21世紀經濟報道記者楊清清、實習生黃俊鈞 北京報道

2023年，隨著ChatGPT等應用的爆火，以生成式AI為代表的人工智能再度成為各界的焦點。

“從更長遠的角度來講，我們可以把2023年看作是AI領域令人振奮的一年，”5月10日，在2023年中國ICT市場趨勢論壇（北京站）上，IDC中國區研究副總裁鐘振山表示，“在這一年中，我們能夠看到大量語言及圖像模型的逐步成熟與推廣，并看到新的AIGC產品及企業級應用共存，未來有望全面改寫企業數字化進程的趨勢。”

【資料圖】

鐘振山指出，生成式AI都是基于大模型的應用之一。根據IDC的定義，大模型是對原有算法模型的技術升級，基于海量數據開發預訓練模型，到最終用戶環境中使用少量數據即可獲得比之前的算法模型更好的結果。

如今大熱的ChatGPT便是建立在OpenAI的GPT-3.5系列大型語言模型之上的，并通過監督和強化學習技術進行了微調。

鐘振山認為，基于大模型的AI應用和傳統AI的區別，本質上在于前者改變了用戶使用數據的方式。

根據IDC預測的數據，到2026年中國地區所產生的數據量約為50ZB，年復合增長率約為26%，遠超世界上其他任何一個國家。但是，其中真正能被企業和個人所使用的數據卻不到1%。對企業來說，這意味著大部分的數據都無法產生價值。

不過，隨著ChatGPT等基于大模型的生成式AI的出現與成熟，這一現狀有望得到改變。以ChatGPT為例，該應用抓取了2021年之前所有的互聯網數據進行了預訓練。“未來隨著AIGC應用不斷成熟之后，無論企業還是個人所產生的任何數據，都可以被用來訓練大模型的產品，從而為企業帶來相關的價值。”

鐘振山認為，對于用戶來說，大模型在降低開發門檻和計算資源、提升預測效果等方面具有重要價值。

其中，鐘振山特別強調，對于一個只有應用需求的企業來說，自行搭建大模型體系的成本極高。因此大模型生成式AI的應用往往是由相關的技術廠商進行前期的預訓練工作，再由企業使用少量內部數據進行二次訓練，即可滿足預期的需求，從而實現計算資源的節省。

目前在大模型的基礎上，生成式AI的典型應用場景主要集中在數字人、藝術設計領域。此外，生成式AI在知識管理類應用、銷售和營銷、代碼生成、醫療領域、金融業、制造業中也均有應用案例。以醫療領域為例，生成式AI已被應用于抗體和蛋白質的設計。

而它們均基于大模型底座。鐘振山介紹稱，目前全球范圍內，除OpenAI的GPT-3（大型語言模型）、DALL-E 2（圖像模型）以及Whisper（語言識別模型）外，包括Stable Diffusion（圖像模型）、Midjourney（圖像模型）、Make-a-Video（視頻模型）等都是典型的AIGC基礎模型。

不過，雖然從顛覆性的功能價值與豐富的應用場景來看，生成式AI的表現令人振奮，但是其面臨的挑戰也不容忽視。

鐘振山表示，生成式AI還存在不少挑戰，包括prompt工程師等相關人才的缺乏；AI生成內容的準確度不足，版權不清，甚至可能產生誤導、有害或誤用的內容；威脅用戶隱私安全；甚至可能造成在線社區內的性別、種族、能力歧視等。

盡管如此面臨挑戰，展望未來，鐘振山仍對大模型所在的AI市場充滿信心。他預測，到2026年，中國人工智能市場規模將達到264.36億美元左右。而市場增量則主要來源于基于大模型的應用替換過去幾年建設的AI應用，生成式AI帶來增量市場，以及全新的AI賦能的企業級應用。

鑒于此，鐘振山提醒道，過去通用AI市場將會日漸飽和甚至消失，而不具備大模型能力的廠商將難以維持競爭優勢。

關鍵詞：