ChatGPT的火爆，在全球范圍內(nèi)掀起了新一輪的AI風暴。如今，各行各業(yè)都在討論AI，各個國家都在密集進行新一輪的AI基礎設施建設與技術(shù)投入。

但眼前的盛景并非突然到來，就拿這一輪大模型熱潮來說，谷歌早在2018年底就發(fā)布了BERT，開啟了預訓練大模型的探索，此后經(jīng)歷了四年的沉淀，才有ChatGPT的一鳴驚人。

AI技術(shù)的演化和發(fā)展，既離不開算法本身的創(chuàng)新，也離不開基礎設施與工程化應用的配合，這是一個相輔相成的系統(tǒng)化工程。就像這次AI復興的技術(shù)主線是深度學習，但Hinton早在2006年就利用預訓練方法緩解了局部最優(yōu)解的難題，將神經(jīng)網(wǎng)絡隱含層推動到了7層，但技術(shù)上實現(xiàn)深度學習，卻并不等同于效果上達成。直到2012年，在大數(shù)據(jù)與云計算的推動下，深度學習的價值才真正得到證明。

這些AI發(fā)展史上的關(guān)鍵節(jié)點，向我們展示了這樣一個事實：想要AI持續(xù)向前發(fā)展，就不能僅僅關(guān)注算法本身，而是必須將AI的基礎設施、工程化、數(shù)字化等問題納入通盤考慮，從而去預判和推動智能化正確發(fā)展。

那么，業(yè)界是否能足夠清晰、多元指出AI發(fā)展方向的預判呢？答案是肯定的。

剛剛發(fā)布的《新華三2023十大技術(shù)趨勢白皮書》，其中就有一項，指出了未來技術(shù)發(fā)展的核心趨勢，是AI技術(shù)通用能力持續(xù)增強，降低行業(yè)創(chuàng)新門檻。

讓我們從這項趨勢展開，共同聊聊火熱的AI技術(shù)距離我們夢想中的智能時代還有多遠，打通二者之間的界限，需要完成哪些努力。新華三又將如何圍繞AI發(fā)展進行技術(shù)創(chuàng)新與產(chǎn)業(yè)布局，最終建設起讓AI天塹變通途的未來之路。

AI火花，智能時代，還隔著萬水千山

以ChatGPT為代表的新一代AI技術(shù)，正在持續(xù)引發(fā)熱議。各行業(yè)都看到了借助大語言模型與AIGC提升生產(chǎn)力的可能性。這類應用的出現(xiàn)，可以讓普通人近乎無門檻獲取AI能力，自動化生成文案、代碼、圖片、專業(yè)性答案等內(nèi)容，從而獲得極大的能力延展。

而在類ChatGPT應用之外，我們還可以看到預訓練大模型這種形式，相比傳統(tǒng)的深度學習算法，具有模型泛化里更強、魯棒性更高的一系列特點，從而可以更加貼近產(chǎn)業(yè)應用，具有更加強大的模型定制性延展空間。ChatGPT的爆火，不僅僅是生成式AI本身的里程碑事件，更是整個AI技術(shù)走向繁榮的前奏。

但必須看到的是，生成式AI獲得的熱烈反饋，僅僅是一朵綻放的AI火花，是萬里長征走出的第一步。距離我們預想中的智能時代，AI還有非常漫長的路要走。

比如說，今天的AI技術(shù)與應用，依舊面臨著一系列清晰可見的挑戰(zhàn)：

1.大模型的泛化效果能否持續(xù)增強，“智能涌現(xiàn)”現(xiàn)象能否變成常量？在今天，人們對深度學習模型的黑箱性了解還不透徹，如何在訓練數(shù)據(jù)規(guī)模與智能效果之間達成平衡，依舊是困擾算法升級的主要問題。

2.如何應對AI算力緊缺與算力擠兌問題？如何抑制AI帶來的高能耗、數(shù)據(jù)洪潮隱患？大語言模型的火爆，讓全球陷入了新一輪的AI算力緊缺。AI芯片與算力資源成本居高不下，在高算力消耗的同時，AI還帶來了海量非結(jié)構(gòu)化數(shù)據(jù)的存儲難題，以及持續(xù)的高能耗、高碳排放問題。

3.如何應對行業(yè)的工程化、應用路徑問題，讓AI走到千行百業(yè)當中去？在今天，對于大多數(shù)企業(yè)來說，大模型依舊是很遙遠的一件事。企業(yè)如何訓練和部署大模型，如何讓AI與自身的需求、數(shù)據(jù)、行業(yè)知識結(jié)合，依舊有著非常復雜的挑戰(zhàn)。

在新華三發(fā)布的2023十大技術(shù)趨勢白皮書當中，我們可以看到從ICT行業(yè)出發(fā)，是如何看待這些難題，以及又是如何勾勒出AI未來發(fā)展出路的。

