• [提问GPT] GNU GPLv3 详细介绍

    • GNU通用公共许可证第三版(GNU General Public License Version 3,简称GNU GPLv3)是由自由软件基金会(Free Software Foundation, FSF)发布的一份自由软件许可证。它是GPLv2的后继版本,于2007年6月29日发布。GPL许可证允许软件被自由复制、分发和修改,同时要求所有修改过的和扩展的版本同样在GPL许可下发布,以确保软件的自由性质得以保持。GPLv3相对于其前一版本引入了几个重要的变更和更新,以应对当代的技术和法律挑战。

      主要变更和特点

      • 对专利的保护​:GPLv3增强了对用户针对专利诉讼的保护。如果一个贡献者拥有软件中使用的专利,那么他们不能对使用该软件的人提起专利诉讼。此外,如果任何用户因为使用GPLv3许可的软件而受到专利诉讼威胁,该许可证保证他们可以继续使用该软件而不受干扰。
      • 对“反规避”条款的明确​:GPLv3明确了,如果软件被设计成执行数字版权管理(DRM)或其他形式的技术保护措施,那么使用GPLv3许可的软件不能被用来加强这些措施。这是对自由软件原则的一种保护,确保GPL许可的软件不会被用来限制用户的自由。
      • 兼容性​:GPLv3试图与其他自由软件和开源许可证更好地兼容。例如,它明确允许在特定条件下与Apache许可证2.0合并代码。
      • 终端用户许可协议(EULA)的限制​:GPLv3明确禁止将软件在用户不同意的情况下自动许可给他们,这通常涉及到EULA的使用。这意味着GPLv3许可的软件不能强加未经用户同意的许可条款。
      • 对“安装后禁用”功能的限制​:GPLv3限制了软件作者使用“安装后禁用”功能,这种功能可能会阻止修改版软件的正常运行。这是为了保护用户修改和运行GPL许可软件版本的权利。

      结论

      GNU GPLv3是一份为了促进和保护自由软件发展而设计的许可证,通过一系列详细条款应对现代技术和法律环境中的挑战。它旨在确保软件保持自由,同时提供对原作者的保护,并促进开源软件之间的合作。通过对专利、DRM、兼容性和用户自由的保护,GPLv3为软件自由提供了强有力的法律框架。

      基于GNU GPLv3的开源代码,可以二次开发商业应用吗?

      是的,基于GNU GPLv3的开源代码可以用于二次开发商业应用,但必须遵守GPLv3许可证的条款。这意味着如果你在商业应用中使用或修改了GPLv3许可的代码,那么该应用的分发必须也遵循GPLv3许可证。主要的要求和考虑因素包括:

      1. 源代码的可用性​:如果你分发了基于GPLv3代码修改或扩展后的应用,你必须提供应用的完整源代码或者提供获取源代码的有效方式给那些获得了二进制版本的用户。这意味着使用者能够获取、查看和修改源代码。
      2. 许可证的传递​:商业应用必须在GPLv3下发布。这意味着任何接收你软件的人都必须享有相同的自由,即修改和重新分发软件的权利。
      3. 版权、专利和商标​:虽然GPLv3允许商业应用,但它有明确条款保护版权和专利。如果你的应用包含专利技术,你不能阻止使用者行使GPLv3赋予他们的权利。此外,使用GPLv3许可证并不意味着可以使用原始代码所有者的商标。
      4. 不附加额外限制​:你不能引入任何限制,阻止未来接收者享有GPLv3提供的自由和权利。

      因此,虽然使用GPLv3许可的代码开发商业应用是允许的,但这种商业应用的发布和分发方式将受到许可证条款的严格约束。这意味着商业实体在决定使用GPLv3许可代码时,需要认真考虑是否愿意和能够遵守这些条款,特别是考虑到它对源代码公开和自由使用的要求。对于希望保留更多控制权或不希望开放源代码的商业项目,使用GPLv3许可的代码可能不是最佳选择。

      是否必须开源呢?

