人工智能技术全产业链架构分析 原创
“ 学会分工,是人类社会进步的根本原因”
学习一项新的技术,首先要对它有一个清晰的认识,也就是我们常说的3W原则方法论,what——是什么,why——为什么,how——怎么做。
人工智能技术是一项多学科交叉的技术,其涉及领域非常广泛,如果你对人工智能技术产业链没有一个清晰的认识,那么你就会觉得很迷茫,并且会有很多问题。
今天,我们就从产业链的各个角度来对人工智能有一个清晰的认识。
人工智能全产业链分析
人工智能是一门多学科交叉的技术,并且从集成技术到最终应用有多个环节,涉及到硬件,软件,数据,算法,应用等多个方面。
以下是对人工智能产业链的详细分析:
基础层
基础层可以说是人工智能技术的地基,也就是底座;因为人工智能技术依靠的是强大的硬件设施以及庞大的数据基础,还有相应的算法与框架。
计算硬件
计算硬件是计算机技术的基础,而随着大模型的出现对算力有了更加庞大的需求,特别是最近一年多GPU公司英伟达市值一度破纪录,最终成为全球市值最大的企业。
计算硬件除了我们常说的CPU(中央处理单元),GPU(图像处理单元)之外,还有TPU(张量处理单元),FPGA(现场可编程门列阵),ASIC(专用集成电路)等多种计算资源。
数据存储与管理
人工智能技术涉及到庞大的数据量,不论是模型参数还是训练数据,都远超传统互联网技术;因此,数据存储与管理就成为了人工智能技术的底层支撑。
基础算法与框架
在技术领域有句话叫,不要重复造轮子;因此,互联网巨头纷纷推出自己的人工智能开放框架,如果TensorFlow,PyTorch,Keras等。我们就可以依靠这些框架快速的构建自身的大模型系统,而不用全部从头开始。
云计算
云计算起源于之前的IAAS,PAAS,SAAS等三种云服务;而大模型由于其体型庞大,传统的基础架构无法支撑其庞大的运算量;因此,大模型的训练,微调和部署都需要依靠云计算平台才可能实现。
技术层
技术层属于人工智能技术的核心,包括算法,模型开发与训练。
算法与模型
包括机器学习,深度学习,强化学习等多种AI算法,以及基于这些算法开发等模型,包括图像分类模型,自然语言处理模型等。
开发平台与工具
提供大模型等开发,训练和模型部署的工具,如Jupyter Notebook, Colab,docker等;还有MLOps(机器学习运维)工具(与其类似的有DevOps),如Kubeflow,MLFlow等。
数据处理与标注
包括数据来源(如互联网,物联网等),数据的清洗,预处理,标注等流程
应用层
这是AI技术与具体应用场景相结合的部分,也是AI产业中最贴近用户的一环。
行业解决方案
AI在各行各业中的应用,如自动驾驶,医疗诊断,金融风控,智能制造等;各行业都需要AI服务商开发符合特定行业和需求的AI产品与服务。
消费级应用
消费级应用也是面向普罗大众的应用方向,比如AI助手,智能家居,内容推荐,游戏等。
支持与服务层
大模型等发展并不是一帆风顺的,所以需要解决各种各样的问题;包括技术支持,技术咨询与培训,标准化服务等。
咨询与培训
包括AI项目咨询,技术培训,人才培养等服务
法律与伦理
AI技术的发展,相关的法律法规还不健全,甚至会带来一些伦理性的问题,如AI会不会控制人类, 人还是人吗的问题。
AI技术前沿
AI技术需要不断的发展与创新,因此AI技术的前沿研究是推动AI产业链进步的重要一环。
主要表现在深度学习,强化学习,多模态大模型,量子计算与AI结合等方面;而研究等主体主要是一些学术机构和企业,如国内外顶尖的大学,研究机构如MIT,openAI,以及具体企业如谷歌,微软,脸书,国内的阿里,腾讯等。
还有一些科技公司成立的创新实验室和孵化器,如国内具体企业纷纷加大对AI公司的资金投入。
总结
总之,AI技术的发展并不是一个一蹴而就的结果,而是一个循序渐进的过程;技术的发展促进AI的应用,而AI的应用又会反馈到技术的研究。
而推动整个AI产业链的进步,绝对不是一两家企业或机构所能完成的;而是需要产业链上所有的环节一起努力,才能推动AI技术的进步与发展。
而我们每个人都可以成为这个产业链中的一个点或一环,这也是人类社会进步的根本原因——分工。
本文转载自公众号AI探索时代 作者:DFires
原文链接:https://mp.weixin.qq.com/s/MjiAD3zQm1HxvHo23tyO1A