比爾蓋茨稱他一生中見證了兩次革命性技術的展示，一是1980年被介紹給一個圖形用戶界面，這才有了後期的操作系統，而另一次就是以ChatGPT為代表的AI技術。
ChatGPT的橫空出世，也讓我們見證了AI從“偶像派”到“實力派”的轉變。
開發人工智能和通用人工智能一直是計算機行業的偉大夢想，我們目睹了複雜的人工智能成為現實，並且它們在快速地升級。不難預見，未來將會有大量公司致力於開發新的AI應用以及改進技術本身。
中信建投證券研究所所長武超則將AI看作數字化時代的操作系統，“它是一個超級工具，會大幅加快數字化應用的落地，我們既要看到AI對數字化的加速，更要看到數字化時代將會對生產、生活方式的下一次重塑。”
AI規模化落地應用，紮紮實實為國民經濟提質增效，同時我們也非常明確“這一輪科技創新需要從底層操作系統、大模型甚至是芯片和CPU、GPU做起”。
每一輪的科技創新都是“由大的確定性和小的不確定性構成的，確定的是行業技術和演進趨勢，不確定的是誰最終能跑出來”，從細枝末節的問題中間跳出，俯瞰它對全行業的影響，或許才能夠讓我們在眾多不確定性中保留一份清醒。
AI的前世今生
人工智能（Artificial Intelligence，縮寫為AI）亦稱智械、機器智能，指由人製造出來的機器所表現出來的智能。通常人工智能是指通過普通計算機程序來呈現人類智能的技術，其經歷了這樣的幾次浪潮。
1950年，“人工智能之父”圖靈提出了機器具有智能的可能性，1956年的達特茅斯會議上“人工智能”這個詞由約翰.麥卡錫等人首次正式提出，因此這一年被公認為是人工智能的元年。
隨後的幾十年間，人工智能經歷了發展高潮與瓶頸期的不斷切換。 1966年美國麻省理工學院發布了世界上第一個聊天機器人ELIZA，20世界80年代，推理作為機器智能的主要機制引發了以日本第五代計算機為代表的的人工智能研究第二次高潮。
但在此期間，人工智能應用規模的擴大，讓人們認識到此時的人工智能與憧憬中的還存在很大差距，人工智能要實現真正的智能化，其應該擁有自己的感知系統，並且可以自主學習。構想與現實技術之間的差異，也讓人工智能的發展反复受阻。
直到上世紀90年代末，互聯網技術推動人工智能的創新研究加速，人工智能進入平穩發展期。
伴隨著大數據、雲計算、物聯網等技術的發展，以深度神經網絡為代表的人工智能技術迎來爆發式增長的新高潮，諸如圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智能技術實現了重大的技術突破，大幅跨越了科學與應用之間的技術鴻溝。
2015年OpenAI成立，並提出其使命是推動通用人工智能。其聊天機器人ChatGPT自2022年11月開放公測以來，迅速習成交量全球成為現象級應用，基於Transformer模型，ChatGPT能夠理解和學習人類的語言來進行對話。隨後我們便以始料未及的速度見證了GPT-4的震撼發布。
微軟、谷歌、百度、阿里等眾多科技巨頭紛紛加入AI競賽並推出自己的拳頭產品，此等狂歡場面讓我們意識到AI真正迎來了它的爆發式增長。芯片巨頭英偉達黃仁勳不禁興奮地宣布“我們正處於AI的iPhone時刻。”
歷經幾十年的螺旋式上漲，人工智能從初期探索到引發第四次產業革命，世界正在被AI重塑，人工智能將融入每個人的生活，變得無處不在。
而就人工智能要實現的根本目標而言——讓機器來模仿人類學習以及其他方面的智能，一切才剛剛開始。正如比爾蓋茨所言：“我們應該記住，我們只是在人工智能可以實現的開始階段，無論它今天有什麼限制，它都將在我們不知不覺中被消除。”
驚嘆與爭議接踵而至
人工智能作為新一輪驅動科技革命和產業變革的核心驅動力量，已經成為了國際競爭的新焦點和經濟發展的新引擎。如何在更高的層次、更大的範圍讓AI為人類帶來更加美好的未來，是政策制定者和科技先行者應該規劃和思考的問題。
在人工智能“狂飆”的路上，既留下了工作效率飆升的滿屏驚嘆，也飽含著深深的隱憂。
除去人工智能可能與人類競爭並對經濟、政治、社會和文明造成潛在風險等此類倫理問題，隱私和數據洩露問題就首先給企業和個人敲響了警鐘。
在AI不斷迭代且確實能大大提高工作效率的時候，不積極擁抱AI似乎就意味著會被時代遠遠甩在身後，但同時我們也看到本來持謹慎、保守態度的三星在引入ChatGPT不到20天，就發生了3起機密數據洩露事件，其中還涉及三星半導體設備測量資料等信息。
