兩年前的一天，OpenAI的員工接到了一項意外任務：快速發布一個聊天機器人。
當時，一位高管宣布這款聊天機器人將被稱為“GPT-3.5”，原本定在兩週後免費向公眾開放使用，而後又改變了主意。
據了解，OpenAI的其他成員認為，使用舊模型快速推出新產品，可以幫助他們收集反饋，以改進新模型。於是他們決定重新開始，使用了2020年推出的GPT-3語言模型的加強版，更新一個尚未發布的聊天機器人。
13天后，ChatGPT誕生了。
ChatGPT在首次亮相的幾個月裡已經成為了一個全球現象，數百萬人用它來寫詩、開發應用程序和進行臨時治療。
如今，大多數新聞媒體、營銷公司和商業領袖們對ChatGPT的讚揚讓其“皇冠加身”，而ChatGPT也順理成章地引發了眾多投資者的狂熱，他們試圖在人工智能熱潮的下一波浪潮中分一杯羹。
隨著ChatGPT的爆火出圈，以大模型、大數據，高算力為基礎的人工智能內容自動生成技術（AIGC）被推上“熱搜”，進而打開市場對算力需求的想像空間。
近年來，算力正在慢慢滲透於人們日常生活的方方面面，各類融合應用競相湧現。
那麼，雲計算和人工智能技術究竟有怎樣的聯繫？作為算力基礎設施的雲計算是否也能乘著人工智能的風，釋放大數據潛能、推動數字產業發展呢？
AI與雲計算強強聯合
一般來說，人工智能是編程計算機為自己做決定的過程，這項技術創造了能夠獨立推理、學習和行動的智能應用程序。
目前，人工智能研究的內容中心化在機器學習、自然語言處理、計算機視覺、機器人學、自動推理和知識表示六大方向，目前機器學習的應用範圍還是比較廣泛的，比如自動駕駛、智慧醫療等領域都有廣泛的應用。
與傳統數據分析技術相比，人工智能立足於神經網絡，就像人腦一樣，人工智能在進化時可以發展出發散性的神經網絡，從而進行全面的機器學習。
與傳統算法相比，人工智能算法並無多餘的假設前提，而是完全利用輸入的數據自行模擬和構建相應的模型結構，這一算法特點決定了它是更為靈活且可以根據不同的訓練數據而擁有自優化的能力，同時也帶來了顯著增加的運算量。
在算力取得突破以前，大數據的優勢幾乎無處發揮，更別說人工智能的運用。
如今，人們正在進入一個數據量迅速膨脹的時代，少量服務器已經不能解決問題，於是人們開始聚合多台服務器的力量，利用雲平台實現海量數據的分析與整合。
伴隨著雲計算的發展，高速並行運算、海量數據、更優化的算法共同促成了科技發展的突破，也為人工智能在雲計算中的發展應用提供了更多的可能。
雲計算通過互聯網提供計算服務，包括服務器、存儲、數據庫、網絡、軟件、分析和智能，以提供更快的創新、靈活的資源和規模經濟，而人工智能可以幫助雲提供商為客戶提供更智能和個性化的服務。
例如，人工智能可以自動發放和管理雲資源，優化雲基礎設施，保護雲中的數據和應用程序。我們還可以在雲計算中使用人工智能來開發新的雲服務，比如聲控助手和預測分析。
對於各種規模的企業來說，雲計算正變得越來越流行。它提供了許多好處，包括能夠快速輕鬆地擴展，提供現收現付定價，以及增加的靈活性和敏捷性。
而“人工智能+雲計算”作為一個龐大的高新技術合集，正在作為一種新經濟業態開始萌芽，越來越多的雲計算企業開始擁抱人工智能，用“人工智能+雲計算”助力技術和產業的進一步發展。
在雲計算與大數據成熟的沃土上誕生的人工智能可謂是天選之子，隨著新科技時代的到來，人們的生活正在更加緊密地與人工智能和雲計算等新科技聯繫在一起。
Web3雲能為AI發展帶來什麼？
上文我們談到，移動互聯網時代帶來的海量數據、模型和算力的不斷迭代，以及各類應用場景中的商業化嘗試，為人工智能的商業化奠定了堅實基礎，未來有望加速釋放人工智能產業動能。
根據著名諮詢機構德勤的預測，全球人工智能產業規模預計從2017年的6900億美元增長至2025年的6.4萬億美元，複合增長率達32.10%。
而云計算產業也已走過了從炒作到廣泛採用的道路，如今的雲計算就像動力單元，正在為人工智能提供源源不斷的能量源泉。
然而，上述我們所介紹的雲計算僅包括傳統的中心化雲。隨著Web3基礎設施在近兩年迎來關鍵發展階段，在此期間，Web3雲正在先於應用捕捉到更高的行業價值。
在這條極具潛力的賽道中，Phala Network算得上是綜合性實力雄厚的代表之一。
Phala Network的核心是雲計算網絡，同現行的雲服務相比，它不僅能提供龐大的去中心化算力，還能向受監管的程序提供隱私保護，以及維護區塊鏈的安全和去信任化屬性。
除此之外，Phala Network還能自由地與其它去中心化智能合約、存儲協議、數據索引服務結合，連接互聯網上眾多分佈式設備的雲算力，從而保證在低成本、高效運營的情況下實現真正的去中心化。
