Theo một báo cáo mới được các nhà phân tích của Bloomberg Intelligence công bố đầu năm nay, ngành công nghiệp AI có thể mở rộng với tốc độ 42% trong vòng một thập kỷ, trước hết là do nền tảng cần thiết để đào tạo các hệ thống AI. nhu cầu về thiết bị tiếp theo sử dụng mô hình trí tuệ nhân tạo, quảng cáo và các dịch vụ khác. Việc phát hành các công cụ AI tập trung vào người tiêu dùng như ChatGPT và Bard của Google sẽ thúc đẩy sự bùng nổ kéo dài hàng thập kỷ, giúp phát triển thị trường AIGC từ doanh thu 40 tỷ USD vào năm ngoái lên ước tính 1,3 nghìn tỷ USD vào năm 2032.
Nguồn hình ảnh: Được tạo bởi AI không giới hạn
AI sáng tạo (AIGC) đang được áp dụng rộng rãi hơn, đặc biệt là trong kinh doanh.
Ví dụ: Walmart gần đây đã thông báo rằng họ sẽ triển khai ứng dụng AIGC cho 50.000 cộng tác viên không có cửa hàng. Theo Axios, ứng dụng này kết hợp dữ liệu của Walmart với các mô hình ngôn ngữ lớn (LLM) của bên thứ ba để giúp nhân viên hoàn thành nhiều nhiệm vụ, từ đẩy nhanh quá trình soạn thảo đến đóng vai trò là đối tác sáng tạo cho đến tóm tắt các tài liệu lớn, v.v.
Việc triển khai như vậy giúp thúc đẩy nhu cầu về card đồ họa (GPU) cần thiết để đào tạo các mô hình deep learning mạnh mẽ. Card đồ họa GPU là bộ xử lý điện toán chuyên dụng thực hiện các lệnh được lập trình song song thay vì tuần tự như các bộ xử lý trung tâm (CPU) truyền thống.
Theo Wall Street Journal, việc đào tạo các mô hình này "có thể khiến các công ty tốn hàng tỷ USD do họ cần thu thập và phân tích lượng dữ liệu khổng lồ." Cung cấp hỗ trợ cho các ứng dụng chatbot ChatGPT và Bard.
01.* Cưỡi trên làn sóng AI*
Xu hướng AIGC đã mang lại cho nhà cung cấp GPU lớn Nvidia một động lực mạnh mẽ: Công ty đã báo cáo thu nhập đáng kinh ngạc trong quý gần đây nhất. Ít nhất đây là thời điểm bùng nổ đối với Nvidia, vì gần như mọi công ty công nghệ lớn đều đang cố gắng có được card đồ họa AI cao cấp.
Erin Griffiths viết trên tờ New York Times rằng các công ty khởi nghiệp và nhà đầu tư đang thực hiện những biện pháp phi thường để có được những con chip này: “Điều mà các công ty công nghệ mong muốn trong năm nay không phải là tiền, tài năng kỹ thuật, sự cường điệu hay thậm chí là lợi nhuận, mà là mong muốn có được GPU."
Ben Thompson gọi nó là "Nvidia trên đỉnh đồi" trong bản tin Stratechery tuần này. Động lực này càng được thúc đẩy bởi thông báo về mối quan hệ hợp tác giữa Google và Nvidia nhằm giúp khách hàng trên nền tảng đám mây của Google có được quyền truy cập nhiều hơn vào công nghệ được cung cấp bởi GPU Nvidia. Tất cả những điều này cho thấy sự khan hiếm hiện tại của những con chip này trước nhu cầu tăng cao.
Liệu nhu cầu hiện tại có đánh dấu đỉnh cao của một thế hệ AI mới hay có thể báo trước sự khởi đầu của làn sóng phát triển tiếp theo?
02.Công nghệ sáng tạo đang định hình tương lai của điện toán như thế nào
Giám đốc điều hành Nvidia Jensen Huang cho biết trong cuộc gọi thu nhập gần đây nhất của công ty rằng nhu cầu này đánh dấu buổi bình minh của “điện toán tăng tốc”. Ông nói thêm rằng sẽ là khôn ngoan nếu các công ty “chuyển vốn đầu tư ra khỏi điện toán đa năng và tập trung vào việc tạo ra trí tuệ nhân tạo và tăng tốc điện toán”.
