技術(shù)革新引領(lǐng)未來-生成式AI塑造核心發(fā)展引擎白皮書

贊助商：NVIDIA生成式發(fā)展引擎技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑目錄TOC\o"1-2"\h\z\uIDC觀點(diǎn) 2第一章生成式AI：推動(dòng)科技進(jìn)步與產(chǎn)業(yè)變革的強(qiáng)大驅(qū)動(dòng)力 4生成式AI引領(lǐng)產(chǎn)業(yè)智能化落地，開啟經(jīng)濟(jì)發(fā)展新篇章 4硬件迭代、算法突破、數(shù)據(jù)改善共促生成式AI發(fā)展 9第二章駕馭生成式AI：企業(yè)智能化轉(zhuǎn)型的實(shí)施流程與核心影響 生成式AI在企業(yè)端的應(yīng)用：明確目標(biāo)，實(shí)現(xiàn)價(jià)值 企業(yè)需求在新技術(shù)時(shí)代下的演變：迎接挑戰(zhàn)，擁抱變化 端到端的生成式AI解決方案：滿足企業(yè)真實(shí)需求的關(guān)鍵 第三章邁向AI智能體，生成式AI重塑千行百業(yè) 互聯(lián)網(wǎng)行業(yè)：虛擬角色與內(nèi)容生成 醫(yī)療領(lǐng)域：藥物研發(fā)的智能計(jì)算平臺(tái) 金融行業(yè)：風(fēng)險(xiǎn)管理、投資決策與反欺詐 生成式物理AI：機(jī)器人與自動(dòng)駕駛 第四章NVIDIA的生成式AI技術(shù)：重新定義計(jì)算與智能的邊界 硬件支撐：為生成式AI提供卓越計(jì)算能力 軟件與工具：構(gòu)建全面的AI開發(fā)生態(tài) 端到端的解決方案：加速AI應(yīng)用的部署與運(yùn)行 第五章前景與戰(zhàn)略：生成式AI將會(huì)持續(xù)落地，引領(lǐng)產(chǎn)業(yè)全面邁向數(shù)字化時(shí)代 生成式AI未來趨勢：應(yīng)用邊界不斷拓展，持續(xù)發(fā)揮智能化價(jià)值 IDC建議：面向企業(yè)：技術(shù)為本，效益為先，與時(shí)俱進(jìn) 技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎IDC觀點(diǎn)一：技術(shù)協(xié)同發(fā)展推動(dòng)生態(tài)完善在當(dāng)今快速演變的技術(shù)生態(tài)系統(tǒng)中，多技術(shù)協(xié)同升級(jí)已成為推動(dòng)新興技術(shù)發(fā)展的核心動(dòng)力。這一過程涉及人工智能（AI、大數(shù)據(jù)、云計(jì)算等關(guān)鍵技術(shù)的深度融合，也關(guān)系到各個(gè)行業(yè)之間的相互滲透，技術(shù)和行業(yè)互相交織形成了一個(gè)創(chuàng)新生態(tài)。例如，金融場景已可以將產(chǎn)品與大模型進(jìn)行結(jié)合、生成交易數(shù)據(jù)，從而彌補(bǔ)真實(shí)數(shù)據(jù)的不足，并優(yōu)化欺詐識(shí)別模型的訓(xùn)練。時(shí)至今日，行業(yè)融合多種新技術(shù)的成功案例層出不窮，顯示出協(xié)同效應(yīng)對(duì)技術(shù)創(chuàng)新周期的加速作用。觀點(diǎn)二：數(shù)據(jù)持續(xù)積累推動(dòng)新的處理范式IDCAIAI，視為下一個(gè)重大變革性和有影響力的技術(shù)轉(zhuǎn)變。我們正在進(jìn)入一個(gè)AI無處不在的時(shí)代。此次變革與過往計(jì)算機(jī)革命及云計(jì)算轉(zhuǎn)型相比，不同之處在于其驅(qū)動(dòng)力為數(shù)據(jù)而非硬件設(shè)備；這也標(biāo)志著智能化進(jìn)程首次以數(shù)據(jù)為核心導(dǎo)向的重大飛躍。而生成式AI的核心價(jià)值之一在于它解鎖了非結(jié)構(gòu)化數(shù)據(jù)中的價(jià)值。數(shù)十年來，從非結(jié)構(gòu)化數(shù)據(jù)中提煉有用信息一直是一項(xiàng)艱巨挑戰(zhàn)。據(jù)IDC統(tǒng)計(jì)，2023年非結(jié)構(gòu)化數(shù)據(jù)將占所有存儲(chǔ)數(shù)據(jù)的77%1，這表示一個(gè)數(shù)據(jù)密集型創(chuàng)新周期已經(jīng)來臨。在此背景下，能夠高效處理、解析并轉(zhuǎn)化這些非結(jié)構(gòu)化數(shù)據(jù)為可行性洞察的AI技術(shù)，將成為推動(dòng)各行各業(yè)轉(zhuǎn)型升級(jí)的關(guān)鍵力量。1:WorldwideGlobalDataSphereandGlobalStorageSphereStructuredandUnstructuredDataForecast,2023–2027技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑觀點(diǎn)三：算力是產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的重要推動(dòng)力IDC預(yù)測，到2027年，70%的經(jīng)濟(jì)價(jià)值將以高信息密度的商品和服務(wù)形式呈現(xiàn)；為保持經(jīng)濟(jì)增長速度，強(qiáng)大的算力是信息產(chǎn)品發(fā)展的支撐基礎(chǔ)2。數(shù)據(jù)分析、大模型訓(xùn)練以及推理等關(guān)鍵步驟都需要算力作為底層資源。而算力配置是否有彈性并且可擴(kuò)展，直接影響到企業(yè)業(yè)務(wù)的運(yùn)行穩(wěn)定性以及響應(yīng)市場變化的速度。因此，構(gòu)建并優(yōu)化算力體系，成為企業(yè)把握大模型時(shí)代發(fā)展機(jī)遇和提升核心競爭力的戰(zhàn)略重點(diǎn)。觀點(diǎn)四：大模型技術(shù)發(fā)展關(guān)注點(diǎn)逐漸轉(zhuǎn)向高效、經(jīng)濟(jì)和環(huán)保方向在生成式AI的演進(jìn)中，高效性、經(jīng)濟(jì)性和環(huán)境友好性的考量日益受到重視。大模型預(yù)訓(xùn)練對(duì)計(jì)算資源的需求極高，相關(guān)能耗問題也逐漸凸顯。如何在不犧牲模型精度與訓(xùn)練效率的前提下，通過優(yōu)化計(jì)算架構(gòu)、節(jié)能技術(shù)等方法，實(shí)現(xiàn)降低運(yùn)行成本、減少能源消耗，并最終達(dá)到低碳環(huán)保的長遠(yuǎn)目標(biāo)，確保大模型技術(shù)的可持續(xù)發(fā)展，以更優(yōu)地促進(jìn)社會(huì)經(jīng)濟(jì)向綠色轉(zhuǎn)型并邁入高質(zhì)量發(fā)展階段，成為當(dāng)前研究與實(shí)踐的核心議題。2:IDCFutureScape:WorldwideDataandContentTechnologies2023Predictions技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎AI：推動(dòng)科技進(jìn)步與產(chǎn)業(yè)變革的強(qiáng)大驅(qū)動(dòng)力AI開啟經(jīng)濟(jì)發(fā)展新篇章隨著AI技術(shù)的推進(jìn)，生成式AI已躍升為數(shù)字時(shí)代的前沿領(lǐng)域。從最初的基于規(guī)則的簡單創(chuàng)作，發(fā)展至今日由深度學(xué)習(xí)驅(qū)動(dòng)的創(chuàng)造性產(chǎn)出，生成式AI技術(shù)實(shí)現(xiàn)了由量變到質(zhì)變的深刻轉(zhuǎn)型。這一歷程，包含了計(jì)算能力的幾何級(jí)躍升，數(shù)據(jù)資源的持續(xù)累積，以及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法的不斷精煉與革新。尤其在近十年間，生成式對(duì)抗網(wǎng)絡(luò)（GANs）與Transformer模型的誕生，為文本、圖像乃至視頻內(nèi)容的自動(dòng)生成開辟了創(chuàng)新級(jí)可能性，極大地拓展了創(chuàng)意表達(dá)的邊界。IDC預(yù)測到2027年，全球生成式AI市場規(guī)模將攀升至1454億美元，中國市場的投資亦將達(dá)到129億美元；這一發(fā)展趨勢的動(dòng)力源自技術(shù)迭代的加速、技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑應(yīng)用領(lǐng)域的拓寬，以及企業(yè)對(duì)AI創(chuàng)新驅(qū)動(dòng)的不懈投入。除了大模型AI廠商外，NVIDIA作為加速計(jì)算技術(shù)的領(lǐng)航者，在此進(jìn)程中也發(fā)揮著核心作用，NVIDIAAIEnterprise平臺(tái)通過加速計(jì)算能力、優(yōu)化的軟件棧和容器化服務(wù)，降低了企業(yè)部署和運(yùn)用復(fù)雜AI模型的門檻，加速了從研究到生產(chǎn)的轉(zhuǎn)化過程。值得注意的是，該平臺(tái)能夠支持訓(xùn)練千億乃至萬億參數(shù)量級(jí)的大模型，給生成式AI技術(shù)落地帶來可能性。圖1生成式AI支出規(guī)模（單位：億美元）全球全球中國CAGR:54.1%35.3129.3中國CAGR:54.1%35.3129.31,454.2387.9387.916.7%28.4%占整體AI比例16.7%28.4%占整體AI比例16.0%32.3%

2027

2024

2027來源：IDC,2024

生成式AI技術(shù)的商業(yè)化與技術(shù)進(jìn)步并駕齊驅(qū)，不僅在國際舞臺(tái)上催生了一系列科技創(chuàng)新，也見證了本土企業(yè)的迅速崛起與差異化戰(zhàn)略的實(shí)施。大模型目前主要分為文本、圖像以及視頻三種模態(tài)，在不同的數(shù)據(jù)和場景中發(fā)揮作用。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎圖2Transformer架構(gòu)革新生成式AI，開啟自然語言處理的新篇章TTransfrrA型的分支應(yīng)用基礎(chǔ)模型應(yīng)用基礎(chǔ)模型數(shù)據(jù)Transformer 文本輸出大語言模型文本輸入可以滿足各種下游任務(wù)的需要。訓(xùn)練數(shù)據(jù)多樣化，修改或微調(diào)后基礎(chǔ)模型是一種機(jī)器學(xué)習(xí)模型，數(shù)據(jù)中的上下文和含義。跟蹤字詞之間的關(guān)系來學(xué)習(xí)順序Transformer是神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練。的模型，通過自我監(jiān)督學(xué)習(xí)進(jìn)行大語言模型是具有數(shù)十億個(gè)參數(shù) ChatGPT基于GPT3.5，是一種Transformer架構(gòu)。來源：IDC,2024

