事情总是这样:
压力初露端倪,暗自考虑改变。
压力高能爆表,立马做出改变。
我们从一家叫做Databricks的美国知名公司聊起。
这家Databricks公司很有创新基因。
其创始人阿里·戈西(Ali Ghodsi)作为“2022年福布斯全球亿万富豪榜”排名第1645位的瑞典富豪,不缺钱,也舍得为公司花钱。
他多次公开表示,不会考虑降低研发投入。
此前(距大模型问世还有几年时间),Databricks就具备一种很重要的能力,我们姑且称之为“二合一”的能力吧:
大数据能力,以及传统人工智能能力。
总称为:“Data+AI”的能力。
更准确地称为:“Data+AI”平台的能力。
传统AI平台的功能,Databricks也早有了。
毕竟,号称一站式商店。
以前,传统AI还可以被归类为“高级”数据分析服务,比如用于预测等场景。
大模型出现后,这样归类就不合时宜了。
大模型不仅仅是分析,人家高低是有智能的。
于是,如今对AI平台的基本要求“水涨船高”:能训练大模型。
而Databricks 公司这样一个Data+AI 平台横跨两界的三好学生优秀班干部,虽然早早具备“二合一”的能力,但也没有在其所辖“四海之内率土之滨”,长出一个生成式AI大模型的功能。
该有的都有呀,居然,眼睁睁看着自己落后了。
大模型需要多大的数据,讲一个训练时候的事实好了。
千亿参数的大模型一次微调,用时大约两个月,消费数据大约20个T。
这意味着,大模型问世之后,大数据“身价”变了,“富贵骄人”。
因为大模型能把大数据里面的价值用得更彻底了。
以前存了多久不要紧,
落了多少灰不要紧。
要紧的是,赶紧喂给大模型。
让大模型把这些尘封已久的知识都“学会”。
一朝变化生,百端头绪出。
轮到大模型给“二合一”平台出难题了。
第一,数据类型多了。
数据不同,模态不同,多种数据,多个模态,大模型向多模态演进。
虽说一般的多模型大模型,训练图文音三种数据;但是,美国大模型这把领先之后,诸君都很激进。手里有好牌,就连续出王炸。
2023年5月9号,
美国厂商Meta大模型ImageBind以视觉为核心,结合文本、声音、深度、热量(红外辐射)、运动(惯性传感器),覆盖6个模态。
无独有偶。
2023年5月26日下午,
国产“紫东太初”2.0全模态大模型发布,特色为可实现文本、图片、语音、视频、3D点云、传感信号等不同模态。
行文至此,不得不感慨,同一个5月份,仅仅从9号到26号,多模态急管繁弦的节奏感了。
第二,计算引擎多了。
按照贾扬清的说法,从技术的角度来看,数据和AI计算是分开的。
数据用数据平台,AI用AI的平台。
今天,无论数据平台,还是 AI 平台,都没法用自己的经验解决对方的问题。因为数据平台和AI平台,背后的技术是截然不同的。
以前的大数据计算引擎主要是支持结构化数据的计算。
不同计算引擎的优化方向(数据新鲜度、查询性能、成本)不同,开发语言、计算语义、存储系统亦不同,组装难度极大。
而AI需要自己的引擎