Điện toán đa năng đề cập đến CPU được thiết kế cho nhiều tác vụ khác nhau, từ bảng tính đến cơ sở dữ liệu quan hệ đến ERP. Nvidia tin rằng CPU hiện là cơ sở hạ tầng kế thừa và các nhà phát triển nên tối ưu hóa mã GPU để thực hiện các tác vụ hiệu quả hơn CPU truyền thống.
GPU có thể thực hiện nhiều phép tính đồng thời, khiến chúng trở nên lý tưởng cho các tác vụ như học máy (ML) thực hiện song song hàng triệu phép tính. GPU cũng đặc biệt tốt trong một số loại tính toán toán học nhất định, chẳng hạn như đại số tuyến tính và các tác vụ thao tác ma trận, vốn là nền tảng của học sâu và trí tuệ nhân tạo.
03. GPU mang lại ít lợi ích cho một số loại phần mềm nhất định
Tuy nhiên, các loại phần mềm khác, bao gồm hầu hết các ứng dụng kinh doanh hiện có, được tối ưu hóa để chạy trên CPU và không được hưởng lợi nhiều từ việc thực thi lệnh song song của GPU.
Thompson dường như có quan điểm tương tự: "Giải thích của tôi về quan điểm của Jensen Huang là tất cả các GPU này sẽ được sử dụng cho nhiều hoạt động tương tự hiện đang chạy trên CPU; Bất kỳ công suất dư thừa nào mà AI tạo ra có thể tạo ra sẽ được lấp đầy bởi điện toán đám mây hiện tại." khối lượng công việc."
Anh ấy tiếp tục: "Nói như vậy, tôi nghi ngờ điều đó: con người và các công ty lười biếng, và các ứng dụng dựa trên CPU không chỉ dễ phát triển hơn mà hầu hết đã được xây dựng sẵn. Tôi rất khó tưởng tượng những công ty nào sẽ dành thời gian và công sức để Porting." thứ gì đó đã chạy trên CPU tới GPU."
04.Lịch sử lặp lại
Matt Assay của InfoWorld nhắc nhở chúng ta rằng chúng ta đã từng thấy điều này trước đây. "Khi học máy lần đầu tiên xuất hiện, các nhà khoa học dữ liệu đã áp dụng nó vào mọi thứ, ngay cả khi có những công cụ đơn giản hơn. Như nhà khoa học dữ liệu Noah Lorang đã từng chỉ ra, "Chỉ một nhóm nhỏ các vấn đề kinh doanh được giải quyết tốt nhất bằng học máy; Hầu hết mọi người chỉ muốn điều tốt dữ liệu và hiểu ý nghĩa của nó. "
Vấn đề là, khả năng tính toán tăng tốc và GPU không đáp ứng được mọi nhu cầu về phần mềm.
Nvidia đã có một quý thành công nhờ vào cơn sốt phát triển thế hệ ứng dụng AI mới hiện nay. Công ty đương nhiên rất nhiệt tình về điều này. Tuy nhiên, như chúng ta đã thấy từ Chu kỳ cường điệu công nghệ mới nổi của Gartner gần đây, thế hệ AI mới này đang có thời điểm phát triển và đang ở đỉnh điểm của những kỳ vọng tăng cao.
Đại học Singularity và người sáng lập XPRIZE Peter Diamandis cho biết kỳ vọng là nhìn thấy tiềm năng của tương lai mà không có bất kỳ nhược điểm nào. “Vào thời điểm đó, sự cường điệu bắt đầu tạo ra sự phấn khích không đáng có và làm tăng kỳ vọng.”
