從手工業(yè)走向工業(yè)化，西方國家花費(fèi)了近200年。即便是快速發(fā)展的中國，也經(jīng)歷了70余年的時(shí)間。而在AI領(lǐng)域，從“手工作坊”走向工業(yè)化，僅花費(fèi)了不到3年。
當(dāng)前，AI落地已經(jīng)不僅僅是“項(xiàng)目交付”，而更多的是“價(jià)值交付”，這點(diǎn)從今年紅杉資本會場上被廣泛討論并在業(yè)界成為共識，當(dāng)時(shí)包括OpenAI＊＊執(zhí)行官 Sam Altman和谷歌＊＊科學(xué)家Jeff Dean 等在內(nèi)的150位全球頂尖AI創(chuàng)始人共同認(rèn)為——“下一輪AI，賣的不是工具，而是收益。”
在AI從“工具”轉(zhuǎn)變?yōu)椤皟r(jià)值”的過程中，國家層面也在積極推動AI落地產(chǎn)生價(jià)值，8月26日，國務(wù)院印發(fā)《關(guān)于深入實(shí)施“人工智能+”行動的意見》（簡稱《意見》），明確將智能體列為重點(diǎn)發(fā)展領(lǐng)域，并提出了三個(gè)階段的發(fā)展目標(biāo)：2027年，實(shí)現(xiàn)人工智能與六大重點(diǎn)領(lǐng)域廣泛深度融合，新一代智能終端、智能體等應(yīng)用普及率超過70%；2030年，新一代智能終端、智能體應(yīng)用普及率進(jìn)一步提升至90%以上；2035年，中國將全面步入智能經(jīng)濟(jì)和智能社會發(fā)展新階段。
在優(yōu)化應(yīng)用發(fā)展環(huán)境方面，《意見》提出了一系列創(chuàng)新舉措，為智能體技術(shù)的發(fā)展提供了強(qiáng)有力的支撐保障。通過布局建設(shè)一批國家人工智能應(yīng)用中試基地，搭建起連接技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用的橋梁，加速智能體技術(shù)從實(shí)驗(yàn)室走向產(chǎn)業(yè)化。這些中試基地將成為智能體技術(shù)驗(yàn)證、成果轉(zhuǎn)化和商業(yè)模式探索的重要平臺。
與國際相比，國內(nèi)在AI方面發(fā)展路徑不盡相同，浪潮集團(tuán)執(zhí)行總裁、總工程師，浪潮云董事長肖雪表示，國內(nèi)與國際在AI的發(fā)展路徑，與互聯(lián)網(wǎng)時(shí)代的發(fā)展路徑很像，“國際更多在基礎(chǔ)理論研究上、在算力上是占先的，通過這個(gè)角度來驅(qū)動人工智能的整體發(fā)展。”肖雪分析道，“中國實(shí)際從上一個(gè)互聯(lián)網(wǎng)時(shí)代就已經(jīng)呈現(xiàn)出這個(gè)力量了”，憑借工業(yè)全品類、統(tǒng)一大市場、政策的集約性和執(zhí)行的延續(xù)性，中國在消費(fèi)互聯(lián)網(wǎng)時(shí)代依靠場景和應(yīng)用贏得了勝利。從移動支付到健康碼，都是“應(yīng)用之道”的成功實(shí)踐。
在肖雪看來，對于中國企業(yè)而言，不需要追求在基礎(chǔ)大模型上直接與OpenAI等巨頭抗衡，而是聚焦于將各種基礎(chǔ)模型能力，與中國龐大的垂直行業(yè)場景相結(jié)合，解決“＊后一公里”的落地問題。“相對而言，國際上其他國家更多強(qiáng)化AI的金融屬性、算力屬性和基礎(chǔ)理論屬性，中國更多去定義了應(yīng)用之道。”肖雪總結(jié)道。
從“手工作坊”走向工業(yè)化面臨“三座大山”
而讓AI從“技術(shù)”走向“落地”的關(guān)鍵就在于普適化。在肖雪看來，真正要實(shí)現(xiàn)從“手工作坊”到“現(xiàn)代工廠”的轉(zhuǎn)變，＊直接的改變要體現(xiàn)在效率、成本和質(zhì)量這三個(gè)“制造業(yè)”永恒的命題上。
《意見》中明確，2030年，新一代智能終端、智能體應(yīng)用普及率進(jìn)一步提升至90%以上，這也就意味著，到2030年，AI將像水電一般，成為我們生活不可或缺的一部分。
但“硬幣的另一面”是，當(dāng)前AI技術(shù)發(fā)展并不如想象般順暢，開發(fā)周期過長、投入成本過高，以及模型質(zhì)量在實(shí)際業(yè)務(wù)應(yīng)用的成效過低等三大核心問題，是阻礙AI應(yīng)用落地的三座大山。