      是的,如果你在你的项目中使用或修改了基于GNU GPLv3许可的代码,并且你打算分发这个项目,那么你必须按照GPLv3的要求开源你的项目。这意味着以下几点:

      1. 开源代码​:你必须提供你项目的源代码,或者提供一个可以获取源代码的方法给那些获得了你项目二进制版本的人。这保证了接收者有权利查看、修改和重新分发源代码。
      2. 遵循GPLv3条款​:你的项目(包括所有基于GPLv3代码的修改和扩展)必须在GPLv3下分发。这确保了项目的所有接收者都将享有同样的自由,即自由地使用、修改和重新分发代码。
      3. 不添加额外限制​:在分发你的项目时,你不能添加任何限制来限制或撤销GPLv3赋予接收者的权利和自由。

      总之,如果你的项目包含或基于GPLv3许可的代码,并且你打算分发这个项目,那么按照GPLv3的条款,你必须开源你的项目。这是GPLv3许可证的核心要求之一,目的在于保证软件的自由和开放。如果你希望在不开源的情况下分发你的软件,那么使用GPLv3许可的代码可能不适合你的项目。

    • Feature & Future

    • 标题:《Feature & Future》

      副标题:师友之旅

      第一节:
      在夏威夷的热带风光中,我们的故事轻轻展开,
      老大哥的智慧如同灯塔,照亮前行的道路。
      2015年的夏日,命运的线索悄然相连,
      师也,友也,共谱未来的篇章。

      副歌:
      Feature与Future,设计与梦想交织的航线,
      在时间的海洋中,我们勇敢地航行。
      理论与实践的力量,引领我们穿越风浪,
      在人工智能的天空,绘制我们的梦想。

      第二节:
      洛杉矶的星光下,我们的话题更加深入,
      小弟的代码,如同魔法,将梦想一一实现。
      从公司的领导到创业的伙伴,转变角色不改初心,
      大哥的指引,小弟的执行,共同面对挑战。

      副歌:
      Feature与Future,设计与梦想交织的航线,
      在时间的海洋中,我们勇敢地航行。
      理论与实践的力量,引领我们穿越风浪,
      在人工智能的天空,绘制我们的梦想。

      桥段:
      九岁的年龄差,却成为我们智慧的桥梁,
      每一次的交流,都是成长的见证。
      从夏威夷到洛杉矶,从2015到2023,
      我们的友谊和梦想,随时间更加坚定。

      副歌:
      Feature与Future,设计与梦想交织的航线,
      在时间的海洋中,我们勇敢地航行。
      理论与实践的力量,引领我们穿越风浪,
      在人工智能的天空,绘制我们的梦想。

      尾声:
      在未来的十年里,让我们手牵手,
      在人工智能的领域,开创属于我们的天地。
      Feature与Future,不仅是梦想,更是承诺,
      在这旅程中,我们一起前行。

    • 亿欧专访天润融通CEO吴强:大模型争抢应用落地,颠覆者将获得最大收益

    • 从通用到行业,大模型正在以更多形态迅速深入到垂直场景的应用中。

      吴强博士

      但AI在行业的应用却并不是今天才开始的,很多垂直赛道的企业都已经在AI领域深耕多年,他们在大模型风起于微澜之时,就率先察觉应用机会,将大模型技术与场景结合,在实现应用创新的同时,为客户带来新的体验。

      前不久,专注全周期客户联络的天润融通正式发布了“微藤大语言模型平台2.0”。作为行业首家登陆香港联交所的上市企业,天润融通深耕客户联络16年,他们发现,专有知识的累积和有效应用,一直是困扰行业的难题。

      而AI大模型为解决这个问题提供了契机,微藤大语言模型平台将企业知识管理作为突破口,通过夯实企业知识底座,有效为营销、销售、服务等各流程提供智能化改造。

      当然,大模型在客户联络的应用只是一个场景,这个场景之外,大模型的能力正在进入千行百业,推动产品创新和行业变革,而这些话题也仍然值得讨论。在这样的背景下,亿欧专访了天润融通(又称“天润云”)创始人兼CEO吴强,听听他在技术变革背景下、商业和企业经营等领域的思考。

      全文章节:

      一、技术突破的成本补偿和应用红利

      1、大模型是技术突破后的成本补偿还是应用红利?

