神威cpu服务器（神威 cpu）〔神威的cpu〕

智能期间 的三要素：

数据、算法和算力

史爱武中华读书报2021-09-22

近几年，人工智能技能 和应用飞速发展 ，在我们生存 和工作中都得到大量的遍及 应用，归功于推动人工智能发展的三大要素：数据 、算法和算力 。这三个要素缺一不可，相互促进、相互支持 ，是智能技能 创造代价 和取得乐成 的必备条件。

数 据

在人类发明史上，很多 发明都是从模仿 动物开始的，比如 ，模仿 鸟类来实现人类的飞行空想 。汗青 上记录 有各种关于模仿 鸟类飞行的故事，固然 ，结果 是可想而知的，肯定都以失败告终 。我们把利用 这种方法论的人统称为“飞鸟派 ”。

以后 ，学术界开始意识到，让盘算 机得到 智能的钥匙着实 是大数据。

数据对于人工智能，就如食材对于鲜味 菜肴 ，人工智能的智能都蕴含在大数据中 。由于 人工智能的根基是练习 ，就如同 人类假如 要获取肯定 的技能，必须颠末 不绝 地练习 才华 得到 ，而且有“熟能生巧、巧能生仙”之说。

人工智能也是云云 。只有颠末 大量的练习 ，才华 总结出规律，应用到新的样本上。假如 实际 中出现了练习 会合 从未有过的场景 ，人工智能则会根本 处于瞎猜状态，精确 率可想而知 。对于人工智能而言，大量的数据太紧张 了 ，而且必要 覆盖各种大概 的场景，如许 才华 得到一个表现 得更智能的模子 。

当前的期间 ，无时无刻不在产生大数据。人手一部的手机 、无处不在的摄像头和传感器等装备 都在产生和积聚 着数据，这些数据情势 多样化 ，大部分 都黑白 布局 化数据 。

这些大数据必要 举行 大量的预处理 惩罚 过程（特性 化、标量化、向量化），处理 惩罚 后的数据才华 为人工智能算法所用。

算 法

荣幸 的是，科学家从婴儿身上得到了开导 。没有人教过婴儿怎么“看” ，都是孩子本身 从真实天下 自学的 。假如 把孩子的眼睛当作 是一台生物照相机的话，那这台相机均匀 每200毫秒就拍一张照——这是眼球转动一次的均匀 时间。到孩子3岁的时间 ，这台生物相机已经拍摄过上亿张真实天下 照片。

这给科学家很好的开导 ：能不能给盘算 机看非常非常多猫的图片 ，让盘算 机本身 抽象出猫的特性 ，本身 去明白 什么是猫 。

当前，呆板 学习算法是主流算法 ，是一类从数据分析中得到 规律，并利用 规律对未知数据举行 猜测 的算法。呆板 学习算法重要 分为传统的呆板 学习算法和神经网络算法，神经网络算法快速发展 ，此中 最热门的分支当属深度学习，比年 来深度学习的发展到达 了高潮。

算法对于人工智能，就是厨师（烹调 的方法）与鲜味 菜肴的关系 。算法是实现人工智能的根本途径，是发掘 数据智能的有效 方法。

算 力

算力也就是盘算 本领 ，算力对于人工智能，如同 厨房的煤气/电力/柴火对于鲜味 好菜 一样。有了大数据和算法之后，必要 举行 练习 ，不绝 地练习 ，算力为人工智能提供了根本 的盘算 本领 的支持 ，本质是一种底子 办法 的支持 。

AI中有一个术语叫Epoch ，一个Epoch就是全部 练习 样本在神经网络中都举行 一次正向传播 和一次反向传播 ，再普通 一点，一个Epoch就是将全部 练习 样本练习 一次的过程 。

只把练习 集重新 到尾练习 一遍神经网络是学不好 的 ，而是要将完备 的数据集在同样的神经网络中转达 多次，把练习 集翻过来 、调已往 练习 多少轮。就像和小孩讲一个原理 ，一遍肯定学不会 ，必须一遍一遍反复地教，一遍就会那就是神童了。

有了大数据和先辈 的算法，还得有处理 惩罚 大数据和实行 先辈 算法的盘算 本领 。每个智能体系 背后都有一套强大 的硬件大概 软件盘算 体系 。

超等 盘算 机是一个国家科技发展程度 和综合国力的反映。没有超等 盘算 机，气候 预报 不大概 预报 15天 ，中国的大飞机研制不大概 盼望 云云 之快 。别的 ，核武器的爆炸模仿 、地动 预警、抗击新冠肺炎药物研发等范畴 也离不开超等 盘算 机。

如今 天下 运算速率 排第三位的超等 盘算 机是中国的神威太湖之光，峰值性能达每秒12.5亿亿次 ，运算速率 相称 于平凡 家用电脑的200万倍，神威太湖之光一分钟的运算量必要 环球 72亿人用盘算 器不停止 运算32年。

人工智能的发展对算力提出了更高的要求 。除了练习 ，人工智能算法实际 必要 运行在硬件上 ，也必要 推理，这些都必要 算力的支持 。然而，能提供超强盘算 本领 的超等 盘算 机 ，代价 也是超等 昂贵，不是一样平常 人都能利用 得到的。

如今 的人工智能算力重要 是由专有的AI硬件芯片，以及提供超等 盘算 本领 的公有云盘算 服务来提供 。此中 GPU领先其他芯片 ，在人工智能范畴 中用得最广泛，GPU有更高的并行度、更高的单机盘算 峰值 、更高的盘算 服从 。

一样平常 来说，GPU浮点盘算 的本领 是CPU的10倍左右。别的 ，深度学习加快 框架通过在GPU之上举行 优化 ，再次提拔 了GPU的盘算 性能，有利于加快 神经网络的盘算 。

云盘算 是盘算 本领 的放大器 。云盘算 是一种基于互联网的分布式超等 盘算 模式。在长途 的数据中内心 ，成千上万台服务器等盘算 装备 毗连 起来构成 一个云 ，协同盘算 。云中的单个盘算 机性能大概 非常一样平常 ，乃至 就是平凡 电脑，但是很多 一样平常 加在一起的盘算 本领 却不容小觑 。

