AI对谈 | 大模型“上车”,终局是什么?

简介: AI对谈 | 大模型“上车”,终局是什么?




今年一月,中国一汽基于通义千问140亿参数模型打造了GPT-BI,将大模型应用在企业决策中,这也是汽车行业的首个大模型应用。大模型“上车”的终局是什么?大模型将如何重塑制造业?


带着这些问题,阿里云副总裁、中国信息化百人会执委安筱鹏,与中国一汽红旗品牌运营委员会副总裁、体系数字化部总经理门欣,阿里云副总裁、汽车能源&交通物流行业总经理李强展开了一场思想碰撞。



(时间轴)

Timeline

03:01

大模型对汽车行业的价值是什么?

05:03

基于AI大模型重新定义工业4.0

09:00

一汽为什么首先推动GBT-BI?

12:14

数字化为AI大模型应用奠定了基础

19:04

大模型在汽车上还有哪些应用场景?

21:50

智能化时代,中国汽车在全球的竞争力是什么?


402a3429ad4afa6a4efad1f80aa657a8.jpg

门欣前两天我在内部提出了一个这样的话题,我们要重新定义工业4.0。


工业4.0主要是基于智能制造,当时最清晰的框架大家都熟悉,像黑灯工厂、柔性线。为什么工业4.0到现在没有坚持下来?可能是当时整个技术的完整性和可行性遇到了瓶颈。


但是,这轮AI的风潮将重塑整个制造体系。这个基础的框架模式已经延续将近百年了,以当年的电气化为基础形成现在整个的产业模式。中间虽然说有一些变革,但是我认为都是小的迭代,修修补补,没有发生根本性变革。


一汽业务孪生之后生成了大量的数据,它能够在赛博世界里去描述、去迭代,去解决真实世界的问题。这个时候依据算力的大模型和小模型出现了,我们很多事情跟原先干法不一样了。


从整车的设计、生产,到制造,甚至到销售的过程中,基于那个时候有限的信息和顺序型的传递方式,都会发生根本性变化。基于数据形成强烈的串行、并发、大协同,甚至上下游产业链、供应商到经销商,甚至跟用户to c端的点对点的沟通方式都会发生根本性变化。


我觉得大模型这一轮,对制造业、对工业的影响,就是要重新定义这个4.0基础框架。


安筱鹏:如果讲大模型对制造业、对实体经济的改造,它有两个非常重要的切入点或者途径,第一个是它会改变或者重塑整个的软件体系,传统的软件体系会因为它做重组。第二个是未来的智能终端,无论是我们的手机、电脑、汽车、摄像头等各种设备,这些设备未来会被大模型所驱动,一个是硬的,一个是软的,带来整个流程的变革,这是关于这一部分。


门欣:2022年的年底,当时我就想,这个东西可以给我们带来什么?我在脑子里梳理了每一条业务流。当时,我提出了三个关键里程碑。首先,BI(商业智能)系统需要使用GPT技术进行开发,其基础架构要求利用自然语言处理技术来解析所有数据表,特别是需要学习宽表属性。其次,我负责建立所有BI逻辑,意味着我需要管理和学习这整个体系中各项指标的逻辑体系。通过这种方式,我们能够自主地堆砌和组合数据,按照语义模型来识别用户需求,为我们指明了一条发展方向。


当时一汽经过两三年的数字化转型,数据治理已经初步有成效,数据很清洁、很安全,所以它能够有效的给模型提供正向的矢量的标注,所以才会有。为什么选它呢?前面是第一,第二它能有效的说服高层。


第二个里程碑,我们当时提出来,因为一汽现在整个应用系统开发都自研的,我提出一半的代码得让GPT写,这个也蛮有挑战的,现在慢慢的也开始落地了。第三个我们要让大模型自动开发车这个我们在路上,我觉得有很大可能是能实现的。


安筱鹏:事实上,在这么一个大的央企里边,能够快速的去部署一些项目,而且取得效果,它是有基础和条件的。过去的两三年数字化的基础,为今天AI大模型的应用奠定了非常好的基础。


门欣:没有数字化转型的成功,大模型应用一定会遇到重重障碍。


安筱鹏:我们视野再拓宽一些,整个汽车行业未来大模型可能会应用到哪些场景?