      2、技术统一也意味着颠覆者获得最大收益

      二、造梦师:聆听和满足

      3、大模型,就是产业的发动机

      4、评价产品效果的唯一检验标准,就是用户体验

      5、天润融通不仅是提供一个智能客服平台

      三、破局者:生存和发展

      6、成功不仅需要能力,也需要运气

      7、公司的生存和发展已经进入“存量”时代

      技术突破的成本补偿与应用红利

      大模型是技术突破后的成本补偿还是应用红利?

      ​亿欧:​今年以来,各家纷纷推出大模型,企业也为大模型等AI技术连续投入了多年。那么现在这个阶段的大模型应用,到底是技术突破后的成本补偿因素更多一些,还是作为技术成熟之后的应用红利因素更多一些?换句话说,怎么判断市面上那么多大模型企业,哪些是技术成熟之后的自然落地,哪些是为了迎合商业热点而匆匆上马?

      ​吴强:​其实我们客户联络领域已经使用人工智能很多年。技术每一代都在更新,场景也有所差异,但探索一直在进行。

      这个领域内的岗位看似对技能要求不高,但其实很考验人的沟通和逻辑表达能力,这是一个非常依赖人的行业,所以如何减轻对人的依赖,是二十几年来大家一直探索的方向。大模型出来后,我们立刻就察觉到革命性技术和行业应用的碰撞,会让整个产业出现新的突破。

      ​首先是技术交叉,​几项技术交叉结合时更易产生突破,如共享经济依靠的移动互联网技术、支付技术、定位技术等交叉。比如安卓、iOS就赶上了3G技术、芯片制程工艺等技术的交叉。

      ​其次是标准统一。​之前标准不统一,导致算法和模型繁多,经验难以积累。现在大模型降低了语料需求,现在主流算都是基于Transformer进行架构,使行业可以集中反馈给少数几家主流系统,推动它的发展。就像软件产业支持安卓一样,开发者都反馈给安卓,它就强大。当然国内的大模型产业还没有达到安卓这种程度的统一。但大模型确实具有正确的发展逻辑,​无论技术还是商业,目前阶段存在问题是正常的,关键是走上正确轨道,剩下的就是快慢问题。​这就是我们看大模型的角度。

      我们也需要根据这个逻辑,去发展自己的技术和场景应用。我们目前推出了微藤大模型,专注于构建知识管理为核心的客户联络。

      亿欧:那我们能否进一步拓展它的应用领域?

      ​吴强:​理论上可以进一步拓展,因为算法基本是一致的。未来大模型的发展虽然基于统一的算法和模型,但专业语料之间是存在差异的,不同的语料库适用于不同的场景。所以,不同的应用领域还是存在门槛的,我们已经积累了大量的专业语料,并且还在持续增加,这就是我们的门槛。

      ​亿欧:​刚才您也提到技术交叉有利于突破,天润融通的算法、语料库更专注于人与人的沟通;假设另一家公司重点产品是做机械关节、机械臂,能做复杂动作但是不具备沟通能力;又有一家公司专注于做场景化机器人,比如酒店大堂的服务机器人,具备行走和基本的表情,但是不会进行复杂沟通。当多家公司各自拥有不同的优势技术时,是否有可能通过技术整合来创造一个真正的数字化客服员工?

      ​吴强:​不管是叫数字人还是机器人,这些技术确实有交叉的可能性,但那是长期意义上,现在很难说,我们还没看到任何技术能完全实现这一目标。对待未来的发展趋势,天润作为应用服务商,我们始终遵循先一步探索,稳一步观察,快一步落地的原则去稳步探索。

      技术统一也意味着颠覆者获得最大收益

      ​亿欧:​您认为技术统一对市场来说是一个好的开始吗?

      ​吴强:​技术统一通常意味着行业爆发。大家在这个产业中投入大量资金进行探索,当技术统一时,占据技术统治地位的公司就获得巨大的收益,这些公司将摘取行业的最大果实。最后赚钱的,一定是形成统一标准的企业。

      亿欧​:这种颠覆是否也意味着竞争的激烈?这个最大果实是不是意味着垄断地位或者行业话语权?

      ​吴强:​这个问题要分不同层面来看。基础的算力层,决定谁能取得领先和垄断地位。往上的大模型层,即使全球范围看,它可能也只需要几家。所以它必须争取主导地位,才能形成有竞争力的正向循环效应和自我增强能力。最上则是应用层,各企业争夺的是谁能率先完成本领域的智能化改造,谁就能在应用层市场上领先。

      大模型市场层级结构

      大模型市场层级结构

      ​亿欧:​基础大模型是否与搜索类似,存在某种垄断地位?