文本對(duì)話技術(shù)的迭代升級(jí)，率先為大模型開辟了應(yīng)用前景：文本生成技術(shù)的飛速發(fā)展，歸功于文本數(shù)據(jù)資源的多樣化和易獲取這些數(shù)據(jù)在互聯(lián)網(wǎng)的每一個(gè)角落，包括但不限于社交媒體、新聞文章、學(xué)術(shù)論文、歷史檔案等，其多樣性、廣度與深度為模型提供了豐富的學(xué)習(xí)材料。另外，Transformer架構(gòu)的問世，成功解決了循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在處理長序列信息時(shí)的局限性。ChatGPT作為語言生成領(lǐng)域的先鋒，憑借其卓越的對(duì)話創(chuàng)造、代碼生成及跨領(lǐng)域知識(shí)解析能力，彰顯了生成式AI技術(shù)的高水平成熟度及廣泛的應(yīng)用潛力。GP-3.5模型擁有1750億參數(shù)及先進(jìn)的自注意力機(jī)制，采用多層Transformer解碼器堆疊架構(gòu)，使模型具備了上下文感知的對(duì)話、代碼合成及跨學(xué)科知識(shí)解析能力。在國內(nèi)，ChatGLMBaichuan等大模型亦展現(xiàn)出色表現(xiàn)。ChatGLM采用的雙流自注意力機(jī)制增強(qiáng)了對(duì)復(fù)雜語言結(jié)構(gòu)的解析力，其靈活性和較低的技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑資源消耗，特別是通過模型量化技術(shù)實(shí)現(xiàn)的ChatGLM-6B模型在邊緣端的低門檻部署，極大地推動(dòng)了高級(jí)語言模型的普及。Baichuan則整合了意圖理解、信息檢索、強(qiáng)化學(xué)習(xí)等關(guān)鍵技術(shù)，并借助有監(jiān)督微調(diào)與人類意圖對(duì)齊策略，在知識(shí)問答、文本創(chuàng)作等多領(lǐng)域取得了卓越成效。圖像生成技術(shù)的革新，進(jìn)一步拓展了大模型的創(chuàng)意邊界：圖像創(chuàng)作需要融合計(jì)算機(jī)視覺與深度學(xué)習(xí)技術(shù)。在早期發(fā)展的過程中，生成新圖像在真實(shí)度與細(xì)節(jié)還原度上存在一定的局限性，導(dǎo)致圖片失真；而新一代技術(shù)則憑借大量的訓(xùn)練數(shù)據(jù)集和復(fù)雜的算法架構(gòu)設(shè)計(jì)，使生成圖像的真實(shí)性顯著提升，StableDiffusionDALL-E2StableDiffusion利用擴(kuò)散模型架構(gòu)，從隨機(jī)噪聲中解析出清晰圖像，其核心優(yōu)勢在于其可以在低計(jì)算資源的基礎(chǔ)上保持生成高分辨率圖像；同時(shí)，其開源特性更是激發(fā)了社區(qū)用戶的積極性，形成模型從使用到迭代的正向循環(huán)。DALL-E2則是運(yùn)用Transformer架構(gòu)實(shí)現(xiàn)的文本到圖像的直接映射，通過多模態(tài)數(shù)據(jù)的預(yù)訓(xùn)練，使模型能夠推理出不同的圖像特點(diǎn)，從而有效轉(zhuǎn)化文本中的抽象概念和細(xì)節(jié)，并通過分層構(gòu)建圖像的方式確保生成內(nèi)容的結(jié)構(gòu)合理性和細(xì)節(jié)飽滿度。視頻創(chuàng)作技術(shù)的飛躍，補(bǔ)全了大模型在動(dòng)態(tài)場景中的不足：視頻生成技術(shù)的發(fā)展得益于多模態(tài)技術(shù)升級(jí)已取得的重要進(jìn)展，從最初的動(dòng)畫合成到處理復(fù)雜動(dòng)態(tài)場景和非線性敘事結(jié)構(gòu)。在技術(shù)快速迭代的背景下，以VideoGAN和Sora為代表的視頻生成模型，極大提升了視頻創(chuàng)作的效率。VideoGAN利用深度學(xué)習(xí)技術(shù)可生成連貫的視頻片段，通過時(shí)間相關(guān)損失函數(shù)和循環(huán)一致性約束確保幀間連貫，結(jié)合時(shí)空注意力機(jī)制和LSTM等復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)，以捕捉和保留視頻序列的時(shí)空特征，實(shí)現(xiàn)視頻的自然流暢。Sora憑借其時(shí)空一致性與動(dòng)態(tài)適應(yīng)性脫穎而出，其集成的LSTM與3DCNNs協(xié)同工作，確保視頻序列在時(shí)間維度上的平滑過渡和邏輯連貫，同時(shí)引入條件生成機(jī)制，賦予用戶高度定制化和交互式的視頻創(chuàng)作體驗(yàn)，進(jìn)一步模糊了現(xiàn)實(shí)與虛擬的界限，開創(chuàng)了內(nèi)容創(chuàng)作的新境界。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎技術(shù)層面上，生成式AI正不斷向高精度、低延遲和多模態(tài)方向發(fā)展。模型架構(gòu)上依然是以Transformer及其變體為主，但目前也在探索更高效的注意力機(jī)制和模型壓縮技術(shù)等方式，以降低模型的計(jì)算成本并提高部署效率。另外，針對(duì)特定領(lǐng)域的細(xì)粒度優(yōu)化也是新的技術(shù)熱點(diǎn)，如醫(yī)療、金融等行業(yè)模型。廠商方面，包括NVIDIA、谷歌、微軟在內(nèi)的國際企業(yè)，以及國內(nèi)的阿里、百度等公司，都在布局通過提供高性能計(jì)算資源及上層生態(tài)來共同支撐生成式AI的持續(xù)發(fā)展。隨著技術(shù)的不斷迭代與應(yīng)用場景的不斷開拓，生成式AI推動(dòng)的智能化轉(zhuǎn)型正穩(wěn)步前行，其帶來的效益將會(huì)逐漸體現(xiàn)在社會(huì)經(jīng)濟(jì)的各個(gè)層面。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑硬件迭代、算法突破、數(shù)據(jù)改善AI在生成式AI的快速演進(jìn)中，算力的強(qiáng)化、算法的演進(jìn)以及數(shù)據(jù)的積累是三大核心要素，在新技術(shù)浪潮中共同發(fā)揮作用，持續(xù)拓展新技術(shù)邊界，并將生成式AI推向新的高度，確保其在多種應(yīng)用場景中表現(xiàn)更卓越。圖3生成式AI發(fā)展三大要素算力算力來源：IDC,2024

數(shù)據(jù) 算法精準(zhǔn)數(shù)據(jù)引導(dǎo)高效算法算力支撐：硬件革新與技術(shù)協(xié)同發(fā)展算力是生成式AI發(fā)展的物理基礎(chǔ)，高性能計(jì)算硬件的持續(xù)進(jìn)步為模型訓(xùn)練提供了強(qiáng)大的支撐。GPU因其高度并行的計(jì)算能力，成為訓(xùn)練大模型的理想選擇。近年來，專門針對(duì)AI計(jì)算優(yōu)化的TPU（TensorProcessingUnit）、技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎Transformer了一場自然語言處理領(lǐng)域的革命，該架構(gòu)通過引入自注意力機(jī)制顯著提升了對(duì)長序列數(shù)據(jù)的理解和生成能力，它能夠使模型并行考慮輸入序列的所有位置，徹底改變了傳統(tǒng)的序列數(shù)據(jù)處理方法。

ASIC（Application-SpecificIntegratedCircuit）升了計(jì)算效率，降低了能耗。這些硬件創(chuàng)新，結(jié)合高速互連技術(shù)，如NVLink、InfiniBand等，為大規(guī)模并行計(jì)算提供了必要的基礎(chǔ)設(shè)施。除了硬件基礎(chǔ)設(shè)施外，多集群并行計(jì)算技術(shù)如Horovod和PyTorchDistributed等框架是協(xié)調(diào)硬件資源的關(guān)鍵軟件組件。這些框架在通信協(xié)議上做了一定優(yōu)化，以獲得高效的模型參數(shù)同步與負(fù)載均衡，從而有效地解決了多GPU的協(xié)同問題。具體來說，Horovod在Ring-AllReduce算法下減少了模型更新的通信時(shí)間；而PyTorchDistributed提供了靈活的分布式訓(xùn)練，在支持多種并行模式的情況下，使訓(xùn)練過程得到明顯的加速，同時(shí)降低了資源消耗。此外，高效率的數(shù)據(jù)傳輸與同步，隨著模型規(guī)模的擴(kuò)大變得格外重要。遠(yuǎn)程直接內(nèi)存訪問（RDMA）技術(shù)與高速網(wǎng)絡(luò)通過減少數(shù)據(jù)傳輸?shù)膹?fù)制步驟并縮短延遲，確保大規(guī)模集群間數(shù)據(jù)的高效交換，增強(qiáng)模型訓(xùn)練的穩(wěn)定性和效率。這些技術(shù)與智能的數(shù)據(jù)放置策略相配合，使大規(guī)模并行計(jì)算的效率進(jìn)一步優(yōu)化。算法層面：深度與廣度的雙重躍升生成式AI技術(shù)迭代的核心推手是算法創(chuàng)新。Transformer架構(gòu)帶來了一場自然語言處理領(lǐng)域的革命，該架構(gòu)通過引入自注意力機(jī)制顯著提升了對(duì)長序列數(shù)據(jù)的理解和生成能力，使模型并行考慮輸入序列的所有位置，徹底改變了傳統(tǒng)的序列數(shù)據(jù)處理方法。自注意力機(jī)制的精髓在于，它能夠賦予模型學(xué)習(xí)輸入序列中任意兩部分之間關(guān)系的能力，這種全局視角對(duì)于理解和生成自然語言至關(guān)重要，因此基于TransformerBERT、GPT系列等迅速成為主流的自然語言處理模型。此外，我們看到，模型規(guī)模也在隨著算法的不斷演進(jìn)而迎來增長，除了得益于Transformer架構(gòu)高效的并行處理能力外，分布式訓(xùn)練技術(shù)的成熟也不可或缺，如模型并行、數(shù)據(jù)并行和混合并行等這些技術(shù)在大規(guī)模模型訓(xùn)練中有效地解決了內(nèi)存限制和通訊瓶頸等問題。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑硬件迭代、算法突破與數(shù)據(jù)改善構(gòu)成了生成式AI發(fā)展的鐵三角，三者相互促進(jìn)，不僅共同推動(dòng)著新技術(shù)的快速前行，也催化了從理論到實(shí)踐的跨越。

在面對(duì)大模型的訓(xùn)練推理效率方面的挑戰(zhàn)時(shí)，MixtureofExperts（MOE）架構(gòu)被提出。該架構(gòu)通過將模型分解為多個(gè)專注于處理輸入數(shù)據(jù)特定領(lǐng)域的專家子網(wǎng)絡(luò)，并采用門控機(jī)制來挑選最適合的專家執(zhí)行任務(wù)，實(shí)現(xiàn)了計(jì)算資源的動(dòng)態(tài)優(yōu)化配置與高效利用。這一設(shè)計(jì)不僅增強(qiáng)了模型處理復(fù)雜任務(wù)的能力，也為處理極為龐大的數(shù)據(jù)集開辟了道路，同時(shí)還確保了模型的可擴(kuò)展性與靈活性，是大模型設(shè)計(jì)的一個(gè)重要發(fā)展趨勢。數(shù)據(jù)優(yōu)化：數(shù)據(jù)量與多樣性并重?cái)?shù)據(jù)質(zhì)量的高低是生成式AI模型精確性和泛化能力的根本所在，因此多數(shù)企業(yè)目前正致力于數(shù)據(jù)治理流程的優(yōu)化，通過采用存算一體架構(gòu)及數(shù)據(jù)湖解決方案來提高數(shù)據(jù)的存儲(chǔ)和處理能力。存算一體架構(gòu)通過緊耦合設(shè)計(jì)減少了數(shù)據(jù)移動(dòng)能耗與延遲，顯著提高了能效比和處理速率，降低了數(shù)據(jù)傳輸中的損耗。而數(shù)據(jù)湖解決方案則為企業(yè)提供了一個(gè)集中管理平臺(tái)，該平臺(tái)能夠支持結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)的高效存儲(chǔ)與分析，為模型訓(xùn)練提供了豐富多樣的數(shù)據(jù)源。在數(shù)據(jù)模態(tài)方面，IDC調(diào)研顯示，生成式AI創(chuàng)建的數(shù)據(jù)中有36%是文本，遠(yuǎn)高于其他數(shù)據(jù)類型，但是到2028年，生成式AI創(chuàng)建的75%的數(shù)據(jù)將均勻分布在文本、圖像和視頻之間，其余為代碼、音頻和科學(xué)數(shù)據(jù)，形成多模態(tài)數(shù)據(jù)的局面3。因此，多模態(tài)數(shù)據(jù)的融合分析是未來發(fā)展的重點(diǎn)，即通過結(jié)合多種模態(tài)的數(shù)據(jù)，使模型對(duì)環(huán)境中的隱含信息進(jìn)行更準(zhǔn)確的捕捉與分析，從而提高模型對(duì)復(fù)雜場景的理解能力。在多模態(tài)數(shù)據(jù)集的基礎(chǔ)上，還可以通過數(shù)據(jù)增強(qiáng)技術(shù)，如圖像旋轉(zhuǎn)、平移、添加噪聲以及文字資料的同義替換、句子結(jié)構(gòu)調(diào)整等，使訓(xùn)練數(shù)據(jù)的豐富程度得到進(jìn)一步的提升，從而增強(qiáng)模型的魯棒性和泛化能力，為多元化和復(fù)雜的AI應(yīng)用場景奠定基礎(chǔ)。硬件迭代、算法突破與數(shù)據(jù)改善構(gòu)成了生成式AI發(fā)展的鐵三角，三者相互促進(jìn)，不僅共同推動(dòng)著新技術(shù)的快速前行，也催化了從理論到實(shí)踐的跨越。3:ThePotentialImpactofGenerativeAIontheGlobalDataSphereandGlobalStorageSphere技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎AI：企業(yè)智能化轉(zhuǎn)型的實(shí)施流程與核心影響AI目標(biāo)，實(shí)現(xiàn)價(jià)值生成式AI的應(yīng)用逐漸深入到企業(yè)運(yùn)營的各個(gè)流程，即從基礎(chǔ)設(shè)施的完善到業(yè)務(wù)流程的自動(dòng)優(yōu)化，再到內(nèi)容生成的價(jià)值創(chuàng)造。企業(yè)在開始階段通常是通過數(shù)據(jù)治理、技能培訓(xùn)等手段，為AI的應(yīng)用打下堅(jiān)實(shí)的基礎(chǔ)；中期則在業(yè)務(wù)流程中嵌入AI技術(shù)，在客戶體驗(yàn)和經(jīng)營效率上實(shí)現(xiàn)改善；最后進(jìn)入創(chuàng)新驅(qū)動(dòng)階段，生成式AI將會(huì)成為企業(yè)創(chuàng)新的催化劑，不僅在產(chǎn)品研發(fā)、市場策略等方面能夠加快步伐，更在安全合規(guī)、生態(tài)拓展等核心領(lǐng)域構(gòu)筑防線，使企業(yè)的核心競爭力在各個(gè)方面得到全面的提升。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑圖4生成式AI在不同發(fā)展階段的核心價(jià)值與準(zhǔn)備工作統(tǒng)一思想數(shù)據(jù)治理業(yè)務(wù)影響員工培訓(xùn)業(yè)務(wù)影響平臺(tái)升級(jí)試點(diǎn)應(yīng)用

