寻找|AI应用场景多元化 落地与挑战中寻找产业AI化的最优解( 二 )


以金融行业人工智能应用为例,中小金融机构由于AI人才十分短缺,没有技术能力进行算法开发、模型选择、算法优化、实施部署等具体工作,大型金融机构则纷纷与大型AI公司合作,甚至通过投资获得技术和人才,这种现象造成不同规模的金融机构差距越来越大 。 此外,虽然AI在金融客服、营销支持等领域已经实现了规模化的应用,但是在交易、风控等核心业务环节的应用进展缓慢 。 核心业务中,没有足够复杂的算力、模型以及足够规模的数据训练量,业务模型的可用性和准确性就难以达到应用需求 。 AI在金融行业的落地中依然存在诸多挑战,算力的多元化和大模型在应对这些挑战方面给出了解决之道 。
报告指出,巨量模型为实现创新带来机会,算力是实现创新的基础 。 金融行业是诸多行业AI应用落地的缩影,而多元化的算力和巨量模型,成为相关行业解决挑战,加速产业AI化的重要推手 。
智算中心,产业AI化的核心基础
算力的多元化及巨量模型成为加速产业AI化的重要推手,但发展过程中,算力、数据、AI能力等方面依然存在着不同程度的挑战 。 算力方面,AI的研发、训练需要大量的算力;数据方面,拥有深度的、细致的、海量的数据是训练出“智能”的前提 。 随着AI模型的巨量化,算力成本方面的挑战也会愈加突出 。 智能计算中心建设的公共属性原则在当下和未来显得尤为重要,并主要体现在产业和民生两个层面 。
从产业层面看,首先,智算中心的公共属性可以避免企业AI计算平台(硬件基础设施)的重复建设,实现公共服务所带来的天然边际成本效应的降低,让企业能够以更低的成本获得人工智能算力,同时避免AI算力的浪费;其次,智算中心作为服务的提供者,其将AI能力作为“公共服务”提供,对其易用性、适用性、功能性都有所优化或强化,企业可以更加快速和便捷地应用到实际业务中,加快企业AI应用的落地 。 报告为行业用户提供建议,可借助新型公共算力基础设施(如智能计算中心)实现降本增效、加速成果转化,关注以通用巨量模型为代表的AI算法基础设施,降低针对不同应用场景的模型适配难度和开发使用成本 。
从民生层面看,智能计算中心的公共属性决定了其并非是盈利性的基础设施,将承载智能化的居民生活服务、政务服务智能化,做到真正的普适普惠 。 报告认为,以政府为主导,提供普适、普惠算力服务的智能计算中心,通过提供公共的算力、数据及算法服务,搭建公益、普惠、安全的架构,让算力服务易用,解决算力服务供给缺失问题的同时,也为探索未来人工智能计算力如何布局起到良性作用提供了参考 。
以南京智能计算中心为例,作为长三角地区首个投入运营的大规模智能计算中心,通过算力的生产、聚合、调度和释放四大关键作业环节,提供人工智能应用所需算力服务、数据服务和算法服务,重点支撑科技金融、智能制造、智慧零售、智慧医疗、智慧交通等领域的应用创新,作为构建未来智慧社会和智能经济的关键性公共算力基础设施,将有效推动南京市乃至长三角地区的智能产业创新集聚与经济能级提升 。

推荐阅读