05.Hạn chế hiện tại
Tại thời điểm này, chúng ta sẽ sớm đạt đến giới hạn của cơn sốt AIGC hiện tại. Như các nhà đầu tư mạo hiểm Paul Kedrosky và Eric Norlin của SK Ventures đã viết trên Substack của công ty họ: "Quan điểm của chúng tôi là chúng tôi đang ở phần cuối của làn sóng AI đầu tiên dựa trên các mô hình ngôn ngữ lớn. Làn sóng này bắt đầu vào năm 2017, với [Google] Giấy chuyển đổi ("Sự chú ý là tất cả những gì bạn cần"), và nó sẽ kết thúc trong một hoặc hai năm tới, có đủ loại hạn chế. "
Những hạn chế này bao gồm "xu hướng ảo giác, không đủ dữ liệu đào tạo cho một miền hẹp, kho dữ liệu đào tạo lỗi thời từ nhiều năm trước hoặc vô số lý do khác." Họ nói thêm: "Chúng tôi đã ở cuối làn sóng AI hiện tại."
Nói rõ hơn, Kedrosky và Norlin không nghĩ AI đã đi vào ngõ cụt. Thay vào đó, họ lập luận rằng cần phải có những cải tiến công nghệ đáng kể để đạt được bất cứ điều gì tốt hơn ngoài việc “tự động hóa ở mức trung bình” và mức tăng năng suất hạn chế. Họ tin rằng làn sóng tiếp theo sẽ bao gồm các mẫu mới, nguồn mở hơn và đặc biệt là "GPU phổ biến/giá rẻ", nếu đúng, điều này có thể không mang lại điềm báo tốt cho Nvidia nhưng sẽ cho phép những người cần mọi người được hưởng lợi từ công nghệ.
Như Fortune lưu ý, Amazon đã nói rõ ý định thách thức trực tiếp sự thống trị của Nvidia trong lĩnh vực sản xuất chip. Họ không đơn độc, khi nhiều công ty khởi nghiệp đang tranh giành thị phần - cũng như những gã khổng lồ về chip bao gồm cả AMD. Thách thức một người đương nhiệm thống trị là vô cùng khó khăn. Ít nhất trong trường hợp này, việc mở rộng nguồn cung cấp những con chip này và giảm giá thành công nghệ khan hiếm sẽ là chìa khóa để phát triển và lan tỏa làn sóng đổi mới AIGC.
06 Làn sóng tiếp theo của AI
Bất chấp những hạn chế của thế hệ mô hình và ứng dụng hiện tại, tương lai của AIGC vẫn có vẻ tươi sáng. Có thể có một số lý do đằng sau cam kết này, nhưng có lẽ lý do quan trọng nhất là tình trạng thiếu hụt lao động thế hệ trên toàn nền kinh tế, điều này sẽ tiếp tục thúc đẩy nhu cầu về mức độ tự động hóa cao hơn.
Mặc dù AI và tự động hóa trong lịch sử được coi là riêng biệt nhưng với sự ra đời của AIGC, quan điểm này đang thay đổi. Công nghệ ngày càng trở thành động lực thúc đẩy tự động hóa và năng suất. Mike Knoop, người đồng sáng lập công ty quy trình làm việc Zapier, đã đề cập đến hiện tượng này trong podcast Eye on AI gần đây, nói rằng: "Trí tuệ nhân tạo và tự động hóa đang trở thành cùng một thứ."
Tất nhiên, McKinsey tin vào điều này. Họ cho biết trong một báo cáo gần đây: "AIGC đã sẵn sàng tạo ra làn sóng năng suất tiếp theo. Và họ không đơn độc. Ví dụ, Goldman Sachs cho rằng thế hệ trí tuệ nhân tạo mới có thể tăng GDP toàn cầu thêm 7%.
Cho dù chúng ta có đang ở đỉnh cao của thế hệ AI hiện tại hay không thì rõ ràng đây là một lĩnh vực sẽ tiếp tục phát triển và gây ra tranh luận trong toàn doanh nghiệp. Mặc dù thách thức rất lớn nhưng cơ hội cũng rất lớn, đặc biệt là trong một thế giới khao khát sự đổi mới và hiệu quả. Cuộc chiến giành quyền thống trị GPU chỉ là một khoảnh khắc trong câu chuyện đang diễn ra này, phần mở đầu cho chương tương lai của trí tuệ nhân tạo và điện toán.
Người giới thiệu:
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
AIGC đang ở thời điểm bước ngoặt: Điều gì tiếp theo sẽ được áp dụng vào thế giới thực?
