2024：围绕生成式AI的技术趋势

世界是复杂的，没有人真的知道未来会怎样；但是如果单纯从技术的角度，我们总是能够沿着技术发展的应用脉络，找到一些主导未来趋势的脉络。

2023年12月13日，戴尔科技集团举办的2024年技术预测媒体沟通会上，戴尔科技集团全球首席技术官John Roese为来自中国大陆、中国台湾地区和中国香港地区的媒体，介绍并分享了2024年及未来影响科技行业的新兴趋势，其中AI是作为影响未来IT技术走向的重要因素被提出。

“现在AI已经成为了整个宇宙讨论的中心，但同时我们要注意到，2024年行业中会有方方面面、各种各样的技术通过互联互通、相辅相成。”除了AI，John Roese认为未来的科技趋势还包括：零信任、边缘平台，以及量子计算等三个重点的关键词，而且在John Roese看来，这四项未来趋势之间，是存在互相关联作用的。其中起决定性作用的因素是2024年的AI将与2023年的AI存在巨大的不同。

戴尔科技集团全球首席技术官 John Roese

“2024年，是生成式AI大发展的第二年，而且生成式AI与今年会有所不同：生成式AI将从今年的纯理论探讨阶段，全面进入到业务应用阶段——2023年，大部分的企业和机构并没有真正地打造出生成式AI的系统；到2024年，我们会看到真正的转变到来。也就是说，生成式AI系统将全面进入到生产当中，企业将真正具体地使用生成式AI工具。”John Roese强调，进入到生成式AI高速发展的第二年，向内，对于生成式AI本身，即将发生三个方面的改变。

首先，要把生成式AI投入到企业以及业务用例的过程中，就要从“构建训练基础架构转向构建推理基础架构”。John Roese认为，到目前为止，基本不存在有应用企业自己构建自己的AI大模型，他们往往是通过对开源基础模型进行调优、优化或者是互联，来实现自己的某些功能和需求。“也就是说：AI系统开发的工作，可能比我们想象得要简单。对于各个企业、各个垂直行业领域的企业来说，无论是GenAI还是GPT4，大语言模型的训练成本是高昂的，但是垂直行业的企业用户，是不会直接在企业的应用中采用这些模型。”John Roese强调说，如果未来需要将AI能力赋予企业的现实业务，那么企业就需要进一步开发这些已有的模型，从而让这些模型在部署到垂直行业的生产中时，你可以真正地产生生产力——即从IT技术层面的“训练基础架构”转到业务层面的“推理基础架构”。而这种转变也对企业提出了更加明确的要求：如何更好地设计出这种推理基础架构？该把它们放在哪里？如何确保其安全？

生成式AI本身的第二个改变，是企业的关注点将越来越多地从宽泛的实验转向自上而下的战略重点，暨挑选出少数几个真正具有变革意义的生成式AI应用项目。根据John Roese的观察：2023年，生成式AI刚刚起步，任何能够使用人类语言的场景都被考量采用这样一种新兴的工具，几乎每一个企业、每一个组织机构，每一个职能部门都在思考如何利用生成式AI来改变他们的销售方式、财务方式、人力资源管理方式、雇佣人员方式，编写代码方式……“2023年，我们大部分的企业组织都列出了一个很长的清单，考虑采用生成式AI技术，就像戴尔科技集团，一开始也找到了数百个项目能够用上生成式AI。”John Roese说，“但是当我们即将步入2024年的时候，我们已经认识到：要去实施生成式AI，每个项目都非常庞大，需要占用大量的人力物力财力才能构建和实施一个真正投入生产的生成式AI系统。因此到了2024年，一方面，我们会有成百上千的乃至上万的潜在用例；但是另一方面，由于每一个企业的资源有限，因此只能选择其中几个实施。”John Roese强调说：在2024年，一个企业的CIO和领导者，必然会面对一个问题：就是从几百个AI项目中，优先选择出几个进行实施。这其中的风险在于：一旦选对了，那这些项目将对业务产生正向的影响；而万一选错，可能就会造成大量的资源浪费。“要想做出一个正确的选择，各个企业必须要充分理解GenAI的价值，以及对自己的企业来说，生成式AI最有可能从哪些方面能够真正帮上忙。”

