新华三眼中的 AI 天路

ChatGPT 的火爆，在全球范围内掀起了新一轮的 AI 风暴。如今，各行各业都在讨论 AI，各个国家都在密集进行新一轮的 AI 基础设施建设与技术投入。

但眼前的盛景并非突然到来，就拿这一轮大模型热潮来说，谷歌早在 2018 年底就发布了 BERT，开启了预训练大模型的探索，此后经历了四年的沉淀，才有 ChatGPT 的一鸣惊人。

AI 技术的演化和发展，既离不开算法本身的创新，也离不开基础设施与工程化应用的配合，这是一个相辅相成的系统化工程。就像这次 AI 复兴的技术主线是深度学习，但 Hinton 早在 2006 年就利用预训练方法缓解了局部最优解的难题，将神经网络隐含层推动到了 7 层，但技术上实现深度学习，却并不等同于效果上达成。直到 2012 年，在大数据与云计算的推动下，深度学习的价值才真正得到证明。

这些 AI 发展史上的关键节点，向我们展示了这样一个事实：想要 AI 持续向前发展，就不能仅仅关注算法本身，而是必须将 AI 的基础设施、工程化、数字化等问题纳入通盘考虑，从而去预判和推动智能化正确发展。

那么，业界是否能足够清晰、多元指出 AI 发展方向的预判呢？答案是肯定的。

刚刚发布的《新华三 2023 十大技术趋势白皮书》，其中就有一项，指出了未来技术发展的核心趋势，是 AI 技术通用能力持续增强，降低行业创新门槛。

让我们从这项趋势展开，共同聊聊火热的 AI 技术距离我们梦想中的智能时代还有多远，打通二者之间的界限，需要完成哪些努力。新华三又将如何围绕 AI 发展进行技术创新与产业布局，最终建设起让 AI 天堑变通途的未来之路。

AI 火花，智能时代，还隔着万水千山

以 ChatGPT 为代表的新一代 AI 技术，正在持续引发热议。各行业都看到了借助大语言模型与 AIGC 提升生产力的可能性。这类应用的出现，可以让普通人近乎无门槛获取 AI 能力，自动化生成文案、代码、图片、专业性答案等内容，从而获得极大的能力延展。

而在类 ChatGPT 应用之外，我们还可以看到预训练大模型这种形式，相比传统的深度学习算法，具有模型泛化里更强、鲁棒性更高的一系列特点，从而可以更加贴近产业应用，具有更加强大的模型定制性延展空间。ChatGPT 的爆火，不仅仅是生成式 AI 本身的里程碑事件，更是整个 AI 技术走向繁荣的前奏。

但必须看到的是，生成式 AI 获得的热烈反馈，仅仅是一朵绽放的 AI 火花，是万里长征走出的第一步。距离我们预想中的智能时代，AI 还有非常漫长的路要走。

比如说，今天的 AI 技术与应用，依旧面临着一系列清晰可见的挑战：

1.大模型的泛化效果能否持续增强，“智能涌现”现象能否变成常量？在今天，人们对深度学习模型的黑箱性了解还不透彻，如何在训练数据规模与智能效果之间达成平衡，依旧是困扰算法升级的主要问题。

2.如何应对 AI 算力紧缺与算力挤兑问题？如何抑制 AI 带来的高能耗、数据洪潮隐患？大语言模型的火爆，让全球陷入了新一轮的 AI 算力紧缺。AI 芯片与算力资源成本居高不下，在高算力消耗的同时，AI 还带来了海量非结构化数据的存储难题，以及持续的高能耗、高碳排放问题。

3.如何应对行业的工程化、应用路径问题，让 AI 走到千行百业当中去？在今天，对于大多数企业来说，大模型依旧是很遥远的一件事。企业如何训练和部署大模型，如何让 AI 与自身的需求、数据、行业知识结合，依旧有着非常复杂的挑战。

