生成式AI成长趋缓 需要下一波转型创新

生成式AI成长趋缓，需要下一波转型创新。李建梁摄（数据照）

据VentureBeat分析报导，自2017年开始的第一波生成式人工智能（Generative AI）技术发展，已经差不多进入技术成熟度曲线中的「过高期望的峰值期」，进入成长逐渐趋缓的高原期，甚至是热度衰退的下坡期。生成式AI的技术在未来一定还会扮演相当重要的角色，但业界或许需要开始重新整顿、转型创新，以确立生成式AI接下来的发展方向。

生成式AI的出现与大型语言模型（LLM）的应用，加速全世界各行各业的自动化及生产力提升进程，连带也改变了科技业的软硬件生态，让AI技术最仰仗的GPU芯片，一时之间成为人人疯抢的珍稀资源，并带动NVIDIA的股价一路飙升。

NVIDIACEO黄仁勋近期就在法说会上表示，各界对于GPU芯片的强势需求，意味着「加速运算」技术发展的开端。他还建议企业与其将资本投资在已经可以被看成夕阳基建的CPU处理器，还不如专注在生成式AI与加速运算的相关投资。

但分析师Ben Thompson对此有不同看法。生成式AI技术与大型语言模型的导入，的确会让业界开始采用不同的软硬件工具或工作形式执行业务，而GPU芯片的并列编码指令执行能力，确实也在很多情况下超越CPU只能执行序列编程指令所能完成的工作范畴。但有很多相对来说CPU已经可以做得很好的单纯工作，本来就也没有必要被GPU取代。

InfoWorld的Matt Assay也说，过去机器学习（ML）技术刚出现时候，一堆数据科学家也一窝蜂地想让机器学习被应用在各种地方，连最基本的工具都想用机器学习技术去改造。但数据科学家Noah Lorang就表示，事实上只有很少量的业务问题适合使用机器学习技术来解决，在更多情况下能解决问题的只是数据本身的取样正不正确、恰不恰当，以及能否了解数据背后所代表的涵义。

当人们对于生成式AI的迷思与狂热逐渐退去，才是AI技术必须面临未来将如何发展、该在何处应用、该如何应用等现实问题的时候。而这些问题的答案，或许才能帮助生成式AI与LLM找到在各产业界最适切的应用，并真正带来自动化与生产力提升的效益。

责任编辑：毛履万亿