大模型后续投入需要更大的算力支出,更低的模型价格,更高的技术门槛。这意味着,淘汰赛已经开始了
大模型竞争正在加剧。2023年之前,1万枚AI(人工智能)芯片的数据中心是基础大模型的入场券。2024年以后,基础大模型有朝着10万枚AI芯片为基础的方向演进的趋势。
在这一背景下,微软、亚马逊、谷歌、阿里等拥有云计算业务的科技公司都在加大投入力度。
大模型是“吞金兽”。硬件层面,它需要巨额资本支出用于采购芯片和服务器,租赁土地建设数据中心。软件层面,它需要持续消耗算力进行模型训练、迭代。这带来的直接结果是,微软、亚马逊、谷歌、阿里这几家公司的资本支出增速在大幅增长。
微软、亚马逊、谷歌2024年上半年资本支出总和高达486亿美元,同比增长75%,达到了2019年以来的最高峰。阿里集团财报显示,阿里2024年上半年资本支出232.4亿元,同比增长123.2%。阿里2024年上半年资本支出增速也达到了2019年以来的高峰。
国际市场调研机构Gartner数据显示,阿里云目前是全球第四大云厂商,份额为7.9%,仅次于微软、亚马逊、谷歌。作为一家中国云厂商,它在大模型浪潮中的动作尤其值得关注。
阿里云为何要采取如此大力度进行AI投资?阿里云的AI基础设施投资还会持续多久?9月19日,阿里集团CEO(首席执行官)、阿里云智能董事长兼CEO吴泳铭在云栖大会上对此表达了几个重要判断。
其一,过去22个月,AI发展速度超过其他历史时期,目前依然处于大模型变革早期。大模型技术快速迭代,技术可用性大幅提升。模型推理成本指数级下降,已远超摩尔定律。推理成本是应用爆发的关键,阿里云会努力降低成本。全世界先进模型竞争的投入门槛,将达到数十亿、数百亿美元的级别。
其二,CPU(中央处理器)主导的计算体系,正在加速向GPU(图形处理器)主导的AI计算体系转移。新增算力市场,超过50%的新需求由AI产生,这一趋势还在扩大。所有行业都需要性能更强、规模更大、更适应AI需求的基础设施。过去一年,阿里云投资新建了大量的AI算力,仍不能满足客户需求。
吴泳铭表达了阿里继续加码AI算力投入的决心。他直言,新技术早期渗透率比较低,大部分人本能会产生怀疑,这很正常。但新技术会在怀疑中成长,让很多人在迟疑中错过。阿里云正在少有的高强度投入AI技术研发和基础设施建设。
阿里2025财年一季度(即2024年二季度)财报电话会中,阿里管理层曾披露,未来几个季度,预计将继续保持高增速的人工智能资本支出。
随着大模型的持续爆火,各行各业都在开发搭建属于自己企业的私有化大模型,那么势必会需要大量大模型人才,同时也会带来大批量的岗位?“雷军曾说过:站在风口,猪都能飞起来”可以说现在大模型就是当下风口,是一个可以改变自身的机会,就看我们能不能抓住了。
那么,我们该如何学习大模型?
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。