ChatGPT来势凶猛,公有云格局会不会大变?

阿明观察
关注

【引言】:

AI风暴来袭,全球无人幸免。

但公有云与ChatGPT到底啥关系?

1) 公有云与ChatGPT,到底谁会“吃”掉谁?

【科技明说 | 热点关注】在看到公有云厂商纷纷开始大模型发布,开始GPT的融入之时,我是在想AI风暴来袭,在担心AI带给人类危险的同时,更想知道公有云与ChatGPT到底关系如何?

前段时间,看到《人类的最后一篇推文》这幅图在朋友圈疯传,让人不得不为AI发展迅速ChatGPT来势凶猛而担忧。

业内有朋友说,公有云可能会吃掉ChatGPT,要不然就是ChatGPT会吃掉公有云。

也有业内朋友指出,这最终云厂商卖的还是算力,核心还是GPU。

这么说还是商汤最牛了,业内朋友传说商汤科技至少手里握了上万张英伟达的卡。有卡的不一定牛逼,可能是最大的韭菜。会卖韭菜也是能力,就看商汤科技会不会卖了。还有卖给谁很重要,像我这样的人,肯定不喜欢吃韭菜。但不少人还是喜欢韭菜盒子,韭菜鸡蛋饺子。当然二级市场的韭菜才是真韭菜。

但在算力上叠加GPT和模型,价值还是可以挖,只是我感觉很难。云厂商做通用GPT,搭上行业模型,还是有机会。只是比较难做,因为做行业模型就必须另外找团队,需要投资更多钱,现在云厂商盈利都难,这个事情很矛盾。

如果这个事情可以做通,再扩展一下,专门提供有行业属性GPT+行业模型的行业云打包卖,或许将会是另辟蹊径的最大机会。

2) ChatGPT+云,公有云厂商如何接招拆招

现在,我更为关心的是,在ChatGPT与公有云结合上,公有云厂商该怎么接招?拆招?

看看亚马逊云科技AWS是怎样做的,宣布Amazon EC2 Trn1n 和 Amazon EC2 Inf2实例正式可用:最具成本效益的生成式AI云基础设施,与此同时AWS亚马逊云科技顺应潮流也推出了自己的大模型,Amazon Titan基础模型目前包括了两个全新的大语言模型。

再看看阿里云是这样做的,随着通义千问的大模型发布,阿里巴巴集团董事会主席兼CEO、阿里云智能集团CEO张勇在阿里云北京峰会上强调说,阿里所有产品未来将接入大模型全面升级。这就意味着阿里将加速实现全面ChatGPT化,这个举措还是令人振奋,毕竟这个过程中将为业界带来更多的AI发展参考。

再看看腾讯云在阿里云发布通义千问的大模型之后发布的新一代HCC高性能计算集群,采用最新一代星星海自研服务器,搭载NVIDIA H800 Tensor Core GPU。基于自研网络、存储架构,带来3.2T超高互联带宽,TB级吞吐能力和千万级IOPS。腾讯云给出的实测结果显示,新一代集群算力性能较前代提升3倍。而在2022年10月,腾讯完成首个万亿参数的AI大模型——混元NLP大模型训练。在同等数据集下,将训练时间由50天缩短到11天。如果基于新一代集群,训练时间将进一步缩短至4天。目前针对新一代HCC高性能计算集群,用户需要通过腾讯云的官方通道申请参与内测,实际上也还未公开GA。

百度算是国内发布大模型很早的科技公司了,文言一心并没有为百度带来意想不到的收获,相反,更多的是迈向ChatGPT领域的教训与经验,当然,至少对百度的中文搜索引擎带来更贴身用户的搜索结果,不过,很遗憾的是不少像我这样的用户却并不想要看到那样的搜索结果。

虽然华为的大模型并没有像百度的文言一心那样高调发布,但是低调的华为盘古却与阿里云的盘古系统名字重复,在这里我不能说华为大模型的名字取名没有创意,毕竟盘古这两个字谁都可以用,如果谁做了注册商标就另当别论了。况且华为大模型发布比百度还要早,2021年就公开了。盘古大模型由NLP大模型、CV大模型、多模态大模型、科学计算大模型等多个大模型构成,这样看来华为做事情还是讲究专业,专业的事情做起来对旁观者而言就显得复杂。

另外还有可以看看突然发布大模型Sense Chat(商量)的商汤科技,业内传说拥有有2.7万张AI专用GPU。目前7000张GPU对外服务8家大型客户,实现算力Infrastructure as a Service。其自然语言大模型Sense Chat已经可以实现基本的语言交互、写故事、法律专业领域的文本分析、代码编程、医疗问诊。当然商汤科技不能算是一个公有云厂商,但已经在着手提供类似云服务的算力与GPT输出了。

对于ChatGPT发展迅猛,业内朋友也传出来说创新工场董事长兼CEO李开复先生也宣布,将亲自筹组Project Al 2.0,这是创新工场塔尖孵化的第7家公司,致力打造Al 2.0全新平台和Al-first生产力应用的全球化公司。他认为华人对ChatGPT研发创新贡献很大,下一步发展一定有机会。

