AI落地不容乐观-从神话到现实

开篇

在这儿我不是给大家泼冷水,而是我们一起来看一下从2022年11月左右GPT3.0掀起了一股“AI狂潮”后到现在,AI在商用、工业、军用下到底有没有得到了大规模应用呢?

这个答案每一个参与者其实心里有数那就是:没有

但是呢它的确在一些方面如:对于个人的赋能让一个只会单一技能的人快速的变成1专多能的超级个体或者是让一个人短时间内迅速掌握了另外多个技巧上作出了显著的贡献。

如我在前一篇《ChatGPT让我变成了“超人”》中所述,在2023年我们有实验性质的使用GPT可以让一个中级的程序员兼顾具备了:3年PS经验、7年专业文案爆文写手能力、具备3门开发语言并且实际工作中比原来多个角色配合才能完成的事务并且耗时比原本多人多角色配合缩短了300%。

这不是神话,这已经越来越广泛的发生成了各个使用AI的企业员工的身上了。所以AI可以为个人赋能、打造超级个体这个话题已经不需要再次证明了。

同时,AI可以为企业内某个职能部门赋能打造超级团队甚至一个小而精的“超级团队”超过千人、万人的公司也已经不是神话,这样的事也一再的发生在业界。

往往10个人的团队超过一支100人团队屡屡发生,这种就叫超级公司。

但是我们回过头来,AI需要颠覆业界大规模的产生“第四次工业革命”,这似乎仅存在于“命题”和“理论”中,因为它的确到写这篇文章为止,还没有发生。

这也是目前业界最头疼的一件事,有人把现在AI的现状总结成这么几句顺口溜以表达AI落地之难:

  • AI超级酷,AI超级秀;
  • 个人能力被升级;
  • 硬件厂商乐开颜;
  • 企业落地看不到;
  • 搭个环境超级贵;
  • 企业看着挺喜欢,一到掏钱就没有;
  • AI到底能干什么?AI之路无尽头!

的确说出了现在AI落地的难处。

AI落地之难

试图打造超级公司结果发现“超级公司没成,成本超级贵”

说,一些企业内的员工通过AI的确打造了不少超级个体,于是企业想着如何把企业也能打造成为“超级公司”?

于是就做项目吧。

于是发生了:

哇,GPU好贵,这比原来做一个项目的total费用都贵;

哇,实施AI的人天好贵;

做完一个POC后,老板说了:这不就一聊天吗?我花7位数造个聊天解决的是快速聊天的功能不如每个人一个月多发300块钱你们把这钱用在自己使用AI工具的“算力Token开销费”然后产出比这个更好的工作交付物这样做不挺好,我为什么要去做一个项目呢?

以上是一种场景。

试图依葫芦画瓢、发觉没有任何葫芦可画

另一种试图找到同类型企业、业务是否有过AI落地。结果找了小半年,发觉。。。一个案例都没有。

大家想一下,目前对于AI的宣传大家停留在怎么样的一个认知呢?

  1. AI画图-己发生,但是对使用者的技巧以及作图上的成本还是太贵无法普及(我指真正的批量可以生成营销类文案可用图片);
  2. 短视频(基本都在王婆卖瓜),无论是时长还是质量还是成本上根本达不到商用普及化;
  3. 写代码,这个只能赋能个人,co-pilot和cursor已经天下无敌了不可能有第3、第4家作的比他们再好了;
  4. AI写文章,这块对写爆文的人的能力及使用者还是有一定要求的。本身能够用AI写出爆文的人就算没有AI,他要出一篇爆文的速度最多就是慢一点,只是有了AI后这个人变成一天出一篇爆文的速度,那么以速度来做“不对称降维打击”这个是的确没有人可以竞争得过;
  5. AI聊天、解答(这对于现阶段企业或者是一些营销来说应该属于锦上添花、可有可无的)、问答;

