原文來源：AGI創新實驗室
根據彭博行業研究(彭博社Intelligence) 分析師在今年早些時候發布的一份新報告稱，AI 行業在十年內可能會以42% 的速度擴張，這首先是由訓練人工智能係統所需的基礎設施需求推動的，然後是使用人工智能模型、廣告和其他服務的後續設備的需求。 ChatGPT 和 Google 的 Bard 等以消費者為中心的 AI 工具的發布將推動長達十年的繁榮，使 AIGC 市場的收入從去年的 400 億美元增長到 2032 年的估計 1.3 萬億美元。
圖片來源：由無界AI 生成
生成式 AI（AIGC）正在獲得更廣泛的採用，尤其是在商業領域。
例如，最近，沃爾瑪宣布將向 50,000 名非商店員工推出一款 AIGC 應用程序。據 Axios 報導，該應用程序將沃爾瑪的數據與第三方大語言模型 (LLM) 相結合，可以幫助員工完成一系列任務，從加快起草過程到充當創意合作夥伴，再到總結大型文檔等等。
此類部署有助於推動訓練強大的深度學習模型所需的顯卡 (GPU) 的需求。顯卡 GPU 是專門的計算處理器，它並行執行編程指令，而不是像傳統中央處理單元 (CPU) 那樣順序執行。
據《華爾街日報》報導，訓練這些模型“可能會讓公司花費數十億美元，因為他們需要攝取和分析大量數據。” 這包括從GPT-4 到LaMDA 的所有深度學習和基礎法學碩士，它們分別為ChatGPT 和Bard 聊天機器人應用程序提供支持。
01.駕馭生成式 AI 浪潮
AIGC趨勢為 GPU 的主要供應商 Nvidia 提供了強大的動力：該公司公佈了最近一個季度令人瞠目結舌的收益。至少對於 Nvidia 來說，這是一個繁榮的時期，因為幾乎每個大型科技公司都在試圖獲得他們的高端 AI 顯卡。
艾琳·格里菲斯(Erin Griffiths) 在《紐約時報》上寫道，初創企業和投資者正在採取非常措施來獲得這些芯片：“科技公司今年極其渴望的不是金錢、工程人才、炒作甚至利潤，而是對GPU 的渴望。”
本·湯普森 (Ben Thompson) 在本週的 Stratechery 時事通訊中將其稱為“站在山頂上的 Nvidia”。谷歌和 Nvidia 宣佈建立合作夥伴關係，谷歌的雲客戶將能夠更多地訪問由 Nvidia GPU 提供支持的技術，這進一步推動了這一勢頭。所有這些都表明，面對需求大幅上漲，目前這些芯片的稀缺性。
當前的需求是否標誌著新一代 AI 的巔峰時刻，或者可能預示著下一波發展的開始？
02. 生成技術如何塑造計算的未來
英偉達首席執行官黃仁勳在公司最近的財報電話會議上表示，這種需求標誌著“加速計算”的曙光。他補充說，對於公司來說，明智的做法是“將資本投資從通用計算上轉移出來，重點放在生成人工智能和加速計算上。”
通用計算是指為各種任務而設計的 CPU，從電子表格到關係數據庫再到 ERP。 Nvidia 認為 CPU 現在是遺留基礎設施，開發人員應該優化 GPU 代碼，以便比傳統 CPU 更有效地執行任務。
GPU可以同時執行許多計算，這使得它們非常適合機器學習 (ML) 等並行執行數百萬計算的任務。 GPU 還特別擅長某些類型的數學計算，例如線性代數和矩陣操作任務，這些是深度學習和人工智能的基礎。
03. GPU對某些類型的軟件幾乎沒有什麼好處
然而，其他類別的軟件（包括大多數現有的業務應用程序）已針對在 CPU 上運行進行了優化，並且從 GPU 的並行指令執行中獲益甚少。
Thompson似乎持有類似的觀點：“我對黃仁勳觀點的解釋是，所有這些GPU 將用於當前在CPU 上運行的許多相同活動； 這對英偉達來說無疑是一個樂觀的觀點，因為這意味著追求生成式AI 可能產生的產能過剩將由當前的雲計算工作負載來填補。”
他繼續說道：“話雖如此，我對此表示懷疑：人類和公司都是懶惰的，基於CPU 的應用程序不僅更容易開發，而且大多已經構建完成。 我很難想像哪些公司會花時間和精力將已經在CPU 上運行的東西移植到GPU 上。”