      ​吴强:​垄断地位越高的技术,能够收到的用户反馈也越多,自学习能力也随之增强,形成一个闭环。所以企业不管是为了进一步发展,还是为了生存,都需要努力获得主导地位。

      ​亿欧:​那在这些层次之间,哪个层次能决定另一个层次的命运?是越底层越起到决定作用吗?

      ​吴强:​​我认为这些层次之间是相互依赖的,没有谁能决定谁的生死。​可能在某种微观层面,某个层次能够影响另一个层次的命运,但大体上它们是一个生态系统。例如,算法依赖于芯片,芯片也依赖于算法。没有基础算法,芯片应用的成本会很高。如果算法没有很好的应用,它也得不到有效的反馈和市场认可。

      ​亿欧:​所以这个生态系统是非常复杂的。我们看到像百度、阿里、腾讯这样的大公司,不仅在算法和模型上有所作为,而且在硬件上也有所涉及。您认为这种现象是一种生态系统的自然演化吗?

      ​吴强:​生态系统它不是静态的,也是不断变迁的。而推动变迁的核心是老技术的进一步成熟、求变以及新技术的创新。

      当老技术成熟至无技术门槛时,它的集中效率就会下降,公司往往会选择进入其他领域,就像细胞的分裂一样,这种行为是由他们对成长的渴望驱动的。但这是一个长期的过程,并不是一蹴而就的。

      ​亿欧:​进化之后的新业务,或许会和主营业务没有实际关联。不过借助成熟的技术去布局新业务,也可能降低整体成本,反而提高企业的盈利能力。

      ​吴强:​我觉得大模型的发展与云计算类似,云计算出现至今已近20年。虽然底层技术变化不大,但其应用场景却持续变化。大模型后面的发展,基础算法和发展方向或许也会趋向稳定,但场景层面的应用创新将迎来井喷。

      有时某个领域已经发展到高峰,新的创新便会出现。就像互联网发展到现在已经差不多30年,当我们以为互联网或者AI技术进入瓶颈时,新的大模型应用就突然出现了。

      造梦师:聆听和满足

      大模型,就是产业的发动机

      ​亿欧:​关于大模型领域的应用创新,您看好哪些方面的机会?

      ​吴强:​就像发动机推动各种交通工具一样,大模型也是一种“发动机”。它可以应用于各种场景,如航海、铁路、航空等。大模型的应用依赖于所处的载体,装在轮船上就是大航海时代,装在火车上就是铁路时代,装在汽车上就是高速公路时代。

      ​亿欧:​这个比喻很到位。如果没有载体,即使再好的发动机也无法创造价值。大模型,就是产业的发动机。只是很多人夸大了大模型的技术能力,而忽视了大模型在产业实际场景中的应用。

      ​吴强:​大模型的商业模式与其他模式有所不同。它像一个原型发动机,需要与各种载体进行适配。

      ​亿欧:​所以,您认为微藤大模型在商业模式中的作用是什么?我们要适配什么?

      ​吴强:​我们的目标不是“制造飞机”,而是使用它,就像是一家航空公司,以合理的价格将乘客安全、便捷地送达目的地。我们也不研发大模型,而是将大模型作为一个工具。之前,因为技术标准不统一,我们不得不自己制造发动机来应对AI需求,这是一项巨大的挑战。现在,我们只需要调整这个“发动机”,使其适应我们的业务需求。

      ​亿欧:​这也是您刚才表达的一种技术统一,比如发动机的基本构型、设计都统一了,微调的只是细节。那么如何通过微调适配场景,场景对微调会怎么提要求?

      ​吴强:​我认为当前的大模型仍然像发展之初的云计算一样,还没有与客户的实际需求完全对接。可能还需要一到两年的探索时间。我们推出的产品中,有些客户非常喜欢,但也有些客户的反馈是中规中矩。这是一个双向的交流和反馈过程。

      ​亿欧:​所以,只有真正体验过飞机的人,才能提出真正有价值的建议。

      ​吴强:​确实如此。我们需要根据数据和直观的感受来决策。必须先进行一些尝试,然后收集反馈,进而进行优化。

      评价产品效果的唯一检验标准,就是用户体验

      ​亿欧:​现在大模型处于“百模大战”阶段,但是好像大模型企业自话自说的多,很少听到客户说哪个更好用,哪个怎么样。怎么评价这块的应用效果呢?怎么形成完整的产业闭环?

