毫無疑問，2023 年是人工智慧的年度。正如戴爾全球首席技術官約翰·羅斯（John Roese）在年終預測中所指出的：“明年將繼續關注人工智慧，就像今年一樣。”你準備好迎接人工智慧代理人了嗎？雖然今年的人工智慧敘事主要是實驗性和理想化，但它的發展速度是傳統技術的七倍。企業將迅速從理論概念轉向實際應用，所有技術都將圍繞人工智慧的快速普及而中心化。“明年標誌著人工智慧時代的第二年，”羅斯表示。“第一波運營人工智慧系統將開始在企業中出現。”
識別人工智慧應用的核心領域
在2024年，企業必須採用自上而下的策略來實施人工智慧。“你需要識別你的核心能力，”羅斯建議。“專注於定義你組織的事物；這是施加人工智慧重大努力的地方。”例如，戴爾有約380個人工智慧項目在進行中，但即使是大型公司也只能真實管理幾個。急於完成最初的幾個項目可能導致忽略更多變革性的項目。“你必須優先考慮，”羅斯強調。“確定哪些想法對你的業務最為關鍵。”
向推理與運營成本過渡
隨著企業在2024年過渡到推理，基礎設施的設計和定位將至關重要。“組織必須仔細考慮其拓撲結構，”他解釋道。“隨著技術的分布，人工智慧也可能隨之而來。”安全性仍然至關重要，因為惡意行為者直接針對推理進行攻擊。企業需要問自己：“我們的人工智慧實施周圍的安全結構是什麼？”此外，人工智慧的經濟焦點將從訓練成本轉向運營開支。雖然模型微調可能會很昂貴，但這僅佔整體投資的一小部分。訓練成本與一次性模型大小和數據使用有關，而推理開支取決於持續使用、數據類型、用戶基數和維護。
“總體主題是：人工智慧正變得更加具體，這將帶來重大影響，”羅斯評論道。
生成式人工智慧供應鏈的進步
羅斯指出，生成式人工智慧系統龐大，需要“更多工具、更多技術和更廣泛的生態系統”才能有效運行。儘管早期有關工具可用性的討論，他預計2024年將出現“豐富”的人工智慧資源。“我們的人工智慧工具和服務生態系統正在擴張、多樣化和擴大，”他補充道。改進的系統構建工具和多元化的人工智慧框架，例如新的Linux基金會UXL項目，將增加閉源和開源模型。開發者將更輕鬆地創建與各種加速計算和集成框架的接口，包括客戶端的PyTorch和基礎設施端的ONNX。“明年，我們將在每個層面擁有更多多樣的選擇，”羅斯表示。
實現零信任安全
儘管實施了先進的安全措施，網絡安全仍然是企業面臨的重大挑戰。“零信任架構至關重要，”羅斯解釋道。“每一個元素必須實時進行身份驗證和授權。”雖然零信任主要被視為一個概念，但在現有基礎設施中實施可能非常複雜。“將已建立的企業轉變為零信任模型是挑戰性很大的，”羅斯承認。“你需要對所有先前的安全決策進行反轉。”幸運的是，隨著人工智慧的持續發展，零信任可以從一開始就整合到新系統中。羅斯強調，戴爾即將推出的零信任工具——Project Fort Zero，旨在2024年接受美國國防部的驗證。“我們目前在網絡戰鬥中正遭遇失利，”羅斯警告道。“解決方案在於導入零信任。”
共同邊緣的出現
為了最大化數據價值，企業應該在數據源更接近的地方處理數據。“未來，我們將在現實環境中進行更多數據處理，而不是傳統數據中心，”羅斯說。這一趨勢將迎來戴爾所謂的“現代邊緣”多雲平台。隨著企業利用各種雲服務，邊緣解決方案的格局變得愈加複雜。羅斯指出，如果每一個雲和工作負載都要求自己的架構，結果將難以管理。為了緩解這一情況，戴爾最近推出了NativeEdge，這是一個設計用於支持任何IT、雲或物聯網系統的軟件定義工作負載的共同邊緣平台。羅斯預測，隨著企業認識到“單一邊緣”的陷阱，這一方法在2024年將會受到青睞。“現在，大多數邊緣服務提供商更願意將邊緣服務作為容器化代碼交付，而不是專注於硬件開發，”他指出。
展望未來：量子計算與人工智慧
根據羅斯的說法，大規模人工智慧代表著一個“龐大的並行問題”。“生成式人工智慧方法，包括變壓器和擴散模型，需要大量計算資源，”他解釋道。雖然量子計算在人工智慧中的全部潛力可能在幾年內不會顯現，但羅斯相信它將在解決人工智慧的複雜挑戰中發揮關鍵作用。“量子計算特別適合於高度擴展的優化問題，使其非常適合生成式人工智慧應用，”他斷言。儘管量子計算已被討論了一段時間，羅斯預見到一個成熟的量子系統將隨時可用的未來。“當這一時刻到來時，對人工智慧的影響將是深遠的，超越ChatGPT所帶來的顛覆，”他總結道。
排行榜