将GPU和FPGA的盘算 本领 摆设 在云端对外提供云服务意味着上风 的进一步放大。云盘算 乃至 可以让你体验每秒10万亿次的运算速率 ，盘算 本领 堪比超等 盘算 机。俗话说得好，三个臭皮匠顶个诸葛亮、聚沙成塔、聚沙成塔 。

当前，随着人工智能算法模子 的复杂度和精度愈来愈高 ，互联网和物联网产生的数据呈多少 倍数增长，在数据规模和算法模子 的双层叠加下，人工智能对算力的需求越来越大。

毫无疑问 ，人工智能走向深度学习，盘算 力已成为评价人工智能研究本钱 的紧张 指标。可以说，盘算 力便是 生产力 。

从智能期间 的三个要向来 看，我们也可以进一步分析 出云盘算 、大数据和人工智能之间的关系。为了简化和资助 明白 ，以炒菜这个应用场景为例来阐明 它们之间的关系：

大数据相称 于炒菜必要 的食材，也就是生产质料 。云盘算 等算力就相称 于炒菜必要 的煤气/电力/柴火，人工智能算法就相称 于烹调 的方法 ，算法和算力也就是产生动力的生产引擎 。有了生产质料 和生产引擎，就可以在差别 的应用场景下生产出我们所必要 的差别 东西。

2006年Hinton传授 等人提出了深度学习算法,实现了人工智能算法理论的创新突破；随着移动互联网的生存 化遍及 ,促进了AI发展的“大数据 ”产生；大数据和深度学习等算法的双剑合璧,再共同 摩尔定律下的算力快速提拔 ——大数据、算力、算法作为输入，从技能 角度推动了人工智能的发展。只有在实际 的场景中举行 输出 ，才华 表现 出人工智能的实际 代价 。

人工智能的常见应用场景包罗 ：主动 驾驶 、假造 助理、金融服务、医疗和诊断 、计划 和艺术创作、条约 诉讼等法律实务、交际 伴随 、服务业和工业 。应用场景的差别 决定了人工智能的应用落地和结果 。同样是物流分拣中心 ，规模差别 、信息化底子 差别 、企业数据差别 、职员 素质差别 ，对人工智能的要求和所发挥的效益也天然 差别 了。

人工智能发展到如今 还是 一个被大数据喂养起来的小怪兽 ，而且在深度学习算法没有显着 突破的环境 下，人工智能实现自我学习本领 看起来还遥遥无期 。因此，AI对人类的更换 性以及威胁 ，还远没有到达 让人类担心 的地步 ，当前各人 探究 最多的还是 人工智能在各个范畴 的应用。

（作者史爱武系中国电子学会云盘算 专家委员会委员，中国通讯 学会云盘算 专家委员会委员，教诲 部战略研究中心 云盘算 首席科学家 ，武汉纺织大学云盘算 与大数据研究中心 主任）

数据 、算法和算力，5G期间 智能风控要关注什么？

天下 上唯一稳固 的就是变革 本身 ，这句话在套用在风控身上非常实用 。风控跟业务是精密 接洽 在一起的 ，而业务是不绝 变革 的，这就决定了风控模式要主动 去顺应 和追赶业务模式的变革 。就像4G到临 之前人们很难猜测 到会有短视频、直播等应用的出现，随着5G的大范围商用 ，在可预见的几年内，一些全新的业态将会出现，乃至 一些业态将会逾越 当下人们的头脑 框架 ，风控体系业务模式、业务场景的发展将变得难以猜测 。我们实行 着从已往 的履历 来谈谈5G期间 大概 会给风控带来的挑衅 。假如 将现有的风控体系简化成一个抽象的公式，大概是如许 的 。

数据 + 算法 + 算力 = 决定

狭义地讲，有更多的数据 、更顺应 的算法、更强大 的算力 ，就能做出更精准的风控决定 。固然 在实际 应用层面，环境 要复杂得多，每每 必要 多个机构和体系 举行 跨维度、成体系的综合协同。比如 通过可信数据体系的建立 ，缓解算力的负担 ，并提拔 用户体验；通过联邦学习等前沿算法的研发，办理 部分 数据获取的敏感和隐私题目 ；通过创建 一套正反馈的决定 流程，资助 算法和模子 主动 化迭代提拔 等 。随着5G期间 的到来 ，信息的获取和转达 的速率 会更加迅猛，相应的风险的转达 和感染也将进入亘古未有 的不确定期。在数据 、算法、算力三个维度，5G都会给传统的风控体系带来新的挑衅 。

一

数据——数据滥用和隐私掩护 题目 严厉

1.新型数据的处理 惩罚

5G期间 全天下 的数据量会产生指数级增长 ，而且这些数据大部分 将会在新的物联网场景下诞生，比如 智能装备 、智能制造 、智能家居、聪明 金融、聪明 交通 、聪明 都会 等范畴 ，怎样 更好发挥这些更换 数据的代价 之外 ，数据滥用和隐私掩护 的题目 会成为各界更为关注的议题。

2.可信的端环境

回顾 互联网和盘算 机的发展汗青 ，可以发现一条清楚 的脉络，即盘算 、存储、网络本领 不绝 拆分为更细的粒度 ，比如 从大型主机、小型机 、pc服务器、假造 机、容器和微服务，再到如今 的serverless 。

5G期间 这条规律依然实用 ，将来 瘦客户端+云盘算 的组合模式大概 性是比力 大的。在瘦客户端的环境 下怎样 办理 端的安全，现有的风控体系怎样 跟5G原生的安全机制相连合 等题目 会显得非常 紧张 。

二

算法——算法主动 化奇点到临

性能检验 是算法首当其冲的挑衅 ，更深条理 来讲，算法本身 的安全题目 着实 更值得鉴戒 。风控决定 很多 时间 就依靠 于几个核心 模子 并行得到的结果 ，换言之 模子 本领 就是风控本领 ，算法安全就是线上服务安全。攻击者固然 也深谙此道，比年 来一些针对AI模子 的特定攻击方式频仍 发生，比方 ：数据污染 、投毒、药饵、模子 恶意代码 、模子 盗取 、模子 逃逸、拒绝服务等等。

