对生成式人工智能的愤怒能否复兴云的采用？

长期以来，IT 在组织内一直处于令人着迷的位置。正如他们所说，IT 部门的任务是保持正常运转，同时实现创新和现代化，因此 IT 部门始终面临着艰巨的任务。尤其是过去几年，过得并不容易，因为我们目睹了一波又一波的颠覆浪潮。无论是区块链还是新冠肺炎 (COVID-19)，应对颠覆者已成为 IT 人员的日常工作。现在，出现了一个新的颠覆者，它打破了所有规则并改变了我们所知的游戏规则：生成式人工智能。

在这个不断发展的技术领域，在对卓越运营的不懈追求中，云采用长期以来一直被认为是获得令人垂涎的竞争优势的保证途径。然而，去年情况变得更糟，因为在全球经济放缓的情况下，组织削减了云预算，而且云交易的完成时间比正常情况长了近 50%。但由于生成式人工智能，我们或许能够预见到更有利的事态发展。随着大大小小的公司都热衷于利用其优势，这种新一代颠覆者可能能够重振云市场。

云和生成式人工智能的总体交响乐

如果还不清楚的话，组织正在慢慢意识到，那些完全依赖本地技术的人可能会被排除在生成式人工智能革命之外。为了有效地利用生成技术的诸多优势，云是前进的方向。无可否认，云的游戏规则改变者为各种企业提供了公平的竞争环境，云的可扩展性、灵活性和成本效益使其成为生成人工智能的最佳平台。

尽管这项突破性技术正在成为世界各地的头条新闻，但事实仍然是它仍处于非常初级的阶段，这意味着它仍在不断发展并每天经历多次迭代。以 ChatGPT 为例。当对话引擎推出时，它是基于生成式预训练变压器（GPT）3。但在此之前我们有 GPT 2，于 2019 年初推出，由于其可能被滥用，甚至没有向公众发布。这强化了这样一个事实：在可预见的未来，这种性质的新技术必然处于不断变化的状态。为了进一步增加这种混合，大型语言模型背后的科学本身就相当复杂。像 Python 和 Rust 这样的语言以及像 Tensorflow 和 Torch 这样的框架在大多数企业环境中都不是标准的，当你把所有这些放在一起时，您会发现我们拥有的是相当新且复杂的软件，具有许多移动部件，这使得它不太可能成为本地候选软件。投资这种性质的东西，不能保证长期价值，在本地部署并不是组织做出的最明智的决定。

在深入研究变压器技术领域之前，考虑财务影响也至关重要。构建和运行生成式人工智能模型需要专门的硬件投资，尤其是 GPU。 GPU 以其强大的计算能力而闻名，它是昂贵的处理器，如果组织想要在本地运行生成技术，GPU 是必不可少的。在本地构建这样一个利基基础设施的缺点是组织不会始终利用这种计算能力。只有当生成人工智能特定的服务请求到来时，该基础设施才会投入使用。还值得一提的是，组织还必须承担显着更高的能源消耗和冷却要求带来的额外成本。因此，此类投资的成本与收益分析看起来相当黯淡。从这个角度来看，仅在使用服务时付费的云模式似乎是一个更可行的选择。

锐意进取，抵御不确定性

当您摆脱这种组合中的技术和财务挑战时，云为您提供了实现纯粹创新的机会。组织不必担心基础设施要求、维护成本或如何保持基础设施正常运行；他们所需要做的就是弄清楚他们想要从生成人工智能中提取什么价值，并开始在云中运行它，从而优先考虑创新。

然而，组织应该注意的一个因素是确保安全。生成式人工智能需要在可能没有明确边界或既定控制的环境中快速处理大量数据。还需要监控数据的性质和质量，并制定围绕数据管辖权的明确政策。这可能会导致前所未有的网络安全和数据隐私差距，组织在开始生成技术之旅之前需要考虑到这些差距。例如，如果组织使用其环境数据构建特定于特定客户的模型，则他们需要确保用于该客户需求的训练数据不会用于任何其他客户，因为这会导致隐私泄露。

好消息是，大多数主要云提供商都在网络安全、数据驻留、管辖权等方面制定了完善的协议。随着生成式人工智能的出现，知名提供商已经或正在推出生成式人工智能的专用服务。

生成式人工智能似乎已经准备好加速下一波云的采用。从很多方面来说，这似乎是我们在过去十年见证了 IT 现代化和创新之后的自然发展。较早意识到云的长期价值并奠定基础的组织现在将获得收益，而那些较晚采用云的组织将不得不加紧努力。

虽然这个新世界拥有无限的潜力，但我们还没有看到我们将登陆哪里。但有一点是肯定的：未来是智能的，而且是在云中。