AI可以进一步使用在哪些方面呢?我们来看

  1. 完全无人驾驶(兄弟,性命的事,不要开玩笑),因此这只属于概念验证,有时概念验证到普及虽然只有“一”步,这个“一”恐怕得要数十年来完成;
  2. 核工业(哈哈哈哈 ,这不是性命的事而是好多性命的事了),太SCI-FI了;
  3. 军工,这还不如直接去看终结者;
  4. 自动化工业领域如:自动扫地机器人、自动楼宇清洁,它的成本还是降不下来,同时也有一定“危险性”;
  5. 金融保险财务相关,这块目前全人类都对AI数据安全持严重怀疑,这不是技术可不可以做到的问题而在于道德和人们的戒心是否足够放得下,这比技术领域还难,10年内不可能有落地;
  6. 医疗,这又是性命相关的领域;

所以我们可以看到,留给现阶段AI可用武之地,只有那些“锦上添花”的余地了。

那么锦上添花就是可有可无,如果一定要有那么希望它便宜。

这正是AI当前落地最难的点。

一些AI生态因素造成了AI落地难上加难

上面说的一些是AI在其当前可落地场景中的难点,但是还有一块因素加剧了AI落地的难。就是市场生态因素。

什么叫市场生态因素呢?那就是当一个事物很火热时,围绕着它的卖铲子的势必增多。有时淘金没有淘到卖铲子的发了财经常发生,这不是什么稀奇的事。

拿显卡一事来举例

我们在学习或者说是在做AI相关落地时会伴有很多小模型。

  • 行为识别
  • 意识识别
  • 语音识别(4O这块实时性和成本远未到达商用)
  • 视频识别(其实是视频转图片帧再识别)
  • AI执行(LLM输出可执行指令)
  • 图片的修剪、抠图
  • 图片去除背景、水印、画质修复
  • 文生语音
  • 文生图

以上这些AI原生应用中的常见功能都不是一个LLM或者是一个MAAS可以统包统揽可以独自解决的,往往我们在实施时会穿插着使用3-5个各种小模型。

而这种小模型在使用都需要使用到GPU显卡。

你没有GPU其实也可以实现,只是做出来的交付物速度很慢无法满足企业级应用。

什么叫满足企业应用要求呢?我在前一篇文章《大模型产品层出不穷,如何慧眼识珠》提到了决定LLM性能的核心指标之一的“每秒输出Token数”。

什么样的显卡无法用于AI类开发?

1秒输出Token数<20(1个汉字大约在2.5Token左右),这样的显卡基本是连开发都用不了。

怎么样的显卡算“可用”?

1秒至少应该在100Token输出能力

我们看下面这个图,我给大家一个指标,大家去对就知道哪块显卡你可用来平时开发甚至是企业内部部门级别用了。

对比指标:CUDA核心数1,500约等于1秒输出20个Token数。

 通过这个指标我们发觉RTX 4070 SUPER及以上都可以用,当然,4090D太贵了(这也只是对个人来说)。但对于企业来说这属于完全可以接受。

因为,比较一个月3-5万的云主机收费来说,的确4090是便宜太多了,而且是一次性投入。

比如说:

  • 4070 SUPER,¥5,000-¥6,000的均价;
  • 4080大约在¥1万5左右;
  • 4090贵一点,¥2万;

但这些成本都属于“可忍受”。

同样的参数,我们把它换成云主机,我们可以看各官网报价即可了解一切信息。

试想:一次性投入3万(要好好学点AI,自己开发点可以用的东西,又可以让企业百人规模可用)和每个月持续的投入几万对比,你会怎么选择?

一个事物火了,它周边的一切都会跟着火。所谓一人得道、鸡犬升天。。。不过现在比较尴尬的是:人还在修行过程中呢。。。

主要是尴尬在这。

硬件的贵,让很多创业公司负担太重。更不要说一系列的其它的改造、实施、二开以及为了满足AI相关合规性做出的很多的开发工作。

成本真心高昂。

因此,经过了1年多来的“卷”,大都AI创业公司开始“望洋兴叹”了。

人员成本的问题也极大了阻挠了AI在企业中的落地

一个企业无论是自己开发项目或者是采购+二开,都会面临着:AI实施团队太贵了一说。

确实,就像我们前文所写的那样。当一件事物红火起来后围张着它的周边一系列的其它的事物会比这件事物本身还要红。

但实际真的很贵吗?

这里面多少还是有一些“炒”的问题存在的。

我们说企业实施AI需要什么样的人员呢?

