生成式人工智能对企业的影响和意义第1期：生成式人工智能技术栈

ChatGPT、DALL.E和Lensa等几个面向消费者的人工智能应用发布，使2022年成为人工智能的分水岭，在这一年里，生成式人工智能完成了对原本人工智能领域的范式转换，以往通用型人工智能通过预设规则来分析数据做出预测的模式，已被新的Transformer架构所取代。在新的架构中，人工智能可以通过其所训练的数据来模仿人类的创造过程，从原本“赋能者”的角色提升为“协作者”甚至“创造者”。

虽然到目前为止，生成式人工智能主要还是应用于面向消费者的产品，但其通过类似于人类的决策能力，为企业工作流程增加情景感知的潜力，有望彻底改变我们的商业模式。根据Gartner预测，到2025年，超过10％的数据将是由人工智能生成的，在不久的将来人类将进入与（WithTM）机器协作的时代。

已有企业率先将生成式人工智能的解决方案应用于企业产品开发，谷歌的客服中心人工智能（CCAI）旨在帮助实现采用自然语言进行客户服务交互，而NVIDIA的BioNeMo则可以加速新药的研发。虽然这些解决方案目前来看并未有实际的突破性进展，但已经引起了传统风险投资、并购等方面以及新兴生态系统合作伙伴关系的兴趣。仅在2022年，风险投资公司就投资了超过20亿美元，而技术领先企业也进行了重大投资，例如微软对OpenAI的100亿美元投资和谷歌对Anthropic的3亿美元投资。

业界普遍相信，生成式人工智能可能会创造出一种更为深刻的人机关系，甚至比云计算、智能手机和互联网所带来的影响还要大。虽然其仍然处于萌芽阶段，存在着隐私和安全、偏见管理、结果的透明性和可追溯性、知识产权等的许多风险。但分析师们仍然相信，生成式人工智能市场未来十年市场规模可能每两年就会翻一番，意味着到2033年左右，市场规模将达到2,000亿美元，占据人工智能支出总额的约20%，比目前的5%高出许多。

生成式人工智能背后的技术栈由三层组成：基础设施、平台和应用程序。

生成式AI技术栈（图来源：德勤《生成式人工智能对企业的影响和意义》）

基础设施层通常被认为是最成熟、稳定和商业化的。龙头企业为人工智能企业提供计算、网络和存储等基础设施，如NVIDIA的GPU和Google的TPU等专门为人工智能工作负载优化的芯片。应用层主要通过打造生成式人工智能的使用平台，利用和扩展基础模型。

基础模型（Foundation Model）是区别生成式人工智能技术栈和过去人工智能技术的关键。基础模型是在广泛数据集上预先训练的机器学习模型，开发人员通过开放或封闭的API使用这些模型，也可以通过额外的训练数据对模型进行微调，以提高模型对特定用例的上下文理解、相关性推理和性能。基础模型将应用程序开发与优化硬件连接起来，优化了应用程序的交付成本。

基础模型通常经历四个开发阶段。

基础模型的开发（图来源：德勤《生成式人工智能对企业的影响和意义》）

目前最成熟的基础模型大部分在文本领域，由于有大量训练数据推动，基础模型通过预测序列中的下一个单词或段落中缺失的单词来训练生成文本的能力。现阶段最先进的基础模型（如GPT-3、Stable Diffusion、MegatronTuring）都基于神经网络架构Transformer，这种架构在分配上下文、跟踪关系和预测结果方面的能力不同于先前的架构，是机器学习性能的一个飞跃。

除文本领域外，生成式人工智能可以生成包括代码、图像、视频、音频和3D模型等在内的多模态内容，这将在多个领域中引发颠覆性的变革和生产力的巨大提升。

（本文内容为笔者对德勤《生成式人工智能对企业的影响和意义》报告的部分摘录以及笔者阅读过程中的个人观点，欢迎大家批评指正。）