【智能城市专栏】大型基础AI模型 将成智能城市大脑

全球智能城市及AI发展趋势

随着物联网（IoT）、大数据、云端运算等技术快速发展，智能城市的概念逐渐成熟，并在全球得到广泛应用。这些先进科技为人口愈来愈集中的都市带来更多可能性，为解决城市治理问题提供新的思路。

根据统计，全球智能城市市场规模预计2030年成长达到3.7万亿美元。在智能城市发展中，AI技术如同城市的大脑，扮演关键角色，用于解决城市治理的各样问题。应用层面包括交通管理、环境监测、公共安全、医疗健康等领域。

AI技术的演进也从早期人工撰写逻辑、提取特征；到后来自动提取特征的深度学习技术；再到近年来发展出上千亿参数规模的大型基础模型、以及大型多模态基础模型的技术突破。AI模型的泛用性及适用性不断精进提升，对算力的需求也愈来愈大。

除了算力昂贵以外，对于已大幅采用AI技术的企业来说，根据麦肯锡（McKinsey）最新市场调查，AI模型以及开发工具仍是目前最大的挑战。

大型基础模型发展

自2012年起，深度学习AI因为神经网络架构取得突破性进展，主要的应用在于视觉AI识别，相较过去的电脑视觉技术，深度学习更能辨别物件的复杂视觉特征模式，不容易受到开放环境中的各种变化所影响，因此开始被广泛应用于自驾、医疗等领域。

然而，深度学习AI的能力仍受限于所训练的数据集，无法有效因应没有训练过的数据类别或场景。及至2020年OpenAI推出了GPT-3大型语言模型（LLM），以前所未有的上千亿参数规模，及大量的自监督式学习，让深度学习技术在语言文本生成能力上大大推进，使得AI更能够触类旁通，即使面对没有训练过的数据也能够应对，甚至可根据提示生成文稿及程序码等，冲击了知识工作者的生态。

值得一提的是，除了大众熟知的GPT-3/GPT-4等大型语言基础模型以外，大型视觉基础模型如Meta的SAM（Segment Anything Model），甚至多模态大型基础模型如OpenAI DALL-E等，也都在影像相关的标注及生成陆续取得亮眼成绩。

虽然这些进展令人惊叹，但一般企业要采用这些大型基础模型技术仍有许多门槛，除了极高的运算资源要求外，目前许多大型基础模型皆属少数科技公司私有，只提供部分功能及整合机制，使用上仍诸多限制。

下一代AI开发平台样貌

另一方面，在AI开发的过程中有许多阶段，如数据挑样、数据标注、训练迭代等，目前仍缺乏友善的整合式开发工具，除了数据集建置过程仍非常繁杂需要大量人工介入，也使得不同AI专案之间难以共享资源及经验，在扩充AI功能或扩展部署范围时容易遇到瓶颈。

而现下大型基础模型的发展，很可能就是带动新一代AI开发平台工具革新的转捩点。以目前大型模型规模所需的运算能力，一般来说难以直接运行在一般机房或是边缘、甚至车用环境；但透过模型压缩、转移学习（Transfer Learning）等方法，运用大型基础模型结合新一代的AI开发平台，将泛用大型基础模型内建的知识，转移至只需负责特定任务的中小型模型并部署到应用场域，将使得AI的开发落地及扩展更加快速，甚至节省70%以上的开发时间和资源，可应用范围也更加多元、更容易普及化。

在未来智能城市的蓝图中，AI是不可或缺的基础建设，以政府角度而言，要思考的是如何邀集国际科技巨头、国内产业、学术界、政府及非政府组织一同参与，使得AI算力、先进大型基础模型、以及AI开发工具等资源更容易为各界所取得及运用，以加速AI发展，并确保全民都能在当中受惠。

以产业的角度而言，除了及时制定策略以因应技术创新的浪潮，同时也需要耕耘AI人材培育以投入技术研发创新，在实际应用服务中创造更多突破和价值，并且打破产业竞争藩篱，深化各界合作，共享资源、数据和技术，以实现互利共赢。

透过政府、产业、学界及社会各界携手合作，智能城市将运用先进的AI技术，突破传统限制，达到资源分配的最佳化，提供更人性化、便利化的服务，让每一位市民都能享受到科技带来的福祉。

责任编辑：游允彤