我在前文AI不应该贵中也已经提到过了,一个企业在选择AI实施时需要定位好自己的业务边界。坚持使用LLM使用MAAS、辅促以一些小模型并坚持AI原生应用这一架构理念。

看似很高大上(贵)其实不然。

AI的应用无非就和以前开发中台类项目一样,也是使用了一堆中间件、SPRING BOOT、ES、MQ、REDIS什么的一样,只不过大都数人还没有这么一个“熟悉”的过程。一旦熟悉了,这些技术都不称为技术,也只能称为是“技能”。不要把“新鲜”的都往贵了卖,这不可持续。

无非是把REDIS、MQ、ES这种换成了paddle、nlu、chatglm、和一系列小模型的使用而己,并没有那么神秘。

关键重要的点人们还是忽略了,那就是业务逻辑与核心。你的企业到底希望AI拿来解决什么方面的问题?

这个问题如果回答不清,你请一堆的博士后也是白搭,这个项目也是实施失败的。

这一点很像之前“大数据”、“数据中台”的昙花一现的现象,或者可以说是一模一样。

这种现象是不符合可持续发展的。

各种阻碍重重、企业AI要落地如何破局

这篇博客不仅仅是写给AI创业公司看的,更是写给那些希望AI在本企业、本业务条线切实落地的企业管理者们看的。

眼下我们有三大困局:

  1. AI到底是不是只是一个锦上添花的东西,它可有可无?
  2. 硬件贵怎么办,小公司负担不起?
  3. AI开发人员贵怎么办,小公司负担不起?

其实就是这三个困局,必须一起击破才可以破局。

AI不应精贵、AI不是贵族、AI必须普惠大众,那么如何破局呢?

我们逐一拆解。

解决三大困局

解决AI非刚需只能锦上添花的局面

我们在实施AI时不能只看其各种电视、TV、广告Show,各种Show时厂商调集所有算力为了满足这5-10分钟Show是没有任何问题的。你看时眼花缭乱、行云流水,而到了你自己实际在使用时,每秒的Token输出数直接决定了这个项目的成败。

我们算中文平均一个字=2.5Token,1秒钟输出20个Token根本是没法用的。

因此TV广告Show时出图极快、而且还是高清图那不代表你用时也能到达这个体验。就算你可以到达这个图、这个视频的质量你的系统的响应速度也到达不了。

相信大多入过坑的创业公司或者是落地AI的企业都深有感受这句话:看广告时激动人心,实际自己在生产环境:http connection timeout everytime

所以AI不是拿来炫和Show的,而是真正用它来解决问题的。

解决一个什么问题呢?

现阶段AI和2000年初互联网公司一样,它初于一个“启蒙期”,在启蒙期一定不是大规模业务应用,一定是“基建先行”。

基建年代不可能大规模建设,这就是目前AI无法成为企业、成为业务刚需的核心问题。

换一种说法:你说增加额外的产值、通过引流。。。我前几篇博文已经讲了很清楚了。现在我们讲究的是“可持续的小增量”,已经没有人相信“流量”这种东西了。

于是我们应该来想着这么一件事:如何用AI去解决那些重复的、无价值的、不产生性命危险、不因为当下全世界对数据安全的认识还不够的情况下去触碰财务、金融、保险但又可以让AI去做的那些事。

其实我们再把上面这件事说得再白一些,即一个AI项目要成为刚需必须具备

原来需要一群月薪老老高的大牛,在一个月里可以做出来的事。用了AI可以用一堆菜鸟在1周内就可以完成同样质量的事。

于是,就有了这么一个公式,你的业务如果用AI去落地后可以满足以下这个公式,这个AI项目就会变得极有价值我们假设一个大牛的成本为X,一个菜鸟的成本为Y,原先不用AI一件工作的交付时间为A,质量为Q有以下公式:

  • 成本上:3*Y<X;
  • 交付时间:<=A;
  • 交付质量:=Q

如果你的公司、你所在的业务可以在使用了AI后实现上述这样的公式,这个项目将是巨大的成功

因此这不仅仅需要我们的企业也需要我们多如牛毛的创业公司静下心来、坐在一起好好去把现有企业不使用AI时的原定工续、步骤、产生的交付物理一下,然后结合AI后我们可以减少多少无意义的人力环节?节省多少成本?提高多少时间?同时又不能差于原有的交付质量。因此:

  1. 是否可节省成本?
  2. 是否会比原来的产出时间更短?
  3. 产出的质量不能低于原来?

