能将变得更加易于获取和部署。 听取NVIDIA专家对未来一年的预测： MANUVIR DAS企业计算副总裁 一刀切不适用于所有情况：定制化即将进入企业。企业将不会只有一两个生成式人工智能应用，它们会有数百个定制应用，使用适合于业务不同部分的专有数据。 一旦投入生产，这些定制化的LLM将具备RAG功能，将数据源与生成式人工智能模型连接起来，以获得更准确、更明智的响应。像Amdocs、Dropbox、Genentech、SAP、ServiceNow和Snowflake这样的领先公司已经在构建使用RAG和LLM的全新生成式人工智能服务。 开源软件引领潮流：得益于开源预训练模型，解决特定领域挑战的生成式人工智能应用将成为企业运营策略的一部分。 一旦公司将这些先导模型与私有或实时数据结合起来，他们就可以开始在整个组织中看到加速的生产力和成本效益。从基于云计算和人工智能模型铸造服务到数据中心、边缘和桌面，AI计算和软件将在几乎任何平台上变得更加易于获取。 现成的人工智能和微服务：生成式人工智能促使应用程序编程接口（API）端点的采用增加，这使得开发人员能够构建复杂的应用程序更加容易。 到2024年，软件开发工具包和API将升级，开发人员将使用生成式人工智能微服务（例如RAG作为服务）来定制现成的AI模型。这将帮助企业充分发挥以智能助手和摘要工具为代表的以AI驱动的生产力的潜力，这些工具可以获取最新的业务信息。 开发人员将能够直接将这些API端点嵌入到他们的应用程序中，而无需担心维护支持这些模型和框架所需的基础设施。最终用户将能够体验到更直观、更具响应性和更符合需求的应用程序。 IAN BUCK超大规模和高性能计算副总裁 国家财富：人工智能将成为新的太空竞赛，每个国家都希望建立自己的卓越中心，推动研究和科学的重大进展，提高国内生产总值。 只需要几百个加速计算节点，各国就能迅速构建高效、高性能、百亿亿次量级的AI超级计算机。政府资助的生成式AI卓越中心将通过创造新的工作岗位和建设更强大的大学项目推动国家经济增长，培养下一代科学家、研究人员和工程师。 量子飞跃：企业领导者将以两个关键驱动因素启动量子计算研究项目：利用传统AI超级计算机模拟量子处理器的能力以及混合经典量子计算的开放统一开发平台的可用性。这使得开发人员可以使用标准编程语言而不需要定制的、专门的知识来构建量子算法。 曾经在计算机科学中被认为是一个隐晦的领域，随着企业加入学术界和国家实验室追求材料科学、制药研究、亚原子物理和物流的快速进展，量子计算探索将变得更加主流。 KARI BRISKI副总裁，AI软件 从试错到致富：随着企业采用这些AI框架，对试错增强生成技术（RAG）将会有更多的讨论。 当企业培训LLM来构建生成式AI应用程序和服务时，当模型在某种用例下没有足够准确、相关的信息时，RAG被广泛视为解决不准确或荒谬回答的方法。…