業(yè)務(wù)流程重構(gòu)客戶交互重構(gòu)數(shù)據(jù)洞察重構(gòu)管理決策重構(gòu)

新產(chǎn)品開發(fā)營銷策略優(yōu)化生態(tài)伙伴拓展

應(yīng)用生成式AI未應(yīng)用生成式AI時(shí)間來源：IDC,2024

基礎(chǔ)構(gòu)建階段：數(shù)據(jù)治理與技術(shù)融合，激發(fā)內(nèi)部效率AIITAI分析體系來保證數(shù)據(jù)質(zhì)量，從而夯實(shí)AIIDC顯示，95%AI4。2023，IDCGlobalStorageSphere3800EB675。鑒AIAI4:ThePotentialImpactofGenerativeAIontheGlobalDataSphereandGlobalStorageSphere5:WorldwideGlobalDataSphereandGlobalStorageSphereStructuredandUnstructuredDataForecast,2023–2027技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎的日益普及所帶來的數(shù)據(jù)量級(jí)的快速增長。同時(shí)，企業(yè)內(nèi)部的準(zhǔn)備工作也不容忽視，AI體驗(yàn)重塑階段：用戶為中心，深化個(gè)性化體驗(yàn)中期階段，由于基礎(chǔ)架構(gòu)的逐漸穩(wěn)定，企業(yè)開始將目光轉(zhuǎn)向用戶體驗(yàn)的提升上。在這一階段，生成式AI將從單點(diǎn)試用逐漸轉(zhuǎn)向廣泛采用，旨在打造無縫的、個(gè)性化的用戶產(chǎn)品。以Chatbot為例，它可以為客戶提供7*24小時(shí)的服務(wù)，通過生成式AI技術(shù)的整合，智能客服不僅像以前一樣可以回答常規(guī)預(yù)設(shè)的問題，還可以提供基于用戶對(duì)話歷史、行為習(xí)慣甚至是情緒感知的動(dòng)態(tài)響應(yīng)，為用戶提供個(gè)性化的互動(dòng)體驗(yàn)。此外，在中期階段，生成式AI對(duì)于企業(yè)業(yè)務(wù)流程、數(shù)據(jù)洞察分析和管理決策的重構(gòu)也開始產(chǎn)生不同程度的影響。對(duì)于企業(yè)內(nèi)部來說，生成式AI不局限于創(chuàng)作工作，更是深度融入到業(yè)務(wù)邏輯中，利用先進(jìn)的機(jī)器學(xué)習(xí)算法對(duì)海量數(shù)據(jù)進(jìn)行深度挖掘與識(shí)別分析，達(dá)到精準(zhǔn)模擬復(fù)雜系統(tǒng)行為的效果，從而動(dòng)態(tài)調(diào)整業(yè)務(wù)流程或產(chǎn)品供應(yīng)鏈，達(dá)到智能自動(dòng)化的目的。創(chuàng)新驅(qū)動(dòng)階段：技術(shù)前沿探索，塑造未來競爭力當(dāng)企業(yè)內(nèi)部流程和產(chǎn)品都不同程度地融入了生成式AI后，企業(yè)的智能化轉(zhuǎn)型也步入深水區(qū)。在這一階段，企業(yè)將會(huì)積極投入到多模態(tài)生成、強(qiáng)化學(xué)習(xí)等前沿技術(shù)的應(yīng)用探索中，生成式AI的應(yīng)用和落地將顯著提高企業(yè)競爭力。在產(chǎn)品設(shè)計(jì)與研發(fā)領(lǐng)域，生成式AI輔助工具能夠明顯加速從概念到產(chǎn)品的轉(zhuǎn)化過程，通過產(chǎn)品設(shè)計(jì)原型的快速迭代，及時(shí)響應(yīng)市場變化與消費(fèi)者需求，縮短產(chǎn)品上市周期。同時(shí)，在深度融合生成式AI后，企業(yè)通過模擬市場情景與預(yù)測分析，為管理層提供科學(xué)決策依據(jù)，在降低創(chuàng)新風(fēng)險(xiǎn)的情況下，提高管理層決策的科學(xué)性和有效性。整體來說，進(jìn)入第三階段，企業(yè)產(chǎn)品不論是從概念到營銷，從研發(fā)到銷售，還是從效率到效果，方方面面都將會(huì)有顯著的提升。除此技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑之外，生成式AI還有機(jī)會(huì)成為企業(yè)間跨界合作的橋梁，企業(yè)可以通過API開放與平臺(tái)共享，聯(lián)合產(chǎn)業(yè)內(nèi)外的相關(guān)方來共同挖掘AI技術(shù)在行業(yè)領(lǐng)域的應(yīng)用潛力，實(shí)現(xiàn)生成式AI在塑造未來商業(yè)格局中的無限可能。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎企業(yè)需求在新技術(shù)時(shí)代下的演變：迎接挑戰(zhàn)，擁抱變化新時(shí)代技術(shù)浪潮促使生成式AI成為企業(yè)戰(zhàn)略轉(zhuǎn)型的核心，深刻影響組織結(jié)構(gòu)、戰(zhàn)略、文化及風(fēng)險(xiǎn)管理等多方面。企業(yè)需求逐漸向運(yùn)營效能與人力資本優(yōu)化、用戶體驗(yàn)極致化、商業(yè)模式重塑與價(jià)值創(chuàng)新等方面轉(zhuǎn)變。然而，在擁抱這一技術(shù)革新的旅程中，企業(yè)也不可避免地將應(yīng)對(duì)多種挑戰(zhàn)：企業(yè)實(shí)施AI/ML計(jì)劃面臨的主要挑戰(zhàn)缺少AI/ML產(chǎn)品化技能............................34.7%企業(yè)實(shí)施AI/ML計(jì)劃面臨的主要挑戰(zhàn)缺少AI/ML產(chǎn)品化技能............................34.7%AI/ML計(jì)劃所需的工具不足......................28.4%數(shù)據(jù)可用性和數(shù)據(jù)質(zhì)量有問題....................27.6%業(yè)務(wù)成果可視化不足.............................24.9%...................21.5%來源：IDC,2024AI/ML技術(shù)有效產(chǎn)品化的難題在將AI/ML技術(shù)轉(zhuǎn)化為可市場化的產(chǎn)品時(shí)，企業(yè)經(jīng)常面臨技術(shù)與市場需求脫節(jié)、產(chǎn)品化路徑不明確等問題。這要求決策者不僅要具備深厚的行業(yè)知識(shí)，還需有技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑預(yù)見技術(shù)趨勢和產(chǎn)品創(chuàng)新點(diǎn)的能力，以便將抽象的技術(shù)概念轉(zhuǎn)化為實(shí)際應(yīng)用價(jià)值。此外，高昂的研發(fā)成本、長周期的產(chǎn)品迭代，以及如何平衡技術(shù)先進(jìn)性與用戶接受度也是主要障礙。缺乏高效支持AI開發(fā)和部署的工具鏈為了完善涵蓋數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練、測試、部署和監(jiān)控的完整工具鏈，企業(yè)在擴(kuò)展AI項(xiàng)目時(shí)往往面臨著重大挑戰(zhàn)。此時(shí)，整合RAPIDS（可在GPU上加速數(shù)據(jù)科學(xué)工作流的開源庫）變得至關(guān)重要。這不僅需要一個(gè)強(qiáng)大且集中的技術(shù)棧，并要求將RAPIDS無縫融入其中，同時(shí)還需要高效的團(tuán)隊(duì)協(xié)作和持續(xù)的維護(hù)能力，以確保其符合嚴(yán)格的數(shù)據(jù)安全協(xié)議。這些全面的需求往往超出了單個(gè)團(tuán)隊(duì)或部門的能力范圍。數(shù)據(jù)孤島與處理低效數(shù)據(jù)是AI項(xiàng)目的命脈，但數(shù)據(jù)往往分布在不同系統(tǒng)中，存在清洗困難、缺少連續(xù)性、噪聲大等問題，嚴(yán)重影響模型的訓(xùn)練效果和最終的業(yè)務(wù)應(yīng)用。企業(yè)需要投入大量資源進(jìn)行整合和治理，需具備對(duì)數(shù)據(jù)的高度敏感性，同時(shí)也需要大量場景數(shù)據(jù)作為底層支持。業(yè)務(wù)成果驗(yàn)證困難盡管AI技術(shù)有潛力帶來顯著的業(yè)務(wù)價(jià)值，但其成效往往難以準(zhǔn)確預(yù)測和衡量。如何設(shè)定合理的KPI、計(jì)算技術(shù)投資回報(bào)率，以及如何建立直接關(guān)聯(lián)AI干預(yù)與業(yè)務(wù)增長的因果關(guān)系模型，是企業(yè)需要直面的挑戰(zhàn)；尤其在技術(shù)發(fā)展初期，很難直觀評(píng)估技術(shù)投入所帶來的直接收益，需要更長遠(yuǎn)的戰(zhàn)略規(guī)劃。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎跨部門協(xié)同與知識(shí)共享障礙信息孤島和部門間的溝通壁壘通常是阻礙技術(shù)在企業(yè)中快速應(yīng)用和創(chuàng)新拓展的主要問題，在組織架構(gòu)復(fù)雜的大型企業(yè)中更是如此。同時(shí)，在知識(shí)體系環(huán)節(jié)，目前大部分廠商缺乏有效的知識(shí)管理系統(tǒng)和協(xié)作工具，使得內(nèi)部經(jīng)驗(yàn)和學(xué)習(xí)成果難以在組織內(nèi)部進(jìn)行傳承。面對(duì)眾多挑戰(zhàn)及復(fù)雜多變的市場環(huán)境，企業(yè)日益傾向于采納一種綜合技術(shù)或深度整合的解決方案，因?yàn)橥暾慕鉀Q方案能夠?qū)⑿录夹g(shù)徹底嵌入企業(yè)日常運(yùn)營的每一個(gè)環(huán)節(jié)，包括數(shù)據(jù)的采集、處理、深入分析，直至指導(dǎo)決策，形成一個(gè)閉環(huán)的管理體系。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑AI足企業(yè)真實(shí)需求的關(guān)鍵在技術(shù)采納的高級(jí)戰(zhàn)略方向與企業(yè)深層次結(jié)構(gòu)轉(zhuǎn)型的影響下，端到端生成式AI解決方案作為關(guān)鍵性進(jìn)展應(yīng)運(yùn)而生，它橋接了用戶和技術(shù)，直接滿足了企業(yè)對(duì)智能化與運(yùn)營效率提升的全面需求。圖6運(yùn)營模式組織模式運(yùn)營模式組織模式 APIs 數(shù)據(jù)系統(tǒng) 基礎(chǔ)架構(gòu)應(yīng)用程序和應(yīng)用程序開發(fā)棧微服務(wù) 多云技術(shù) 應(yīng)用運(yùn)營 編排與治理AI自動(dòng)化 安全 集成工具 網(wǎng)絡(luò)與連接層層應(yīng)用場景商業(yè)模式原則體驗(yàn)引領(lǐng)智能集成模塊組件敏捷開發(fā)安全可信云原生架構(gòu)基礎(chǔ)技術(shù)層平臺(tái)組件來源：IDC,2024基礎(chǔ)技術(shù)層平臺(tái)組件