以上3个要素就是一个AI项目是否可以成功的关键所在。

解决硬件成本的困局

成本贵不代表应该砍硬件,性能很大程度上依赖硬件。我们要提的是:更合理的去运用硬件

这也是近来业界开始不断的提出(包括一些巨头-Amazon, google, 推特,甚至是国内几个头部公司也已经开始着手实施):

  • 去微服务化;
  • 去Docker化;
  • 回归本地+云的结合;

这边不能说了太直白,这里面也没有任何新的、创造性的知识产出,只是在于TOGAF架构师原则即始终考虑一个系统的设计不应该对现有企业、业务形成“枷锁”。

我们说,之前在云原生的时代,我们大力提倡微服务、提倡Docker。这些过时了么?

完全没有过时,只是我们需要进一步去考虑一些在AI原生时代,一些过于重的、产效不明显的组件化设计是否因该进一步轻量化?

而且因为有了AI原生设计准则,一切ERP、EAI、SOA的手法这些都已经需要被重构了。一个本来需要占用3-5个实例的规则引擎很有可能还不如一句50个字的“猫娘”设定。

同时我们需要企业和相关的企业IT人员眼光放现实一些,我们说:自己购一台机器,加3块卡扛到CDC、IDC机房也不会比每个月几万几万的扔到VM上贵啊?对不对?这正是本地、云混合模式再次焕发青春的终极由来。甚至不少头部的厂商彻底不用云了,直接自建机房了当然前提是你有买一个“水库”用来冷却的实力那你就全部自建好了。

“大人,时代已经变了”。

这句话是永远的经典。

没有永恒的“设计模式、范式”,只有“不断变化、创新和接受新事物的眼光和心态”。

我们的创业者或者是我们的企业需要变换一下之前20年的那些IT设计思路了。

解决人员贵的局面

这个问题是属于技术圈不断宣导的,我们需要把这个宣导作为我们的责任。AI人材和之前的互联网架构师、中台架构师、大数据架构师没有本质的“贵”,只是技术栈的不同。

同时因为已经进入了AI时代,所以AI对于个人赋能和打造个人成超级个体上表现特别突出。我们的用人团队也需要接受:小而精、小而美、小而全的团队完全可以PK百人团队这个思想。

我在前文中已经讲到了,程序员平时工作中有60%在于排查、搜索和验证搜索到的Sample是否可用于本项目。

如果我们把这60%的时间缩短到只有10%而且得到的Sample的准确性到达99%,大家想一下,这样的软件开发交付速度可以到达什么样的水平呢?

 上述这个内容我是在1年前写的,现在一支被这样的理念训练出来的超级开发团队的效能目前已经可以到达4个人-7个工作日完全可以PK之前20个人团队1个整月的交付工作量以及质量了。

因此我们要从:业界合理AI开发人员市场价以及企业打造超级团队双管齐下入手,让超级团队充满各个企业充满各个业务条线甚至跨业务条线的超级公司。

结尾

话不宜多、事在人为、路本没有、勇于探索才能发现一条崭新的道路。

在探索AI技术落地的道路上,我们始终面临着种种挑战和困难,但这并不能阻碍我们前行的步伐。正如那句古语所说:“天无绝人之路”,科技的发展也永远不会停滞不前。我们应该以激情和勇气去迎接这些挑战,勇往直前地探索前所未有的可能性。

首先,我们要打破“超级公司没成,成本超级贵”的局面,通过技术创新和资源整合,寻求实现高效低成本的路径。

同时,我们要摒弃依葫芦画瓢的思维,勇于在自身领域中开拓新的道路,唤起中国本土创新的地气。

其次,我们要面对AI生态因素造成的种种阻碍,寻找突破口解决困局。这需要我们积极推动业界、企业、学术界以及科技人才共同参与,形成合力。只有共同努力,才能为AI的落地铺平一条光明的大道。

最后,我们要以解决硬件成本、开发人员贵等问题为目标,加强合作与创新。通过跨界交流,共同研究出更加先进、高效的AI技术解决方案。只有这样,我们才能真正挖掘AI在企业和社会中的巨大潜力,并使之转化为实际应用,推动我们的科技进步。

让我们不畏艰难,勇往直前,敢于尝试。唯有如此,我们才能真正揭开AI科技的神秘面纱,让其光芒四射地照亮我们的未来。让我们携起手来,共同努力,打破一切束缚,开启AI技术革命的全新篇章!