      ​吴强:​​评价产品效果的最终或者说唯一检验标准,就是用户体验。​用户体验闭环,用户愿意再购买,那才真正是闭环。

      例如当我们的产品在某特定地区落地时,就会面临当地方言的问题。如果从全国范围考虑,方言的影响可以被忽略,但专注某个地区,方言的识别率就会影响结果的准确性。而这个问题的解决,就有赖于产业链上众多企业的共同努力。

      ​亿欧:​形成产业闭环,一是用户体验,二是硬件和软件的适配,三是大家的共同努力?真正实现闭环的时候,也是用户体验最佳的时候,此时或许客户只考虑业务,并不关注背后的技术手段。

      ​吴强:​没错。形成产业闭环是一个长期过程。但是我们可以看到,大家都在努力往这个方向走。

      ​亿欧:​我们过去在服务一家教育企业客户时也遇到过方言问题。如果当时有适合的工具,我完全可以用人工智能来收集数据,生成解决方案或洞察报告。但当时AI工具不多,我们只能花费了一个月的时间电话调研了将近200名家长的意见。我们对相关工具的需求是很大的。就像您说的,要想去形成闭环,真的需要行业多家一起去寻找解决方案,给它做出来。

      ​吴强:​确实,客户的感知是双向的。设计者不能预见所有场景,​产品设计是一种对用户同理心的投射,我们也需要收集客户的反馈来完善产品。​产品的优劣取决于我们如何收集和解析这些反馈。我们应该带着产品原型与客户交流,持续收集他们的反馈并进行调整。

      天润融通不仅是一个AI驱动的客户联络云平台

      亿欧:客户联络,总的来说是服务于外部客户与内部客户,外部客户存在于营销、销售、服务场景中,也就是买家客户;内部客户是企业内部员工、上下游伙伴等,存在于ERP、CRM、SSC等场景。如何扩大我们在更多领域的覆盖和服务?或者说我们还需要加强什么?

      ​吴强:​这个问题其实我可以把它再理解一下。比如物流是一个独立的场景,但它与客户沟通有关联。不仅与产品质量有关,还与生产和发货等多个部门有关系。沟通环节,无论是售后为主的客服还是售前,都是公司的一个窗口,它反映了公司内部的两个核心状态:

      第一,流程协作的效率;第二,信息、知识的统一程度,就是公司不同部门的信息是不是拉齐了。

      第一点,以客户的投诉处理为例,涉及退换货、瑕疵判定、产品修复等多个部门的流程协作。

      客户的诉求一旦提出,应立刻传达至相关部门,确保各部门间的工作进展都是透明的。例如,备料部门需要知晓生产的情况,生产部门要了解备料状态,发货部门应当清楚生产的进度,而物流部门则需要知道何时可以提货。这种协作需要一个支撑平台,确保从采购到供应链、生产、物流,再到支付各部门之间的信息透明和共享。

      公司实际上需要一个有效的协作平台,使得各部门能够共同努力,确保流程的顺畅。这就是协作的真正含义。

      第二点,关于知识的统一状态。如果我们的客服遇到一个问题,首先需要了解这个问题是否在之前已经出现过。如果曾经出现过,那么在我们的知识平台上,是否有对这个问题的统一更新和答案?这样可以确保当同样的问题再次出现时,所有的客服人员都能给出一致的、最新的答复。

      ​亿欧:​重点是确保所有客户联络人员所掌握的知识是一致的。

      ​吴强:​正是如此。否则客户可能会因为收到不同的答复而感到困惑。最糟糕的情况是,当我们告诉客户一个答案,然后再更改答案,这就会导致客户的信任度降低。我们需要确保在处理问题时有一个统一的知识平台,并能够迅速地处理新出现的问题,将它们转化为已知的问题并进行更新。

      ​亿欧:​所以传统的客户联络系统一般是做通讯,但现在需要的是更高级的知识管理和流程管理?

