今天分享的是AIGC专题系列深度研究报告:《AIGC专题:中国AIGC产业算力发展报告》。
(报告出品方:甲子光年智库)
AI的新时代,生成式AI技术重新塑造AI技术的开发及应用
随着2023年大模型的热潮,AIGC早已超越内容生产的概念,而突出生成式AI(Generative AI)的概念,即如何通过生成式AI的技术思路解决以往决策式AI难以 完成的问题,尤其在数据或者内容生成上实现 “质的突破”。
新的AI时代则是AIGC产业全面进击的时代,随着生成式对抗网络(Generative Adversarial Network,GAN)等的演进及迭代,生成式AI可以延展到流程、策略、 代码、蛋白质结构等多种形式,即意味着凡是可以使用数字内容形式的产业,生成式AI均可以涉及。
AI的新时代:更关注如何利用生成式AI技术在涉及数字内容的诸多领域实现改变及突破,生成式AI实际上扩大了“内容”的含义,凡是可以数 字化的内容形式均为生成对象,而非传统意义下媒体环境的内容。
AIGC产业:新一代AI技术和理念,以“生成式AI”为代表技术的开发及应用产业,即如何利用资源发挥新的AI技术的应用,通过商业价值推动AI第 三次浪潮的发展。
纵观AI发展,算法的发展及迭代极大地拉动了算力的需求
机器学习的训练计算大概可以分为三个时期,2015-2016 年左右开启了大模型时代,整体的训练计算量较之前的时期大2到3个数量级。
从2022年底,随着ChatGPT成功带来大规模参数通用大模型相继发布。这些大模型的训练需要千亿、甚至万亿级参数,以及上千GB的高质量数据,大模型的训练 迭代将极大地拉动了智能算力的需求。
Transformer结构解锁新AI时代的iPhone时刻,实现资源及应用的飞轮增长
Transformer的应用标志着基础模型时代的开始(基础模型的庞大规模和应用范围突飞猛进),模型参数量指数级增长,带动算力超过摩尔定律,可以称为AI技术的iPhone时刻。
技术层面上,基础模型通过证移学习(Transfer Leaming)和规模(scale)得以实现;深度学习中,预训练又是迁移学习的主要方法:在替代任务上训练模型(通常只是达到目的的一种手段),然后通过微调来适应感兴趣的下游任务。迁移学习(Transfer Learning)使基础模型成为可能。
数字经济时代,人工智能相关产业必然迎来广阔发展,AI算力正当时
企业数字化转型推动人工智能领域支出,人工智能支出已经成为支持企业数字化转型支出的主力之一。IDC数据统计,全球范围内,企业在包括硬件、软件和在内的人工智能(AI)市场的技术投资从2019年的612亿美元增长至2021年的924亿美元,预计将在2022年(同比)增长26.6%至1170亿美元,有望到202!破2000亿美元,增高于企业数字化转型支出整体增,
从国家到地方,关注通用人工智能的系统建设,探索通用人工智能新路径,推动创新场景应用成为思想共识、政策共识、发展共识。
报告来源/公众号:【海选智库】
本文仅供参考,不代表我们的任何建议。海选智库整理分享的资料仅推荐阅读,如需使用请参阅报告原文。