那麼，對比傳統的中心化雲，Phala Network所構建的Web3雲計算網絡究竟能為人工智能的發展提供什麼？以下我們一一拆解：
更低的成本和更廣的算力
通過區塊鏈將人工智能與雲計算結合使用的最吸引人的因素是其成本的顯著降低。
相較於傳統的雲計算為用戶提供中心化機器和服務，Phala Network連接了來自世界各地的去中心化算力，閒置資源的投入和使用使得人工智能的算力成本得到了更加明顯的降低。
另外，Phala採用了“鏈上共識、鏈下計算”的模式。
其中，鏈下計算節點不受共識算法的約束，通過並發編程可結合多個節點的計算能力，即便是面對人工智能繁重的計算任務，Phala也能為其提供源源不斷的算力服務。
去信任的人工智能生態
尋找人工智能時代隱私保護、政策監管、商業訴求的平衡點，已經成為迫切需要解決的問題。
Phala Network基於Secure Enclave可信執行環境所構建，這就意味著即使是惡意的節點也無法竊取人工智能的數據或操縱其自動化程序的執行、提供虛假結果。
通過Phala所提供的去信任化的計算環境，人們可以不必有中心化控制的擔憂，通過底層技術框架解決人工智能應用過程中可能存在的隱私保護等多類問題，由此建立可靠、去信任的人工智能生態。
易於訪問的超級互聯網
人工智能訪問互聯網時，在數據處理、管理和結構化方面發揮著重要作用。
人工智能工具簡化了數據的吸收、修改和管理，從而有效地為互聯網及用戶提供更加全面、智能的實用性服務。
而Phala Network的核心產品Phat Contract可以通過內置的互聯網接入並訪問任何Web2和Web3數據和服務。並且，Phala的跨鏈橋SubBridge連接了多個區塊鏈生態，即使是不同鏈上的數據和資產都可以互通，讓人工智能完成易於訪問的互聯網服務，響應更廣泛的網絡請求。
低延遲的人工智能交互
理論上，對於開發人員來說，人工智能追求的是速度，這些速度包括了對模型的訓練速度，對模型應用的推理速度等方面，在深度學習應用上消除無差別的繁重任務，不斷地進行快速迭代。
而人工智能的交互速度取決於計算節點設備本身的性能，Phala Network利用鏈下執行的模型，可以實現毫秒級的請求響應，因此通過Phala技術的不斷迭代和訓練，可以實現低延遲的交互。
總而言之，Phala所打造的去中心化雲計算網絡不僅具備傳統智能合約的功能，重要的是“共識與計算分離”使得規模化鏈下計算、鏈外數據請求和實時響應成為現實，可以規模化承載高密度、低延遲、實時互動、鏈下互聯等應用場景，為人工智能技術的發展提供堅實的基礎設施底座。
可以說，將Phala Network等Web3去中心化雲的優勢融合人工智能技術已經成為了必然趨勢。那麼，回到德勤機構之前的預測，人們對於人工智能應用的預測會是保守的嗎？
AI的天花板在哪裡？
隨著生成式人工智能AIGC領域正在升溫，以ChatGPT為核心的有關人工智能的商業競爭已悄然開始，而如何挖礦出行業中的黑馬，是如今值得重點關注的點。
近期一系列全新發布活動，科技巨頭正緊鑼密鼓地為其產品或開發者推出更強大的聊天機器人服務和更多AI功能，以期在由ChatGPT掀起的全新人工智能浪潮中佔據先機。
例如，微軟擴大了與OpenAI的合作關係，將自身的搜索引擎Bing、雲服務Azure引入了ChatGPT；再或者谷歌近日投資4億美元給AI初創企業Anthropi，其核心產品Claude被稱為ChatGPT的最強競品，之後Anthropi也將使用谷歌云服務。
可以看出，在AIGC的競爭中，微軟、谷歌、亞馬遜等傳統的大型科技公司既是雲服務提供商，又是人工智能領域的競爭者。
從雲行業的發展角度來看，ChatGPT的持續爆火為AIGC帶來全新增量，同時更是對人工智能模型訓練所需要的算力支持提出了更高要求。
雲計算基礎設施作為算力底座，其重要性在AI發展的推動下愈發凸顯。據報告稱，受益於AI和產業數字化轉型等多樣化算力需求場景的湧現，預計算力需求每年將以20%以上的速度快速增長，數據中心作為算力基礎設施長期受益。
雖然傳統的中心化雲正在日趨成熟，但Web3云同樣正在蓄力。若Web3雲能夠得到較大發展，其產業對算力要求會帶來雲基礎設施較大增量，幫助雲服務行業快速出圈。
在新興技術、應用需求與產業進化永不停歇、奔湧向前的腳步下，雲技術會進步到何種程度，人工智能的天花板又會在雲計算的依托下發展到何種高度？時間會告訴我們答案。
本文為論道隱私計算團隊原創，未經允許嚴禁轉載，如需轉載請聯繫我們。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載