04. 歷史的重演
InfoWorld的 Matt Assay 提醒我們，我們以前見過這種情況。 “當機器學習首次出現時，數據科學家將其應用於一切，即使有更簡單的工具。 正如數據科學家Noah Lorang 曾經指出的那樣，“只有一小部分業務問題最好通過機器學習來解決； 他們中的大多數人只需要良好的數據並理解其含義。 ”
關鍵是，加速計算和 GPU 並不能滿足所有軟件需求。
受當前開發新一代 AI 應用程序的熱潮推動，Nvidia 本季度表現出色。公司自然因此而熱情高漲。然而，正如我們從最近的Gartner 新興技術炒作週期中看到的那樣，新一代 AI 正在迎來一個時刻，並且正處於過高期望的頂峰。
奇點大學和 XPRIZE 創始人 Peter Diamandis 表示，這些期望是為了看到未來的潛力，而不會帶來任何負面影響。 “在那一刻，炒作開始引發毫無根據的興奮和過高的期望。”
05. 目前的限制
就這一點而言，我們很快就會達到當前 AIGC 熱潮的極限。正如SK Ventures 的風險投資家Paul Kedrosky 和Eric Norlin 在他們公司的Substack 上寫道：“我們的觀點是，我們正處於第一波基於大型語言模型的人工智能浪潮的尾聲。 這一浪潮始於2017年，隨著 [Google] Transformer 論文（《注意力就是你所需要的》）的發布，並在未來一兩年的某個時候結束，人們面臨著各種限制。 ”
這些限制包括“產生幻覺的傾向、狹窄領域的訓練數據不足、多年前的訓練語料庫已經過時，或者無數其他原因。” 他們補充道：“我們已經處於當前 AI 浪潮的尾端。”
需要明確的是，Kedrosky 和 Norlin 並不是認為 AI 已經走進了死胡同。相反，他們認為需要進行實質性的技術改進才能實現比“馬馬虎虎的自動化”和有限的生產率增長更好的目標。他們認為，下一波浪潮將包括新的模型、更多的開源，尤其是“無處不在/廉價的GPU”，如果正確的話，這可能對Nvidia 來說不是一個好兆頭，但將使那些需要該技術的人受益。
正如《財富》雜誌指出的那樣，亞馬遜已經明確表示其意圖直接挑戰英偉達在芯片製造領域的主導地位。他們並不孤單，許多初創公司也在爭奪市場份額——包括 AMD 在內的芯片巨頭也是如此。挑戰占主導地位的現任者是極其困難的。至少在這種情況下，擴大這些芯片的來源並降低稀缺技術的價格將是開發和傳播 AIGC 創新浪潮的關鍵。
06. 下一波 AI 浪潮
儘管當前一代模型和應用程序存在局限性，但 AIGC 的前景一片光明。這一承諾背後的原因可能有幾個，但也許最重要的是整個經濟中代代相傳的工人短缺，這將繼續推動對更高程度自動化的需求。
儘管 AI 和自動化歷來被視為分開的，但隨著 AIGC 的出現，這種觀點正在發生變化。該技術日益成為自動化和生產力的驅動力。工作流程公司 Zapier 聯合創始人 Mike Knoop 在最近的 Eye on AI 播客中提到了這一現象，他說：“人工智能和自動化正在崩解成為同一個事物。”
當然，麥肯錫相信這一點。他們在最近的一份報告中表示：“AIGC 有望釋放下一波生產力浪潮。” 他們並不孤單。例如，高盛表示，新一代人工智能可以使全球GDP增長7%。
無論我們是否處於當前一代人工智能的頂峰，它顯然都是一個將繼續發展並引發整個企業辯論的領域。儘管挑戰巨大，但機遇也同樣巨大——尤其是在一個渴望創新和效率的世界中。 GPU 統治地位的爭奪只是這個展開的敘述中的一個快照，是人工智能和計算未來篇章的序幕。
參考資料：
Generative AI at an inflection point: What’s next for real-world adoption?
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