全民围观生成式AI,十问GPT与AIGC真实现状与未来发展

IDC定义的AI应用均是指基于机器学习算法的AI决策系统。大模型则是指读取海量数据、参数规模巨大的算法模型。业界一般认为超过千亿级参数即为大模型,其训练过程中可能使用了上千张以上的GPU/CPU芯片。C

本文来自微信公众号“IDC咨询”。

近日OpenAI陆续发布ChatGPT,GPT-4,引发了AI界的全民狂欢,文生图类应用如StableDiffusion、Midjourney以及DALL·E2也开始快速流行。百度则于3月16日召开文心一言发布会,展示了中国厂商的大模型以及生成式AI能力。

至此,人工智能市场正式开启了全新的时代——大模型驱动的AI时代。

大模型、ChatGPT以及AIGC的关系

IDC定义的AI应用均是指基于机器学习算法的AI决策系统。大模型则是指读取海量数据、参数规模巨大的算法模型。业界一般认为超过千亿级参数即为大模型,其训练过程中可能使用了上千张以上的GPU/CPU芯片。ChatGPT与AIGC均为大模型的应用场景之一。ChatGPT可以类比原有的对话式AI应用、AI赋能的搜索类应用。AIGC则可以分为生成文本、生成图像、生成视频,也可以归为大模型的应用场景之一。

GPT-4为代表的大模型的变革所在

OpenAI自发布GPT1.0模型之后,一直在持续迭代,陆续发布GPT2.0、GPT3.0和GPT 3.5,本次发布GPT4.0是其持续投入AI大模型的必然阶段。相比前几个模型,GPT-4的参数量更大,模型迭代时间更长,也能够给出更准确的结果。IDC认为,新版本的发布是大模型循序渐进发展的必然成果。正如百度集团首席执行官李彦宏所说:“公司每一年都会发布大模型的新版本,是多年努力的自然延续”。

ChatGPT可能带来的产业影响

ChatGPT实质是对话式AI的应用,对话式AI的落地已经非常广泛。根据IDC追踪的人工智能市场规模数据,对话式AI市场规模在2022年达到54.6亿元人民币,其市场渗透率相对已经饱和。ChatGPT引发的浪潮促使主流厂商在其对话式AI应用中引入大模型,将带动对话AI相关市场新一轮增长。此外,在搜索、营销场景中,ChatGPT类型的应用则可能衍生出全新的产品形态。

市面上可用的产品

关于AIGC,除了大众所熟知的StableDiffusion,Midjourney以及DALL·E2之外,也有些商业公司对此提供云端支持。目前亚马逊云科技通过IndustryAI以及SageMaker提供了Stable Diffusion的支持。百度的文心一言已于3月16日开启邀测,提供文学创作、商业文案创作、数理逻辑的推算、自然语言理解以及多模态生成五大功能。此外,还有很多数字人的公司也采用了AIGC相关技术。从技术的角度,当前市面上的产品大多只能做到文生图,文生视频类产品的发布则还需要时间,值得期待。

关于大模型,在开源社区已经发布的大模型之外,目前提供商用的大模型包括微软Azure上整合的GPT大模型、百度智能云以及百度飞桨支持的文心大模型、华为云盘古大模型、阿里云M6大模型。由本土厂商研发的大模型,大多支持本地化部署。

引发的AI行业变革

过去几年部署的AI应用,接下来几年都有可能被基于大模型的AI所替代。升级迭代可能会从优先具备海量数据的场景开始。当大模型支撑的AI应用成为主流,不能利用大模型能力的厂商将失去竞争优势。

未来的工作中,AI助理将替代更多人类的工作。诸如文生图的应用,诸如各领域初级内容的搜索,均可以借助AI生成的内容。

可能的投资规模

目前已经公开的大模型诸如GPT系列、Bert系列所耗费的算力根据公开资料可以查到。而真正落地到产业界,具体的投资规模要视应用场景决定。投资成本与所需的算力,是否部署完整的大模型,以及要推理的数据流量相关。

带动的市场机会

纯AI算力市场:在这一波AI热潮中最先最直接受益的即AI算力提供商,包括芯片厂商、AI服务器厂商,以及支撑大模型训练和推理的AI算力云服务商。

大模型与算力的结合:即AIaaS+AIPaaS。为市场提供大模型与算力结合后高度优化的方案,以帮助用户降低硬件使用门槛、提高开发效率、降低整体投资成本。典型的解决方案如百度的“AI大底座”,商汤的“AI大装置”。

大模型即服务:开放大模型开发平台供外部用户使用。这一市场属于高度创新的市场,但仍存在较高的进入壁垒。

从何处着手跟随本次AI浪潮

大模型厂商都在着手将现有的AI软件升级为大模型支撑的AI应用。可以根据应用场景优先级与合作伙伴联系引入大模型支持的AI。而在MaaS(模型即服务)产品层面,市场上可选的成熟产品并不多,预计今年下半年会有数十家厂商的产品上线。可以率先选择数据隐私要求不高的领域在公有云上测试大模型能力。

新一代AI需要注意的问题

生成式AI生成内容的版权需提前规划。生成式AI读取海量数据后生成的图片等内容有可能会引起版权问题,需要提前从规则上加以控制。

对原有流程的改变:一方面生成式AI生成的内容还需要人类审核才能发布,另一方面可能会要求工作流程上做出改变以适配AIGC的加入。

鉴于其仍处于技术成熟度的早期阶段,在传统行业应用场景不十分清晰,投入产出比目前也难以评估。

跳出今天的AIGC看未来AI应用

借鉴今天的文生图、文生视频类应用,其实大多是基于过去几年已有的小模型通过各种技术路线实现的AI应用。类似的、各行各业的应用场景,都可以基于现有的AI模型,以低代码的形式拼接出人人可上手的AI应用,甚至未来的AI应用,都可能是输入自然语言直接输出结果的形式。

IDC中国研究总监卢言霞表示,新一代AI热度持续走高,然而由于其较低的技术成熟度、较高的部署成本,实际落地还需谨慎。但宏观趋势上,以大模型、生成式AI为代表的快速迭代的技术必然会催生全新的AI时代。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论