在5G期间 ，将会催生出更多算法，当下呆板 学习与深度学习的无监督 练习 算法大概 是迈出了算法主动 化的一小步， 在5G高并发 、低耽误 、及时 决定 的底子 上 ，我们大胆猜测 算法主动 化的奇点将会到临 ，越来越多的业务必要 算法主动 化处理 惩罚 。怎样 克制 算法的错误，以及大概 带来公平与公正 ，谁来决定 和监督 等等题目 ，人们将会陷入一个空前剧烈 的舆论和技能 攻防战中。

三

算力——寻求边沿 和中心 的和谐

一套完备 的风控体系 会用到包罗 规则盘算 、流盘算 、图盘算 、呆板 学习、深度学习等在内的多种盘算 方式。根据麦特卡夫定律，当网络节点越多，代价 就越大 ，同时节点之间的毗连 数量 会成多少 倍数上升， 5G期间 算力的瓶颈将是一大挑衅 ，有人提出通过边沿 盘算 办理 这一题目 ，但对于风控体系来说大概 会合 式的体系 更有上风 ，可以充实 发挥“风控大脑”的作用 。

我们可否 寻求到服从 和性能的均衡 点？

如今 关于5G大概 给智能风控体系带来的挑衅 ，很多 思考 、判定 还是 比力 浅近 和主观 ，乃至 一些观点在将来 有大概 被证明 是错误的。只管 我们还不能立刻 拿出美满 的办理 方案，但至少先预判风险从那边 而来，才华 更好的未雨绸缪。如今 我们能确定的是 ，5G肯定能催生出新的生态 、新的技能 架构、新的贸易 模式，固然 很难对这个“新”正确 界说 ，但是我们已经听到由远及近的脚步声 ，随着时间的推进，下一代风控体系 会渐渐 清朗 ，同盾作为行业的领军企业，正在多方布局 ，以积极的姿态欢迎 新的财产 革命 。

【作者：丁杨 同盾科技产物 总监】

日前，中国信息通讯 研究院发布《人工智能白皮书（2022 年）》，陈诉 提出：算法、算力和数据被以为 是人工智能发展的三驾马车 ，也是推动人工智能发展的紧张 底子 。

一 、在算法层面，新算法不绝 涌现，超大规模预练习 模子 等成为近两年最受关注的热门 之一

1、预练习 模子 参数数量 、练习 数据规模按照 300 倍/年的趋势增长 ，跨模态预练习 大模子 日益广泛 ，已经从早期只学习文本数据，到连合 学习文本和图像 ，再到如今 可以处理 惩罚 文本 、图像、语音三种模态数据，将来 利用 更多种图像编码、更多种语言 、以及更多范例 数据的预练习 模子 将会涌现。

2、轻量化深度学习技能 不绝 探索，盘算 服从 明显 提拔 。复杂的深度学习模子 每每 必要 斲丧 大量的存储空间和盘算 资源 ，难以在端、边等资源受限情况 下应用，具备低内存和低盘算 量上风 的技能 成为业界需求 。

3 、“天生 式人工智能 ”技能 不绝 成熟，将来 听、说、读、写等本领 将有机连合 起来。如今 ，“天生 式人工智能”技能 被广泛应用于智能写作 、代码天生 、有声阅读、消息 播报 、语音导航、影像修复等范畴 ，通过呆板 主动 合成文本、语音 、图像、视频等正在推动互联网数字内容生产的厘革 。

4、知识盘算 成为推动人工智能从感知智能向认知智能变化 的紧张 探索 。如今 ，围绕着知识获取 、知识建模、知识管理、知识应用等过程，已经形成了涵盖知识图谱 、知识库、图盘算 等技能 ，覆盖知识表现 、知识盘算 、知识推理与决定 本领 的体系，

二 、在底子 算力层面，单点算力连续 提拔 ，算力定制化、多元化成为紧张 发展趋势；盘算 技能 围绕数据处理 惩罚 、数据存储 、数据交互三大本领 要素演进升级，类脑芯片、量子盘算 等方向连续 探索 。

三、在数据层面，以深度学习为代表的人工智能技能 必要 大量的标注数据 ，这也催生了专门的技能 以致 服务，随着面向题目 的不绝 具体 化和深入，数据服务走向风雅 化和定制化；别的 ，随着知识在人工智能的紧张 性被广泛提及，对知识集的构建和利用 不绝 增多。

AI的三大基石:数据 、算力和算法

比年 来，人工智能（AI）发展敏捷 并日益受到器重 ，日前中国信息通讯 研究院发布的《环球 人工智能战略与政策观察（2020）》陈诉 指出 ，克制 2020年12月尾 ，环球 已有39个国家和地区 订定 了AI的战略政策、财产 规划文件 。AI三大核心 要素是数据、算力和算法。

图片由“小i呆板 人”公司提供

数据是AI算法的“饲料”

算法是AI的背后“推手 ”

AI算法是数据驱动型算法，是AI的推动力气 。主流的算法重要 分为传统的呆板 学习算法和神经网络算法 ，如今 神经网络算法由于 深度学习的快速发展而到达 了高潮 。南京大学盘算 机系主任 、人工智能学院院长周志华传授 以为 ，本日 “AI高潮 ”的出现重要 由于呆板 学习，尤其是呆板 学习中的深度学习技能 取得了巨大盼望 ，并在大数据和大算力的支持下发挥了巨大的威力。当前最具代表性的深度学习算法模子 有深度神经网络（简称DNN）、循环神经网络（简称RNN）、卷积神经网络（简称CNN）。DNN和RNN就是深度学习的底子 。DNN内部的神经网络层可以分为三类，输入层 、隐蔽 层和输出层。一样平常 来说第一层是输入层，末了 一层是输出层 ，而中心 的层数都是隐蔽 层。DNN可以明白 为有很多 隐蔽 层的神经网络，黑白 常巨大 的体系 ，练习 出来必要 很多 数据、很强的算力举行 支持 。