在新华三发布的 2023 十大技术趋势白皮书当中，我们可以看到从 ICT 行业出发，是如何看待这些难题，以及又是如何勾勒出 AI 未来发展出路的。

通过 ICT 的技术创新、产品升级，以及构筑 AI 通往行业的解决方案，我们可以筑造起更加牢固的智能化基础设施，降低行业智能化门槛，反向牵引和推动 AI 算法的持续迭代。

一条跨越万水千山的 AI 天路，将在名为未来的大地上铺设出来。

强能力，低门槛，架一条 AI 天路

想要让 AI 更好适配复杂场景，服务真实的生产场景，从而创造出更大价值，就需要解决从算法到算力，从行业路径到技术协同空间的一系列问题，而不能只看一面，只抓一点。这就是新华三预判 AI 发展趋势时采取的核心思路。在新华三看来，通过 AI 核心算法的算法创新、算力设施增强、工程化方法实现，AI 作为一项通用性技术的能力将逐渐显现出来，从而具备通用化、标准化、普惠化的属性，逐渐与各领域技术进行深度融合，推动领域创新突破。

更强的通用能力，更低的应用门槛，是 AI 技术发展的两大核心目标。而为了实现这两大目标，就离不开核心算法创新、算力设施增强以及工程化方法实现。

在十大技术趋势中，详细展现了新华三眼中，算法、算力与工程化方法三条创新路径的具体方案，为行业标清了发展方向与演进取数。

首先在算法层面，目前我们已经可以看到基于 Transformer 的各类大型语言模型，可以大幅提升了对自然语言理解和生成的能力。在可见的未来中，大语言模型依旧将是 AI 产生智能涌现效果，提升核心能力的关键路径。与此同时，更大的算法机遇来自机器视觉，基于扩散模型的算法，将有可能带来图像生成效果质的提升。在语言+视觉的双重能力覆盖下，AI 技术才能真正实现通用化更强大。

在今天，各行业更加关注的是 AI 基础设施的创新，尤其是算力基础设施的升级。因为算力稀缺，已经成为今天各行业应用 AI 时代最大的拦路虎。根据资料显示，仅仅是 GPT-3 的训练算力消耗就达到了 3640 petaflop/s-day，根据 OpenAI 自己发布的数据，AI 算力需求在过去十年间出现了数十万倍的提升，远远超过摩尔定律所能负载的范围。这意味着，我们必须构建强大的算力基础设施才能支撑接下来的智能化浪潮。而在新华三看来，大规模智算中心的建设，可以大幅度加速 AI 研究的创新，而智算设施的关键技术包括：

1.Chiplet 技术。在不改变制程的前提下，大幅提升 AI 芯片性能、降低功耗，在芯片侧提升 AI 算力。

2.异构计算。包括 CXL 互联（Compute eXpress Link）、软硬协同等技术，全面提升 AI 集群系统整体效率，在算力集群层面强化 AI 计算的集约性，提升算力效率。

3.绿色低碳。通过液冷散热、绿色供电等降低 PUE，确保 AI 技术崛起与双碳战略是吻合、适配的。

在这技术的支撑下，智算中心可以承担起 AI 算力基础设施的重任，既保证 AI 算力的充沛，又确保不会产生资源错置与浪费。

在 AI 技术与百行百业的结合上，新华三认为工程化方法实践，可以为 AI 应用大规模普及提供高效的落地支撑。通过采用工程化方法衔接 AI 流程各个环节，聚合全链路多角色团队，能够加速 AI 生产力转化，让 AI 展现出最终价值。未来值得注意的 AI 工程化方法包括：

1.MLOps（Machine Learning Operations，研运全流程一体化）：MLIOps 可以全面提升模型算法的开发和部署效率，降低流程成本，提升智能化的灵活性。IDC2022 年预测，到 2024 年 60%的中国企业将通过 MLOps 来运作 AI 任务。