其實關於ChatGPT的爭議一直不斷，據Cyberhaven數據統計現實，近160萬名打工人中，有6.5%的員工表示會將公司數據複製到ChatGPT中，更有3.1%的員工表示曾將公司的機密數據放入ChatGPT。擔心機密數據外洩的企業會禁止員工訪問ChatGPT，例如摩根大通、花旗銀行等。
數據隱私問題在Web2時代一直飽受詬病，而數據作為人工智能發展的三大基礎要素之一，若隨意被盜取、濫用，這樣的AI應用即便能夠大規模賦能生產力，也不是我們希望看到的結果。
3月31日意大利個人數據保護局就宣布，禁止ChatGPT的使用，同時對其背後的OpenAI公司展開調查，限制其處理意大利的用戶信息。
同時，AI掀起的驚濤駭浪，也將算力問題再度推向前台：一邊是計算量爆棚的AI與大模型發展熱情高漲，另一邊是即將觸頂的算力增長空間與算力消耗所帶來的驚人碳排放量。
早在2021年，麻省理工學院的研究人員就曾發出算力警告：深度學習正在逼近計算極限。還原人工智能本質，算力即權利，只有算力足夠強大才有更多可能性。
有這樣一種說法，“流向大模型的每一滴水其實最後都會流向算力”，未來將是人工智能算力的“超摩爾時代”。
AI的普及是歷史的必然趨勢，隨著AI算法突飛猛進的發展，越來越多的模型訓練需要巨量的算力支撐，但要知道，算力提高的背後，硬件、環境和金錢等成本都將變得越來越無法承受。
且目前區域間算力資源供需也是不平衡的，要發展AI，必須要有穩定可靠的銜接平台來供給算力資源。
如何支撐AI產業高速發展突破AI算力困境？算力擴容問題在提高單芯片算力之外是否還有其他答案？如何實現算力可持續發展？我們期待能把AI引擎拉滿的可行方案不斷湧現。
AI的未來需要怎樣的算力服務
數據、算力和算法——推動AI發展的三大基礎要素，三者之間相互促進、相互支撐、缺一不可。在致力於大模型研究的同時，如何保證數據隱私安全，又滿足AI發展不斷飆升的算力要求，都是當下亟待解決的問題。
數據接入和處理是支撐AI發展的重要底層資源和生產要素，為保證隱私數據不被非法收集、儲存與利用，避免其被盜取或濫用，必須採用先進的技術方案以及配套的監管機制來實現數據管控，隱私計算技術也許會成為AI發展的關鍵一環。
諸如基於密碼學基礎的安全多方計算技術或基於可信硬件的TEE可信執行環境技術，無論哪一種隱私計算技術，其最終目標都是為了實現數據的「可用不可見，可算不可識」，這也是隱私計算技術的核心理念。
而在實際落地中，不少項目或企業正不斷嘗試將區塊鏈技術與隱私計算相結合，將區塊鏈技術對計算的可信證明應用到隱私計算中，可以在保護數據隱私的同時增強隱私計算過程的可驗證性，兩者相輔相成，能夠實現更廣泛的數據協同。
隱私計算除了能夠保證「隱私安全」，「計算」也是至關重要的一部分。目前提出的算力資源優化途徑中，雲計算和邊緣計算是重要的技術變革方向。高效的分佈式互聯和協作計算能力，實現算力端、邊、雲協同是提升智能服務的有效途徑。
而基於區塊鏈技術構建的Web3雲計算在分佈式計算範式中天然具備分佈廣泛、邊緣化的特點。作為下一代互聯網的重要組成部分，Web3雲正在吸引越來越多的傳統雲巨頭和行業巨擘的眼球，而人工智能作為一項關鍵技術，也將對其發展產生深遠影響。
在這個新領域裡，GPT-4無疑是備受期待的一個突破，它被稱為“史上功能最強大的AI模型”。它可以通過深度學習和模型訓練，對Web3雲中龐大、複雜的數據進行更加智能的處理和分析，這將使得Web3雲能夠更好地滿足用戶的數據處理和分析需求，為用戶提供更加準確、全面的數據分析結果。同時，GPT-4還可以幫助智能合約更加智能化，並實現更加高效、智能的執行。
隨著AI的不斷發展，未來將會有更多的用戶參與到Web3生態中，享受到更加智能和高效的服務。這將進一步加速區塊鏈技術的落地和應用，從而推動整個經濟的轉型和全方位升級。
儘管存在數據隱私安全和算力優化等諸多挑戰，但Web3云作為未來互聯網的重要組成部分，其潛力無疑是巨大的。我們可以期待，在不久的將來，更加智能、高效、安全的Web3雲服務將會逐漸普及，並為人們帶來更加豐富、智能的雲服務體驗。
AI時代已到來，雲計算也將乘著AI的東風攀越直上開闢另一個機遇窗口。 AI所需的高性能、低成本、高靈活性算力資源將助力企業加速Web3時代云服務的落地。
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