生成式AI的第三个改变，是用户对于AI投入的成本考量，将从对“训练成本”的计算转向对“运营成本”的衡量。这一点并不难理解：因为在理论和学术研究阶段，生成式AI处于训练阶段，其成本取决于构建模型的复杂程度，以及架构开发和维护人员的多少，除此之外，再无其他成本而言；但是当技术开始应用于现实场景，企业用户开始实施部署和应用生成式AI工具时，现实的运营成本就会成为企业用户面临的最大经济考量。“以戴尔科技为例，当我们最初开始建立自己的以知识为基础的一些生成式AI技术助手时，基本上会在三个月的时间里用到20个服务器，此刻，其整体运营成本对我们来讲是未知的；当这套系统开始被投入面向戴尔科技内部的工程师应用时，大约6000名工程师每个月就需要大约5000万的交易量——所以我们最后发现，该系统最大的成本，不是建立一个模型的成本，而是其基于大量交易量的情况下会有巨额的运营成本。”John Roese强调，这对于企业用户而言，从训练成本到运营成本的考虑，将是未来必将面对的一个相当现实的问题。“对于戴尔科技而言，如果这样的工具对我们自己的业务是非常有用的，那么即使成本非常高，我们也会愿意继续做。”

应该说，生成式AI自身内部的改变，无论是从理论研究到现实应用，还是要构建“推理基础架构”、选择真正有意义的项目，或者更多关注生成式AI的运营成本，从本质上说，都是技术从研发到应用的商用化过程中必然要经历的过程。只是由于作为改变IT格局的核心关键技术，AI自身业务形态的改变，也将带来更多行业的改变。其中的一个影响就是会带动一批相关的技术和应用，成为未来的热点和趋势。

就像John Roese谈到的2024的其他三个热点和趋势——零信任、边缘平台和量子计算——之所以其能够在未来成为一项技术热点和趋势，很大的一部分原因，就是要加速AI在现实的应用场景中落地。

“为了能够进入到实际应用阶段，我们需要有更加先进的硬件，因此在接下来的五年中，量子计算会成为推动加速AI进一步落地的关键因素。”John Roese在谈到其他技术趋势与AI发展的关系时强调：“为了将AI真正用于现实业务，所以我们需要把数据推理的基础架构部署到正确的位置，因此生成式AI的系统一定不会部署在数据中心，而是会被部署在边缘，这样，我们就要打造一个现代化的边缘平台；最后，零信任本身是非常有价值的，但我们要看到零信任基础架构只有在新的环境中才最容易部署，在老的环境中部署零信任基础架构是非常困难的。在全新的环境中，可以一开始就使用零信任的原则来实施一种全新的安全范式，因为大部分边缘平台都是全新的，所以零信任完全可以从一开始就构建进去。但目前，实际上大部分的AI基础架构还尚待打造，所以我们期待着零信任的安全原则会成为AI基础架构构建过程中的默认原则。”

从生成式AI到零信任、边缘平台和量子计算，事实上不仅是因为在IT技术应用的过程中，各个技术之间存在必然的千丝万缕的联系，而且也是科学技术在其发展演进过程中的一个必然因果。从IT技术发展演进的视角看：AI理论和概念最早提出并被定义是在1955年，仅仅比世界上第一部电子计算机晚了14年，而比1960年代提出的互联网要早十几年，比1996年才被正式命名的云计算更是早了半个世纪——而AI之所以很早被提出但并没有真正从理论学术研究转化为现实的生产力，很大的一个原因就是，当时的IT基础设施、算力、模型和数据等诸多方面的条件并不具备。从这个角度看，也许并不是生成式AI为零信任、边缘平台和量子计算带来了一次发展的机会；更有可能是，零信任、边缘平台和量子计算使得AI的广泛应用真正有了实践的可能性。

无论如何，人们对未来的期许总是充满希望，总是排除了诸多非理性影响因素；而对于科学技术未来的走向，以AI为主要驱动力，是一种最具有广泛共识的看法。基于此，科技的未来，似乎正在成为一场考验人类想象力的比赛：只有想不到，没有做不到。而我们能做的，就是将这一切变成现实，变成真正能够推动人类发展的生产力。“没有执行的展望，是空想。我们对未来的展望和预测，都是基于我们自己的实践——这就是戴尔科技集团在做的事情。“John Roese说。