算力是底子 办法

AI算法模子 对于算力的巨大需求 ，推动了本日 芯片业的发展 。据OpenAI测算，2012年开始，环球 AI练习 所用的盘算 量出现 指数增长，均匀 每3.43个月便会翻一倍 ，如今 盘算 量已扩大30万倍，远超算力增长速率 。在AI技能 当中，算力是算法和数据的底子 办法 ，支持 着算法和数据，进而影响着AI的发展，算力的巨细 代表着对数据处理 惩罚 本领 的强弱。算力源于芯片 ，通过底子 软件的有效 构造 ，终极 开释 到终端应用上，作为算力的关键底子 ，芯片的性能决定着AI财产 的发展 。

算法、算力、数据作为AI核心 三要素，相互影响，相互支持 ，在差别 行业中形成了不一样的财产 形态。随着算法的创新 、算力的加强 、数据资源的累积，传统底子 办法 将借此东风实现智能化升级，并有望推动经济发展全要素的智能化革新。让人类社会从信息化进入智能化 。

加快 补齐AI芯片短板

从技能 架构来看，AI芯片可以分为通用性芯片、半定制化芯片 、全定制化芯片和类脑芯片（特点是功耗低、相应 速率 快）。AI本质上是利用 人工神经网络对人脑举行 的模仿 ，更换 人们大脑中的生物神经网络。由于每个任务 对芯片的要求差别 ，以是 可以利用 差别 的AI芯片举行 练习 和推理 。

在已往 二十年中，处理 惩罚 器性能以每年约莫 55%的速率 提拔 ，内存性能的提拔 速率 每年只有10%左右，存储速率 严峻 滞后于处理 惩罚 器的盘算 速率 。随着AI技能 的发展，所需数据量变得越来越大 ，盘算 量越来越多，“内存墙”（内存性能严峻 限定 CPU性能发挥的征象 ）的题目 越来越严峻 。因此，存算一体（将部分 或全部的盘算 移到存储中 ，盘算 单位 和存储单位 集成在同一个芯片，在存储单位 内完成运算），有望成为办理 芯片性能瓶颈及提拔 效能比的有效 技能 本领 。

如今 ，核心 算力中芯片通用的GPU占主导职位 。IDC的研究指出，2020年，中国的GPU服务器占据95%左右的市场份额，是数据中心 AI加快 方案的首选。但IDC也做出猜测 ，到2024年，其他范例 加快 芯片的市场份额将快速发展，AI芯片市场出现 多元化发展趋势。比年 来 ，我国AI固然 取得了不少的突破和盼望 ，比如 “小i呆板 人 ”公司主导了环球 第一个AI感情 盘算 的国际标准 ，并在国际上具备肯定 的竞争力 ，但AI芯片对外依靠 较大，并缺乏AI框架技能 支持 。

将来 人们对科技的依靠 会与日俱增，AI也将会成为大国竞争的核心 。为摆脱我国AI的短板 ，有专家表现 AI芯片方面我国可以鉴戒 开源软件的乐成 履历 ，低落 创新门槛，进步 企业自主本领 ，发展国产开源芯片；算法框架方面则可通过开源形成广泛的应用生态，广泛支持差别 范例 的AI芯片、硬件装备 、应用等。（ 泉源 ：科普时报）

周智勇：聪明 都会 建立 进入数据、算法和算力融合推进的新阶段，构建算法和算力本领 的公共资源平台将成为的新制高点！构建聪明 都会 数字孪生体着实 不是终极目标 ，终极 目标 是通过数据、算法和算力的跨场景融合应用为都会 创造管理代价 、社会代价 以及企业代价 。

如今 ，业内存在的困难 是数据源源不绝 ，但是，算法和算力资源却跟不上。

人工智能面对 着四大挑衅 。分别是算力供应严峻 不均衡 ，稀缺而且昂贵；比如 很多 传统行业对摆设 的场景要求高，环境 恶劣多变；云边的数据无法协同和互通；专业技能 要求门槛高，专业人才短缺 。

http://www.ocn.com.cn/shangye/201909/xkijh10140647.shtml

数据在不绝 升迁 ，算力增长 是肯定 的，今后 更必要 大算力芯片。而大算力的芯片除了感知之外，还可以在边沿 侧提取特性 和空间分析;到了中心 侧 ，可以或许 完成二维、三维、四维数据的分析。

http://news.yesky.com/hotnews/422/457385422.shtml

算法孵化器的目标 是通过把整个算法产生过程工具化 、标准 化来低落 一个单一算法的一次性产生本钱 ，并为客户提供快速应用的本领 。

http://www.sohu.com/a/290381283_115503

从算力、算法、数据和应用看AIGC

01、核心 观点

AIGC将来 已来，超预期连续 出现。从2018到2023年 ，四代GPT模子 高速进步，从简单 的问答 、阅读明白 、文本总结，到在浩繁 测试 中得到 “人类级别表现 ”评级，AI迭代进化的速率 越来越快。可以预期 ，AI到达 人类智能程度 、以致 超 越人类智能程度 的期间 会以超预期的形态和速率 出现 。

数据 、算力、算法为AIGC核心 要素，国内 外厂商各占鳌头。数据，通过算力 ，末了 产生了算法大概 应用。数据作为新兴生产要素，数据的拥有者、加工者是产 业发展的底子 。算力作为底子 办法 ，是AIGC资源 开支的重要 受益者 ，核心 参加 者英伟达 、AMD竞争优 势明显 。AIGC的技能 壁垒重要 表现 在算法上，当前通用型AI由GPT领跑，而在细分范畴 上 ，行业内的主 要参加 者包罗 谷歌、Meta、Anthropic 、Hugging Face和百度等公司。随着细分龙头竞相研发创新算 法和优化现有技能 、以及模子 迭代下对数据、算力的需求高速膨胀，AIGC行业技能 壁垒将不绝 进步 ，现 有良好 参加 者护城河极深。

AIGC市场潜力巨大 ，应用范畴 迎来生产力解放 。环球 AI软件市场规模将在2025年到达 1260亿美元，2021年到2025 年年复合增长率为41.02%。一级市场的火热也反映了AIGC发展简直 定性趋势。在大模子 的快速迭代推 动下，搜刮 引擎 、办公软件、汽车、媒体、AI绘画计划 、AI广告营销、智能工作助理等应用率先落地的 行业将具备较强贸易 化机遇 。