精準(zhǔn)對(duì)接業(yè)務(wù)需求，量身定制智能策略端到端的AI解決方案在面對(duì)各行各業(yè)獨(dú)特的業(yè)務(wù)場景和個(gè)性化需求時(shí)，能夠展現(xiàn)出其不同于傳統(tǒng)AI的靈活性，通過模塊化設(shè)計(jì)，如模型選擇、訓(xùn)練優(yōu)化、技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎據(jù)統(tǒng)計(jì)，得益于端到端AI解決方案能夠整合分散在各個(gè)系統(tǒng)中的數(shù)據(jù)，企業(yè)在采用了處理平臺(tái)后數(shù)據(jù)處理速度上平均可提升30%6。

API封裝、UI/UX設(shè)計(jì)等，為企業(yè)提供一站式技術(shù)產(chǎn)品化路徑，企業(yè)也可以自由組合不同的AI模塊，從而達(dá)到從基礎(chǔ)的數(shù)據(jù)處理功能到復(fù)雜的分析預(yù)測應(yīng)用的平滑過渡和靈活擴(kuò)展。這種“可插拔”的模塊化構(gòu)建方式，不僅使企業(yè)能夠快速應(yīng)對(duì)市場的變化，同時(shí)也降低了技術(shù)門檻，確保AI技術(shù)能夠精準(zhǔn)對(duì)接業(yè)務(wù)需求，以最快速度實(shí)現(xiàn)技術(shù)從科研場景到落地的價(jià)值最大化。集成工具鏈，持續(xù)優(yōu)化實(shí)現(xiàn)動(dòng)態(tài)適應(yīng)端到端解決方案能夠提供集成開發(fā)環(huán)境（IDE、自動(dòng)機(jī)器學(xué)習(xí)（AutoML）平臺(tái)、云原生部署服務(wù)、持續(xù)集成/持續(xù)部署（CI/CD）等一整套完整的工具鏈，簡化了企業(yè)從原型到生產(chǎn)的過程。同時(shí)，與傳統(tǒng)靜態(tài)技術(shù)部署不同的是，AI解決方案一般會(huì)內(nèi)置基于反饋循環(huán)的學(xué)習(xí)與優(yōu)化機(jī)制，使AI實(shí)際應(yīng)用過程中能夠不斷地接收業(yè)務(wù)反饋并進(jìn)行自我學(xué)習(xí)與調(diào)整策略，從而持續(xù)進(jìn)化升級(jí)，更緊密地貼合業(yè)務(wù)變化與市場需求。AutoML就是一個(gè)很好的案例，能夠自動(dòng)根據(jù)用戶交互數(shù)據(jù)優(yōu)化模型，使得AI在預(yù)測銷售趨勢或客戶服務(wù)響應(yīng)上隨著時(shí)間推移而逐漸精準(zhǔn)，實(shí)施結(jié)果顯示，使用自適應(yīng)技術(shù)的企業(yè)在六個(gè)月內(nèi)平均服務(wù)效率提高20深挖數(shù)據(jù)價(jià)值，提升處理效能端到端的AI解決方案通過先進(jìn)的算法與高度集成的平臺(tái)，能夠有效破除數(shù)據(jù)碎片化的問題，為企業(yè)運(yùn)營分析創(chuàng)建一條從采集到落地的無縫“數(shù)據(jù)流”。在這一過程中，即使是少量或零散的業(yè)務(wù)數(shù)據(jù)，也能在解決方案精密的算法加工下轉(zhuǎn)化為指導(dǎo)業(yè)務(wù)戰(zhàn)略的洞察，換句話說，端到端的AI解決方案能夠?qū)⒂邢薜臄?shù)據(jù)激發(fā)出無限的價(jià)值。據(jù)統(tǒng)計(jì)，得益于端到端AI解決方案能夠整合分散在各個(gè)系統(tǒng)中的數(shù)據(jù)，企業(yè)在采用處理平臺(tái)后，數(shù)據(jù)處理速度平均可提升30%6。6:FutureEnterpriseResiliency&SpendingSurveyWave4,IDC,April2024,N=889技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑通過采用統(tǒng)一標(biāo)準(zhǔn)的API接口與行業(yè)協(xié)議，技術(shù)落地過程中的集成復(fù)雜度有所降低，減少了系統(tǒng)間的兼容障礙。

量化技術(shù)影響力，確保決策有理有據(jù)端到端解決方案可以通過內(nèi)置的業(yè)務(wù)影響分析模塊和A/B測試框架，幫助企業(yè)設(shè)計(jì)實(shí)驗(yàn)，量化AI應(yīng)用的業(yè)務(wù)影響。這些解決方案可以通過高級(jí)分析工具，如預(yù)測模型的擬合度報(bào)告、業(yè)務(wù)流程改進(jìn)的量化指標(biāo)等，使企業(yè)能夠直觀監(jiān)控AI項(xiàng)目對(duì)關(guān)鍵績效指標(biāo)的提升。此外，基于生成式AI的預(yù)測分析能提供更精確的業(yè)務(wù)預(yù)測，從而為企業(yè)高管的決策提供支持。強(qiáng)化跨部門協(xié)作，激發(fā)技術(shù)無限潛能端到端的AI解決方案著重于構(gòu)建一個(gè)無縫鏈接且高度協(xié)調(diào)的數(shù)字化生態(tài)環(huán)境，旨在促進(jìn)傳統(tǒng)與新興技術(shù)的無縫融合、跨職能團(tuán)隊(duì)間的數(shù)據(jù)流通以及企業(yè)資源的智能優(yōu)化配置。通過采用統(tǒng)一標(biāo)準(zhǔn)的API接口與行業(yè)協(xié)議，技術(shù)落地過程中的集成復(fù)雜度有所降低，減少了系統(tǒng)間的兼容障礙。與此同時(shí)，解決方案會(huì)集成項(xiàng)目管理和溝通工具，如看板、即時(shí)消息系統(tǒng)等，能夠有效加強(qiáng)團(tuán)隊(duì)間的實(shí)時(shí)協(xié)作，確保技術(shù)實(shí)施過程中的透明度和效率。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎AIAI重塑千行百業(yè)2023年生成式AI在多行業(yè)的試點(diǎn)應(yīng)用，帶動(dòng)了一場業(yè)務(wù)智能化的浪潮。據(jù)IDC統(tǒng)計(jì)，互聯(lián)網(wǎng)、金融、醫(yī)療三大領(lǐng)域以15.9%、15.3%、8.6%的年增長率引領(lǐng)智能化進(jìn)程，顯示了行業(yè)對(duì)新技術(shù)的迫切需求和高度接納能力。盡管運(yùn)營商與汽車行業(yè)當(dāng)前年增長率略低，但長遠(yuǎn)來看，這兩大行業(yè)未來五年將分別以43%和46%的復(fù)合年均增長率迅速攀升，這代表著AI在通信基礎(chǔ)建設(shè)和出行變革中的廣泛應(yīng)用前景7。7：IDC中國，大模型應(yīng)用場景與市場規(guī)模預(yù)測研究，2024技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑圖7生成式AI不同行業(yè)支出規(guī)模與未來增長互聯(lián)網(wǎng)，15.9%政府，9.7%互聯(lián)網(wǎng)，15.9%政府，9.7%金融，15.3%汽車，8.6% 運(yùn)營商，8.5%其他，6.6%醫(yī)療，8.6%/，3.9%能源，3.9%制造，4.4%手機(jī)，3.7%交通運(yùn)輸、物流，3.9%零售業(yè)，3.1% 教育，3.9%15%10%5%0%10% 20% 30% 40%

2023年支出較高的行業(yè)金融網(wǎng)汽車商2023-2027高增長行業(yè)汽車運(yùn)營商汽車零售交通運(yùn)輸、物流零售教育行業(yè)來源：IDC,2024

生成式AI擅長基于數(shù)據(jù)資產(chǎn)和知識(shí)沉淀進(jìn)行創(chuàng)作與輸出，在各行業(yè)已經(jīng)開發(fā)了一批會(huì)話類、知識(shí)管理類的共性應(yīng)用；然而，由于行業(yè)屬性各有不同，合規(guī)要求有異，生成式AI驅(qū)動(dòng)各行各業(yè)創(chuàng)新與變革的側(cè)重點(diǎn)亦各有不同。生成式AI應(yīng)用場景音頻 生成式AI應(yīng)用場景音頻 型 視結(jié)構(gòu) 圖像調(diào)優(yōu)文本數(shù)據(jù)代碼金融…惠金融投資策略外科手術(shù)機(jī)器人機(jī)械手操作器人 智能空間管理? ?…生成式物理AI…性化診療藥物發(fā)現(xiàn)醫(yī)學(xué)影像分析疾病篩查醫(yī)療內(nèi)容創(chuàng)造…字人推薦系統(tǒng)工作效率提升互聯(lián)網(wǎng)來源：IDC,2024技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎互聯(lián)網(wǎng)行業(yè)：虛擬角色與內(nèi)容生成互聯(lián)網(wǎng)多為數(shù)字原生企業(yè)，具有良好的數(shù)據(jù)基礎(chǔ)和創(chuàng)新基因。互聯(lián)網(wǎng)行業(yè)的挑戰(zhàn)在于持續(xù)吸引用戶注意力、增強(qiáng)品牌互動(dòng)性，同時(shí)保持高效、創(chuàng)新的內(nèi)容生產(chǎn)。于是，以虛擬角色和內(nèi)容生成為代表的生成式AI技術(shù)正成為推動(dòng)互聯(lián)網(wǎng)行業(yè)進(jìn)化的關(guān)鍵力量。生成式AI對(duì)互聯(lián)網(wǎng)核心業(yè)務(wù)場景的賦能主要如下：搜索引擎：生成式AI使搜索引擎能夠更好地理解復(fù)雜的查詢意圖，并匯集多方信源內(nèi)容。通過自然語言理解和檢索增強(qiáng)生成（RAG）等技術(shù)，搜索引擎可以直接提供總結(jié)性答案、建議或執(zhí)行指令。伴隨多模態(tài)大模型的發(fā)展，搜索結(jié)果還能以表單、思維導(dǎo)圖以及圖像、語音、視頻等更加多樣的方式呈現(xiàn)，使用戶獲取更優(yōu)質(zhì)的知識(shí)體驗(yàn)。推薦系統(tǒng)：生成式AI通過深度學(xué)習(xí)模型，根據(jù)用戶的偏好和上下文，可以動(dòng)態(tài)生成個(gè)性化推薦內(nèi)容，甚至還可以深度個(gè)性化定制詳情頁面，這不僅能提升推薦的準(zhǔn)確率，還能創(chuàng)造驚喜元素，提高用戶粘性和滿意度。工作效率提升：在企業(yè)內(nèi)部，生成式AI與辦公軟件結(jié)合能夠自動(dòng)化處理大量重復(fù)性工作，如客戶服務(wù)、報(bào)告生成、數(shù)據(jù)分析等，釋放員工時(shí)間，讓他們專注于更具價(jià)值的創(chuàng)造性工作，從而提升組織效率和創(chuàng)新能力。內(nèi)容創(chuàng)作：面對(duì)互聯(lián)網(wǎng)行業(yè)日新月異的大量內(nèi)容創(chuàng)新及迭代的需求，生成AI可以輔助創(chuàng)意、文案、腳本、編輯等多項(xiàng)內(nèi)容工作，覆蓋包括編曲、視頻制作以及游戲角色設(shè)計(jì)等多模態(tài)領(lǐng)域，極大地提高創(chuàng)作者內(nèi)容的產(chǎn)出效率。同時(shí)，生成式AI還可以結(jié)合時(shí)下熱點(diǎn)和需求趨勢，進(jìn)行內(nèi)容的創(chuàng)作和評(píng)審，確保內(nèi)容的商業(yè)價(jià)值。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑數(shù)字人：數(shù)字人在互聯(lián)網(wǎng)行業(yè)已廣泛應(yīng)用于直播、培訓(xùn)以及客服等場景中，生成式AI可以使數(shù)字人更好地理解用戶的復(fù)雜指令甚至感知用戶的情緒變化，讓數(shù)字人與人之間的交互更加真實(shí)、靈動(dòng)。此外，生成式AI還可以生成更豐富的虛擬人形象，更加貼合場景需求。生成式AI在產(chǎn)品設(shè)計(jì)、應(yīng)用開發(fā)與測試、流量分發(fā)、營銷推廣、用戶運(yùn)營等諸多業(yè)務(wù)場景都開始了有益的嘗試。互聯(lián)網(wǎng)擁抱生成式AI不僅在于利用AI技術(shù)優(yōu)化現(xiàn)有業(yè)務(wù)與運(yùn)營模式，更在于啟發(fā)互聯(lián)網(wǎng)新一輪的商業(yè)模式革命，打造基于生成式AI的新增長點(diǎn)。案例：生成式AI促使定制化品牌內(nèi)容的自動(dòng)生成 圖9百度營銷平臺(tái)“擎舵”在線在線/級(jí)交付動(dòng)理解作建模95%&能力賣點(diǎn)價(jià)值表述成領(lǐng)先自由調(diào)調(diào)//量等參數(shù)支持咨組件掛載銷感強(qiáng)語音復(fù)制制作成本-85% 制作效率+100倍 上線周期-75% 自然度高1:1還原形象/語音 三步制作真人口播視頻，24小時(shí)不間斷直播 形象 語音 數(shù)字人能力建設(shè)