李强:整个行业一汽我们走的还是最快的,我们把一汽很多已经拿到的成果会到其他的行业里面跟客户去分享,包括我们在建的。比如说代码,像我们通义家族的通义灵码,通义的平台上面有很多非常繁荣的应用,当然一汽后面也会有一汽的模型出现,甚至也会放在大的平台上面,甚至被其他的车型去使用。


我们看到整个繁荣的生态,包括在法律合同文本的校验,包括在招聘,对简历的选择评选,甚至我们在一些大型的企业里面,能够把很复杂的档案分解出来。我们会发现对整个企业的应用还是非常广泛。我们在车端,这个是我和门总希望尽快去做尝试,很多的车企也在跟我们交流。


作为一个汽车产业,还要回答如何造好车,如何把车卖好,这个是最本质的问题。当消费者能够对这个车的感情和应用,我离不开了,其实我们正常的车的粘性实际上并没有那么高,大家还是一个代步工具,可能只有10%的利用率。未来如果我们有更多的场景,能够联合客户,更愿意在车端做一些交互,这是一个方面。


再往远看,未来我们认为大模型会帮助很多汽车企业变成机器人公司,变形金刚它就是车,变了形以后就变成一个Robot。


门欣:汽车制造业源自德国,后来在美国发扬光大,后来被引进中国,我们一直是跟随者,从来没想过构建新的技术体系框架。这也是我们作为一个资深的从业者一直都着急紧迫,夜不能寐的一个问题。


随着智能网联、新能源,包括自动驾驶这波浪潮来,大家可能都感受到了,以欧洲、美国为代表的传统汽车人,他很紧张。凡是着急的开始掀桌子的,都是内心的虚弱,他已经发现已经没有能力应对未来整个汽车行业。中国参与到未来方向的时候,以中国人的勤劳、勤奋,孜孜不倦追求的精神,我觉得整个汽车行业会发生天翻地覆的变化。


大模型真正会带来一个什么样的影响呢?我一直有个想法,我们将来基于算力,基于我们的IOT技术,和基于大模型,我们城市的形态,车路云协同交通的形态,人们生活的根本性形态都会发生变迁。


安筱鹏:大模型时代都在讲什么是竞争力,想象力可能是一个最核心的竞争力,不要被固有的思维方式理念所束缚。


李强:我们今天讨论了很多大模型,我们现在在服务汽车行业那么多客户,我们看到除了智能化以外,还看到全球化非常紧迫的趋势,包括我们很多大型的央国企业,包括一些民营企业、新能源汽车,这些品牌都在出海。


从阿里云的角度,想象我们能为这些车企在全球去布局能做哪些服务。有一些车企原来国外全球云计算的基础设施上,包括它的车联网,包括IT的办公使用,现在他们也在逐渐的在使用阿里云基础设施。


从去年下半年到今年上半年,过去这一年,当我们的出口已经超过日本成为第一名,当我们全国的乘用车已经到3000万辆,已经是毋庸置疑的产销老大了,全球化已经是不可逆的。


阿里云在全球几十个国家,有89个这样大型的数据中心,特别在整个东南亚的出海,还有红旗001汽车去欧洲也是选择了阿里云。我们在欧洲最早阿里云也是去到了法兰克福,2015年、2016年我们就在法兰克福,我们在当地的基础设施,不仅仅只有一个孤零零的数据中心,我们是有几个数据中心,进行对车企的车联网,还有其他所有的高可用、高一致的需求来提供服务。当然,我们在中东、在迪拜,在很多的区域,都有我们大型的数据中心和基础设施。我们帮助了很多车企在全球化,提供了一些底层基础的能力,更像一个高速公路一样,我们帮他能够四通八达,能够走出去。


所以,我们在各个国家也建设了,不仅仅是有CPU通用计算能力,还有GPU在一些不同的国家,我们有相应的算力,帮助车企走出去的时候,不仅仅是一台车,我们还有智能网联的能力,还有自动驾驶的能力,或者叫高级辅助驾驶的能力。


安筱鹏:大模型大家都在研究、在探讨应用的可能,它到底离我们的制造业有多远?实际上刚才大家已经给出了一个非常清晰的答案。如果我们再展望一下未来,整个制造业跟大模型融合还带来什么价值?


门欣:国家一直在推“1+N+M”“1+X+Y”,我们原先为啥会形成这样的业态?是因为我们每个企业有独立的数据中心,有分布的服务器,然后我们上了一个ERP,我们自己面对市场,我们想办法去用竞标,想办法用什么样的方式获得便宜的原材料,然后自己建营销渠道,再竞争,再去分销自己的产品,是这样的商务模式。


这个商务模式以自由经济为主体的,是ok的。但是,我们云原生架构带来的是什么?这个系统不分布独立部署了,你要有以数据中台、业务中台为基础,因为它带来巨大的便利性和效率提升。把我们整个社会、把整个产业云原生化,你想想会是什么样的。如果基于海量的数据,我们把这些模型嵌进去,我们这个国家就腾飞了。