02、天生 式AI：ChatGPT引燃市场，数字经济将来 已至

天生 式AI：天然 语言处理 惩罚 演变十余年 ，迎来变现阶段

AIGC(AI Generated Content)即天生 式AI，多范畴 应用渐渐 成熟。AIGC涉及无监督 和半监督 学习算 法，克制 如今 其发展进程 重要 分为三个阶段：统计呆板 学习方法阶段（2010年前）：起首 对数据举行 手工标注 ，然后构建其紧张 特性 ，末了 构建概率 模子 并举行 参数优化，从而将概率最大的输出作为结果 ；基于深度学习的神经网络模子 （2010年-2017年）：深度学习算法被引入 ，本质上是通过大量数据练习 神经网络，重要 表现 情势 为：CNN（卷积神经网络） 、RNN(循环神经网络）等。相比统计学习方法， 省去了复杂且手工的特性 构建；基于Transformer布局 的预练习 模子 （2017年至今）：利用 大量无标注数据举行 自监督 学习 ，然后再使 用少量的标注数据对卑鄙 任务 举行 微调（即迁徙 学习） 。

天生 式AI：GPT模子 迭代四大版本，进化速率 不绝 提拔

OpenAI创建 于2015年12月，发布ChatGPT引燃AI行业热度。GPT系列是OpenAI打造的天然 语言处 理模子 ，采取 以Transformer布局 为核心 的模子 ，其最大特点是利用 了大量的未标注的语料举行 无监督 的 预练习 ，然后在各种有监督 的任务 上举行 微调。OpenAI于2022年11月先后推出了GPT-3.5和ChatGPT，GPT-3.5利用 了更新的语料举行 预练习 ，而 ChatGPT是基于GPT-3.5的对话呆板 人，可以或许 根据用户的输入天生 流畅 、有逻辑的答复 ，以及完成撰写论 文陈诉 、翻译笔墨 、编写代码等文本天生 任务 ，而且 能根据谈天 的上下文举行 互动 。

天生 式AI：AI产物 全面着花 ，生产力将达新高度

GPT模子 稳固 进步，AI已是成熟生产工具。从GPT-1到最新发布的GPT-4模子 ，其应用已经不但 范围 于问答、阅读明白 等文本处理 惩罚 ，固然 如今 GPT-4在实际 场景中的本领 大概 不如人类，但在各种专业和学术 测验 上表现 出显着 逾越 人类程度 的本领 ，GPT-4在模仿 状师 测验 中，分数排在前10%；相比之下，GPT3.5的得分则在倒数10%附近。随着算力、算法 、数据量的演进 ，行业内不绝 出现高质量的AI产物 ，微软New Bing、AI绘画、智能 驾驶等等，表现 出AI将来 在多个范畴 的应用潜力。ChatGPT版Office 、百度“文心一言”两大产物 正式推 出，或将AI的生产力推向新的高度 。

天生 式AI：AI进化加快 ，数字经济将来 已至

AI行业星辰大海，数字经济将来 已至。从2018到2023年，四代GPT模子 高速进步 ，从简单 的问答、 阅读明白 、文本总结，到在浩繁 测试中得到 “人类级别表现 ”评级，别的 近期AI衍生产物 的层出不穷 ，显 现出背后AI行业的星辰大海。2020年，马斯克预言五年内人工智能将比人类更聪明 ，当前AI迭代进化的速率 越来越快 ，固然 GPT 还未通过图灵测试，间隔 真正的“智能”尚有 间隔 ，但我们以为 ，AI到达 人类程度 、以致 逾越 人类的期间 即将到来 。

天生 式AI：算力 、算法、数据三位一体

数据，通过算力，末了 产生了算法大概 应用。AIGC是人工智能、大数据 、云盘算 、5G等多个技能 领 域的整合，是一种跨范畴 的相助 发展模式。在AIGC行业中 ，算力、算法 、数据是三个核心 概念，它们共同 构成了这个范畴 的底子 办法 。将来 随着技能 的进步和应用场景的不绝 拓展，这三个概念将继承 发挥紧张 作 用 ，推动整个行业的创新和发展。

03、数据：大模子 练习 的底子 资源

数据：大模子 练习 的底子 资源，需求不绝 扩大

数据是练习 大模子 的底子 资源，以GPT系列模子 为例 ，对比三代模子 间利用 的数据集，练习 所需的 数据集在质量和数量 方面均不绝 提拔 。随着人工智能模子 迭代发展，高质量数据集的需求将进一步增长 。从天然 数据源简单 网络 取得的质料 数据并不能直接用于有监督 的深度学习算法练习 ，必须颠末 专 业化的收罗 、加工，形成相应的工程化练习 数据集后才华 供深度学习算法等练习 利用 。如今 ，带有监督 学习的算法对于练习 数据的需求宏大 于现有的标注服从 和投入预算 ，底子 数据服 务将连续 开释 其对于算法模子 的底子 支持 代价 。

04 、算力：大模子 发展带来高算力需求

算力：算力需求不绝 攀升，GPU行业市场巨大

AIGC模子 硬件以GPGPU为主，GPU市场规模有望在2030年高出 4000亿美元 。GPU在并行盘算 方 面具有性能上风 ，在AI范畴 分化成两条分支：一条是传统意义的GPU ，专门用于图形图像处理 惩罚 用途；另一 条是GPGPU，作为运算协处理 惩罚 器，增长 了专用指令来满意 差别 范畴 的盘算 需求。利用 GPGPU在云端举行 模子 练习 算法可以或许 明显 收缩 海量练习 数据的练习 时长 ，镌汰 能源斲丧 ，从而低落 人工智能的应用本钱 ，目 前环球 人工智能相干 处理 惩罚 器办理 方案仍以GPGPU为主。根据VerifiedMarketResearch陈诉 ，2021年环球 GPU芯片市场规模已经到达 了334.7亿美元，并预 计到2030年将到达 4,773.7亿美元，CAGR高达33.3%。GPU市场保持着高速增长态势 ，其在人工智能范畴 中仍旧 是不可或缺的盘算 资源之一 。

