生成式人工智慧在商業領域中的應用
近日沃爾瑪宣布將向 50,000 名非門店員工推出一個生成式人工智慧（gen AI）應用程式，結合自家資料與第三方語言模型（LLM），幫助員工加速起草檔案、提供創意支援以及總結大型檔案等各種任務。這類部署推動了對用於訓練強大深度學習模型所需的圖形處理單元（GPU）的需求增加。GPU 是一種專門的計算處理器，以並行執行程式指令，而不是線序執行，這與傳統的中央處理器（CPU）不同。據《華爾街日報》報導，訓練這些模型「可能需要公司花費數十億美元，因為它們需要處理和分析大量資料。」這包括從 GPT-4 到 LaMDA 等所有深度學習和基礎 LLM，分別為 ChatGPT 和 Bard 聊天機器人應用提供動力。生成式人工智慧潮流推動了顯示卡供應商 Nvidia 的強勁增長，該公司宣布在最近一季度實現了驚人的盈利。
生成式人工智慧引發的浪潮
現在幾乎每家公司都在努力獲取 Nvidia 的 GPU，這讓 Nvidia 正處於繁榮的時期。許多新創公司和投資者為獲取這些晶片而採取非同尋常的措施。美國《紐約時報》的艾琳·格裏菲思（Erin Griffiths）寫道：「今年，相較於金錢、工程才能、炒作甚至利潤，科技公司的 GPU 需求遠超其它要素」。評論家本·湯普森（Ben Thompson）在他本週出版的 Stratechery 電子報中將此稱之為「Nvidia 站在山頂上」。此外 Google 和 Nvidia 宣布了一項合作，使 Google 的雲端客戶可以更方便地使用由 Nvidia GPU 提供支援的技術。所有這一切都表明，在需求激增的情況下，這些晶片正在變得供應不足。
當前需求的高峰還是開發的起點？
對於顯示卡需求是否達到生成式人工智慧的高峰，或者是否可能成為下一波發展的起點，Nvidia 執行長黃仁勳在公司最近的盈利電話會議上表示這一需求標誌著「加速計算」的曙光。他補充說，對公司來說明智的做法是「將資本投資從通用計算轉移到生成式人工智慧和加速計算上」。通用計算是指為廣泛範圍任務（從電子表格到聯動資料庫、ERP 等）設計的 CPU。Nvidia 主張 CPU 現在是過時的基礎設施，開發人員應該將其程式碼最佳化為 GPU，以實現比傳統 CPU 更高效的任務執行。GPU 可以同時執行多個計算，因此非常適合需要進行大量平行計算的機器學習等任務。此外 GPU 對某些型別的數學計算（如線性代數和矩陣操作）特別擅長，這是深度學習和生成式人工智慧的基礎。
然而對於其他型別的軟體（包括大多數現有的商業應用程式），這些軟體已經最佳化在 CPU 上執行，並不會從 GPU 的並行指令執行中獲益很多。評論家本·湯普森持有類似觀點：“我的理解是，所有這些 GPU 將用於當前在 CPU 上執行的大部分相同活動；這絕對對 Nvidia 來說是一種看漲的觀點，因為它意味著透過生成式人工智慧追求的產能過剩將被當前的雲端計算工作負載填補起來。”他繼續指出：“但我對此存有懷疑：人類和企業都很懶惰，而且基於 CPU 的應用程式不僅開發起來更容易，而且大多數已經建成。我很難看到有哪些公司會花時間和精力將已在 CPU 上執行的設施搬移到 GPU 上。”
前車之鑑
“長期以來，機器學習剛問世時，資料科學家將其應用於一切，即使存在更簡單的工具。正如資料科學家諾亞·洛朗（Noah Lorang）曾經爭辯道：‘很少有商業問題需要透過機器學習來解決；大多數問題只需要好的資料和對其含義的理解。'”訊息科技雜誌《InfoWorld》的馬特·阿塞伊（Matt Assay）提醒我們，我們已經見識過這種情況。加速計算和 GPU 並不適用於每個軟體需求。Nvidia 在過去一季度表現出色，得益於當前開發生成式人工智慧應用的熱潮。由於生成式人工智慧當前精益求精，Gartner 最近的新興技術炒作週期也證實了這一點。根據 Singularity University 和 XPRIZE 創始人彼得·迪亞曼迪斯（Peter Diamandis）的說法，這些期望是將來潛力與負面因素相結合的產物。他說：“在那一刻，炒作開始產生無根據的興奮和誇大的期望。”