      ​吴强:​没错。过去由于运营水平相对较低,我们可能仅依赖于电话、文本或内部消息进行沟通。但现在,随着业务规模的扩大,大规模协作更加困难,这个时候就要求我们向后延伸,延伸到知识平台,做统一知识平台和统一的流程协作平台。这些平台的核心是利用大模型来进行知识管理。

      统一的知识平台和流程协作平台,这是客户联络领域未来的发展趋势,也是大模型带来的核心变化。

      所以,我们的目标不仅仅是提供一个客户联络平台,而是要为整个公司建立一个透明、互动且高效的协同沟通体系。每一个人、每一个环节都是这个体系中的重要部分。

      ​亿欧:​所以这不仅仅是联络场景的问题,而是整个公司运营的问题。每个人都在这个体系里,每个人的作用都很重要。

      ​吴强:​是的,联络只是这个体系中的一个环节。但通过对联络的优化和升级,我们可以触发整个公司的变革,使得公司运营更为高效、协同和透明。

      ​亿欧:​也就是说,天润融通不仅仅提供智能联络的解决方案,而是为整个企业构建了一个全方位的、网状的沟通和协同体系。这个体系的核心思想是建立透明度和协作性,确保信息和知识在整个组织中流动无阻。“每一个人都是触点”意味着在这个体系中,每个人都是信息和知识流动的一个关键节点。他们之间的交互应该是无阻碍的,这意味着所有的操作和决策都是可以被追踪和理解的。如果这种交互存在断点,那么就可能意味着某些业务或管理上的问题。

      ​吴强:​我们不是只单一点的突破,更是需要构建完整的联络体系链条。

      从深层次来看,企业的核心是文化和人。好的文化和优秀的人才是最重要的。当有了这两点,其他的难题也能得到解决。在经营层面上,团队持续的学习能力是最关键的。组织应该是开放的,能够吸收来自不同行业的经验和知识。这样,组织可以不断进步。

      天润融通产品矩阵和业务场景

      天润融通产品矩阵和业务场景 图源:受访者提供

      破局者:生存和发展

      成功不仅需要能力,也需要运气

      ​亿欧:​您看重公司组织的进步,也认为公司发展到一定阶段或者技术达到一定成熟度,就会自然去拓展、延伸。那么您有信心再组建一个同样优秀的团队吗?

      ​吴强:​成功地组建一个企业不仅仅是能力,运气也是一个因素。有的时候,即便有一个伟大的团队,也还需要一个伟大的机遇。从我们客户联络领域来看,现在的天润融通与四年前相比,有了很大的变化,不仅在业务方面,技术和客户群也都有所不同。

      ​亿欧:​这样的变化是您预期中的吗?

      ​吴强:​我预见到了变化,但不一定是当前的这种变化。但对我来说,更享受的是过程而非结果,因为若只看重结果,很容易会感到挫败。

      ​亿欧:​那么,从天润融通创业之初到现在,您是如何引领其技术和商业模式的创新的?

      ​吴强:​核心可以概括为两点:​首先是顺应技术的发展趋势。其次是利用技术的趋势。​顺应是指要清楚技术的主流发展方向,避免过早进入一个还未成型的市场。利用则是指,在技术趋势明确后,快速地应用它,无论之前投入了多少。

      ​亿欧:​抛弃以往所有投入,这真的很难做到。

      ​吴强:​这正是变革的勇气所在。技术总在变,有时甚至意味着团队的变动。我们在技术上也是这样思考的。慢半拍和快半拍其实是相辅相成的。我们在探索阶段通常会比较谨慎,但一旦确定方向,我们就会快速行动。我们始终保持对客户的高度负责态度,以客户为中心,确保为客户提供的闭环服务是行业中最好的。

      ​亿欧:​比如为客户提供最好的用户体验。所以在这样的背景下,下一个天润融通正在破茧中,也将与现在的天润融通不同?

      ​吴强:​天润融通未来三到五年的形态会是怎样,关键取决于两个技术平台:流程协作平台和知识管理平台,它们都需要得到微藤大模型的支持,我们已经有大量微藤大模型的商业落地

      ​亿欧:​目前有很多企业从软件向硬件转型,或者从硬件向软件发展。许多软件公司开始推出硬件解决方案,因为虽然软件是无形的,但硬件是实实在在可以触摸的。当硬件技术与软件技术同步发展时,天润融通是否会创造更多新的很产品供大家使用?

