生成式AI越来越流行，尤其是在商业领域。不久前，沃尔玛宣布推出生成式AI应用程序，供5万名非店铺员工使用。App将沃尔玛数据与第三方大语言模型（LLM）结合，可以帮助员工执行多种任务，比如成为创意伙伴，在大文档中提取摘要。
由于生成式AI流行，GPU需求增加，训练深度学习模型需要强大的GPU。据《华尔街日报》报道，训练AI模型可能需要几十亿美元，因为要处理并分析海量数据。
新趋势为英伟达带来可观的商机，英伟达GPU成为炙手可热的赚钱机器。为了获得英伟达芯片，创业公司、投资者采取非常措施。《纽约时报》专栏文章称：“相比金钱、工程人才、炒作热度甚至利润，今年企业似乎更需要GPU。”
在这次可能的科技变革中，英伟达站在山顶。就在此时，谷歌与英伟达达成合作，为谷歌云客户提供基于英伟达GPU的技术支持。眼下需求大增是不是意味着生成式AI触及巅峰，还是说它是下一波浪潮的开始？这是一个大家都在思考的问题。
在最近的财报会议上，英伟达CEO黄仁勋指出，需求增加标志着加速计算的开始，它只是黎明。黄仁勋建议企业重新配置投资，不要只盯着通用计算，应该要多关注生成式AI和加速计算。
通用目的计算指的是基于CPU的计算，英伟达却认为CPU已经成为落后基础设施，开发者应该针对GPU做优化，因为相比传统CPU，GPU的效率更高。GPU可以同时并行处理多种计算，特别适合深度学习。在处理一些特定数学问题时GPU也有独特优势，比如线性代数和矩阵操作任务。
可惜的是，许多软件都只是针对CPU做了优化，无法从GPU并行计算中获益。未来许多CPU任务将由GPU来执行，这对英伟达来说是一个机会，因为生成式AI会生成海量内容，它需要云计算支撑。
人类和企业都是懒惰的，既然软件已经针对CPU做了优化，就不愿意再为GPU投入资源和时间。
当机器学习刚刚出现时，数据科学家野心太大，想将它应用于一切，哪怕有些领域已经有了更简单的工具，他们也要引入机器学习。老实说，在众多商业问题中，机器学习能出色解决的只有极少一部分。总之，加速计算和GPU并非适合所有软件。
迎接下一波浪潮，生成式AI需要突破
审视当下，英伟达的业绩数据的确抢眼，但Gartner却警告称，生成式AI处在预期膨胀的顶峰。有人断言，生成式AI炒作已经演变成毫无根据的兴奋和夸大的期望。
生成式AI热潮可能很快就会触及瓶颈。SK Ventures风投家认为：“我们现在已经进入第一波大语言模型AI的长尾阶段。浪潮是从2007年开始的，当时谷歌发布了一篇名为《Attention is All You Need》的论文，在未来1-2年内，大家就会撞到瓶颈。”有哪些瓶颈呢？比如产生幻觉的倾向，狭窄领域的训练数据不足，多年前的训练语料库老化，还有其它无数因素。总之，我们现在极可能已经进入第一轮AI浪潮的尾部。
是不是说生成式AI即将死亡？非也，只是说生成式AI需要重大技术突破，这样才能大幅提高生产力，才能孕育更好的自动化。在下一波生成式AI浪潮中，新模型、更开放、无处不在的廉价GPU可能是关键。
从长远看，生成式AI应该是光明的，因为劳动力短缺，人类需要更出色的自动化技术。回看历史，AI与自动化似乎是两个独立的技术门类，但生成式AI改变了这种看法。Workflow联合创始人Mike Knoop说：“AI与自动化正在坍缩成同一样东西。”麦肯锡在报告中说：“生成式AI将会孕育下一次生产力大提升。”高盛则认为生成式AI可以将全球GDP提升7%。（小刀）