當前局限
正如創業投資家保羅·凱德羅斯基（Paul Kedrosky）和埃裏克·諾林（Eric Norlin）在其公司的 Substack 上寫道：“我們認為，基於大型語言模型的人工智慧的第一波浪潮即將結束。這波浪潮始於 2017 年，當時 Google 發布了《Attention is All You Need》這篇著名論文，而在接下來的一年或兩年裡，人們會遇到各種約束。”這些約束包括“容易產生幻象、在特定領域缺乏充足的訓練資料、過時的訓練資料等”。他們補充說：“與炒作誇大相反，我們現在已經接近當前人工智慧浪潮的尾聲。”凱德羅斯基和諾林並不是在認為生成式人工智慧走到了盡頭，相反他們認為需要實現顯著的技術改進，才能實現比現有的“一般自動化”和有限的生產率增長更好的效果。他們認為，下一波浪潮將包括新的模型、更多的開源專案以及特別是“普及/便宜的 GPU”，如果這一點是正確的，這對需要使用這項技術的人來說可能並不是好訊息，但對於需要使用技術的人來說卻是有利的。正如《財富》雜誌所指出的那樣，亞馬遜已經明確表示將直接挑戰 Nvidia 在晶片製造領域的主導地位。他們並不孤單，許多新創公司以及包括 AMD 在內的晶片巨頭也在爭奪市場份額。挑戰佔主導地位的公司非常困難。至少在這種情況下，擴大晶片來源並降低這種稀缺技術的價格將是發展和傳播下一波生成式人工智慧創新的關鍵。
下一波浪潮
儘管當前一代模型和應用程式存在局限，但生成式人工智慧的未來看起來仍然光明。這種前景的原因可能有幾個，但或許最主要的原因是經濟上對工人的世代性短缺，這將繼續推動對更大規模自動化的需求。儘管過去人們普遍將人工智慧和自動化視為不同的概念，但隨著生成式人工智慧的出現，這種觀點正在改變。生成式人工智慧技術越來越成為驅動自動化和提高生產力的因素。工作流程公司 Zapier 的聯合創始人麥克·努普（Mike Knoop）在最近一期的 Eye on AI 播客中提到了這一現象，他說：“人工智慧和自動化正在融為一體。”麥肯錫也持有這一觀點。在最近的一份報告中，他們表示：“生成式人工智慧有望引爆下一波生產力浪潮。”這並非他們一家這樣認為。例如，高盛表示生成式人工智慧有望提高全球 GDP 7%。無論當前是否處於生成式人工智慧的巔峯，顯然這是一個將繼續發展並引發商業辯論的領域。儘管挑戰重重，機遇也同樣巨大——特別是在一個渴望創新和效率的世界中。GPU 主導的競爭只是這個不斷展開的敘事的一個切片，是人工智慧和計算的未來篇章的序幕。
延伸閱讀
- AI 蓬勃發展，馬斯克對抗機械革命
- OpenAI 成立團隊控制「超智慧」AI，卻任憑其枯萎——訊息來源指出
- 開放 AI 與 Reddit 資料簽署合約，訓練人工智慧
- 智慧錢包 Kudos 獲得 1000 萬美元投資，研發 AI 功能挑選最佳信用卡
- 索尼音樂警告科技公司避免未經授權使用其內容訓練人工智慧
- Strava 啟用人工智慧防篡改排行榜，推出「家庭」計畫、深色模式等
- 參議院研究建議：每年至少撥款 320 億美元用於人工智慧計劃
- Google I/O 盛會 AI 領域的重大訊息
- Google 掃描通話的人工智慧或增加預設審查，隱私專家發出警告
- 柏林科技企業 trawa 籌得 1 千萬歐元，運用人工智慧協助中小企業更輕鬆購買可再生能源
