当前位置:首页 > 资讯 > 正文

贝恩2021技术报告:到2025年,30%的云服务供应商将专注于人工智能计算工作负载

贝恩2021技术报告:到2025年,30%的云服务供应商将专注于人工智能计算工作负载  第1张

在过去的半个世纪里,计算行业经历了三个重大转变:大型电脑时代;向PC服务器的转变;以及移动和互联网的兴起。现在,我们正处于第四次转型的风口浪尖,即以数据为中心的计算,这将在很大程度上受到人工智能日益普及的推动。

由于可以处理急剧增长的非结构化数据,以及大幅降低计算成本,人工智能(AI)工具正通过云平台和开源软件得到更广泛的应用。可以毫不夸张地说,机器将能够在未来几年对机器进行编程,这将为数据中心带来前所未有的效率提升。关于失业和道德的问题仍将是人工智能公司的一个特征,但越来越明显的是,人工智能将继续通过个性化方式来改善产品和客户体验,创造新的产品和工作类别,并推动社会关键领域的进步,例如网络安全和公共安全。

现在,真正的问题是,谁将引领人工智能发展?

市场现状

普遍的说法是,未来几年人工智能的发展轨迹将由各行各业的企业共同塑造。实际上,很明显,大型云服务供应商(CSP)作为行业的创新者,将继续推动行业发展,帮助其他企业定制和部署他们自己的人工智能产品和服务。

很少有公司有资格成为人工智能行业的领导者。CSP处于最佳位置,因为他们在大规模使用AI方面具有显着的领先优势。自然语言处理(例如亚马逊Alexa)、图像识别和处理(Facebook和Google)、推荐系统(谷歌搜索、阿里巴巴电子商务)、自动驾驶中的视觉处理(Alphabet的Waymo)和智能等应用程序都是如此。

CSP的云服务和数字服务使他们能够访问AI模型所需的大量数据。AI模型的规模和复杂性呈指数级增长,需要有能力构建和操作定制的AI从业者。CSP,可以为人工智能公司提供个性化服务。

CSP拥有最大的AI服务器机群,他们在AI计算架构上的支出正在加速增长。根据贝恩对这些公司的采访,目前超过15%的CSP专注于人工智能计算工作负载。预计到2025年,这一比例将上升到30%以上。届时,前四大AI工作负载—视觉、自然语言处理、推荐引擎和智能搜索—将占CSP的AI服务器机群的70%左右。(见图1)。

CSP还开发了一些非常复杂的商业AI模型。深度学习模型的复杂性,每3到4个月就会增加一倍以上(见图2)。其中最大的是谷歌于1月推出的1.6万亿参数Switch Transformer模型,以及OpenAI于今年5月进行商业化的1750亿参数GPT-3模型。

CSP创建并推进了领先的AI开发人员框架,这些框架是打包的数学库 ********* ,用于支持开发人员训练和推理复杂的AI神经网络模型。绝大多数AI算法运行在TensorFlow(谷歌)、PyTorch(Facebook)和PaddlePaddle(百度)上,全球数百万AI开发者在很大程度上依赖于CSP奠定的这一基础。

此外,CSP是人工智能服务的最多产开发商之一。从2020年9月到2021年6月,亚马逊网络服务、微软Azure、谷歌云平台和阿里云将其人工智能平台产品扩展了约30%(见图3)。他们不仅在核心AI模型和服务方面取得了显著进步,而且在更复杂的文本到语音功能和图像分析方面也取得了显著进步。CSP还引入了工具来简化完整的AI工作流程,从数据摄取到模型部署和维护。例如,AWS扩展了其SageMaker服务,以简化AI开发生命周期的各个阶段。

最后,大部分AI人才都集中在CSP中。美国排名前五位的公司(亚马逊、微软、Alphabet、Facebook和IBM),其人工智能员工人数超过了剩下的45家公司的员工人数总和。

