對生成式人工智能的憤怒能否復興云的采用？

 長期以來，IT 在組織內一直處于令人著迷的位置。正如他們所說，IT 部門的任務是保持正常運轉，同時實現創新和現代化，因此 IT 部門始終面臨著艱巨的任務。尤其是過去幾年，過得并不容易，因為我們目睹了一波又一波的顛覆浪潮。無論是區塊鏈還是新冠肺炎 (COVID-19)，應對顛覆者已成為 IT 人員的日常工作。現在，出現了一個新的顛覆者，它打破了所有規則并改變了我們所知的游戲規則：生成式人工智能。

在這個不斷發展的技術領域，在對卓越運營的不懈追求中，云采用長期以來一直被認為是獲得令人垂涎的競爭優勢的保證途徑。然而，去年情況變得更糟，因為在全球經濟放緩的情況下，組織削減了云預算，而且云交易的完成時間比正常情況長了近 50%。但由于生成式人工智能，我們或許能夠預見到更有利的事態發展。隨著大大小小的公司都熱衷于利用其優勢，這種新一代顛覆者可能能夠重振云市場。

云和生成式人工智能的總體交響樂

如果還不清楚的話，組織正在慢慢意識到，那些完全依賴本地技術的人可能會被排除在生成式人工智能革命之外。為了有效地利用生成技術的諸多優勢，云是前進的方向。無可否認，云的游戲規則改變者為各種企業提供了公平的競爭環境，云的可擴展性、靈活性和成本效益使其成為生成人工智能的最佳平臺。

盡管這項突破性技術正在成為世界各地的頭條新聞，但事實仍然是它仍處于非常初級的階段，這意味著它仍在不斷發展并每天經歷多次迭代。以 ChatGPT 為例。當對話引擎推出時，它是基于生成式預訓練變壓器（GPT）3。但在此之前我們有 GPT 2，于 2019 年初推出，由于其可能被濫用，甚至沒有向公眾發布。這強化了這樣一個事實：在可預見的未來，這種性質的新技術必然處于不斷變化的狀態。為了進一步增加這種混合，大型語言模型背后的科學本身就相當復雜。像 Python 和 Rust 這樣的語言以及像 Tensorflow 和 Torch 這樣的框架在大多數企業環境中都不是標準的，當你把所有這些放在一起時，您會發現我們擁有的是相當新且復雜的軟件，具有許多移動部件，這使得它不太可能成為本地候選軟件。投資這種性質的東西，不能保證長期價值，在本地部署并不是組織做出的最明智的決定。

在深入研究變壓器技術領域之前，考慮財務影響也至關重要。構建和運行生成式人工智能模型需要專門的硬件投資，尤其是 GPU。 GPU 以其強大的計算能力而聞名，它是昂貴的處理器，如果組織想要在本地運行生成技術，GPU 是必不可少的。在本地構建這樣一個利基基礎設施的缺點是組織不會始終利用這種計算能力。只有當生成人工智能特定的服務請求到來時，該基礎設施才會投入使用。還值得一提的是，組織還必須承擔顯著更高的能源消耗和冷卻要求帶來的額外成本。因此，此類投資的成本與收益分析看起來相當黯淡。從這個角度來看，僅在使用服務時付費的云模式似乎是一個更可行的選擇。

銳意進取，抵御不確定性

當您擺脫這種組合中的技術和財務挑戰時，云為您提供了實現純粹創新的機會。組織不必擔心基礎設施要求、維護成本或如何保持基礎設施正常運行；他們所需要做的就是弄清楚他們想要從生成人工智能中提取什么價值，并開始在云中運行它，從而優先考慮創新。

然而，組織應該注意的一個因素是確保安全。生成式人工智能需要在可能沒有明確邊界或既定控制的環境中快速處理大量數據。還需要監控數據的性質和質量，并制定圍繞數據管轄權的明確政策。這可能會導致前所未有的網絡安全和數據隱私差距，組織在開始生成技術之旅之前需要考慮到這些差距。例如，如果組織使用其環境數據構建特定于特定客戶的模型，則他們需要確保用于該客戶需求的訓練數據不會用于任何其他客戶，因為這會導致隱私泄露。

好消息是，大多數主要云提供商都在網絡安全、數據駐留、管轄權等方面制定了完善的協議。隨著生成式人工智能的出現，知名提供商已經或正在推出生成式人工智能的專用服務。

生成式人工智能似乎已經準備好加速下一波云的采用。從很多方面來說，這似乎是我們在過去十年見證了 IT 現代化和創新之后的自然發展。較早意識到云的長期價值并奠定基礎的組織現在將獲得收益，而那些較晚采用云的組織將不得不加緊努力。

雖然這個新世界擁有無限的潛力，但我們還沒有看到我們將登陸哪里。但有一點是肯定的：未來是智能的，而且是在云中。