3) 微软敢于巨资投OpenAI,目的是全球全线抢跑

ChatGPT与公有云结合路线上,业界大牛还是微软莫属,微软投巨资支持的OpenAI公司在2023年4月推出了GPT-4,开始真正成就了一个大型多模态模型,能接受图像和文本输入,再输出正确的文本回复。实验表明,GPT-4 在各种专业测试和学术基准上的表现与人类水平相当。例如,它通过了模拟律师考试,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。

在过去的两年里,OpenAI重建了整个深度学习堆栈,并与微软Azure一起为ChatGPT工作负载从头开始设计了一台超级计算机。这台超级计算机基于微软的Azure云基础设施,使用了上万颗Nvidia H100和A100Tensor Core GPU,同时采用了Quantum-2 InfiniBand高速网络架构。不仅如此,微软还将ChatGPT的能力全面加持在了全球著名的办公软件、搜索引擎bing等产品领域,微软已经走上了全面ChatGPT化。

可见,微软关于巨资投入到OpenAI公司,发展ChatGPT成为全球领跑者,其目的很纯,就是要全球全线抢跑。

4) “1+2”等于“1+2”,无论如何难以等于数字“3”

不过就此分析,在GPT不断融入公有云的进程上,公有云厂商的业务本质依然不变,还是卖资源。也有人对我问道,ChatGPT不断融入云上,云服务会越来越便宜么?我认为不会,而是越来越实惠。对于用户来说,云带来的只是实惠,而不是便宜。因为只有重度的公有云长期用户就深有体会,公有云到底是便宜还是昂贵。

正因为如此,业内有朋友一直认为,ChatGPT与公有云没有关系,一是一二是二,如果1+2可以结合的话,依然还是等于1+2而不是新的数字3。

由此分析来看,公有云想方设法将ChatGPT融入云服务之中,最终目的还是希望带动云资源的销售增长,更进一步让云的用户成其为云的深度使用者。从这个角度来分析,公有云因ChatGPT而变化并非真正实现迭代的进化,加持AI能力并不能代表公有云主流业务的本质改变。

进一步分析来看,对于用户而言,将会更容易深度绑定在公有云之上,一旦业务发展变化需要下云落地之时,用户需要付出的代价将会更高。当然,对于自身业务必须架构在公有云之上的用户而言,这样“云+GPT”的变化不存在这个方面的下云落地问题,反而更有利于其业务加速创新。

5) AI平台专业化细分化,也是ChatGPT未来之路

还有就是在2023年1月时候,Gartner发布了2023年“企业对话式AI平台”魔力象限。Gartner通过产品服务、技术创新、市场影响力、客户体验等维度,对19家卓越厂商进行了综合评估。其中中国的科技厂商没有一家入围,就阿里云的AliMe被授予荣誉奖,而Kore.ai、IBM、Cognigy、Amelia、OneReach.ai、Avaamo、谷歌(Google)、Omilia被评为行业领导者;Yellow.ai、Sprink lr、Amazon web service(亚马逊云)、Boost.ai为挑战者;Openstream.ai为远见者;Aisera、7.ai、Laiye、Inbenta、Sinch、eGain为利基市场参与者。

其他还有瑞典的Artificial Solutions、英国的Creative Virtual、美国微软的Power Virtual Agents、爱尔兰的ServisBOT也获得了Gartner的荣誉奖。在更为细分的AI领域,Gartner将企业对话式AI平台市场定义为,用于构建、编排和维护对话式自动化的多个用例和模式的软件平台市场。包括用例和领域如:客户服务;客户支持;IT服务;人力资源;呼叫中心自动化;多个企业聊天机器人的编排,使用基于文本的聊天;丰富的多模式输入/输出;微应用;语音和电话。如此丰富的定义,如此细分的AI应用再一次说明了,AI行业的发展必然走向细分、专业之路,ChatGPT也并不会例外。

此外,对于开发者,利用AI平台的便利性确实可以带来很多帮助,节省开发流程的时间。亚马逊云科技推了CodeWHisperer,这么好的AI编程工具,全开源全免费,可谓程序员的最佳日常伴侣,人见人爱花见花开……如果1000人采用无所谓改变啥,如果1000万人使用了,将会怎样?