Theo một báo cáo mới được các nhà phân tích của Bloomberg Intelligence công bố đầu năm nay, ngành công nghiệp AI có thể mở rộng với tốc độ 42% trong vòng một thập kỷ, trước hết là do nền tảng cần thiết để đào tạo các hệ thống AI. nhu cầu về thiết bị tiếp theo sử dụng mô hình trí tuệ nhân tạo, quảng cáo và các dịch vụ khác. Việc phát hành các công cụ AI tập trung vào người tiêu dùng như ChatGPT và Bard của Google sẽ thúc đẩy sự bùng nổ kéo dài hàng thập kỷ, giúp phát triển thị trường AIGC từ doanh thu 40 tỷ USD vào năm ngoái lên ước tính 1,3 nghìn tỷ USD vào năm 2032.
Nguồn hình ảnh: Được tạo bởi AI không giới hạn
AI sáng tạo (AIGC) đang được áp dụng rộng rãi hơn, đặc biệt là trong kinh doanh.
Ví dụ: Walmart gần đây đã thông báo rằng họ sẽ triển khai ứng dụng AIGC cho 50.000 cộng tác viên không có cửa hàng. Theo Axios, ứng dụng này kết hợp dữ liệu của Walmart với các mô hình ngôn ngữ lớn (LLM) của bên thứ ba để giúp nhân viên hoàn thành nhiều nhiệm vụ, từ đẩy nhanh quá trình soạn thảo đến đóng vai trò là đối tác sáng tạo cho đến tóm tắt các tài liệu lớn, v.v.
Việc triển khai như vậy giúp thúc đẩy nhu cầu về card đồ họa (GPU) cần thiết để đào tạo các mô hình deep learning mạnh mẽ. Card đồ họa GPU là bộ xử lý điện toán chuyên dụng thực hiện các lệnh được lập trình song song thay vì tuần tự như các bộ xử lý trung tâm (CPU) truyền thống.
Theo Wall Street Journal, việc đào tạo các mô hình này "có thể khiến các công ty tốn hàng tỷ USD do họ cần thu thập và phân tích lượng dữ liệu khổng lồ." Cung cấp hỗ trợ cho các ứng dụng chatbot ChatGPT và Bard.
01.* Cưỡi trên làn sóng AI*
Xu hướng AIGC đã mang lại cho nhà cung cấp GPU lớn Nvidia một động lực mạnh mẽ: Công ty đã báo cáo thu nhập đáng kinh ngạc trong quý gần đây nhất. Ít nhất đây là thời điểm bùng nổ đối với Nvidia, vì gần như mọi công ty công nghệ lớn đều đang cố gắng có được card đồ họa AI cao cấp.
Erin Griffiths viết trên tờ New York Times rằng các công ty khởi nghiệp và nhà đầu tư đang thực hiện những biện pháp phi thường để có được những con chip này: “Điều mà các công ty công nghệ mong muốn trong năm nay không phải là tiền, tài năng kỹ thuật, sự cường điệu hay thậm chí là lợi nhuận, mà là mong muốn có được GPU."
Ben Thompson gọi nó là "Nvidia trên đỉnh đồi" trong bản tin Stratechery tuần này. Động lực này càng được thúc đẩy bởi thông báo về mối quan hệ hợp tác giữa Google và Nvidia nhằm giúp khách hàng trên nền tảng đám mây của Google có được quyền truy cập nhiều hơn vào công nghệ được cung cấp bởi GPU Nvidia. Tất cả những điều này cho thấy sự khan hiếm hiện tại của những con chip này trước nhu cầu tăng cao.
Liệu nhu cầu hiện tại có đánh dấu đỉnh cao của một thế hệ AI mới hay có thể báo trước sự khởi đầu của làn sóng phát triển tiếp theo?
02. Công nghệ sáng tạo đang định hình tương lai của điện toán như thế nào
Giám đốc điều hành Nvidia Jensen Huang cho biết trong cuộc gọi thu nhập gần đây nhất của công ty rằng nhu cầu này đánh dấu buổi bình minh của “điện toán tăng tốc”. Ông nói thêm rằng sẽ là khôn ngoan nếu các công ty “chuyển vốn đầu tư ra khỏi điện toán đa năng và tập trung vào việc tạo ra trí tuệ nhân tạo và tăng tốc điện toán”.