算力：英伟达芯片龙头市园地 位稳固

英伟达：高算力芯片龙头，AI芯片市园地 位领先。人工智能平台必要 巨大的数据处理 惩罚 本领 ，英伟达的 A100显卡得当 于支持ChatGPT、Bard等工具的呆板 学习模子 ，这款芯片可以或许 同时实行 浩繁 简单 的盘算 ，而 这对于练习 和利用 神经网络模子 很紧张 ，使得A100显卡成为如今 主流AI芯片。长期 预测 ，AI芯片市场快速增长将动员 英伟达营收快速增长 ，根据中商财产 研究院数据表现 ，预计全 球AI芯片市场规模有望从2020年的约175亿美元提拔 到2025年的726亿美元，年复合增长率32.9% 。根据花 旗团体 预估 ，ChatGPT 的利用 大概 会在 12 个月内为英伟达带来 30 亿至 110 亿美元的贩卖 额。

算力：AMD封装理念Chiplet领先，推出高性能APU

AMD：高算力芯片代表企业，即将推出天下 首款集成数据中心 CPU和GPU的APU产物 。在2023年的 CES上 ，AMD预览了AI推理加快 器AMD Alveo V70，主打高能效，峰值AI算力可到达 400TOPS ，TDP仅 75W 。AMD称这是最强AI算力的75W TDP级产物 。AMD还预览了其首款集成数据中心 CPU和GPU的APU产物 AMD Instinct MI300。该款产物 采取 了 Chiplet封装理念 。Chiplet战略 是一项紧张 的硬件创新，摆脱了单芯片微缩的限定 ，同时可以或许 优化装备 的性 能、功耗和性价比。MI300加快 器专为领先的高性能盘算 （HPC）和AI性能而计划 ，借助3D封装技能 将 CPU和加快 盘算 单位 集成在一起，统共 有1460亿个晶体管。

算力：英伟达 、AMD把持 环球 ，国产芯片奋起直追

环球 GPU市场中英伟达和AMD占据96%份额，国内GPU重要 研发企业为海光信息、寒武纪等 。根据 Wccftech ，2022Q3独立GPU市场中英伟达和AMD分别占据88%、8%市场份额。根据海光信息招股书公 布技能 指标数据，当前国内高端GPU相比国际巨头在显存频率、带宽等参数上尚有 肯定 差距，但在典范 应 用场景下 ，深算一号已根本 可以或许 到达 国际上同范例 高端产物 的程度 。在国际市场上，英伟达和AMD在高性能盘算 和人工智能范畴 具有丰富的产物 线和美满 的生态体系 ， 叠加长期 积聚 的技能 上风 和市园地 位 ，预计仍将长期 维持AI算力芯片范畴 的龙头职位 。

算力：国产芯片发展敏捷 ，弥补 AI市场空缺

高端芯片入口 受限，国产芯片需求加快 扩大 。在NVIDIA 、AMD高端产物 被限定 向中国出售的环境 下 ， 国产大模子 算力需求将快速推动国产芯片市场增长，当前国产GPGPU芯片的研发和生产已经取得了肯定 的 盼望 ，海光、炬芯、寒武纪等企业均拥有具备自主知识产权的GPU芯片 ，为国内高性能盘算 和人工智能领 域的发展提供了紧张 支持。根据前瞻财产 研究院，国产人工智能芯片自2020年来呈发作 式增长，2023年市场空间预计将高出 1,300亿元，2020-2023年CAGR为95.86%。总体而言 ，在国际关系告急 、芯片入口 受限的条件 下国产人 工智能芯片市场将来 的发展远景 广阔，随着国内厂商加大研发投入和技能 创新力度，进一步提拔 产物 性能 ， 看好其在国内以致 国际市场中得到 更多的份额和竞争上风 。

05、算法：大模子 算法助力AIGC突破

算法：微软Azure超算为GPT提供保障

Azure算力支持，数亿投入始现回报。GPT系列是OpenAI打造的天然 语言处理 惩罚 模子 ，基于文本 预练习 的GPT-1 ，GPT-2，GPT-3三代模子 都采取 以Transformer布局 为核心 的模子 。微软在2019年向OpenAI投资10亿美元，并为OpenAI制作 了一台由数万个A100 GPU构成 的大 型AI超等 盘算 机 ，本钱 或高出 数亿美元 。GPT模子 正是由这台超等 盘算 机提供支持，OpenAI试图训 练更多必要 学习海量数据、拥有超大参数规模的AI模子 ，必要 长期 访问强大 的云盘算 服务 ，GPT-3的 参数量 到达 了1,750亿，微软构建了一个可在非常大的范围内运行且可靠的体系 架构，这使得 ChatGPT成为大概 。

算法：ChatGPT引入最新模子 GPT-4具备识图本领

算法：GPT-4模子 答复 正确 性明显 进步

相较GPT-3.5，答复 正确 性明显 进步 。根据OpenAI公布数据表现 ，GPT-4在专业和学术方面表现 优 异，在诸多标准 化测验 中均取得了良好 的分数 。比如 其能通过模仿 状师 测验 ，且分数在应试者的前10% 左 右 ，相比之下，GPT-3.5的得分在倒数 10% 左右。GPT-4在GRE（Graduate Record Examination）数 学测验 中取得应试者前20%左右结果 ，而GPT-3.5仅能排在应试者后25%。GPT-4在大部分 语言上的正确 性均高出 了GPT-3.5在英语上的表现 。OpenAI利用 Azure Translate 将 MMLU 基准 —— 一套涵盖 57 个主题的 14000 个多项选择题 —— 翻译成多种语言。在测试的 26 种 语言的 24 种中 ，GPT-4 优于 GPT-3.5 和其他大语言模子 （Chinchilla 、PaLM）的英语语言性能。

算法：最大视觉语言模子 PaLM-E，可操控呆板 人

谷歌：发布如今 最大视觉语言模子 PaLM-E，有望率先落地智能呆板 人相干 产物 。PaLM-E是一种多 模态视觉语言模子 （VLM） ，具有 5620 亿个参数，是环球 已知的最大视觉语言模子 。根据谷歌公布的演示视频表现 ，只必要 给 PalM-E 下达一条高级下令 ，比如 “把抽屉里的薯片拿给 我”，它就可以给一个带机器 臂的移动呆板 人平台（由谷歌呆板 人开辟 ）天生 举措 筹划 ，然后自行实行 。PaLM-E 通太过 析来自呆板 人摄像头的数据来实现这一点，整个过程不必要 对场景表现 举行 预处理 惩罚 。而且 ，PaLM-E表现 出了“正迁徙 ”，又称助长式迁徙 ，它能把一项任务 中学到的知识和技能迁徙 至另一项 任务 ，而且与单任务 呆板 人模子 相比具有“显着 更高的性能程度 ” 。

