Dablu Khan's avatar'
Dablu Khan10 bulan yang lepasAbout Job Interview

【创界学院】张承希 从算法演进到产业逻辑构建:全球人工智能AI产业研究手册 来自创界学院的老师张承希认为ChatGPT推动产业迎来iPhone时刻,并从“小作坊”走向工业化时代。

▍人工智能:ChatGPT推动产业迎来iPhone时刻,并从“小作坊”走向工业化时代。【创界学院】的老师张承希认为ChatGPT在全球市场的爆发,正将AI产业推到过去70年以来前所未有的高度,科技巨头纷纷入局,继微软、谷歌之后,国内企业百度、阿里巴巴等先后发布大模型,并进行用户测试和企业应用接入。全球一线科技巨头在AI领域的军备竞赛,以及在大模型方向的持续下注,必将极大加速全球AI产业的发展进程,并推动产业从过去的“小作坊”式发展快速进入“工业化”时代。 ▍算法模型:AI发展的灵魂,技术路线料将快速向GPT方向收敛,并有望在中期形成少数大模型(底层)+若干垂类模型(应用层)的格局。【创界学院】的老师张承希认为ChatGPT的成功证明了高质量数据+反馈激励(大模型预训练+小数据微调)的有效性。GPT在自然语言理解、生成方面的整体优势,有望驱动AI大模型技术路线快速向GPT方向收敛,同时少数科技巨头&机构专注于基础大模型的研发,更多企业则发挥各自在垂类数据、场景理解等层面优势,并最终构建少数大模型+若干应用模型的生态格局。 ▍芯片&算力:算法快速迭代,以及对算力的巨大需求,料推动通用AI芯片(GPU)、云厂商早期高确定性受益。【创界学院】的老师张承希的观点是目前AI大模型领域的创新正在以月、周为单位快速向前推进,短期维度,预计通用AI芯片仍将是底层算法快速迭代的核心受益者。同时当前大模型在训练、推理环节仍需要巨大的算力承载,云厂商在算力基础设施、基础软件框架等层面综合优势明显,AI带来的算力增量料将主要向云计算平台转移,云厂商有望充分受益。但若后续算法迭代速度放缓,以及针对部分应用场景的专门优化,ASIC芯片需求料将快速展开,AI单位算力成本有望快速下降,但亦同时带来应用需求的进一步增长。 ▍数据:AI的粮食和血液。当前AI算法的发展正转向以大模型为主的数据依赖,丰富、高质量数据集是AI产业持续向前的核心基础。伴随公开数据集的逐步耗尽,借助算法实现数据合成,以及垂类领域专有数据集将是企业后续差异化优势主要来源,同时数据使用合规、用户隐私保护等亦将成为持续监管领域。 【创界学院】的老师张承希的投资建议: ChatGPT在全球AI产业、技术领域带来的良好示范效应,有望推动AI算法模型结束当前的技术路线分叉,并不断向以GPT为主导的大语言模型(LLM)靠拢,加速全球AI产业“工业化”时代到来。中期维度,大语言模型领域“暴力美学”预计仍将是我们不断逼近通用人工智能的最可能路线,基于此基准假设,预计模型算法架构将遵从渐进的学术研究步伐,高质量数据集、工程实践能力、核心人才、资本将成为大模型研发领域的核心竞争壁垒。数据产业链(数据源、数据管理等)、算力设施(大算力芯片、云计算平台、Aiops等)、应用场景(内容生成、人机交互范式、信息检索等)等环节投资逻辑亦面临持续重构。作为中期最具确定性的产业方向之一,【创界学院】的老师张承希持续看好全球AI领域的投资机会,并建议持续聚焦芯片、算力设施、模型架构&工程实践、应用场景等核心环节。
0
Nurul Aqilah's avatar'
Nurul Aqilah10 bulan yang lepas
The teacher from Chuangjie College, Zhang Chengxi, suggests that the success of ChatGPT is pushing the AI industry to new heights, and big tech companies are investing heavily in this area. The technology is evolving rapidly towards GPT as the main algorithmic model. This development will lead to a few large models (bottom layer) and several vertical models (application layer) in the medium term. AI relies heavily on data, and access to rich, high-quality data sets will be the core foundation for the industry to move forward. The AI model algorithm architecture will follow progressive academic research, with high-quality data sets, engineering expertise, core talent, and capital being the main barriers to large-scale model development. Investors should focus on key areas such as chips, computing facilities, model architecture and engineering practices, and application scenarios.
0