      ​吴强:​我们的理念是坚持使用通用硬件。例如,我们都使用手机、PC、耳机等。所以,我们并不排斥硬件的发展。但我们坚持在通用硬件上运行,而不是专用硬件。任何通用硬件的进步,我们都是积极拥抱的。

      公司的生存和发展已经进入“存量”时代

      ​亿欧:​高质量的客户服务对于增加收入、复购和口碑传播至关重要。天润融通如何持续为客户提供更高质量、更全面的服务?

      ​吴强:​我们必须与整个行业的发展步伐同步。在新用户源源不断的时代,商家往往重视新客户而忽视老客户。但当增长减缓、存量客户成为主体时,对老客户的持续服务就显得尤为关键。因此,我们非常重视存量客户,他们是我们极其宝贵的资产。我们会确保整个服务流程中,客户的每一个体验都是最佳的。

      ​亿欧:​存量客户的需求会驱使我们增加更多资源投入和解决问题吗?

      ​吴强:​是的,尤其在增量不再是主要目标时。对于我们来说,存量客户的收入占据了约85%,这是我们最宝贵的资源。当然,我们重视每一个客户的需求和体验,尤其是在服务流程中,每一处体验都非常重要,每个服务环节都要尽可能透明化。

      在中国,大部分企业的存量客户收入都远超新增客户。对于这些企业来说,重视存量客户经营的程度远大于通过低价策略来吸引新客户。因为从长远看,增量带来的利润并不是公司的核心盈利点。在这种背景下,企业也不再需要花费大量时间去教育新客户。而客户也自然会去寻找一个能为他们提供最佳用户体验的平台,能最大化提高他们的服务请求处理效率,并且能提供统一、及时的知识更新。因此,对企业来说,更为重要的是紧跟技术的发展趋势,满足客户需求。

      ​亿欧:​所以,解决了老客户的问题,也就解决了公司的生存和发展问题。

      ​吴强:​是的,现在已经进入了回头客的时代。考虑我们自己最近购买的产品,大部分也都是曾经购买过的品牌和渠道。当然增量客户转化要继续保持,并不是不做。

      ​亿欧:​您在创办天润融通时,当时国外有没有对标的公司呢?

      ​吴强:​我们的原型确实受到过国外同类公司的启发,SaaS服务毕竟国外发展更早。但扎根中国市场,我们的技术体系、商业模式、客户群体与国外同类型公司都完全不同。

      事实上每家公司的企业文化都是独特的,并不是领域类似就文化一致。

      关于我们,我想强调:我们在技术上采取了“既保守又激进”的策略。意思是我们在技术决策上会小心翼翼,但一旦方向确定,我们会全力以赴,比如从本地化迁移到云时,我们毫不犹豫地放弃了多个项目,这是大多数公司不会选择的策略。

      我们行业里,从自建服务转到云的成功案例并不多;从泥泞的小路突然开上了高速公路,很多公司都会翻车,但我们觉得这是一种进步,一种挑战。

      ​亿欧:​这种敢于挑战、放弃以往的勇气,是您个人层面性格影响多一些,还是公司经验积累层面多一些?

      ​吴强:​这其实是一种价值观,现在成了我们的公司文化。

      ​亿欧:​怎样评估我们为客户带来的价值?

      ​吴强:​客户用了我们的产品或服务后,如果他们觉得不能再回到之前的状态,那就说明我们为他们创造了真正的价值。

      亿欧​:我们的产品或服务已经成为他们不可或缺的部分?

      ​吴强:​是的,为他们提供了一个完整的解决方案,他们不想再回到过去。

      在我们企业的经营中,我们始终注重为客户提供优质服务和传递真实价值。如果无法为客户创造价值,我们宁愿放弃这部分收入,因为我们认为没有价值的收入是不稳定的。这样的经营理念为我们打下了稳固的生存基础,确保了我们的持续发展。

      数字化的最终目标是高效的流程和知识共享,这是我们专注的领域。沟通仅仅是一个工具,真正的价值在于为客户提供准确、及时的信息和解决方案。

      ​亿欧:​那么在这种情况下,人的角色是什么?