算法：针对研究群体的模子 “LLaMA”，目标 明白

Meta：“LLaMA ”致力于辅助学术研究职员 完成研究工作。LLaMA （Large Language Model Meta AI）模子 参数相对少，意味着运行模子 算力要求较低 ，但基准测试表现 良好 。同ChatGPT、New Bing差别 ，LLaMA是一个开源的“研究工具”，旨在完成在文本天生 、题目 答复 、书面质料 总结 ，以及自 动证明 数学定理、猜测 卵白 质布局 等工作资助 研究职员 推进研究工作 。根据Meta发布的信息，LLaMA包罗 4个底子 模子 ，参数分别为70亿、130亿 、330亿和650亿。此中 ， LLaMA 65B 和 LLaMA 33B在1.4万亿个tokens上练习 ，而最小的模子 LLaMA 7B也颠末 了1万亿个tokens 的练习 。在大多数基准测试中，参数小的多的LLaMA-13B的性能优于GPT3.5的前身GPT3-175B，而 LLaMA-65B更可与业内最佳的Chinchilla-70B和PaLM-540B竞争 。

算法：对人工智能的安全性监督 日益紧张

Anthropic：聚焦“安全”的人工智能 ，或将成为AI安全范畴 专家。随着大语言模子 的发展，AI在很 多任务 上的本领 将会高出 人类，这将让人类无法监督 模子 。为了确保 AI 在高出 人类本领 后仍保持安全性 ， 必要 开辟 一种可扩展的模子 监督 技能 。CAI（ Constitutional AI ）技能 便是 这种模子 监督 技能 ，原理是人类可以指定一套举动 规范或原则， 而不必要 手工为每个有害输出打标签 ，模子 根据这套举动 规范和准则选择最佳结果 。Anthropic所开辟 的 谈天 呆板 人Claude，在对话安全范畴 上做得更为突出，更善于 拒绝有害词或有害的引导 ，与人类代价 观更 加符合 。而且 CAI技能 有望对将来 全部 人工智能模子 实行 有效 安全性监督 。

算法：构建AI开辟 平台，加快 AI模子 迭代更新

Hugging Face：与亚马逊旗下云盘算 部分 AWS扩大相助 ，将在AWS上构建下一个版本语言模子 。克日 ，AWS公布 与美国明星AI创企Hugging Face扩大相助 ，以加快 构建天生 式AI应用的大型语言模子 和 大型视觉模子 的练习 、微调和摆设 。Hugging Face是OpenAI的重要 竞争对手之一，其重要 业务包罗 生产 AI产物 和托管其他公司开辟 的产物 ，已发展成AI开辟 者共享开源代码和模子 的在线中心 之一。据AWS数据库、分析和呆板 学习副总裁Swami Sivasubramanian透露 ，Hugging Face将在AWS上 构建其语言模子 的下一个版本BLOOM 。该开源AI模子 在规模和范围大将 与OpenAI用于研发ChatGPT的大 型语言模子 竞争，将运行在AWS自研AI练习 芯片Trainium上。

算法：国产大模子 奋力追赶，行业布局 广泛

百度：国内首个类GPT产物 ，有望在外部压力驱动下快速推动国内应用连合 落地。“文心一言”只管 模 型本领 程度 上与ChatGPT等有肯定 差距，但在卑鄙 应用渐渐 对接后，有望依靠 相助 搭档 的高质量数据集快速 提拔 模子 本领 。由于国内无法利用 ChatGPT的API接口 ，且出于数据安全等角度思量 ，势必须 要国产大模子 ， 百度“文心一言 ”作为国产大模子 的先行者 ，在国内政策扶持和财产 链协同发展的配景 下，将进一步加快 国 内AI技能 进步和财产 化进程 ，弥补 市场空缺。根据百度文心大模子 的布局 全景 ，“文心一言”有望通过飞桨开源开放平台、百度智能云等赋能到工业 、能源、金融、通讯 、媒体、教诲 等各行各业，通过接入相助 搭档 的方式，进一步获取高质量数据集以强化 模子 练习 调解 ，快速提拔 模子 性能。

06、财产 应用：各范畴 应用加快 落地 ，贸易 化远景 广阔

财产 应用：AIGC市场潜力巨大，落地范畴 迎来生产力解放

AIGC市场潜力巨大，即将实现多范畴 应用 。根据Tractica的猜测 数据表现 ，环球 AI软件市场规模将在 2025年到达 1260亿美元，2021年到2025年年复合增长率为41.02%。在大模子 的快速迭代推动下，AIGC 市场预计将保持高速增长 ，市场潜力巨大。天生 式AI范畴 在一级市场同样受到青睐，环球 早期资金调研机构 CB Insights最新陈诉 表现 ，2022年有110笔创投买卖 业务 和ChatGPT概念有关 ，投资资金高出 26亿美元 。我们预计搜刮 引擎 、办公软件、汽车、媒体 、AI绘画计划 、AI广告营销等应用率先落地的行业将具备 较强贸易 化机遇 ，AI服务将极大解放生产力，带来行业新模式。

【搜刮 引擎】微软（MSFT.O）：高质量广告更加符实用 户需求

搜刮 引擎的重要 代表为微软Bing。根据用户搜刮 内容 ，必应将天生 相应题目 答案的方案，比如 当用户 输入“筹划 一次为期五天的墨西哥之旅”的下令 时，除了返回一些网址链接供你参考之外，跟利用 ChatGPT 一样 ，必应对话框会直接给你写出一个方案，用户可以直接复制这个答案，不满意 的话也可以要 求它再天生 一个别的 的方案 ，而必应大概 会在复兴 中给出与搜刮 内容相干 的广告。由于天生 式搜刮 下复兴 将 对用户具有更高的匹配度，因此广告也将更符实用 户需求 。