通過ICT的技術(shù)創(chuàng)新、產(chǎn)品升級，以及構(gòu)筑AI通往行業(yè)的解決方案，我們可以筑造起更加牢固的智能化基礎設施，降低行業(yè)智能化門檻，反向牽引和推動AI算法的持續(xù)迭代。

一條跨越萬水千山的AI天路，將在名為未來的大地上鋪設出來。

強能力，低門檻，架一條AI天路

想要讓AI更好適配復雜場景，服務真實的生產(chǎn)場景，從而創(chuàng)造出更大價值，就需要解決從算法到算力，從行業(yè)路徑到技術(shù)協(xié)同空間的一系列問題，而不能只看一面，只抓一點。這就是新華三預判AI發(fā)展趨勢時采取的核心思路。在新華三看來，通過AI核心算法的算法創(chuàng)新、算力設施增強、工程化方法實現(xiàn)，AI作為一項通用性技術(shù)的能力將逐漸顯現(xiàn)出來，從而具備通用化、標準化、普惠化的屬性，逐漸與各領(lǐng)域技術(shù)進行深度融合，推動領(lǐng)域創(chuàng)新突破。

更強的通用能力，更低的應用門檻，是AI技術(shù)發(fā)展的兩大核心目標。而為了實現(xiàn)這兩大目標，就離不開核心算法創(chuàng)新、算力設施增強以及工程化方法實現(xiàn)。

在十大技術(shù)趨勢中，詳細展現(xiàn)了新華三眼中，算法、算力與工程化方法三條創(chuàng)新路徑的具體方案，為行業(yè)標清了發(fā)展方向與演進取數(shù)。

首先在算法層面，目前我們已經(jīng)可以看到基于Transformer的各類大型語言模型，可以大幅提升了對自然語言理解和生成的能力。在可見的未來中，大語言模型依舊將是AI產(chǎn)生智能涌現(xiàn)效果，提升核心能力的關(guān)鍵路徑。與此同時，更大的算法機遇來自機器視覺，基于擴散模型的算法，將有可能帶來圖像生成效果質(zhì)的提升。在語言+視覺的雙重能力覆蓋下，AI技術(shù)才能真正實現(xiàn)通用化更強大。

在今天，各行業(yè)更加關(guān)注的是AI基礎設施的創(chuàng)新，尤其是算力基礎設施的升級。因為算力稀缺，已經(jīng)成為今天各行業(yè)應用AI時代最大的攔路虎。根據(jù)資料顯示，僅僅是GPT-3的訓練算力消耗就達到了3640 petaflop/s-day，根據(jù)OpenAI自己發(fā)布的數(shù)據(jù)，AI算力需求在過去十年間出現(xiàn)了數(shù)十萬倍的提升，遠遠超過摩爾定律所能負載的范圍。這意味著，我們必須構(gòu)建強大的算力基礎設施才能支撐接下來的智能化浪潮。而在新華三看來，大規(guī)模智算中心的建設，可以大幅度加速AI研究的創(chuàng)新，而智算設施的關(guān)鍵技術(shù)包括：

1.Chiplet技術(shù)。在不改變制程的前提下，大幅提升AI芯片性能、降低功耗，在芯片側(cè)提升AI算力。

2.異構(gòu)計算。包括CXL互聯(lián)（Compute eXpress Link）、軟硬協(xié)同等技術(shù)，全面提升AI集群系統(tǒng)整體效率，在算力集群層面強化AI計算的集約性，提升算力效率。

3.綠色低碳。通過液冷散熱、綠色供電等降低PUE，確保AI技術(shù)崛起與雙碳戰(zhàn)略是吻合、適配的。

在這技術(shù)的支撐下，智算中心可以承擔起AI算力基礎設施的重任，既保證AI算力的充沛，又確保不會產(chǎn)生資源錯置與浪費。

在AI技術(shù)與百行百業(yè)的結(jié)合上，新華三認為工程化方法實踐，可以為AI應用大規(guī)模普及提供高效的落地支撐。通過采用工程化方法銜接AI流程各個環(huán)節(jié)，聚合全鏈路多角色團隊，能夠加速 AI生產(chǎn)力轉(zhuǎn)化，讓AI展現(xiàn)出最終價值。未來值得注意的AI工程化方法包括：

1.MLOps（Machine Learning Operations，研運全流程一體化）：MLIOps可以全面提升模型算法的開發(fā)和部署效率，降低流程成本，提升智能化的靈活性。IDC2022年預測，到2024年60%的中國企業(yè)將通過MLOps來運作AI任務。

2.MaaS（Model as a Service，模型即服務）：在云計算領(lǐng)域SaaS、PaaS成為風潮后，新的MaaS形式正在更加引人注目。MaaS強調(diào)圍繞AI模型本身來提供相應服務，從而提升企業(yè)與AI模型的聯(lián)系緊密程度，尤其可以提升大模型在企業(yè)部署的場景化能力。