短視頻制作 數(shù)字人直播 語音、200+、150+AI能語音、200+數(shù)字人營銷多場景應(yīng)用平臺(tái)AI視頻混剪New 一鍵生成混剪視頻，支持品牌個(gè)性化表達(dá) 來源：百度,2024技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎百度營銷平臺(tái)推出的“擎舵”項(xiàng)目，利用生成式AI技術(shù)，根據(jù)用戶特定需求和品牌特性，自動(dòng)生成定制化虛擬角色與內(nèi)容。這項(xiàng)技術(shù)覆蓋視覺內(nèi)容、交互對(duì)話、故事劇本等多個(gè)維度，旨在為用戶提供獨(dú)特的品牌互動(dòng)體驗(yàn)。通過分析歷史數(shù)據(jù)和用戶行為，“擎舵”能生成高度相關(guān)的個(gè)性化內(nèi)容，支持一鍵混剪視頻制作，顯著提升品牌內(nèi)容生產(chǎn)的效率與個(gè)性化水平。實(shí)踐表明，該技術(shù)已實(shí)現(xiàn)制作成本降低85%、效率提高100倍、產(chǎn)品上市周期縮短75成效。此外，百度在構(gòu)建基于檢索和推薦的生成式大模型索引學(xué)習(xí)平臺(tái)方面，通過融合判別與生成技術(shù)，使定向關(guān)鍵詞生成的有效性從30100%，開辟了商業(yè)內(nèi)容生成的新模式。技術(shù)進(jìn)步方面，百度與NVIDIAPaddleBox項(xiàng)目，成功將稠密模型參數(shù)規(guī)模擴(kuò)展至百億級(jí)別，實(shí)現(xiàn)100倍的規(guī)模提升，并優(yōu)化了多機(jī)加速性能，使訓(xùn)練效率提升50%。同時(shí)，GPUPGLBox引擎，通過異步聚合通信庫，實(shí)現(xiàn)了大規(guī)模圖數(shù)據(jù)的高效多機(jī)訓(xùn)練，促進(jìn)了百億級(jí)語義模型與萬億級(jí)離散模型的聯(lián)合學(xué)習(xí)，推動(dòng)了大模型訓(xùn)練技術(shù)的實(shí)質(zhì)性進(jìn)展。（以上案例所展示數(shù)據(jù)截至2024GTC）技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑醫(yī)療領(lǐng)域：藥物研發(fā)的智能計(jì)算平臺(tái)醫(yī)療行業(yè)亟需解決資源分配不均、診療效率低下及個(gè)性化治療方案稀缺的問題尤其是在精準(zhǔn)醫(yī)療日益增長的需求面前。通過分析大量醫(yī)療健康數(shù)據(jù)，生成式AI可以提供更高效、便捷和個(gè)性化的醫(yī)療服務(wù)。在生命科學(xué)方面，生成式AI大幅降低了醫(yī)藥發(fā)現(xiàn)的資金與時(shí)間成本。生成式AI對(duì)醫(yī)療行業(yè)的助益在短時(shí)間內(nèi)，已得到行業(yè)的認(rèn)證。根據(jù)IDC調(diào)研數(shù)據(jù)顯示，20236月全球醫(yī)療行業(yè)13%8的企業(yè)在生成式AI方面進(jìn)行了大量投資；僅僅四個(gè)月后，這一比例就上升到46%9。生成式AI在醫(yī)療行業(yè)的主要應(yīng)用場景有：醫(yī)學(xué)影像分析：通過深度學(xué)習(xí)模型，AI能精確識(shí)別影像中的異常結(jié)構(gòu)，輔助醫(yī)生進(jìn)行早期癌癥篩查、疾病診斷，如肺癌、皮膚癌的影像識(shí)別技術(shù)，以及心臟病、腦部疾病的影像輔助分析；還可以通過結(jié)合醫(yī)學(xué)影像和病理信息等多模態(tài)數(shù)據(jù)，為醫(yī)生提供更全面的診斷支持。疾病篩查：疾病類數(shù)據(jù)往往受到嚴(yán)格的合規(guī)性要求，一直以來訓(xùn)練數(shù)據(jù)獲取困難都是AI技術(shù)在醫(yī)療業(yè)落地的一個(gè)制約項(xiàng)。生成式AI可以通過合成數(shù)AI模型更好地學(xué)習(xí)疾病診療案例，優(yōu)化臨床診療的表現(xiàn)。藥物發(fā)現(xiàn)：利用生成式模型，AI可以模擬數(shù)百萬種化合物的結(jié)構(gòu)和活性，加速新藥候選分子的篩選過程。據(jù)報(bào)道，AI可為公司降低高達(dá)70%發(fā)現(xiàn)成本10。個(gè)性化診療：基于患者的遺傳信息、臨床數(shù)據(jù)和疾病模型，生成式AI能夠預(yù)測患者對(duì)不同治療方案的響應(yīng)，為制定個(gè)體化治療計(jì)劃提供參考。對(duì)話類應(yīng)用的引入還能更加有針對(duì)性地回答廣大來自病患的問題，改善患者的醫(yī)療服務(wù)體驗(yàn)。8:IDC'sJune2023FutureEnterpriseResiliencyandSpendingSurvey,Wave59:IDC'sNovember2023LifeSciencesGenerativeAISurvey10:InsiderIntelligence'sAIinDrugDiscoveryandDevelopmentreport技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎案例：智能化計(jì)算平臺(tái)助力藥物發(fā)現(xiàn)流程 唯信計(jì)算于2020年開始開發(fā)分子智能化計(jì)算平臺(tái)WeMol，旨在填補(bǔ)國產(chǎn)藥物研發(fā)智能計(jì)算平臺(tái)的空白。圖10分子智能化計(jì)算平臺(tái)WeMol功能齊全全面覆蓋大/小分子藥物設(shè)計(jì)、人工智能、分子模擬的上百種功能，可對(duì)藥物研發(fā)全功能齊全簡便易用可擴(kuò)展可視化簡便易用可擴(kuò)展可視化

先進(jìn)的流式架構(gòu)，將復(fù)雜的多步計(jì)算流程自動(dòng)化自動(dòng)化、智能化，實(shí)現(xiàn)點(diǎn)點(diǎn)鼠標(biāo)一鍵做計(jì)算。自動(dòng)化算法先進(jìn)自研AI算法的精度與速度國際領(lǐng)先，已經(jīng)過大量實(shí)驗(yàn)驗(yàn)證，并且持續(xù)快速迭代。算法先進(jìn)

支持各種分子形式的序列可視化、化學(xué)結(jié)構(gòu)可視化、三維結(jié)構(gòu)可視化、分子動(dòng)力學(xué)軌跡的動(dòng)態(tài)可視化等。自主知識(shí)產(chǎn)權(quán)底層架構(gòu)與核心算法完全自主研發(fā)，數(shù)十項(xiàng)專利、軟件著作權(quán)、論文。自主知識(shí)產(chǎn)權(quán)

低代碼低代碼像搭積木一樣開發(fā)計(jì)算流程，不會(huì)編程也能成為開發(fā)者，隨心定制個(gè)性化的計(jì)算平臺(tái)。來源：唯信計(jì)算，2024