6) 革新不了,但ChatGPT可以让公有云变得更美好

值得一提的是,最近埃森哲(Accenture)的研究指出,在现实世界和数字世界越来越密不可分的今天,生成式人工智能等技术的迅速演进正在创造更为广阔的全新商业未来。随着ChatGPT的快速兴起,生成式人工智能展现了其显著增强人类能力的本领,成为了全球焦点。

据埃森哲测算,在各行业,有四成的工作时间可由基于语言的人工智能技术提供支持或得到增值。全球的受访企业高管几乎一致(98%)认为,未来三至五年内,人工智能基础模型会对企业组织战略产生极为关键的影响。

同时,埃森哲《技术展望2023》揭示了四大趋势,帮助企业开启数实融合的新发展历程:

通用智能:无论是担任个人助手、创意搭档或者专业顾问,生成式人工智能将不断提升人类能力。几乎所有受访高管都认为,这类工具可以激发出巨大的创造力和创新力(比例达98%),开启企业级智能的新时代(95%)。

数字身份:对数字用户及资产进行认证是实现数字世界和物理世界融合的另一个基础。如今,85%的受访企业高管都将打造数字身份视为一项战略要务,而非单纯的技术选项。

数据透明:实现人工智能的价值潜力无法绕开数据。这意味着企业必须打破数据孤岛,并更新和升级数据底座。事实上,90%的受访高管都认为,数据正在成为行业甚至跨行业竞争中非常重要的制胜因素。

前沿探索:科技创新与数字技术之间的反馈循环正在加速,两者相互促进,飞速发展。75%的受访者表示,两者联手有助于解决当今世界面临的重大挑战。

由这个研究可以看到,ChatGPT虽然不能彻底革新公有云的主流业务,但改善改进增加云服务的本身的价值还是很值得发展,可见ChatGPT可以让公有云变得更美好。

7) 大模型创新加速,拉动AI进入前所未有的阶段

在Gartner的一份报告《2023 Gartner Emerging Technologies and Trends Impact Radar》新兴技术及趋势影响雷达中提到26项最具影响力的新兴技术和趋势可以看到,边缘AI、基础模型Foundation Models、Model Compression的发展将会更为迅猛,特别是模型压缩(model compression)可以将大模型压缩成小模型,压缩后的小模型也能得到和大模型接近的性能,这对于ChatGPT进入垂直行业领域带来更大可能。

然后,我还在哈工大自然语言处理研究所(HIT-NLP)出品的《ChatGPT调研报告》,是我现在为止看到滴对ChatGPT比较全面的分析了。其中分析指出,从自然语言处理技术发展阶段的角度看,可以发现一个有趣的现象,即每一个技术阶段的发展时间,大概是上一个阶段的一半。小规模专家知识发展了40年,浅层机器学习是20年,之后深度学习大概10年,预训练语言模型发展的时间是5年,那么以ChatGPT为代表的技术能持续多久呢?如果大胆预测,可能是2到3年,也就是到2025年大概又要更新换代了。

经过近70年的发展,自然语言处理技术先后经历了五次范式的变迁,随着ChatGPT的产生,人们也看到了实现通用人工智能(AGI)的曙光。在这个过程中,自然语言处理技术呈现了明显的“同质化”和“规模化”的发展趋势,使用参数量越来越大的模型,从越来越多的文本数据中进行学习。同时分析指出,自然语言处理未来需要融入更多的多模态信息。此外,还需要智能体能够同物理世界以及人类社会进行交互,这样才能真正理解现世界中的各种概念,从而实现真正的通用人工智能。

对于哈工大自然语言处理研究所(HIT-NLP)出品的《ChatGPT调研报告》有兴趣的朋友,可以私信留言加阿明好友,阿明可以看情况私下分享业内学习参考。

不过,现在在AI与大模型领域逐渐呈现出百花齐放的态势。来自新浪数科COO于冬琪的几段观点在朋友圈传播,他个人最喜欢这么几个项目:如改善盲人读屏效率和为盲人用户读出图片上信息。帮助农民找到地里的冬虫夏草,提高挖掘效率。AI诊断皮肤问题。AI帮律师们快速整理法条、给出建议。 帮助刑警们基于目击者描述,绘制出嫌疑人画像。帮助医生们,把语音自动录入成病例。

他没想到的是,现在有很多团队有自研的技术和论文。甚至于有人做出来了可部署在个人电脑上、基于本地数据的丐版大模型。

8) 不可忽视对AI的法律监管,中外相关法律法规正在出台并完善

再进一步看看针对AI的法律监管领域。中国、美国都开始监管AI,随着GPT发展越来越快,相关监管规定也将加速出台。

当然,从通用大模型走向行业大模型,行业数据安全监管也是需要重视。

综合来看,AI风暴来袭,公有云与ChatGPT关系越来越亲密,也越来越复杂。到底该如何去发展,不管是微软还是亚马逊还是阿里云还是其他公有云厂商,都在摸着石头过河,就看谁更会探索,更会迅速了吧。

或许,怎么变谁都不能完全说得清楚,毕竟都不是预言家。IDC不是,Gartner不是,哈工大不是……但是,ChatGPT引发公有云行业的讨论还将继续。

【全球云观察 | 全球存储观察 | 阿明观察 |科技明说】专注科技公司分析,用数据说话,带你看懂科技。本文和作者回复仅代表个人观点,不构成任何投资建议。

       原文标题 : ChatGPT来势凶猛,公有云格局会不会大变?

声明: 本文由入驻OFweek维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存