技术革新引领未来——生成式AI塑造核心发展引擎.pdf

技术革新引领未来——生成式AI塑造核心发展引擎。

观点一：技术协同发展推动生态完善

在当今快速演变的技术生态系统中，多技术协同升级已成为推动新兴技术发展 的核心动力。这一过程涉及人工智能（AI）、大数据、云计算等关键技术的深 度融合，也关系到各个行业之间的相互渗透，技术和行业互相交织形成了一个 创新生态。例如，金融场景已可以将产品与大模型进行结合、生成交易数据， 从而弥补真实数据的不足，并优化欺诈识别模型的训练。时至今日，行业融合 多种新技术的成功案例层出不穷，显示出协同效应对技术创新周期的加速作用。

观点二：数据持续积累推动新的处理 范式

IDC 将 AI，尤其是生成式 AI，视为下一个重大变革性和有影响力的技术转变。 我们正在进入一个 AI 无处不在的时代。此次变革与过往计算机革命及云计算 转型相比，不同之处在于其驱动力为数据而非硬件设备；这也标志着智能化进 程首次以数据为核心导向的重大飞跃。而生成式 AI 的核心价值之一在于它解 锁了非结构化数据中的价值。数十年来，从非结构化数据中提炼有用信息一 直是一项艰巨挑战。据 IDC 统计，2023 年非结构化数据将占所有存储数据的 77%1 ，这表示一个数据密集型创新周期已经来临。在此背景下，能够高效处 理、解析并转化这些非结构化数据为可行性洞察的 AI 技术，将成为推动各行 各业转型升级的关键力量。

观点三：算力是产业数字化转型的重 要推动力

IDC 预测，到 2027 年，70% 的经济价值将以高信息密度的商品和服务形式 呈现；为保持经济增长速度，强大的算力是信息产品发展的支撑基础 2 。数据 分析、大模型训练以及推理等关键步骤都需要算力作为底层资源。而算力配置 是否有弹性并且可扩展，直接影响到企业业务的运行稳定性以及响应市场变化 的速度。因此，构建并优化算力体系，成为企业把握大模型时代发展机遇和提 升核心竞争力的战略重点。

观点四：大模型技术发展关注点逐渐 转向高效、经济和环保方向

在生成式 AI 的演进中，高效性、经济性和环境友好性的考量日益受到重视。 大模型预训练对计算资源的需求极高，相关能耗问题也逐渐凸显。如何在不牺 牲模型精度与训练效率的前提下，通过优化计算架构、节能技术等方法，实现 降低运行成本、减少能源消耗，并最终达到低碳环保的长远目标，确保大模型 技术的可持续发展，以更优地促进社会经济向绿色转型并迈入高质量发展阶段， 成为当前研究与实践的核心议题。