開箱即用，界面友好，三分鐘即可快速上手大部分功能，致力于讓濕實(shí)驗(yàn)人員也能輕松做計(jì)算。

支持第三方計(jì)算工具快速接入，自動(dòng)生成可視化交互界面，一站式管理所有計(jì)算工具，做您的計(jì)算管家。2021年，唯信計(jì)算加入了NVIDIA初創(chuàng)企業(yè)加速計(jì)劃。在NVIDIA技術(shù)和硬件的加持下，WeMol以自主研發(fā)的APLHA系列獨(dú)特算法為核心，完成了對(duì)從小分子、mRNA到蛋白設(shè)計(jì)領(lǐng)域的藥物發(fā)現(xiàn)全流程賦能，將大、小分子藥物的生成、設(shè)計(jì)和計(jì)算模擬效率提升數(shù)百倍，累計(jì)服務(wù)各類生物醫(yī)藥企業(yè)與科研機(jī)構(gòu)500余家。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑NVIDIA的合作，WeMol更好地集成與對(duì)接了多種大模型以及GPU速算法。例如通過NVIDIANIM微服務(wù)解決方案，實(shí)現(xiàn)AI推理模型的快速部署；利用專注于藥物發(fā)現(xiàn)的AINVIDIABioNeMoNIMs，WeMol能夠直接部署計(jì)算機(jī)輔助藥物設(shè)計(jì)（CADD）AI模型、DiffDock分子對(duì)接工具、OpenFold蛋白質(zhì)結(jié)構(gòu)預(yù)測模型和ESM蛋白質(zhì)語言模型，以及針對(duì)抗體研究和其他藥物發(fā)現(xiàn)流程的多種模型。WeMol支持多種形式的抗體設(shè)計(jì)、免疫原性預(yù)測、LNP遞送系統(tǒng)設(shè)計(jì)、可開發(fā)性優(yōu)化、mRNA序列設(shè)計(jì)及超高通量虛擬篩選等計(jì)算，可搭建定制化的分子數(shù)字化及智能計(jì)算平臺(tái)。其中，人源化和免疫原性的模型預(yù)測準(zhǔn)確度能達(dá)到90以上；在抗體可開發(fā)性和抗體親和力改造方面，模型計(jì)算結(jié)果與實(shí)驗(yàn)反饋也高度吻合，得到了客戶的高度認(rèn)可。未來，唯信計(jì)算計(jì)劃將WeMol平臺(tái)拓展至基因組學(xué)和醫(yī)療影像領(lǐng)域，利用NVIDIAParabricksMONAI等平臺(tái)工具，為中國醫(yī)療醫(yī)藥行業(yè)帶來更全面的智能化研發(fā)平臺(tái)，助力行業(yè)向更加高效、精準(zhǔn)的藥物研發(fā)邁進(jìn)。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎金融行業(yè)：風(fēng)險(xiǎn)管理、投資決策與反欺詐金融行業(yè)向來是實(shí)踐行業(yè)轉(zhuǎn)型的引領(lǐng)者，是最有望誕生第一批成熟落地場景的行業(yè)。金融行業(yè)有嚴(yán)格的合規(guī)和監(jiān)管要求，必須嚴(yán)格控制風(fēng)險(xiǎn)。生成式AI以其強(qiáng)大的數(shù)據(jù)處理、模式識(shí)別和內(nèi)容生成能力在金融的風(fēng)險(xiǎn)管理、投資決策以及普惠金融等領(lǐng)域有著巨大的應(yīng)用潛力。通過深度學(xué)習(xí)和自然語言處理技術(shù)，生成式AI能夠自動(dòng)化處理復(fù)雜的金融數(shù)據(jù)，實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)的快速識(shí)別與響應(yīng)，增強(qiáng)金融機(jī)構(gòu)的風(fēng)險(xiǎn)抵御能力，同時(shí)為投資、信貸決策提供更加精準(zhǔn)的分析支持。金融行業(yè)生成式AI的主要應(yīng)用場景如下：金融風(fēng)控：對(duì)于風(fēng)險(xiǎn)管理，生成式AI能夠自動(dòng)生成關(guān)于貸款申請(qǐng)人或投資項(xiàng)目的詳細(xì)調(diào)查報(bào)告，涵蓋財(cái)務(wù)狀況、信用歷史、合規(guī)性檢查等。通過自然語言處理技術(shù)，AI系統(tǒng)能夠理解有關(guān)金融規(guī)章制度的提問，為客戶提供準(zhǔn)確的信息支持。生成式AI還可以輔助生成風(fēng)控相關(guān)算法代碼，例如結(jié)合NVIDIA全棧技術(shù)，如RAPIDS、Spark和DeepGraphLibrary（DGL），助力銀行實(shí)現(xiàn)自動(dòng)化反金融犯罪、改善信用風(fēng)險(xiǎn)建模、更好地完成風(fēng)險(xiǎn)管理和欺詐檢測并降低成本。對(duì)于欺詐檢測領(lǐng)域，生成式AI通過數(shù)據(jù)增強(qiáng)、模擬欺詐場景等方式提升金融欺詐檢測的準(zhǔn)確性。生成式AI也可用來生成額外的合成數(shù)據(jù)，解決真實(shí)數(shù)據(jù)不足的問題，進(jìn)而優(yōu)化反欺詐系統(tǒng)。投資策略：生成式AI可以分析財(cái)務(wù)報(bào)告、市場研究報(bào)告，提取關(guān)鍵財(cái)務(wù)指標(biāo)和市場趨勢，為投資者提供有價(jià)值的洞見。在算法交易領(lǐng)域，生成式AI通過情感分析社交媒體上的討論，預(yù)測市場情緒和趨勢；同時(shí)，它能夠?qū)⑼顿Y者的口頭描述轉(zhuǎn)化為交易算法的代碼，實(shí)現(xiàn)策略自動(dòng)化。例如，NVIDIANeMoCurator能夠簡化數(shù)據(jù)整理任務(wù)，如數(shù)據(jù)下載、清理、質(zhì)量過濾、精確或模糊數(shù)據(jù)去重等；NVIDIARAPIDS可在算法交易的因子計(jì)算與挖掘和算法開發(fā)等環(huán)節(jié)完成GPU加速，提升性能；在生產(chǎn)環(huán)節(jié)，NVIDIA技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑Triton可實(shí)現(xiàn)算法推理加速，助力金融機(jī)構(gòu)完成算法交易的部署。樂天證券的AI虛擬投資助手，運(yùn)用NVIDIARIVA+LLM技術(shù)，根據(jù)客戶數(shù)據(jù)提供個(gè)性化投資建議，實(shí)現(xiàn)了高度定制化的客戶虛擬投資助手服務(wù)。普惠金融：農(nóng)村金融與小微企業(yè)融資面臨的一個(gè)共同挑戰(zhàn)是客戶信用數(shù)據(jù)不足，導(dǎo)致傳統(tǒng)金融服務(wù)難以評(píng)估其金融風(fēng)險(xiǎn)。生成式AI在優(yōu)化信貸決策方面展現(xiàn)出巨大潛力，例如在農(nóng)村金融領(lǐng)域，商業(yè)銀行借助衛(wèi)星遙感圖像可識(shí)別農(nóng)作物的生長情況與種植面積，以形成信用資產(chǎn)，再通過生成式AI解決遙感成像清晰度不高的問題，并且結(jié)合地理、天氣、宏觀政策以及市場供需預(yù)測等信息，更精準(zhǔn)、智能地推薦授信額度；在供應(yīng)鏈金融領(lǐng)域，生成式AI與知識(shí)圖譜相結(jié)合，能夠完整繪制產(chǎn)業(yè)鏈圖譜，進(jìn)而定位小微企業(yè)所在產(chǎn)鏈位置，并綜合上下鏈信息，實(shí)現(xiàn)對(duì)企業(yè)經(jīng)營行為的全面洞察，以便準(zhǔn)確地評(píng)估小微企業(yè)的信用風(fēng)險(xiǎn)。此外，基于生成式AI7x24在線聊天機(jī)器人能夠?yàn)槠栈萁鹑?、農(nóng)村金融和小微企業(yè)用戶提供即時(shí)咨詢服務(wù)，解答貸款、投資相關(guān)問題。生成式AI的應(yīng)用不僅能夠顯著提升金融服務(wù)的便捷性和可負(fù)擔(dān)性，而且有助于縮小城鄉(xiāng)、大小企業(yè)之間的金融服務(wù)差距，推動(dòng)經(jīng)濟(jì)均衡發(fā)展。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎AI：機(jī)器人與自動(dòng)駕駛要實(shí)現(xiàn)在現(xiàn)實(shí)環(huán)境中高效運(yùn)作的機(jī)器人與自動(dòng)駕駛系統(tǒng)，關(guān)鍵能力在于系統(tǒng)需能區(qū)分并理解物體特性，同時(shí)將高級(jí)決策策略轉(zhuǎn)化為精確的動(dòng)作指令。尤其對(duì)于自動(dòng)駕駛汽車而言，由于其普遍采用電力驅(qū)動(dòng)，能效成為了設(shè)計(jì)與功能實(shí)現(xiàn)中的核心考量因素。歷史上，自動(dòng)駕駛技術(shù)面臨的一大挑戰(zhàn)在于如何準(zhǔn)確感知并理解復(fù)雜多變的周圍環(huán)境。生成式物理AI（GenerativePhysicalAI）興起，為構(gòu)建能夠靈活應(yīng)對(duì)現(xiàn)實(shí)世界不確定性的機(jī)器人提供了全新路徑。生成式AI技術(shù)賦予了自動(dòng)駕駛汽車感知、理解并執(zhí)行復(fù)雜任務(wù)的能力。該技術(shù)通常被嵌入到機(jī)器人或自動(dòng)駕駛汽車中，通過集成傳感器與執(zhí)行器的運(yùn)動(dòng)相較于傳統(tǒng)生成式AI，生成式物理AI進(jìn)一步整合了對(duì)三維空間關(guān)系及物體物理特性的深刻認(rèn)知，顯著提升了系統(tǒng)的智能水平。

技能，實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界的深度交互與理解。相較于傳統(tǒng)生成式AI，生成式物理AI進(jìn)一步整合了對(duì)三維空間關(guān)系及物體物理特性的深刻認(rèn)知，顯著提升了系統(tǒng)的智能水平。在開發(fā)過程中，開發(fā)者利用強(qiáng)化學(xué)習(xí)在模擬環(huán)境中對(duì)自動(dòng)駕駛機(jī)器進(jìn)行訓(xùn)練，這一方法允許AI通過無數(shù)次試錯(cuò)，在安全、高效的數(shù)字環(huán)境中快速掌握技能。更為重要的是，這些系統(tǒng)還具備從人類示范中學(xué)習(xí)的能力，從而不斷增強(qiáng)其執(zhí)行效率與環(huán)境適應(yīng)能力。生成式物理AI可以幫助機(jī)器高精度地適配各種環(huán)境，為機(jī)器人提供動(dòng)力，使其能夠包裝紙箱、幫助制造車輛、提高物流和庫存管理的運(yùn)營效率，甚至在手術(shù)室為醫(yī)生提供幫助。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑機(jī)器人：借助生成式物理AI，機(jī)器在多樣化環(huán)境中的高精度適應(yīng)能力顯著提升。自主移動(dòng)機(jī)器人（AMRs：在倉庫場景下，AMRs憑借集成傳感器實(shí)時(shí)提供的數(shù)據(jù)，能夠在復(fù)雜空間內(nèi)導(dǎo)航，有效規(guī)避包括人類在內(nèi)的各類障礙物，顯著提升作業(yè)效率與安全性。機(jī)械手操作：通過分析傳送帶上物品的朝向，機(jī)械手能精細(xì)調(diào)整抓取策略，展現(xiàn)出針對(duì)不同物品類型的精準(zhǔn)操控技能，提高了包裝、裝配等任務(wù)的自動(dòng)化水平。外科手術(shù)機(jī)器人：在醫(yī)療領(lǐng)域，生成式物理AI使手術(shù)機(jī)器人能夠掌握縫合、穿針等高精度手術(shù)技巧，展現(xiàn)了其在輔助完成復(fù)雜醫(yī)療程序中的精確性與靈活性，減輕了外科醫(yī)生的工作負(fù)擔(dān)。自動(dòng)駕駛汽車（AV：配備先進(jìn)傳感器的自動(dòng)駕駛汽車，在生成式物理AI的加持下，能夠準(zhǔn)確感知并解析周圍環(huán)境，無論是在高速公路還是城市街道，都能做出決策。該技術(shù)增強(qiáng)了AV識(shí)別行人、應(yīng)對(duì)交通與天氣變化、自主執(zhí)行車道變換的能力，使其能夠靈活處理多種不可預(yù)見情況，有效提升行駛的安全性與舒適度。智能空間管理：在工廠、倉庫等大型室內(nèi)區(qū)域，生成式物理AI通過固定攝像頭與視覺模型，可實(shí)現(xiàn)對(duì)各類實(shí)體與行動(dòng)的全面監(jiān)控，進(jìn)而優(yōu)化動(dòng)態(tài)路由與運(yùn)營效率。同時(shí)，這些系統(tǒng)能準(zhǔn)確識(shí)別并解讀廣闊復(fù)雜的環(huán)境，確保人員安全，提升整體管理水平。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎案例一：生成物理AI用于外科手術(shù)案例一：生成物理AI用于外科手術(shù)ORBIT-Surgicalis項(xiàng)目是NVIDIA與大學(xué)研究人員合作開發(fā)的一個(gè)模擬框架，用于訓(xùn)練手術(shù)機(jī)器人。這些機(jī)器人旨在增強(qiáng)外科團(tuán)隊(duì)的能力，減輕外科醫(yī)生在微創(chuàng)手術(shù)中的認(rèn)知負(fù)擔(dān)。該框架包括腹腔鏡培訓(xùn)課程中的十幾種操作，如抓取和精確放置針頭等小物體。ORBIT-SurgicalisNVIDIAIsaacSim了由NVIDIAGPU驅(qū)動(dòng)的強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí)算法。同時(shí)利用NVIDIAOmniverse和通用場景描述（OpenUSD）技術(shù)進(jìn)行逼真渲染，增強(qiáng)了模擬的真實(shí)感。這種設(shè)置可以生成高保真合成數(shù)據(jù)，幫助訓(xùn)練AI模型，如，在真實(shí)世界中分配手術(shù)工具等任務(wù)的視頻。與現(xiàn)有的手術(shù)框架相比，通過利用GPU加速和并行化優(yōu)勢的手術(shù)模擬器，醫(yī)療團(tuán)隊(duì)能夠?qū)C(jī)器人的學(xué)習(xí)速度提高一個(gè)數(shù)量級(jí)。案例二：簡化制造工廠機(jī)器人開發(fā)流程案例二：簡化制造工廠機(jī)器人開發(fā)流程全球約有1,000萬家工廠，總價(jià)值達(dá)46萬億美元，制造業(yè)為使用生成式物理AI提供了大量機(jī)會(huì)。電子產(chǎn)品制造商富士康正在利用數(shù)字孿生來訓(xùn)練AI機(jī)器人，從而提高工廠的自動(dòng)化水平。通過利用包括Teamcenter在內(nèi)的西門子Xcelerator產(chǎn)品組合和NVIDIAOmniverse，富士康正在創(chuàng)建一個(gè)虛擬環(huán)境，以簡化NVIDIABlackwellHGX系統(tǒng)的生產(chǎn)流程。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑在數(shù)字孿生系統(tǒng)中，富士康的工程師使用Omniverse3DCAD元素集成到一個(gè)單一的虛擬工廠中，并在其中使用NVIDIAIsaacSim對(duì)機(jī)器人進(jìn)行訓(xùn)練。如愛普生的機(jī)器人，通過NVIDIAIsaacManipulator（機(jī)械臂軌跡規(guī)劃功能）學(xué)習(xí)物體操作等復(fù)雜任務(wù)。此外，由臺(tái)灣FARobot公司開發(fā)的富士康自主移動(dòng)機(jī)器人（AMR）NVIDIAIsaacPerceptor（3D環(huán)視感知）3D地圖并避開障礙物，NVIDIAcuOpt則提供路線優(yōu)化功能。生成式AI生成式AIAI的發(fā)展離不開算力的支持和業(yè)務(wù)場景的需求，行業(yè)合作伙伴也同樣需要考慮開發(fā)工具的易用性、調(diào)取模型的開放性以及行業(yè)解決方案能力。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎NVIDIAAI重新定義計(jì)算與智能的邊界對(duì)大多數(shù)企業(yè)而言，大規(guī)模的算力資源投入不會(huì)成為其發(fā)展生成式AI的核心，端到端的全棧解決方案才是其落地生成式AI的關(guān)鍵。NVIDIA作為全球領(lǐng)先的加速計(jì)算公司，無論是在底層硬件資源，還是軟件平臺(tái)、加速框架、開發(fā)工具、行業(yè)應(yīng)用方案等方面，均有著豐富的技術(shù)棧和經(jīng)驗(yàn)，是行業(yè)擁抱生成式AI戰(zhàn)略的理想合作伙伴。AI計(jì)算能力底層算力支持對(duì)于AI發(fā)展的重要性不言而喻。GPU為深度學(xué)習(xí)模型提供高效的并行計(jì)算能力和數(shù)據(jù)處理能力，有效加速生成式AI的訓(xùn)練和推理過程。然而，隨著模型參數(shù)量的飛速增長以及模型模態(tài)的復(fù)雜化，單節(jié)點(diǎn)計(jì)算能力日漸面臨瓶頸。實(shí)現(xiàn)計(jì)算能力可擴(kuò)展的關(guān)鍵，在于組建計(jì)算集群，滿足日益增長的大模型訓(xùn)練、推理，以及AI應(yīng)用部署的算力需求。因此，除了單卡算力外，技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑作為AI應(yīng)用的核心基礎(chǔ)設(shè)施，NVIDIA數(shù)據(jù)中心可以為生成式AI提供強(qiáng)大的計(jì)算和存儲(chǔ)能力，確保AI應(yīng)用能夠穩(wěn)定運(yùn)行并處理大量數(shù)據(jù)。針對(duì)不同的AI部署需求和算力需求規(guī)模，NVIDIA提供適應(yīng)多等級(jí)數(shù)據(jù)中心的部署方案。