效率方面，過去訓(xùn)練一個(gè)政務(wù)問答模型，光數(shù)據(jù)標(biāo)注就需要5個(gè)工程師花費(fèi)將近一個(gè)月的時(shí)間，＊后效果還依賴調(diào)參工程師的經(jīng)驗(yàn)。有統(tǒng)計(jì)數(shù)據(jù)顯示，傳統(tǒng)模式下模型制造周期長達(dá)90人天，且質(zhì)量隨工程師水平波動，這與當(dāng)前市場對AI服務(wù)“分散化、小型化、定制化”的需求形成尖銳矛盾。
成本方面，傳統(tǒng)模式下企業(yè)需單獨(dú)采購算力、組建算法團(tuán)隊(duì)、搭建數(shù)據(jù)平臺，導(dǎo)致單個(gè)模型成本高達(dá)數(shù)千萬。有研究機(jī)構(gòu)指出，全球AI公司年均研發(fā)投入增長45%，但商業(yè)化落地率不足30%，邊際收益遞減現(xiàn)象日益顯著。
與此同時(shí)，企業(yè)在大幅增加AI投入的同時(shí)，也越來越關(guān)注可量化的業(yè)務(wù)成效。“投資流向生成式AI過程中，企業(yè)已從對技術(shù)先進(jìn)性的追求，逐漸轉(zhuǎn)變?yōu)樽非笄袑?shí)的商業(yè)價(jià)值。”聯(lián)想集團(tuán)高級副總裁、＊＊信息官、方案服務(wù)業(yè)務(wù)集團(tuán)＊＊技術(shù)與交付官曾對筆者指出。
在企業(yè)普遍追求降本增效的時(shí)代，企業(yè)雖然對AI會加大投入，但同時(shí)也更希望看到AI為他們帶來“既得利益”，“AI在企業(yè)中應(yīng)用，要么給企業(yè)帶來新的增長，要么為企業(yè)節(jié)省開支，這兩個(gè)都不能帶來的技術(shù)，是沒有意義的。”此前筆者在與某零售行業(yè)CIO交流時(shí)，他曾多次向筆者強(qiáng)調(diào)。
模型質(zhì)量方面，當(dāng)前模型在行業(yè)側(cè)應(yīng)用質(zhì)量不高，很多模型產(chǎn)品投產(chǎn)之后達(dá)不到原有想要的應(yīng)用效果。究其原因，主要有兩點(diǎn)，一是模型選型與業(yè)務(wù)需求不匹配。不同模型擅長領(lǐng)域不同，而企業(yè)不同業(yè)務(wù)領(lǐng)域需求模型能力也不盡相同。例如，金融行業(yè)的企業(yè)可能更關(guān)注AI在風(fēng)險(xiǎn)控制、客戶畫像構(gòu)建等方面的應(yīng)用，而零售行業(yè)的企業(yè)則更看重AI在＊＊營銷、庫存管理等領(lǐng)域的價(jià)值。
二是模型存在幻覺問題。例如深度學(xué)習(xí)模型的性能，高度依賴于海量高質(zhì)量的訓(xùn)練數(shù)據(jù)。但目前企業(yè)內(nèi)部數(shù)據(jù)質(zhì)量“參差不齊”，多數(shù)企業(yè)的數(shù)據(jù)分散在ERP、CRM、IoT設(shè)備等分散的，各自成“孤島”的數(shù)十個(gè)系統(tǒng)中，格式涵蓋結(jié)構(gòu)化表格、非結(jié)構(gòu)化文檔、時(shí)序傳感器數(shù)據(jù)等多種不統(tǒng)一的格式，且存在大量“臟數(shù)據(jù)”。據(jù)BCG統(tǒng)計(jì)，企業(yè)可用于AI訓(xùn)練的有效數(shù)據(jù)占比普遍低于10%，“數(shù)據(jù)豐富但信息匱乏”成為常態(tài)。此外，F(xiàn)ineBI的行業(yè)研究指出，傳統(tǒng)模式下“數(shù)據(jù)孤島”“指標(biāo)混亂”“結(jié)果不可復(fù)現(xiàn)”等問題，使80%的企業(yè)AI項(xiàng)目卡在落地環(huán)節(jié)。
在肖雪看來，造成上述三重困境的主要因素是，常規(guī)的模型訓(xùn)練模式是一種類似“手工作坊”的模式——過程非標(biāo)、高度依賴人才經(jīng)驗(yàn)、難以規(guī)模化。
“價(jià)值交付”，模型將更像“工業(yè)產(chǎn)品”
肖雪看來，AI應(yīng)用將是一個(gè)服務(wù)態(tài)，不是運(yùn)維態(tài)。