【办公软件】微软（MSFT.O）：AI助手解放生产力，办公模式迎来厘革

【汽车】Mobileye（MBLY.O）：主动 驾驶或达新高度

【媒体】Buzzfeed（BZFD.O）：率先落地AI ，互动更加个性化

根据CBS消息，美国着名 媒体BuzzFeed公布 与OpenAI相助 ，将从“Quizzes ”栏目入手 ，引入天生 式 AI举行 内容创作。该栏目重要 由一系列风趣 的题目 测试构成 ，比如 包罗 “测测你是迪士尼里的哪位公主”， “你最像复仇者同盟 里的哪位超等 好汉 ”之类等 ，根据用户答复 天生 个人陈诉 。ChatGPT接入到Buzzfeed后，将被用于为每位客户天生 个性陈诉 的编写过程中，AI的主动 化生产内容 将为这一工作缩减不须要 的人工劳动，从而低落 内容生产的本钱 ，有望迎来人力本钱 的解放 。根据Buzzfeed 同创办 人兼实行 长Jonah Peretti表现 ，AI将会被应用在创建 测验 、群策群力 ，并帮忙 为阅听众提供客制化内 容 ，资助 媒体作者进步 服从 。

【计划 绘画】Stability AI：AI高效画图 ，改变行业工作模式

如今 该行业范畴 暂无对应上市公司，重要 公司之一为Stability AI。Stability AI是一家元宇宙及数字媒 体工具开辟 商 ，构建了可制作数字艺术的AI绘画平台“Stable Diffusion ”，该工具是一种根据形貌 天生 图片 的AI技能 模子 。只需输入简单 的笔墨 形貌 ，其就能在几秒钟内主动 天生 一幅真实的画作。AI技能 的发展让人们的想象逐 渐成为实际 。无论是必要 一个脚色 立绘 ，还是 计划 场景配景 ，均可以通过AI画图 工具敏捷 完成 。该类AI画图 应用有望为计划 绘画行业带来服从 的极大提拔 ，开释 大量人工劳动力 ，人类所扮演 得脚色 将更倾向于提出意 见，而不是亲身 做图。

【游戏】Scenario 、网易（9999.HK）：天生 游戏素材，加强 交互体验

游戏资产天生 ：Scenario 答应 创建由游戏开辟 职员 或游戏艺术家练习 的自界说 天生 器，以仅匹配他们 本身 图像的风格。在用户上传了一组界说 给定游戏或项目标 脚色 、物品、环境 或其他资产的视觉结果 后 ， Scenario平台可以根据用户上传数据快速天生 相应游戏资产，大大低落 了游戏开辟 本钱 。加强 交互体验：近期网易旗动手 游《逆水寒》官方公布 ，实装国内首个游戏内类GPT技能 ，采取 了大量 来自网易伏羲人工智能实行 室以及网易雷火奇迹 群的 AI 技能 。从官方公布演示视频来看，《逆水寒》手游已 经能让智能 NPC 和玩家自由天生 对话，同时也能基于对话内容做出符合 的逻辑举动 反馈 ，包罗 声音和形体动 作。天生 式AI在游戏中的应用可以大大加强 玩家剧情代入感，大幅进步 游戏交互体验，提拔 玩家对游戏的探 索欲望。

【广告营销】Jasper AI：快速创建各类广告内容 ，低落 营销本钱

Jasper AI是一个AI文本天生 工具，用户可以通过其主动 创建博客文章、交际 媒体文章 、广告、电子书 、登岸 页面副本 、故事、小说等等 。一旦用户给出一些输入文本（关于必要 天生 的内、标题 、相干 关键词等 的简介），它就会天生 对应的原创内容。其深耕广告营销范畴 ，有望成为垂直范畴 行业龙头，重要 具备以下 三个上风 ：

风雅 的营销模板：用户可以根据想要天生 的内容情势 ，选择更加符合需求的模板，平台提供50个简短的文 案模板 ，可资助 用户为各种一样平常 任务 创建文案，此中 包罗 用于为电子邮件、网站、博客 、广告、电子商 务、交际 媒体 、视频等编写内容的 AI 模板。产物 交互体验良好 ：该平台工具交互界面清楚 易上手，产物 符实用 户利用 逻辑 ，且会根据用户反馈频仍 更 新优化 。良好 的配套培训体系：Jasper AI提供名为 "Jasper BootCamp" 的培训，资助 新用户快速相识 该软件的工 作原理，而且 得到 营销根本 知识。

.

《南边 管理 批评 》稿约

《南边 管理 批评 》始创于2013年 ，CNKI泉源 集刊。广州大学南边 管理 研究院主理 、社会科学文献出书 社出书 的连续 性学术辑刊 。《南边 管理 批评 》秉持“培养 公共精力 ，直面转型中国，解释 社会热门 ，扩展学术深度，贴近庞大 需求，服务国家管理 ” ，寻求 “本土化、专业化、个性化 、国际化”，崇尚原创研究、微观研究和深度研究的学术精力 ，试图在中国繁杂的地方语境下运用本土话语体系着力解读地方性知识和一样平常 性逻辑。重要 设置有“学术一线 ”、“数字管理 ” 、“康健 管理 ”、“劫难 管理 ”、“南国讲堂” 、“孤独 书评”、“回归访谈”等栏目。

通讯地点 ：广州市大学城外环西路230号文逸楼512室

投稿邮箱：gdgzpar@163.com

投稿网站：http://iedol.ssap.cm.cn/(选择“社会政法 ”)

投稿体例：https://pan.wps.cn/l/srr2hdj

《南边 管理 批评 》第8辑

《南边 管理 批评 》第7辑

《广州公共管理批评 》第6辑

《广州公共管理批评 》第5辑

《广州公共管理批评 》第4辑

《广州公共管理批评 》第3辑

《广州公共管理批评 》第2辑

《广州公共管理批评 》第1辑

当前欣赏 器不支持播放音乐或语音，请在微信或其他欣赏 器中播放 痴情冢 音乐： 贾青;徐溢 - 新天龙八部 电视原声带

广州大学南边 管理 研究院