2.MaaS（Model as a Service，模型即服务）：在云计算领域 SaaS、PaaS 成为风潮后，新的 MaaS 形式正在更加引人注目。MaaS 强调围绕 AI 模型本身来提供相应服务，从而提升企业与 AI 模型的联系紧密程度，尤其可以提升大模型在企业部署的场景化能力。

3.AI 安全，包括模型安全、模型可解释、隐私保护等方面。重视安全能力，可以为 AI 大规模部署扫清障碍。

在算法、算力、工程化三大趋势的推动下，未来 AI 将向着通用化不断演进，并且持续降低适用门槛。预计未来 3 到 5 年，AI 整体能力将得到全面提升，AI 基础设施将持续增强，同时将有大量必须由人类完成的工作变成由 AI 来完成。

未来，AI 技术将与更多 ICT 技术组合，形成一个高度整体化、标准化的数字世界。人类共同预想的智能未来，将由此路前进。

向科技，要答案，洞见智能未来

二十大报告提出：“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势。”

在这个时代，必须向科技要答案，而科技的沃土是多元、复杂的。智能未来，需要在 AI 技术与新一代信息技术的广泛协同、融合，以及再创新。就像 AI 技术的算力基础设施，离不开智算中心以及企业 AI 计算能力的提升，这就对计算技术，尤其是多元算力建设提出了考验。而 AI 模型效果的充分释放，必须有赖于网络环节的支持，这就需要高品质的网络，才能让 AI 的价值最大化释放。

于是从这里我们可以看到，新华三发布的 2023 十大技术趋势预测，并不是彼此孤立的十个技术单元，而是整体性、融合性的技术网络。AI 将是未来智能化世界的技术抓手，但同时它也必须与其他数字化技术紧密相关，形成最终为人类服务的技术综合体。

这里我们可以看到，在新华三看来，高效释放多元算力的数据中心，将承载起复杂多元、准确快速的数字时代应用；高品质服务化的网络，会让生活、行业和社会场景更具个性化和智能；云网边端分布式架构，让数字应用一体化，串联起更广域的场景，应用流转与衔接更加无感；元宇宙也正在脱离纯虚拟化的早期设定，向着虚实融合、赋能实体的方向演进，为教育、文旅和城市模拟带来全新动力；能源系统的数字化，将成为双碳战略的发展基石；隐私计算与云原生安全，将成为千行百业上云与智能化过程中的安全守卫者；量子信息技术、全栈可观测性技术的到来，会加速下一个数字世代的到来。

面向未来，我们不是需要一种技术、一个问题的答案，而是需要一个综合的，立体化的解答。任何技术趋势预测，都是当下需求的延伸，这些延长线汇聚到一起，才能清晰我们标明未来的方向。

长期以来，新华三坚持集团以技术创新为核心引擎，公司研发人员占比超过 50%，科技研发投入占销售收入的 10 到 15%。向科技要答案，已经成为新华三发展过程中的信条。

而如果我们想要了解十大趋势如何落地，想要探索 AI 技术发展的基础设施创新与工程方法迭代，想要了解新华三面向未来的信念与目标，接下来有一个非常好的窗口。

6 月 9 日，新华三在杭州市国际博览中心举办了 2023 NAVIGATE 领航者峰会。在峰会上，新华三发布了“百业灵犀”LinSeer 私域大模型和支持 AIGC 大算力调度的“傲飞算力平台”，可与业务深度结合提升工作效率，持续优化算法和积累公域数据，为客户提供最新知识能力。同时推出了“AIGC 开放战略”，既支持“百业灵犀+新华三 ICT 基础架构”的模式保障数据安全，实现最优配合，同时也支持“客户自选大模型+新华三 ICT 基础架构”的模式满足多种需求，帮助百行百业量体裁衣制定数字化解决方案。驾驭算力、融汇数据、运用智能、赋能业务、提升效能，是新华三为自己设定的发展使命与愿景。

要向科技要答案，向实干要答案，这就是新华三眼中的 AI 天路。