運(yùn)算架構(gòu)對(duì)于算力的智能調(diào)度，網(wǎng)絡(luò)通信對(duì)于單卡之間交流損耗的彌補(bǔ)，也都至關(guān)重要。具體來說，NVIDIAGPU架構(gòu)從FermiHopper，每次架構(gòu)升級(jí)都帶來性能和能效上的顯著提升。新一代的Hopper架構(gòu)中，NVIDIA更新了TensorCore，以專用的硬件單元加速模型訓(xùn)練和推理等AITransformerFP8/FP16持準(zhǔn)確性和提供更強(qiáng)安全性的同時(shí)，提高吞吐量，加速生成式AI的所有工作負(fù)載，從而實(shí)現(xiàn)效率與性能同時(shí)增長。在網(wǎng)絡(luò)方面，NVLinkNVSwitch提供高帶寬和低延遲的數(shù)據(jù)傳輸，以保證計(jì)算集群運(yùn)行的高效性。NVLink技術(shù)可用于GPU之間的高速點(diǎn)對(duì)點(diǎn)互連，提供高帶寬和低延遲的數(shù)據(jù)傳輸，并通過PeertoPeer技術(shù)完成GPU顯存之間的直接數(shù)據(jù)交換，進(jìn)一步降低數(shù)據(jù)傳輸?shù)膹?fù)雜性。這對(duì)于分布式環(huán)境下運(yùn)行的復(fù)雜AI模型尤為重要；更快的縱向互聯(lián)有助于服務(wù)器集群內(nèi)每個(gè)GPU性能的充分釋放，從而提升整體計(jì)算性能。在此基礎(chǔ)上，NVSwitch實(shí)現(xiàn)了服務(wù)器中GPU之間的高帶寬、任意連接，完成多GPU通信任務(wù)。計(jì)算集群規(guī)模受互聯(lián)帶寬的限制，會(huì)導(dǎo)致GPU的利用率隨集群規(guī)模擴(kuò)大而降低。對(duì)此，NVIDIA提供InfiniBand高速網(wǎng)絡(luò)，提升GPU集群的擴(kuò)展性。InfiniBand支持可編程擁塞控制和動(dòng)態(tài)路由，在訓(xùn)練過程中能夠同步優(yōu)化數(shù)據(jù)整合流程，從而實(shí)現(xiàn)所有端口均以全線速進(jìn)行數(shù)據(jù)傳輸，并極大地減輕了交換機(jī)對(duì)計(jì)算性能的制約。此外，InfiniBand還結(jié)合SHARP（ScalableHierarchicalAggregationandReductionProtocol，可擴(kuò)展分層次聚合和歸約協(xié)議）技術(shù)，減少了網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量，縮短消息傳遞接口（MPI）操作的時(shí)間，并提高數(shù)據(jù)中心效率。AI應(yīng)用的核心基礎(chǔ)設(shè)施，NVIDIA數(shù)據(jù)中心可以為生成式AI提供強(qiáng)大的AI應(yīng)用能夠穩(wěn)定運(yùn)行并處理大量數(shù)據(jù)。針對(duì)不同的AI技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎NVIDIAAIEnterprise平臺(tái)上目前已經(jīng)發(fā)布了超4,500個(gè)軟件包（蓋開源與第三方選項(xiàng)）以60NVDIACUDAlibraries。這些工具集相互協(xié)同，使企業(yè)能夠順利遷移到最新版本的開源工具。

部署需求和算力需求規(guī)模，NVIDIA提供適應(yīng)多等級(jí)數(shù)據(jù)中心的部署方案。與此同時(shí)，云原生技術(shù)利用容器化、微服務(wù)、持續(xù)集成和持續(xù)部署等技術(shù)為AI應(yīng)用的開發(fā)和部署提供全新的方式。這些都為更快速地構(gòu)建、測試和部署AI應(yīng)用提供了良好的基礎(chǔ)。AI生態(tài)單獨(dú)的加速算力設(shè)施難以成為生成式AI生產(chǎn)化的有效工具，為此，NVIDIAAIEnterpriseAI技術(shù)的加速落地提供全棧化支持。該平臺(tái)是一個(gè)云原生的軟件平臺(tái)，可以簡化生產(chǎn)級(jí)AIAI、計(jì)算機(jī)視覺和智能語音等諸多方向。其微服務(wù)架構(gòu)不僅易用，還能夠在企業(yè)級(jí)安全、服務(wù)支持和穩(wěn)定性等方面提升模型表現(xiàn)，確保AI解決方案平穩(wěn)過渡到生產(chǎn)環(huán)境，為企業(yè)提供AI支持。為實(shí)現(xiàn)生成式AI的快速部署，NVIDIAAIEnterprise包含了大量為特定應(yīng)用場景服務(wù)的軟件開發(fā)工具集和模型，針對(duì)不同行業(yè)和場景需求做了適配。例如，NVIDIANeMoTM是一個(gè)用于開發(fā)定制生成式AI的端到端平臺(tái)，其中包括用于訓(xùn)練、定制和檢索增強(qiáng)生成、防護(hù)和工具包、數(shù)據(jù)整理工具以及模型預(yù)訓(xùn)練的工具；Clara用于醫(yī)療行業(yè)，輔助醫(yī)療影像識(shí)別和醫(yī)藥研發(fā)等場景；Picasso則支持開發(fā)人員開發(fā)和部署用于視覺內(nèi)容創(chuàng)建的模型。這些預(yù)備制化的工具集使用戶可以快捷、方便地按需部署運(yùn)行。這些工具集相互協(xié)同，使企業(yè)能夠順利遷移到最新版本的開源工具，而不會(huì)引發(fā)連鎖反應(yīng)。通過NVIDIAAIEnterprise預(yù)配置的工具，用戶能夠快速、無阻地進(jìn)行相關(guān)應(yīng)用的部署升級(jí)。企業(yè)可直接試用先進(jìn)的基礎(chǔ)模型（如Llama2，StableDiffusion，Nemotron-3等），也可通過NVIDIANeMo利用專有數(shù)據(jù)對(duì)基礎(chǔ)模型進(jìn)行調(diào)技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑優(yōu)和測試。這些基礎(chǔ)模型使用了負(fù)責(zé)任來源的數(shù)據(jù)集，企業(yè)可將應(yīng)用連接到API端點(diǎn)，在任意位置部署和運(yùn)營模型。圖11AI用例與工作流MoreMoreVideoAnalytics RouteOptimizationMedicalImagingCybersecurityRecommendersSpeechAILLM來源：NVIDIA,2024NVIDIAAIEnterprise軟件套件還支持AI開發(fā)，并包含針對(duì)底層計(jì)算資源的管理優(yōu)化解決方案。用于加速數(shù)據(jù)準(zhǔn)備：用于加速數(shù)據(jù)準(zhǔn)備：用于AI和數(shù)據(jù)開發(fā)與部署的工具集集成了RAPIDS等先進(jìn)工具，可通過RAPIDScuDF（pandas數(shù)據(jù)幀）和RAPIDSacceleratorforSpark（加速Spark）等零代碼更改工具加速數(shù)據(jù)預(yù)處理，使開發(fā)人員能夠加速其現(xiàn)有代碼。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎用于大模型訓(xùn)練：NVIDIAAIEnterprise可與TensorFlowPyTorch等主流DL框架協(xié)同工作，結(jié)合NVIDIA基于遷移學(xué)習(xí)技術(shù)的低代碼框架TAO，為開發(fā)人員創(chuàng)建一個(gè)多樣化、高效的開發(fā)生態(tài)系統(tǒng)。用于模型推理優(yōu)化：TensorR-LLM專注于模型推理階段的性能優(yōu)化，確保算法應(yīng)用達(dá)到最佳運(yùn)行效率。用于大規(guī)模部署：Triton專為大規(guī)模部署而設(shè)計(jì)，可確保復(fù)雜企業(yè)環(huán)境中模型服務(wù)的穩(wěn)定性和可擴(kuò)展性。圖12NVIDIAAI模型開發(fā)與部署工具 規(guī)?；渴?NVIDIATritonInferenceServerNVIDIAPyTorch/TensorFlowNVIDIAToolkit 規(guī)?；Ｐ陀?xùn)練 模型推理優(yōu)化加速數(shù)據(jù)準(zhǔn)備NVIDIARAPIDS來源：NVIDIA,2024