李强:云原生如果把全国所有的,我们叫服务器资源,一个个小烟囱,一个一个小池塘,能够连接成大江大海,能够在云原生的基础之上把我们的数据在合规的前提下串起来,给它有序化或者叫ready,再嵌入我们大模型的能力,对社会也好,对于企业也好,甚至对国家也好,一定会发生非常大的作用。


安筱鹏:刚才受到两位的启发,我临时想起了一个之前讲过的观点,这叫做数字化的终局是什么?有人说条条道路通罗马,但有人出生的时候就在罗马,出生在罗马的这些他是什么样子,什么样的业态?刚才门总讲了一个非常关键的,叫云原生。这么一个大的传统企业,这么积极的拥抱,也不多。


李强:有些是想拥抱,还没找到路。


安筱鹏:回到刚才那个问题,数字化的终局是什么呢?就是要成为一个叫数字原生或者基于云原生平台的一个数字原生的企业,要重新构建自己的基础设施、业态组织、战略能力,是把自己进化出另外一个不同的自己,这才是最终能够在这个市场上竞争力不断增强,立于不败之地必然的一个选择。



/ END /

目录
相关文章
|
23天前
|
人工智能 并行计算 安全
从零到一,打造专属AI王国!大模型私有化部署全攻略,手把手教你搭建、优化与安全设置
【10月更文挑战第24天】本文详细介绍从零开始的大模型私有化部署流程,涵盖需求分析、环境搭建、模型准备、模型部署、性能优化和安全设置六个关键步骤,并提供相应的示例代码,确保企业能够高效、安全地将大型AI模型部署在本地或私有云上。
198 7
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
9天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
44 3
|
19天前
|
人工智能 JSON API
阿里云文档智能 & RAG解决方案:提升AI大模型业务理解与应用
阿里云推出的文档智能 & RAG解决方案,旨在通过先进的文档解析技术和检索增强生成(RAG)方法,显著提升人工智能大模型在业务场景中的应用效果。该方案通过文档智能(Document Mind)技术将非结构化文档内容转换为结构化数据,提取文档的层级树、样式和版面信息,并输出为Markdown和Json格式,为RAG提供语义分块策略。这一过程不仅解决了文档内容解析错误和切块丢失语义信息的问题,还优化了输出LLM友好的Markdown信息。方案的优势在于其多格式支持能力,能够处理包括Office文档、PDF、Html、图片在内的主流文件类型,返回文档的样式、版面信息和层级树结构。
83 2
|
12天前
|
人工智能 弹性计算 Serverless
触手可及,函数计算玩转 AI 大模型 | 简单几步,轻松实现AI绘图
本文介绍了零售业中“人—货—场”三要素的变化,指出传统营销方式已难以吸引消费者。现代消费者更注重个性化体验,因此需要提供超出预期的内容。文章还介绍了阿里云基于函数计算的AI大模型,特别是Stable Diffusion WebUI,帮助非专业人士轻松制作高质量的促销海报。通过详细的部署步骤和实践经验,展示了该方案在实际生产环境中的应用价值。
43 6
触手可及,函数计算玩转 AI 大模型 | 简单几步,轻松实现AI绘图
|
23天前
|
存储 人工智能 数据可视化
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率
在数字化时代,企业面临海量客户对话数据处理的挑战。阿里云推出的“AI大模型助力客户对话分析”解决方案,通过先进的AI技术和智能化分析,帮助企业精准识别客户意图、发现服务质量问题,并生成详尽的分析报告和可视化数据。该方案采用按需付费模式,有效降低企业运营成本,提升客服质量和销售转化率。
高效率,低成本!且看阿里云AI大模型如何帮助企业提升客服质量和销售转化率
|
8天前
|
人工智能 新制造 芯片
2024年中国AI大模型产业发展报告解读
2024年,中国AI大模型产业迎来蓬勃发展,成为科技和经济增长的新引擎。本文解读《2024年中国AI大模型产业发展报告》,探讨产业发展背景、现状、挑战与未来趋势。技术进步显著,应用广泛,但算力瓶颈、资源消耗和训练数据不足仍是主要挑战。未来,云侧与端侧模型分化、通用与专用模型并存、大模型开源和芯片技术升级将是主要发展方向。
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。
|
16天前
|
人工智能 JSON 自然语言处理
基于文档智能&RAG搭建更懂业务的AI大模型
本文介绍了一种结合文档智能和检索增强生成(RAG)技术,构建强大LLM知识库的方法。通过清洗文档内容、向量化处理和特定Prompt,提供足够的上下文信息,实现对企业级文档的智能问答。文档智能(Document Mind)能够高效解析多种文档格式,确保语义的连贯性和准确性。整个部署过程简单快捷,适合处理复杂的企业文档,提升信息提取和利用效率。
|
13天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
65 4

热门文章

最新文章

下一篇
无影云桌面