世界微头条丨AI投资：海外巨头布局，国内有望迎来加速

人工智能主要利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统。AI的核心技术主要包含：深度学习（DL）、计算机视觉（CV）、自然语言处理（NLP）和数据挖掘（DM）等，AI目前主要的应用场景包括：医疗、无人机、自然语言处理和计算机视觉与图像处理等。

ChatGPT：确立LLM模型的大参数和深度学习两大属性

ChatGPT的出现确立了大语言模型两个必备元素：大参数+深度学习（Large&Deep）。

(资料图)

ChatGPT是基于自然语言处理（NLP）下的AI大模型，产品能够通过大算力、大规模训练数据突破AI瓶颈，通过理解和学习人类的语言来进行对话，并引入新技术RLHF (Reinforcement Learning with Human Feedback，即基于人类反馈的强化学习)进一步提升了人工智能模型的产出和人类的常识、认知、需求、价值观保持一致。

一般认为模型的思维推理能力与模型参数大小有正相关趋势，一般是突破一个临界规模（大概62B，B代表10亿），模型才能通过思维链提示的训练获得相应的能力。如果在6B以下，那很可能还只是GPT-2级别的初级模型。

AI模型作为高性能计算业务，强调低时延高速率，通常由IB网络承载。数据中心内部有三类典型的业务：通用计算（一般业务）、高性能计算（HPC）业务和存储业务。

每类业务对于网络有不同的诉求，比如：HPC业务的多节点进程间通信，对于时延要求非常高；而存储业务对可靠性诉求非常高，要求网络0丢包；通用计算业务规模大，扩展性强，要求网络低成本、易扩展。由于上述业务对网络的要求不同，数据中心内部一般会部署三张不同的网络：由IB（InfiniBand）网络来承载HPC业务，由FC（Fiber Channel）网络来承载存储网络，由以太网来承载通用计算业务。

以太网是一种广泛使用的网络协议，但其传输速率和延迟无法满足大型模型训练的需求。相比之下，端到端IB（InfiniBand）网络是一种高性能计算网络，能够提供高达 400 Gbps 的传输速率和微秒级别的延迟，远高于以太网的性能。这使得IB网络成为大型模型训练的首选网络技术。

Infiniband网络（IB网络）：是指通过一套中心 Infiniband 交换机在存储、网络以及服务器等设备之间建立一个单一的连接链路，通过中心 Infiniband 交换机来控制流量，能够降低硬件设备间数据流量拥塞，有效解决传统 I/O结构的通信传输瓶颈，还能与远程存储设备和网络设备相连接。

端到端IB网络还支持数据冗余和纠错机制，能够保证数据传输的可靠性。在处理大模型中较多的数据时，数据传输错误或数据丢失可能会导致训练过程中断甚至失败，因此保证传输的可靠性尤为重要，而IB网路有效实现了保证。

AI大模型驱动高速率光模块需求释放

AI模型高并行计算+低时延，驱动网络部署速率门槛快速提升。AI大语言模型下，存储和计算部分发生了较多变化，存储介质从机械硬盘（HDD）演进到闪存盘（SSD），来满足存储介质时延降低了不止100倍数；高效计算部分，已经普遍采用GPU或者专用ASIC芯片，处理数据能力提升百倍。

AI投资：海外巨头布局

ChatGPT&AI等应用推出衍生出大模型算力的需求：全球OpenAI推出的最新ChatGPT模型参数已经超过1750亿个。在美国，OpenAI、谷歌、微软、脸书等机构形成了GPT-3、SwitchTransformer、MT-NLG等千亿或万亿参数量的大模型。

微软：早在2019年，微软就对OpenAI进行了高达10亿美元的投资，并获得了GPT的独家授权，而与此同时，OpenAI同意从“谷歌云”转向“微软云”。2021年，微软再次进行投资，推出OpenAI与自有产品深度集成的新工具。而后在今年1月23日微软又宣布向OpenAI追加数十亿美元的投资，且于2月2日宣布旗下所有产品将全线整合ChatGPT，包括且不限于Bing搜索引擎、包含Word、PPT、Excel的Office全家桶、Azure云服务、Teams聊天程序等。

谷歌：尽管被微软后来居上，但是谷歌早在2013年就开始研究AI聊天机器人，于2016年出资6亿美元收购了英国人工智能公司DeepMind。2017年时谷歌已实现了重大的技术突破，推出了神经网络系统Transformer，并研发出了一款名叫Meena的聊天机器人，于2021年更名为LaMDA推出，但由于舆论争议谷歌取消了原本的发布安排。但是由于最近微软的步步紧逼，谷歌开始向AI方向倾斜，今年二月谷歌向ChatGPT的竞品公司Anthropic投资3亿美元，并计划于今年发布Sparrow内测版等一系列AI产品。

AI投资：国内有望迎来加速

国内企业积极陆续布局AI等应用场景投资，后续有望持续加大。在中国，浪潮、中科院、阿里达摩院等陆续推出源1.0、紫东太初、M6等。其中，浪潮“源1.0”巨量模型，参数量和数据集分别达到2457亿和50000GB，相比于美国GPT-3，源1.0参数集规模高40%，训练数据集规模领先近10倍。

百度：2月7日晚，百度在官微宣布即将推出大模型新项目“文心一言”（ERNIE Bot），并透露首站将直接接入百度搜索。目前百度可能是国内最有实力推出类ChatGPT产品的科技公司。

阿里：2023年1月，阿里巴巴达摩院发布2023年十大科技趋势，其中多模态预训练大模型、生成式AI在列，阿里版聊天机器人ChatGPT正在研发中，目前处于内测阶段。在AI、大模型等ChatGPT所需的底层技术上，达摩院此前曾先后推出超越谷歌、微软的10万亿规模的M6大模型、AI模型开源社区“魔搭”等。

腾讯：2022年4月21日，腾讯对外正式对外披露“混元”AI大模型，该模型包含但不限于：计算机视觉、自然语言处理、多模态内容理解、文案生成、文生视频等多个方向的超大规模AI智能模型。去年12月，腾讯又推出了国内首个低成本、可落地的NLP万亿大模型，并公布了大模型的训练方法——最快用256张卡，1天内就能训练完成，成本直接降至原来的1/8。今年2月9日，腾讯表示目前在ChatGPT相关方向上已有布局，专项研究也在有序推进。

京东：2月10日，京东正式宣布，京东云旗下言犀人工智能应用平台将整合过往产业实践和技术积累，推出产业版ChatGPT：ChatJD，并公布ChatJD的落地应用路线图“125”计划。ChatJD将以“125”计划作为落地应用路线图，包含一个平台、两个领域、五个应用。

标签：