朋友们,未来已经到来,让我们一起迈向新的高度,让中国科技创新再次创造辉煌。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/731613.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

win10修改远程桌面端口号,在Windows 10中修改远程桌面端口号的步骤

在Windows 10中&#xff0c;远程桌面服务&#xff08;Remote Desktop Services, RDS&#xff09;允许用户从远程位置访问和操作计算机。默认情况下&#xff0c;远程桌面协议&#xff08;RDP&#xff09;使用端口3389进行通信。然而&#xff0c;出于安全考虑&#xff0c;管理员可…

时序预测 | Matlab基于CNN-BiLSTM-Attention多变量时间序列多步预测

目录 效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab基于CNN-BiLSTM-Attention多变量时间序列多步预测&#xff1b; 2.多变量时间序列数据集&#xff08;负荷数据集&#xff09;&#xff0c;采用前96个时刻预测的特征和负荷数据预测未来96个时刻的负荷数据&…

Mac安装多个jdk环境(jdk8+jdk17)保姆级

Mac安装多个jdk环境&#xff08;jdk8jdk17&#xff09;保姆级 背景&#xff1a;新机安装开发环境发现需要找很多文章&#xff0c;&#xff0c;&#xff0c;&#xff0c;这里一篇文章安装所有环境 文章目录 Mac安装多个jdk环境&#xff08;jdk8jdk17&#xff09;保姆级&#x1f…

异步FIFO

目录 描述 输入描述&#xff1a; 输出描述&#xff1a; 参考代码 描述 请根据题目中给出的双口RAM代码和接口描述&#xff0c;实现异步FIFO&#xff0c;要求FIFO位宽和深度参数化可配置。 电路的接口如下图所示。 双口RAM端口说明&#xff1a; 端口名 I/O 描述 wclk i…

微信小程序简易录音机

首先先创建一个项目&#xff08;想必大家都会啦那就直接开干&#xff09; 首先上html结构 <view class"wx-container"><view id"title">录音机</view><view id"time">{{hours}}:{{minute}}:{{second}}</view>&l…

锐捷统一上网行为管理与审计系统 static_convert.php 前台RCE漏洞复现

0x01 产品简介 锐捷统一上网行为管理与审计RG-UAC系列是星网锐捷网络有限公司自主研发的上网行为管理与审计产品,具备的上网行为日志审计功能,能够全面、准确、细致的审计并记录多种上网行为日志,包括网页、搜索、外发文件、邮件、论坛、IM等等,并对日志数据进行统计分析,…

React的服务器端渲染(SSR)和客户端渲染(CSR)有什么区别?

React的服务器端渲染&#xff08;SSR&#xff09;和客户端渲染&#xff08;CSR&#xff09;是两种不同的页面渲染方式&#xff0c;它们各自有不同的特点和适用场景&#xff1a; 服务器端渲染&#xff08;SSR&#xff09; 页面渲染: 页面在服务器上生成&#xff0c;然后将完整的…

USB2.0网卡安装驱动

有三种安装方式&#xff1a; 驱动精灵驱动总裁USB2.0网卡自带安装程序 前两种很简单&#xff0c;下载驱动精灵或者驱动总裁&#xff0c;然后检测本地硬件&#xff0c;安装相应驱动。 本文重点要介绍的是第三种&#xff0c;利用USB2.0网卡自带的安装程序。有的时候驱动精灵或…

