从训练到推理，AI 大模型发展有哪五大趋势？IDC专家解读

电子发烧友原创 章鹰
 
2024年两会召开后，两会报告把加快发展新质生产力列为十大任务举措之首。新质生产力的核心是用新技术促进产业高端化、智能化和绿色化。ICT产业是发展新质生产力的核心支撑要求，ICT产业正在进入AI无处不在的大转型阶段。
 
纵观全球，2024年中国GDP增长预期5%，全球平均增长率达到2.6%，美国预期增长2%，印度最为乐观预期今年的GDP增长达到6.2%。从科教兴国的战略看，新质生产力主要涉及的是数字中国的底层基础技术，AI 无处不在，从2022年，ChateGPT3.5发布以来，全球掀起了生成式AI 的热潮。到了2024年，大家都在考虑生成式AI到底给企业带来了哪些价值。
 
IDC最新的调研显示，28%的受访者表示在过去投资了生成是AI不到一年时间就看到了投资回报，每投资1美元，平均可以获得3.5倍的投资回报，投资回报率最高的用例是自动化IT任务，达到46.5%，也有高达27.1%受访者选择产品与服务创新。AI大模型在使用当中，实际应用开发过程中，开源大模型和商业化模型同时并存，开发者更加倾向于使用开源模型。而且IDC调研显示，数据仓库作为生成式AI 的数据平台发挥着主导作用。
 
生成式AI支出在全球和中国有什么差异？2024年AI大模型将呈现哪些新的发展趋势？全球AI基础设施市场规模预测？4月6日，来自IDC中国区副总裁兼首席分析师武连峰和IDC中国区副总裁钟振山做了最新解读。
 
生成式AI在全球和中国高速增长
 
IDC中国区副总裁兼首席分析师武连峰表示，IDC预测，2024年全球生成式AI支出将会达到387.9亿美元，占整体AI比例为16.7%，未来到2027年，生成式AI的全球支持将达到1454.2亿美元，年复合增长率会达到55.3%。2024年，中国生成式AI支出将达到35.3亿美元，占整体AI比例达到16%，未来到2027年中国生成式AI支出预测将达到129.3亿美元。

武连峰指出，整体ICT市场从以增量市场为主转向以存量市场为主，存量市场是小幅度增长的特征，其中企业移动软件、IoT连接、可穿戴设备、移动数据服务增长率在10%以下，增量市场主要包括AI平台、机器人相关的OT服务、AI相关的商业服务等，增长率达到18%到40%之间。
 
AI大模型未来发展的五大趋势
 
IDC中国区副总裁钟振山表示，2024年AI大模型发展呈现五大趋势。一、中国基础大模型数量趋于收敛，2024年将卷向产业。去年发布的国内大通用大模型发布达到百款，今年我们调研发现更多面向行业或者场景的大模型出现，关注大模型在行业或者企业应用场景的落地，比如网易有道的子曰、好未来的MathGPT、孩子王的KidsGPT面向教育行业，蚂蚁集团推出贞仪、百灵面向金融，还有中科闻歌的雅意大模型面向媒体行业，京东的言犀ChatJD模型面向商业应用场景，加速AI大模型在行业场景的落地。

AI大模型趋势二、开源和闭源共存，共同促进大模型应用生态走向繁荣。钟振山表示，更多企业选择开源的AI大模型来构建自身的应用，现有的开源模型参数大多数是十亿到千亿之间，基于MoE架构的稀疏大模型参数可以达到万亿参数，微调和多种计算资源并行技术变得十分重要。他强调，AI 进入一个变革期，大家关注三个方向：第一、如何快速部署和开发模型；第二、大模型的压缩量化蒸馏；第三、如何搭建一套有效的开源生态，以及不同CPU、GPU和XPU的分配。
 
AI大模型趋势三、大模型向端侧转移，AI推理引起广泛关注。苹果计划推出更智能的Siri, 为端侧大模型生态做积极准备，国内手机厂商华为、小米、Vivo、OPPO和荣耀都推出了手机端大模型，华为手机适配盘古大模型，小米推出MiLM大模型，Vivo适配蓝心大模型，OPPO和荣耀分别推出了安第斯大模型和魔方大模型。AI推理将在手机、PC、耳机、音箱、XR、汽车，以及其他可穿戴新型终端上运行。
 
钟振山分析说，端侧大模型带来三大优势：1、本地数据处理效率更高，节省云端服务器带宽和算力成本；2、对用户数据可以形成更好的隐私保护；3、端侧大模型可以带来更多交互方式和新体验。
 
AI大模型趋势四、多模态发展可能会促进市场出现杀手级应用。现在生成式AI 主要在文本、视频、图像、音频领域应用。GPT是基于自然语言技术，对话聊天机器人已经普遍出现，现场他也介绍一家公司通过训练AI垂类模型，初步实现文字生成剧本+漫画+动态视频。
 
AI大模型趋势五、新一代AI基础设施可能成为下一个战场。新架构主要指灵活调配CPU和GPU资源，边缘计算将云服务扩展到远程，私有云解决数据和运营的合规性问题，高性能主要针对高性能计算和人工智能优化的计算和存储服务，多云集成促进管理和安全的工具，深化合作伙伴关系，主要与行业用户、基础设施提供商和ISV搭建桥梁。

钟振山指出，AI主要用于训练和推理，从训练看，还是云上和本地部署为主的投资方式，推理市场主要是云上算力为主，但是本地、边缘层面都有大量推理算力的需求。推理市场需要一种面向AI工作负载的混合架构模式。
 
未来随着生成式AI和大模型在企业内部落地之后，在推理方面的需求会大于训练的需求。面向AI的基础架构，包括高性能处理器、下一代存储、超融合系统、高性能AI网络，甚至精密计算、数据中心技术，未来的量子计算都可能成为AI基础架构市场的基石。IDC预测，到2027年，用于边缘推理的AI服务器价值将超过用于本地推理的服务器价值。