3.AI安全，包括模型安全、模型可解釋、隱私保護等方面。重視安全能力，可以為AI大規(guī)模部署掃清障礙。

在算法、算力、工程化三大趨勢的推動下，未來AI將向著通用化不斷演進，并且持續(xù)降低適用門檻。預計未來3到5年，AI整體能力將得到全面提升，AI基礎設施將持續(xù)增強，同時將有大量必須由人類完成的工作變成由AI來完成。

未來，AI技術(shù)將與更多ICT技術(shù)組合，形成一個高度整體化、標準化的數(shù)字世界。人類共同預想的智能未來，將由此路前進。

向科技，要答案，洞見智能未來

二十大報告提出：“必須堅持科技是第一生產(chǎn)力、人才是第一資源、創(chuàng)新是第一動力，深入實施科教興國戰(zhàn)略、人才強國戰(zhàn)略、創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，開辟發(fā)展新領(lǐng)域新賽道，不斷塑造發(fā)展新動能新優(yōu)勢。”

在這個時代，必須向科技要答案，而科技的沃土是多元、復雜的。智能未來，需要在AI技術(shù)與新一代信息技術(shù)的廣泛協(xié)同、融合，以及再創(chuàng)新。就像AI技術(shù)的算力基礎設施，離不開智算中心以及企業(yè)AI計算能力的提升，這就對計算技術(shù)，尤其是多元算力建設提出了考驗。而AI模型效果的充分釋放，必須有賴于網(wǎng)絡環(huán)節(jié)的支持，這就需要高品質(zhì)的網(wǎng)絡，才能讓AI的價值最大化釋放。

于是從這里我們可以看到，新華三發(fā)布的2023十大技術(shù)趨勢預測，并不是彼此孤立的十個技術(shù)單元，而是整體性、融合性的技術(shù)網(wǎng)絡。AI將是未來智能化世界的技術(shù)抓手，但同時它也必須與其他數(shù)字化技術(shù)緊密相關(guān)，形成最終為人類服務的技術(shù)綜合體。

這里我們可以看到，在新華三看來，高效釋放多元算力的數(shù)據(jù)中心，將承載起復雜多元、準確快速的數(shù)字時代應用；高品質(zhì)服務化的網(wǎng)絡，會讓生活、行業(yè)和社會場景更具個性化和智能；云網(wǎng)邊端分布式架構(gòu)，讓數(shù)字應用一體化，串聯(lián)起更廣域的場景，應用流轉(zhuǎn)與銜接更加無感；元宇宙也正在脫離純虛擬化的早期設定，向著虛實融合、賦能實體的方向演進，為教育、文旅和城市模擬帶來全新動力；能源系統(tǒng)的數(shù)字化，將成為雙碳戰(zhàn)略的發(fā)展基石；隱私計算與云原生安全，將成為千行百業(yè)上云與智能化過程中的安全守衛(wèi)者；量子信息技術(shù)、全?？捎^測性技術(shù)的到來，會加速下一個數(shù)字世代的到來。

面向未來，我們不是需要一種技術(shù)、一個問題的答案，而是需要一個綜合的，立體化的解答。任何技術(shù)趨勢預測，都是當下需求的延伸，這些延長線匯聚到一起，才能清晰我們標明未來的方向。

長期以來，新華三堅持集團以技術(shù)創(chuàng)新為核心引擎，公司研發(fā)人員占比超過50%，科技研發(fā)投入占銷售收入的10到15%。向科技要答案，已經(jīng)成為新華三發(fā)展過程中的信條。

而如果我們想要了解十大趨勢如何落地，想要探索AI技術(shù)發(fā)展的基礎設施創(chuàng)新與工程方法迭代，想要了解新華三面向未來的信念與目標，接下來有一個非常好的窗口。

6月9日，新華三在杭州市國際博覽中心舉辦了2023 NAVIGATE 領(lǐng)航者峰會。在峰會上，新華三發(fā)布了“百業(yè)靈犀”LinSeer私域大模型和支持AIGC大算力調(diào)度的“傲飛算力平臺”，可與業(yè)務深度結(jié)合提升工作效率，持續(xù)優(yōu)化算法和積累公域數(shù)據(jù)，為客戶提供最新知識能力。同時推出了“AIGC開放戰(zhàn)略”，既支持“百業(yè)靈犀+新華三ICT基礎架構(gòu)”的模式保障數(shù)據(jù)安全，實現(xiàn)最優(yōu)配合，同時也支持“客戶自選大模型+新華三ICT基礎架構(gòu)”的模式滿足多種需求，幫助百行百業(yè)量體裁衣制定數(shù)字化解決方案。駕馭算力、融匯數(shù)據(jù)、運用智能、賦能業(yè)務、提升效能，是新華三為自己設定的發(fā)展使命與愿景。

要向科技要答案，向?qū)嵏梢鸢?，這就是新華三眼中的AI天路。