数仓中数据分层的标准流向解读

在大数据开发中&#xff0c;数据分层是一个至关重要的概念。合理的数据分层可以有效地提升数据处理的效率和质量。本文将详细介绍数据分层的标准流向和相关注意事项&#xff0c;并结合实际应用进行说明。 数据分层的标准流向 根据行业标准&#xff0c;数据分层的标准流向如下…

js浅拷贝和深拷贝的区别

JavaScript中的浅拷贝和深拷贝的主要区别在于它们如何处理引用类型的数据。 浅拷贝仅复制对象的引用&#xff0c;而不复制对象本身。这意味着新旧对象共享同一块内存空间。因此&#xff0c;如果修改了原始对象&#xff0c;复制的对象也会相应地改变&#xff0c;因为它们实际上是…

Ant Design Vue Cascader 级联选择 错位问题

当Cascader 多个的时候 对应的下列会错位 如果滚动 他不会跟着元素 而是会跟着屏幕滚动&#xff0c;如下效果 解决方法 在Cascader 标题添加 getPopupContainer 属性监听对应的位置&#xff0c;返回对应的元素 <a-cascader class"smart-width-100 " v-model:…

民宿在线预订系统

摘要 随着国家的发展&#xff0c;人们也更加重视自己的业余时间。在特定的假期或休闲时间外出度假已逐渐成为这个时代的趋势。在我国&#xff0c;随着经济的发展和城市居民物质生活水平的提高&#xff0c;旅游业也呈现出越来越受欢迎的趋势。同时随着人口的快速流动&#xff0…

云计算之CDN

目录 一.什么是CDN&#xff1f; 二.使用CDN的好处&#xff1a; 三.主要特点&#xff1a; 四.关键功能&#xff1a; 一.什么是CDN&#xff1f; 1.CDN的全称是Content Delivery Network&#xff0c;即内容分发网络。其基本思路是尽可能避开互联网上有可能影响数据传输速度和…

R语言——数据与运算

练习基本运算&#xff1a; v <- c(2,4,6,9)t <- c(1,4,7,9)print(v>t)print(v < t)print(v t)print(v!t)print(v>t)print(v<t) v <- c(3,1,TRUE,23i)t <- c(4,1,FALSE,23i)print(v&t)print(v|t)print(!v)v <- c(3,0,TRUE,22i)t <- c(1,3,T…

【NirCmd】一款强大的Windows命令行工具

简介 NirCmd 是一款由 Nir Sofer 开发的免费命令行工具&#xff0c;它允许用户通过简单的命令行选项执行各种任务&#xff0c;而无需打开任何图形用户界面。这款工具的功能覆盖了从系统设置调整到文件操作等多个方面&#xff0c;是系统管理员和高级用户自动化任务处理的得力助…

System.Runtime, Version=6.0.0.0,生成的dll使用出现错误问题

解决&#xff1a; 1.unity左上角file点击选中build settings 点击player settings &#xff0c;然后在player的window的other settings的configuration更改为 Framerwork 其实这个不换也可以的&#xff0c;我后面调试完&#xff0c;发现这个不是重点&#xff0c;下面第2点才是…

项目实践---Windows11中安装Zookeeper3.5.5/Hadoop2.7.2/Hive2.3.7

1.背景 项目第一版本使用大数据组件核心版本均为2.x&#xff0c;需要在个人电脑搭建相关大数据环境&#xff0c;这次提供Hadoop2.7.2 Hive2.3.7版本的环境搭建。 2.相关安装包下载 链接&#xff1a;https://pan.baidu.com/s/1tkYr1UpqMKKVJHY5cfvVSw?pwddcxd 提取码&…

【面向就业的Linux基础】从入门到熟练,探索Linux的秘密(三)-shell语法

主要通过讲解shell中的一些基本语法&#xff0c;可以当作日常的笔记来进行查询和记忆。 文章目录 前言 一、shell 二、shell语法 1.运行方式 2.注释 3.变量 4.默认变量 5.数组 总结 前言 主要通过讲解shell中的一些基本语法&#xff0c;可以当作日常的笔记来进行查询和记忆。…

变电站智能巡检机器人解决方案

我国拥有庞大的电网体系&#xff0c;变电站数量众多&#xff0c;且近年来快速增长。然而目前我国变电站巡检方式仍以人工为主&#xff0c;存在效率低下、监控不全面等问题。变电站通常是一个封闭的系统空间&#xff0c;设备种类繁多、占地面积广阔&#xff0c;这对巡检人员实时…