北京2024年6月13日 -- 近日,由中国美国商会(AmCham China)主办、以“构建可信的企业级AI”为主题的研讨会在北京正大中心举行。中国美国商会会长何迈可(Michael Hart)、正大中心写字楼部总经理贾丹致欢迎词,IBM大中华区董事长、总经理陈旭东和IBM 首席诚信与合规官Hans Vad Hansen做主题演讲,分享了IBM如何将信任贯穿其企业级AI战略的始终,帮助客户实现可信任的AI应用。IBM亚太区市场营销和企业传播部副总裁Priscilla Kim 和 IBM 亚太区首席诚信与合规官Simon McDonald参加了圆桌对话,并分享了IBM在亚太区的最佳实践和客户案例。
在他的演讲中,陈旭东回顾了IBM Think 2024大会在开源创新、AI和自动化、生态合作等三条主线上的重磅发布和创新进展,以及在新的技术浪潮下,企业如何将数据转变为AI创新的源泉。他认为,企业需要采取“三步走”的策略,首先选择一个“可信”的基础模型,然后将“企业知识”融入基础模型,最后部署、扩展、使用 “你的AI”。IBM已经做好准备,帮助各行各业的中国企业打通从试验到扩展(Scale)的AI应用之旅,实现生产力和效益的真正提升。
IBM大中华区董事长、总经理陈旭东
以下是他的发言节选(部分内容经重新编辑):
AI规模应用之年,企业如何将数据转化为创新源泉?
为了帮助客户和合作伙伴更好地规划自身的技术发展路线,IBM在去年第一次对外发布了IBM技术蓝图(Technology Atlas)。这一蓝图由6条相互交汇的技术路线组成,描述了IBM对混合云、人工智能(AI)、数据、自动化、安全和量子计算等方向,未来几年的技术趋势的展望。
以人工智能为例,IBM认为今年(2024年)是企业从试用AI(Experiment AI)迈向扩展AI应用(Scale AI)的关键一年,而AI治理将是实现这一目标的重要一环。预计到2030年,全能多模态成为AI技术的主流,企业和个人将充分享受AI技术带来的生产力提升。
从更大的视角来看,AI将和蒸汽机、电力和互联网一样,成为重塑人类社会的又一次技术变革:蒸汽机把人类从繁重的体力劳动中解放出来,电力将解放生产力的动力传输到千家万户,互联网实现了从劳动力到人类智力的跃升和扩展,AI则有望解放人类的脑力劳动,包括一些复杂的脑力劳动。而且重塑的进程会越来越快,如果看全球GDP增长十倍所需的时间,蒸汽机用了近100年,电力用了近80年,互联网只用了50年左右;预计到2030年,AI将为全球GDP带来每年4万亿美元的贡献。
那么,企业如何将AI技术转化为核心生产力,成为企业创新的源泉?IBM认为需要三步走:
IBM 在 AI 时代的三大关键词
在刚刚过去的IBM Think 2024大会上,IBM发布了AI和自动化的一系列新产品,也宣布了更广泛的生态合作,希望继续引领新的AI时代。我总结为三个关键词:开源创新、AI和自动化、生态合作。
来自行业和客户的双重肯定
在过去几年里,延锋国际汽车技术有限公司(简称“延锋汽车”)携手IBM 团队,从实现外部到内部订单的自动化转化、解决全球工厂车间的高速数据传输问题,到使用企业级工具替换开源工具实现高可用数据抽取,再到利用 AI 赋能的解决方案实现核心生产设备的产能测算和规划,打造了国内汽车行业乃至智能制造领域利用AI技术实现数字化转型的标杆。
比如,延锋汽车作为一家在全球 20 多个国家拥有 9 家研发基地、240 多个工厂的全球汽车零部件供应商,每天收到整车厂和下游厂商的订单量是巨大的,此前手动分类带来的人工成本和高错误率,仅国内的20多个工厂,每天每个工厂要安排2个人、花150分钟来处理。基于 IBM Watson Discovery 构建的 AI 决策大脑,从 1.8 亿条历史数据中,学习了外部订单对应的内部订单背后蕴藏的规则,实现了全自动执行流程,且订单分类正确率从 85% 提升到 97%。
近日,中国信通院征集并公布了"可信AI案例"评选结果,IBM与延锋汽车、苏州环球科技股份有限公司(简称“环球科技”)基于IBM智能自动化软件携手共创的案例入选了“AI原生技术和应用优秀案例”。该奖项是对IBM与客户携手共创、促进AI技术落地的见证与认可,也将为当下积极探索AI应用的行业与企业提供宝贵借鉴。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。