Điện toán đa năng đề cập đến CPU được thiết kế cho nhiều tác vụ khác nhau, từ bảng tính đến cơ sở dữ liệu quan hệ đến ERP. Nvidia tin rằng CPU hiện là cơ sở hạ tầng kế thừa và các nhà phát triển nên tối ưu hóa mã GPU để thực hiện các tác vụ hiệu quả hơn CPU truyền thống.
GPU có thể thực hiện nhiều phép tính đồng thời, khiến chúng trở nên lý tưởng cho các tác vụ như học máy (ML) thực hiện song song hàng triệu phép tính. GPU cũng đặc biệt tốt trong một số loại tính toán toán học nhất định, chẳng hạn như đại số tuyến tính và các tác vụ thao tác ma trận, vốn là nền tảng của học sâu và trí tuệ nhân tạo.
03. GPU mang lại ít lợi ích cho một số loại phần mềm nhất định
Tuy nhiên, các loại phần mềm khác, bao gồm hầu hết các ứng dụng kinh doanh hiện có, được tối ưu hóa để chạy trên CPU và không được hưởng lợi nhiều từ việc thực thi lệnh song song của GPU.
Thompson dường như có quan điểm tương tự: "Giải thích của tôi về quan điểm của Jensen Huang là tất cả các GPU này sẽ được sử dụng cho nhiều hoạt động tương tự hiện đang chạy trên CPU; Bất kỳ công suất dư thừa nào mà AI tạo ra có thể tạo ra sẽ được lấp đầy bởi điện toán đám mây hiện tại." khối lượng công việc."
Anh ấy tiếp tục: "Nói như vậy, tôi nghi ngờ điều đó: con người và các công ty lười biếng, và các ứng dụng dựa trên CPU không chỉ dễ phát triển hơn mà hầu hết đã được xây dựng sẵn. Tôi rất khó tưởng tượng những công ty nào sẽ dành thời gian và công sức để Porting." thứ gì đó đã chạy trên CPU tới GPU."
04. Lịch sử lặp lại
Matt Assay của InfoWorld nhắc nhở chúng ta rằng chúng ta đã từng thấy điều này trước đây. "Khi học máy lần đầu tiên xuất hiện, các nhà khoa học dữ liệu đã áp dụng nó vào mọi thứ, ngay cả khi có những công cụ đơn giản hơn. Như nhà khoa học dữ liệu Noah Lorang đã từng chỉ ra, "Chỉ một nhóm nhỏ các vấn đề kinh doanh được giải quyết tốt nhất bằng học máy; Hầu hết mọi người chỉ muốn điều tốt dữ liệu và hiểu ý nghĩa của nó. "
Vấn đề là, khả năng tính toán tăng tốc và GPU không đáp ứng được mọi nhu cầu về phần mềm.
Nvidia đã có một quý thành công nhờ vào cơn sốt phát triển thế hệ ứng dụng AI mới hiện nay. Công ty đương nhiên rất nhiệt tình về điều này. Tuy nhiên, như chúng ta đã thấy từ Chu kỳ cường điệu công nghệ mới nổi của Gartner gần đây, thế hệ AI mới này đang có thời điểm phát triển và đang ở đỉnh điểm của những kỳ vọng tăng cao.
Đại học Singularity và người sáng lập XPRIZE Peter Diamandis cho biết kỳ vọng là nhìn thấy tiềm năng của tương lai mà không có bất kỳ nhược điểm nào. “Vào thời điểm đó, sự cường điệu bắt đầu tạo ra sự phấn khích không đáng có và làm tăng kỳ vọng.”