面對AI工業(yè)化挑戰(zhàn)，浪潮云給出的答案是：搭建人工智能模型工廠，通過“九大單元”（數(shù)據(jù)車間、模型車間、評測中心、集成車間、客戶服務(wù)中心、產(chǎn)品工程中心、安全中心、設(shè)備管理中心、調(diào)度服務(wù)中心）架構(gòu)，提供系統(tǒng)性答案，構(gòu)建覆蓋從數(shù)據(jù)準(zhǔn)備，到集成交付全流程的體系，通過標(biāo)準(zhǔn)化工序?qū)⒛Ｐ蜕a(chǎn)拆解為可復(fù)制的模塊。通過這些舉措，讓模型的生產(chǎn)從“手工作坊”時(shí)代，走向工業(yè)化生產(chǎn)時(shí)代，在提升了模型訓(xùn)練效率的同時(shí)，還降低了應(yīng)用成本。
以數(shù)據(jù)車間為例，數(shù)據(jù)是企業(yè)AI應(yīng)用落地過程中的重要因素，很多企業(yè)應(yīng)用落地失敗主要是因?yàn)橛?xùn)練模型的高質(zhì)量數(shù)據(jù)集不足。在由11道工序和60套工具組成的數(shù)據(jù)車間內(nèi)，首先會對企業(yè)提供的數(shù)據(jù)進(jìn)行清洗，選取出適合模型訓(xùn)練使用的數(shù)據(jù)，進(jìn)而通過數(shù)據(jù)合成，以及浪潮云多年來在服務(wù)各行業(yè)的過程中積累的數(shù)據(jù)，將數(shù)據(jù)“擴(kuò)容”到足夠大的體量，基于可信數(shù)據(jù)空間對客戶原始數(shù)據(jù)依照業(yè)務(wù)需求進(jìn)行＊小化授權(quán)，進(jìn)行必要的脫敏處理，并對不同租戶的數(shù)據(jù)進(jìn)行隔離，確保訂單數(shù)據(jù)與流程完全獨(dú)立，在數(shù)據(jù)采集、存儲、標(biāo)注、訓(xùn)練乃至銷毀的全生命周期中都確保了數(shù)據(jù)的安全，也打消了企業(yè)對于數(shù)據(jù)安全的顧慮。
當(dāng)數(shù)據(jù)“就緒”之后，會將數(shù)據(jù)集“傳輸”到模型車間，該車間基于數(shù)據(jù)車間形成的高質(zhì)量數(shù)據(jù)，對模型做調(diào)優(yōu)訓(xùn)練，達(dá)到用戶訂單要求。由8道工序和10套工具組成，實(shí)現(xiàn)“數(shù)據(jù)輸入”到“模型輸出”的標(biāo)準(zhǔn)化轉(zhuǎn)化。
正是通過這樣一個(gè)個(gè)單元，組建起了一條模型的“產(chǎn)品流水線”，構(gòu)建了統(tǒng)一、標(biāo)準(zhǔn)、安全、高效、開放的AI模型生產(chǎn)模式，解決了原先模型訓(xùn)練過程中存在的分散、高成本、高風(fēng)險(xiǎn)的問題，將模型作為一個(gè)工業(yè)產(chǎn)品，用集約化的方式對外輸出。
據(jù)肖雪介紹，通過浪潮人工智能模型工廠，將模型制造的平均周期，從90人天壓縮到了20人天左右，平均效率提升75%。
浪潮云的探索并非個(gè)例，而是行業(yè)發(fā)展的必然選擇。據(jù)悉，目前全球范圍內(nèi)已經(jīng)建成了包括浪潮人工智能模型工廠在內(nèi)4個(gè)模型工廠，而第五個(gè)——美的荊州工廠也投產(chǎn)在即。
顯然，模型工廠的模式將逐漸成為企業(yè)級AI應(yīng)用的一條可行路徑，通過集約化的方式，達(dá)到標(biāo)準(zhǔn)化流程、專業(yè)化分工與生態(tài)協(xié)同的目的。已經(jīng)有不少企業(yè)通過模型工廠以低成本、高效率的方式打造出了符合自身業(yè)務(wù)需求的模型產(chǎn)品，快速落地AI應(yīng)用。
“當(dāng)AI步入Agent時(shí)代，企業(yè)不需要盲目地追求技術(shù)的迭代，而是要盡快地將Agent與業(yè)務(wù)場景結(jié)合，創(chuàng)造出價(jià)值。”瓴羊副總裁林永欽（千絕）在與筆者的交流中曾明確指出。
AI已經(jīng)步入“價(jià)值交付”時(shí)代，在肖雪看來，當(dāng)前，模型交付不是終點(diǎn)，而是服務(wù)的起點(diǎn)。
從“手工作坊”到“現(xiàn)代工廠”，從工具提供到價(jià)值交付，大模型的工業(yè)化革命正在重塑產(chǎn)業(yè)形態(tài)，更在開啟一個(gè)人人可享的智能新時(shí)代。
文章來源：工控網(wǎng)