所有这些都表明CSP可能仍然是将AI功能转化为产品并广泛使用的主要公司。随着AI民主化进程的加速,越来越少的公司会建立自己的AI堆栈,因为所需的时间和金钱往往不值得。

企业将能够使用第三方工具(通常来自CSP)构建差异化的AI产品和服务,从而使他们能够专注于通过特定领域的专业知识来增加价值。例如,Intuit工程师正在使用AWS SageMaker的AI模型设计和训练工具来帮助将AI整合到公司的财务软件产品中。这将Intuit的典型AI开发时间从六个月缩短到不到一周,并且在2020年,该公司将其生产的AI模型数量增加了50%,达到数百个。最重要的是,它通过更好的自助软件工具和收据处理帮助Intuit节省了客户的时间,并通过改进还款程序,预测使公司能够承保更多贷款。

把握机遇

那么,这一切对技术提供商意味着什么呢?

对于CSP而言,首要任务是通过继续构建数据集,并最大化人工智能在核心业务中的价值,从而保持领先地位。它们可以输入云平台以产生新的洞察力,进而帮助企业改进AI产品。

但CSP在追求新行业和产品的同时,应该明智地平衡近期的投资回报和长期的产品差异化。在不同行业取得成功,通常需要丰富的领域专业知识和高技术性能。在许多情况下,与系统集成商和第三方建立合作伙伴关系将大有帮助。

行业领先的CSP还认识到,继续努力建立可信赖的关系和数据政策、引导公众对人工智能的理解和监管,以及开发先进技术以减少人工智能产品中的偏见非常重要。领导者明白,这些努力不仅可以为公司本身带来回报,而且可以为整个人工智能领域带来回报。

与此同时,即使一些科技公司不是原始人工智能创新的领导者,他们仍然可以找到创新的方法来应用其他人的人工智能工具来服务自己的客户。它们具有人工智能时代的一些制胜特征,因为这些企业(包括企业软件公司、系统集成商和服务于制造、零售、医疗保健和其他特定行业的技术公司)拥有许多客户接触点和经常使用非结构化数据。

这一领域的新兴领导者正在考虑加快步伐。虽然聘请数据科学家和首席数字官并没有什么坏处,但这并不能抹灭人工智能将公司产品进行转化的价值。领导者将制定以客户为导向的路线图,优先考虑他们期望的AI用途,并利用用户反馈循环来加快产品设计周期、改进产品并提高客户成功率。

至于人工智能计算的推动者—半导体开发商和制造商,很明显,人工智能将成为决定性的计算工作负载,在云计算和移动时代辅助他们成功。AI工作负载的爆炸式增长以及该领域的创新和民主化动态,导致许多人宣布通用处理器(例如CPU)已经“消亡”。但GP处理器实际上有着光明的未来,有针对性的调整,可能会更适合处理AI和其他关键工作负载要求。

最后,许多技术硬件供应商已经开始发展其业务模式,从硬件转向软件,再到超融合、集成的“交付即服务”。人工智能的普及,加速了这一过程。

细分市场的公司正在考虑将其传统硬件产品转变为为融合硬件提供CSP的AI软件堆栈的工具,结合技术硬件供应商的企业专业知识和客户范围。许多企业客户拥有其行业AI使用所需的数据科学和应用工程技能,但他们在交付服务质量、服务器群管理和系统级技术运营方面的能力并不强。与此同时,尤其是在美国的CSP,大多远离成为这些企业的完整AI交付工具,因为他们不想处理所有操作繁重的安装、改造、系统集成和维护。

尽管如此,这些供应商仍有机会通过支持AI的远程监控和自适应改进功能来增强其现有的硬件产品,因此他们可以在帮助客户充分利用其产品方面发挥更加积极的作用。

最后,人工智能的“战场”即将拉开帷幕。但每个公司都有一条可行的成功之路,原始领导者可以从多方位构建产品和服务,新兴领导者在公司优势的引导下,也可以迅速行动,以在这个新时代站稳脚跟。