05. Hạn chế hiện tại
Tại thời điểm này, chúng ta sẽ sớm đạt đến giới hạn của cơn sốt AIGC hiện tại. Như các nhà đầu tư mạo hiểm Paul Kedrosky và Eric Norlin của SK Ventures đã viết trên Substack của công ty họ: "Quan điểm của chúng tôi là chúng tôi đang ở phần cuối của làn sóng AI đầu tiên dựa trên các mô hình ngôn ngữ lớn. Làn sóng này bắt đầu vào năm 2017, với [Google] Giấy chuyển đổi ("Sự chú ý là tất cả những gì bạn cần"), và nó sẽ kết thúc trong một hoặc hai năm tới, có đủ loại hạn chế. "
Những hạn chế này bao gồm "xu hướng ảo giác, không đủ dữ liệu đào tạo cho một miền hẹp, kho dữ liệu đào tạo lỗi thời từ nhiều năm trước hoặc vô số lý do khác." Họ nói thêm: "Chúng tôi đã ở cuối làn sóng AI hiện tại."
Nói rõ hơn, Kedrosky và Norlin không nghĩ AI đã đi vào ngõ cụt. Thay vào đó, họ lập luận rằng cần phải có những cải tiến công nghệ đáng kể để đạt được bất cứ điều gì tốt hơn ngoài việc “tự động hóa ở mức trung bình” và mức tăng năng suất hạn chế. Họ tin rằng làn sóng tiếp theo sẽ bao gồm các mẫu mới, nguồn mở hơn và đặc biệt là "GPU phổ biến/giá rẻ", nếu đúng, điều này có thể không mang lại điềm báo tốt cho Nvidia nhưng sẽ cho phép những người cần mọi người được hưởng lợi từ công nghệ.
Như Fortune lưu ý, Amazon đã nói rõ ý định thách thức trực tiếp sự thống trị của Nvidia trong lĩnh vực sản xuất chip. Họ không đơn độc, khi nhiều công ty khởi nghiệp đang tranh giành thị phần - cũng như những gã khổng lồ về chip bao gồm cả AMD. Thách thức một người đương nhiệm thống trị là vô cùng khó khăn. Ít nhất trong trường hợp này, việc mở rộng nguồn cung cấp những con chip này và giảm giá thành công nghệ khan hiếm sẽ là chìa khóa để phát triển và lan tỏa làn sóng đổi mới AIGC.
06 Làn sóng tiếp theo của AI
Bất chấp những hạn chế của thế hệ mô hình và ứng dụng hiện tại, tương lai của AIGC vẫn có vẻ tươi sáng. Có thể có một số lý do đằng sau cam kết này, nhưng có lẽ lý do quan trọng nhất là tình trạng thiếu hụt lao động thế hệ trên toàn nền kinh tế, điều này sẽ tiếp tục thúc đẩy nhu cầu về mức độ tự động hóa cao hơn.
Mặc dù AI và tự động hóa trong lịch sử được coi là riêng biệt nhưng với sự ra đời của AIGC, quan điểm này đang thay đổi. Công nghệ ngày càng trở thành động lực thúc đẩy tự động hóa và năng suất. Mike Knoop, người đồng sáng lập công ty quy trình làm việc Zapier, đã đề cập đến hiện tượng này trong podcast Eye on AI gần đây, nói rằng: "Trí tuệ nhân tạo và tự động hóa đang trở thành cùng một thứ."
Tất nhiên, McKinsey tin vào điều này. Họ cho biết trong một báo cáo gần đây: "AIGC đã sẵn sàng tạo ra làn sóng năng suất tiếp theo. Và họ không đơn độc. Ví dụ, Goldman Sachs cho rằng thế hệ trí tuệ nhân tạo mới có thể tăng GDP toàn cầu thêm 7%.
Cho dù chúng ta có đang ở đỉnh cao của thế hệ AI hiện tại hay không thì rõ ràng đây là một lĩnh vực sẽ tiếp tục phát triển và gây ra tranh luận trong toàn doanh nghiệp. Mặc dù thách thức rất lớn nhưng cơ hội cũng rất lớn, đặc biệt là trong một thế giới khao khát sự đổi mới và hiệu quả. Cuộc chiến giành quyền thống trị GPU chỉ là một khoảnh khắc trong câu chuyện đang diễn ra này, phần mở đầu cho chương tương lai của trí tuệ nhân tạo và điện toán.
Người giới thiệu: