Nedavno su IDC i Longchamp zajednički objavili "2022-2023 Izvješće o procjeni razvoja računalne snage umjetne inteligencije u Kini" (u daljnjem tekstu "Izvješće"). Izvješće predviđa da će potrošnja povezana s tržištem umjetne inteligencije u Kini dosegnuti 13,03 milijarde dolara 2022. godine, a očekuje se da će dosegnuti 26,69 milijardi dolara 2026. godine, sa ukupnom godišnjom stopom rasta od 19,6 posto od 2022. do 2026. godine.
Među njima, AI poslužitelji ostaju glavni pokretač rasta AI tržišta. Podaci IDC-a pokazuju da će globalno tržište poslužitelja umjetne inteligencije rasti po godišnjoj stopi od 39,1 posto u 2021., premašujući ukupnu stopu rasta globalnog tržišta umjetne inteligencije (20,9 posto) i pokretačka je snaga ukupnog rasta tržišta umjetne inteligencije.
U Kini, ubrzani razvoj AI aplikacija uvelike pokreće visok rast kineskog tržišta AI poslužitelja. 5,92 milijarde dolara veličine tržišta AI poslužitelja u 2021., što je porast od 68,2 posto u usporedbi s 2020., a očekuje se da će dosegnuti 12,34 milijarde dolara do 2026.
U isto vrijeme, razmjer računalne snage u Kini, posebno inteligentne računalne snage, također raste velikom brzinom. Prema izvješću, ljestvica kineske računalne snage opće namjene doseže 47,7 EFLOPS-a (10 milijardi milijardi operacija s pomičnim zarezom u sekundi) 2021. godine, a očekuje se da će dosegnuti 111,3 EFLOPS-a do 2026. godine.
A ljestvica kineske inteligentne računalne snage doseže 155,2 EFLOPS-a 2021. godine, dosegnut će 268 EFLOPS-a 2022. godine, a očekuje se da će do 2026. godine ući na razinu trilijun trilijuna pokretnog zareza u sekundi (ZFLOPS), dosegnuvši 1271,4 EFLOPS-a.
To također znači da tijekom 2021-2026 ljestvica kineske inteligentne računalne snage može rasti po ukupnoj godišnjoj stopi rasta od 52,3 posto, dok ljestvica računalne snage opće namjene raste po složenoj godišnjoj stopi rasta od 18,5 posto tijekom istog razdoblja .
Veliki modeli koji su posljednjih godina postali popularniji u industriji najtipičnije su velike inovacije potaknute inteligentnom računalnom snagom. Prema izvješću, zahvaljujući snažnoj sposobnosti generalizacije modela, maloj ovisnosti o dugotrajnim podacima i poboljšanju učinkovitosti upotrebe nizvodnog modela, veliki model se smatra prototipom "opće inteligencije" i ima postati jedan od važnih načina za istraživanje industrije za postizanje uključive umjetne inteligencije.
Tehnički temelji Big Modela su transformatorska arhitektura, migracijsko učenje i samonadzirano učenje. Arhitektura transformatora napravila je napredak u NLP-u i također je dokazala svoju učinkovitost u zadacima vida. Sa stajališta računalne snage, kapacitet jezičnih i vizualnih modela te odgovarajuća potražnja za računalnom snagom brzo se šire, a razvoj velikih modela podržava ogromna računalna snaga.
Ako koristimo "aritmetički ekvivalent" (PetaFlops/s-dan, PD), tj. ukupnu količinu aritmetičke snage koju potroši računalo koje radi trilijunima puta u sekundi tijekom jednog cijelog dana, za mjerenje ukupne količine aritmetičke snage potrebno za AI zadatke, AlphaFold2 u AI plus Science, sustave autonomne vožnje i GPT-3 u AI plus Science. Obuka modela kao što je GPT-3 zahtijeva stotine ili čak tisuće PD-ova aritmetičke podrške, kao što je GPT-3 obuka zahtijeva 3640 PD-ova aritmetičke snage.
Uz mogućnost velikih modela, aplikacije tipa AIGC, uključujući text-to-graph i virtualnog digitalnog čovjeka, brzo ulaze u fazu komercijalizacije i donose velike promjene u proizvodnju sadržaja meta-svemira. Prema izvješću, veliki model omogućuje tehnologiji umjetne inteligencije da prijeđe od "sposobnosti slušati i vidjeti" prije pet godina do "sposobnosti razmišljati i stvarati" danas, a očekuje se da će postići "sposobnost rasuđivanja i donošenja odluka "u budućnosti. Očekuje se da će budućnost postići značajan napredak "može rasuđivati, može donositi odluke".
Međutim, razvoj velikih modela također donosi velike izazove za računalnu snagu. Prema izvješću, velika potrošnja resursa za računanje i pohranu za obuku velikih modela ima visoke zahtjeve za ubrzane računalne sustave i hrpe softvera za umjetnu inteligenciju, a tisuće kartica za ubrzavanje često su potrebne za obuku stotina milijardi i bilijuna modela, što predstavlja veliku izazov promociji i generalizaciji velikih modela.
U isto vrijeme, ograničeno marginalnim opadajućim učinkom, daljnje poboljšanje složenosti i točnosti modela zahtijevat će veći udio računalnih resursa, a zabrinutost oko računalne učinkovitosti ograničit će kontinuirano širenje velike skale parametara modela.
Stoga, iako trenutni broj velikih parametara modela još nije dosegao sinaptičku veličinu ljudskog mozga, tržišna percepcija velikih modela postaje racionalna. Industrija postupno prepoznaje da bi se razvoj velikih modela trebao više usredotočiti na ekološki prihvatljive i niske emisije ugljika, smanjenje mogućnosti pružanja usluga i praksu poslovnih modela, što će otvoriti put razmjerima velikih modela u različitim industrijama.
U izvješću se ističe da, općenito, stupanj primjene AI-ja u različitim industrijama pokazuje trend produbljivanja, a scenariji primjene postaju sve opsežniji. AI je postao važna sposobnost za poduzeća da traže nove poslovne točke rasta, poboljšavaju korisničko iskustvo i održavaju osnovnu konkurentnost.
U međuvremenu, na ljestvici kineskih AI gradova za 2022., Peking, Hangzhou i Shenzhen nastavljaju održavati prva tri mjesta, Šangaj i Guangzhou zauzeli su četvrto i peto mjesto, a Tianjin je ušao među 10 najboljih. Osim TOP10 gradova, mnogi gradovi poput Hefeija, Wuhan i Changsha postigli su velik napredak u primjenama umjetne inteligencije, potaknuti vlastitim industrijskim prednostima i raznim čimbenicima.
*** Prevedeno s www.DeepL.com/Translator (besplatna verzija) ***