NVIDIA還提供了豐富的工具棧幫助企業(yè)實(shí)現(xiàn)更便捷的模型部署和應(yīng)用開發(fā)。云原生管理和編排工具，通過虛擬化、模塊化、容器化手段來高效率和靈活地調(diào)用云資源，在優(yōu)化模型性能的同時(shí)，提高模型可遷移性；計(jì)算集群管理工具，實(shí)現(xiàn)對(duì)集群的自動(dòng)調(diào)配和管理，支持與Kubernetes進(jìn)行編排，為多云和混合云環(huán)境中的異構(gòu)AI和高性能計(jì)算集群提供快速部署和端到端管理體驗(yàn)；最后，算力基礎(chǔ)設(shè)施加速工具，GPU算力的優(yōu)化配置。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑圖13NVIDIA算力的基礎(chǔ)設(shè)施管理工具云原生適配管理和編排工具云原生適配管理和編排工具//NVIDIANetworkOperatorNVIDIAGPUOperator計(jì)算集群管理工具計(jì)算集群管理工具NVIDIABaseCommand | ManagerEssentials算力設(shè)施性能優(yōu)化工具算力設(shè)施性能優(yōu)化工具NVIDIACUDANVIDIAMagnumIOTMNVIDIAvGPU來源：NVIDIA,2024微服務(wù)架構(gòu)在AI開發(fā)中發(fā)揮著重要作用，它能夠?qū)?fù)雜的AI應(yīng)用拆分為一系列小型、獨(dú)立的服務(wù)，從而提高系統(tǒng)的可擴(kuò)展性和靈活性。NVIDIANIM作為NVIDIAAIEnterprise的重要組成部分，專為加速企業(yè)級(jí)生成式AI的推理部署而設(shè)計(jì)。NVIDIANIM是NVIDIAAIEnterprise的一部分，是一套易于使用的預(yù)構(gòu)建容器工具，目的是幫助企業(yè)加速生成式AI的部署。這些預(yù)構(gòu)建的容器支持多種AI模型。只需一個(gè)命令，NIM微服務(wù)即可幫助企業(yè)客戶部署AI模型，以便使用標(biāo)準(zhǔn)API和幾行代碼輕松集成到企業(yè)級(jí)AI應(yīng)用程序中。NIM基于可靠的基礎(chǔ)設(shè)施（包括Triton推理服務(wù)器、TensorRT、TensorRT-LLM和PyTorch等推理引擎）構(gòu)建，旨在促進(jìn)企業(yè)客戶根據(jù)其自身需求和選擇大規(guī)模無縫進(jìn)行AI推理，從而確保企業(yè)可以滿懷信心地在任何地方部署AI應(yīng)用程序。無論是在本地還是在云端，NIM都能高效實(shí)現(xiàn)大規(guī)模加速生成式AI推理。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎NIM提供了兩種靈活的試用方式：一是通過previewAPI，該API涵蓋了全面的AI模型庫，用戶可以試用并構(gòu)建AI工作流的原型；二是預(yù)構(gòu)建容器，可供用戶直接下載并在自有基礎(chǔ)設(shè)施上部署，可在5分鐘內(nèi)完成從下載到運(yùn)行的全過程。無論是選擇在NVIDIANGC云平臺(tái)上使用previewAPI，還是在本地基礎(chǔ)設(shè)施上部署預(yù)構(gòu)建容器，NIM均統(tǒng)一提供了一套標(biāo)準(zhǔn)化的API接口，最終用戶可以輕松地將AI功能作為關(guān)鍵組件嵌入到其應(yīng)用程序中，享受無縫的集成體驗(yàn)。NVIDIAAIEnterprise不僅提供適合AI從業(yè)者的出色開發(fā)工具、框架和預(yù)訓(xùn)練模型，而且能充分滿足IT專業(yè)人員在管理和編排方面的要求。這意味著，企業(yè)可以在性能、高可用性和安全性上獲得全面保障。性能上，NVIDIANIM微服務(wù)提供了優(yōu)化的運(yùn)行時(shí)間，簡化了生成式AI的開發(fā)；安全上，NVIDIAAIEnterprise通過持續(xù)監(jiān)控安全漏洞和模型定制所有權(quán)來保護(hù)公司數(shù)據(jù)和知識(shí)產(chǎn)權(quán)；部署上，基于標(biāo)準(zhǔn)的容器化微服務(wù)可以運(yùn)行在云端、數(shù)據(jù)中心和工作站上，確保運(yùn)行位置不受限；穩(wěn)定和可靠性上，通過API穩(wěn)定性、軟件管理和NVIDIAEnterpriseSupport預(yù)測軟件生命周期，幫助確保項(xiàng)目保持平穩(wěn)進(jìn)行。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑AI的部署與運(yùn)行伴隨著技術(shù)的進(jìn)步，用戶的需求不再集中于某個(gè)單獨(dú)的場景問題，尤其是大模型的發(fā)展為企業(yè)提供了AI應(yīng)用規(guī)?；涞氐目赡?。在此背景下，走向端到端解決方案是必然趨勢。此轉(zhuǎn)型不僅超越了軟硬件的簡單疊加，更實(shí)現(xiàn)了數(shù)據(jù)流程的全程優(yōu)化與協(xié)同，是提升效率、強(qiáng)化安全、優(yōu)化體驗(yàn)的關(guān)鍵。端到端策略不僅體現(xiàn)了深度整合能力，更是協(xié)調(diào)優(yōu)化數(shù)據(jù)全流程、提升體驗(yàn)感的關(guān)鍵所在。圖14AIAINVIDIAAI應(yīng)用解決方案AIAI來源：NVIDIA,2024NVIDIA注意到全棧解決方案對(duì)于大語言模型（LLM）的重要性，并為此構(gòu)建了一個(gè)全面的技術(shù)生態(tài)系統(tǒng)。這一生態(tài)系統(tǒng)覆蓋了高端硬件、專業(yè)軟件框架，直至模型的訓(xùn)練與部署全流程。硬件層面，NVIDIA依托其多樣化GPU技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎軟件方面，NVIDIA推出了NeMo框架可以端到端的滿足整個(gè)LLM工作流的需求，其中涵蓋數(shù)據(jù)處理、生成式AI模型訓(xùn)練和推理等方面的需求，簡化并加速了開發(fā)流程。

產(chǎn)品，加上高速GPU間通信技術(shù)如NVLinkNVSwitch，為模型運(yùn)行提供了堅(jiān)實(shí)基礎(chǔ)。此外，NVIDIA設(shè)計(jì)的高性能服務(wù)器，配置多塊GPU并可擴(kuò)展為集群，極大提升了處理能力，滿足大規(guī)模運(yùn)算需求。軟件方面，NVIDIANeMo框架可以端到端地滿足整個(gè)LLM工作流的需求，其中涵蓋數(shù)據(jù)處理、生成式AI模型訓(xùn)練和推理等方面的需求，簡化并加速了開發(fā)流程。在模型訓(xùn)練和推理環(huán)節(jié)，NVIDIAHGXMGX服務(wù)器，實(shí)現(xiàn)大規(guī)模運(yùn)算能力的擴(kuò)展，并憑借GraceHopper等超級(jí)芯片為模型運(yùn)行提供最大化的性能支持。針對(duì)不同數(shù)據(jù)模態(tài)的大模型，NVIDIA亦有布局。例如，在文本生成圖像領(lǐng)域，基Picasso服務(wù)于文生圖應(yīng)用，能夠基于文本數(shù)據(jù)進(jìn)行高效訓(xùn)練與微調(diào)。而對(duì)于融合多種模態(tài)數(shù)據(jù)的大模型，NVIDIAEdify則表現(xiàn)更佳，不僅能夠生成高質(zhì)量的3D模型、物理材質(zhì)及圖像，還在藝術(shù)與創(chuàng)意產(chǎn)業(yè)中推動(dòng)了產(chǎn)品的快速創(chuàng)新與迭代，顯著提升了工作效率。在藥物研發(fā)領(lǐng)域，NVIDIAClaraDiscoveryGPU加速及優(yōu)化的框架、工具、應(yīng)用和預(yù)訓(xùn)練模型。BioNeMo是一種特定領(lǐng)域的框架，用于在超級(jí)計(jì)算規(guī)模下訓(xùn)練和部署基于NeMoMegatron的生物分子LLM，框架包含Transformer架構(gòu)的多種模型。該框架有助于醫(yī)藥企業(yè)預(yù)測蛋白質(zhì)結(jié)構(gòu)，探索化學(xué)反應(yīng)、掃描候選藥物和分子模擬，可幫助科學(xué)家和研究員更快地將藥物投向市場。在基因組學(xué)領(lǐng)域，NVIDIAGPU的計(jì)算資源和NVIDIAClaraParabricks工具包有助于研究者更快地完成基因組測序。NVIDIAClaraParabricks作為一整套現(xiàn)成的基因組學(xué)分析解決方案組合，旨在提高速度、優(yōu)化準(zhǔn)確性和可擴(kuò)展性，支持從DNARNA的分析，以及用于開展初級(jí)分析、二級(jí)分析和三級(jí)分析的應(yīng)用流程。研究員可利用NVIDIA解決方案分析細(xì)胞突變的分子特征，識(shí)別病毒的突變體變異情況，助力攻克癌癥和病毒。在自動(dòng)駕駛領(lǐng)域，NVIDIAAI可協(xié)助車企構(gòu)建軟件定義智能駕駛汽車，其解決方案覆蓋了從感知層到?jīng)Q策執(zhí)行的各個(gè)環(huán)節(jié)，其NVIDIADRIVE平臺(tái)集成了高性能計(jì)算能力，包括DRIVEThorSoC，能夠?yàn)檐囕v提供托管自動(dòng)駕駛功能和車載AI應(yīng)用的基礎(chǔ)，再配合DRIVEOS安全操作系統(tǒng)確保智駕的技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑企業(yè)在推進(jìn)生成式AI數(shù)據(jù)到技術(shù)，再到成本與安全，每一環(huán)都需精心布局，以實(shí)現(xiàn)技術(shù)的高效運(yùn)用和業(yè)務(wù)的穩(wěn)健發(fā)展。安全性。決策與路徑規(guī)劃方面，DRIVEChauffeur平臺(tái)依托強(qiáng)大的SoC資源，能夠很好地應(yīng)對(duì)復(fù)雜路面情況，制定安全高效的行駛策略。NVIDIA還通過DRIVESim和Constellation仿真系統(tǒng)，借助生成式AI創(chuàng)造多樣化的測試場景，加速算法驗(yàn)證與迭代。此外，DRIVEConcier企業(yè)在推進(jìn)生成式AI數(shù)據(jù)到技術(shù)，再到成本與安全，每一環(huán)都需精心布局，以實(shí)現(xiàn)技術(shù)的高效運(yùn)用和業(yè)務(wù)的穩(wěn)健發(fā)展。技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎AI時(shí)代AI斷拓展，持續(xù)發(fā)揮智能化價(jià)值多模態(tài)AI崛起生成式AI的競爭焦點(diǎn)正逐漸從單模態(tài)領(lǐng)域擴(kuò)展到多模態(tài)戰(zhàn)場。IDC數(shù)據(jù)顯示，2023年底，中國的數(shù)據(jù)量將攀升至30.962EB，并有望在2028年達(dá)到97,057EB，期間年復(fù)合增長率預(yù)計(jì)為25.7%11。隨著數(shù)據(jù)量的激增，海量多模態(tài)數(shù)據(jù)的標(biāo)注和訓(xùn)練也將帶動(dòng)數(shù)據(jù)采集、存儲(chǔ)、標(biāo)注、治理產(chǎn)品的新一輪升級(jí)。IDC認(rèn)為，未來多模態(tài)AI擁有良好的發(fā)展前景，同時(shí)其還將促進(jìn)自然語言處理（NLP）和計(jì)算機(jī)視覺（CV）等技術(shù)領(lǐng)域的瓶頸突破，形成協(xié)同效應(yīng)。11:WorldwideIDCGlobalDataSphereForecast,2024–2028:AIEverywhere,ButUpsurgeinDataWillTakeTime技術(shù)革新引領(lǐng)未來——生成式AI塑造核心發(fā)展引擎路徑據(jù)IDC測算，2022年我國智能算力規(guī)模已達(dá)到260EFLOPS（每秒百億億次浮點(diǎn)運(yùn)算次數(shù)），到2027年這一數(shù)字將躍升至1117EFLOPS，