      ​吴强:​人的主要任务是准确地掌握事实并以恰当的方式进行反馈。技术可以辅助我们传递事实,但最终的决策和沟通仍然取决于人。技巧和知识都是重要的,但最关键的是为客户提供准确的信息和高效的服务。

      ​亿欧:​那意味着在未来,客户联络效率对人的依赖度会降低?

      ​吴强:​是的,随着技术的进步,我们会更少地依赖人的技能,而更多地依赖技术来帮助我们服务客户。所以现在客户联络领域的主战场已经转移了,从传统的呼叫中心,转移到服务、支撑流程协作平台与知识管理平台的大模型上。

      文章来源:https://mp.weixin.qq.com/s/qGfMAy2MCY-G-bxSwhFZBw

    • 三分钟知晓ChatGPT、GPT4、AGI、AIGC、GAI

    • 聊天机器人程序ChatGPT、GPT4,之于人工智能(AI,Artificial Intelligence),或相当于ipone之于移动互联网。以ChatGPT、GPT4为代表的新一代人工智能,既可称为通用人工智能(AGI,Artificial general intelligence),又可称为人工智能生成内容(AIGC,AI Generated Content),还可称为生成式人工智能(GAI,Generative Artificial Intelligence)。

      我倾向于称为生成式人工智能,它既不像通用人工智能那样广义和抽象,也不像人工智能生成内容那样狭义和具象。据国家互联网信息办公室发布的《生成式人工智能服务管理办法(征求意见稿)》,生成式人工智能是指基于算法、模型、规则生成文本、图片、声音、视频、代码等内容的技术。

      GPT属于大语言模型(LLM,Large Language Model),大语言模型是使用大量文本数据训练的深度学习模型,可以理解语言文本含义、生成自然语言文本。深度学习是让机器像人一样的学习。自然语言即人类语言,比如中文、英文等。

      GPT即Generative Pre-trained Transformer。Generative即生成式,指该模型可以生成新的内容;Pre-trained即预训练,指该模型可以进行预先训练;Transformer是近年来主流的深度学习模型。GPT取得突破的一大原因,是引入了新技术RLHF,Reinforcement Learning with Human Feedback,基于人类反馈的强化学习,使人工智能模型的输出内容和人类的常识、认知、需求、价值观等相一致, 让人难以分辨输出者是人类还是机器。

      OpenAI是在埃隆·马斯克(Elon Musk)、彼得·泰尔(Peter Thiel)、里德·霍夫曼(Reid Hoffman)等人支持下,由萨姆·奥特曼(Sam Altman)作为CEO,于2015年创办的人工智能研究公司,迄今已获得微软110亿美元投资。OpenAI于2022年11月30日发布ChatGPT,到2023年1月底月活用户数就突破了1亿,成为全世界用户数增长最快的应用。ChatGPT其实是GPT3.5,2023年3月15日,OpenAI发布GPT4。

      ChatGPT、GPT4所属的OpenAI,能否成为下一个苹果?中国能否诞生下一个小米、微信、美团、抖音、拼多多?值得期待,拭目以待。

    • 对话天润融通CEO吴强:从大模型到业务增长,并没那么简单

    • 在生成式AI的各个赛道中,“智能客服”领域的融资额度排名第二,其火爆程度可见一斑。

      那么,生成式AI到底对“智能客服”有哪些颠覆性改变?近日,铅笔道联合知乎,与天润融通CEO吴强深度交流。有着17年客户联络经验的吴强认为,丰富、专业的语料决定了垂直大模型的能力,企业生产过程中积累的知识是训练垂直大模型的稀缺财富。

      天润融通是一家AI驱动的全周期客户联络云平台服务商,为科技、金融、制造、汽车、零售等行业提供解决方案,帮助企业在“营、销、服”环节做好客户联络业务。

      2022年6月,天润融通在香港联交所主板上市,成为第一家港股上市的全周期客户联络云平台公司。

      2023年8月23日,天润融通推出“微藤大语言模型平台”。“微藤”基于企业知识训练特定的垂直大模型,为营销、销售、服务等各流程提供智能化赋能,提升企业运营效率。

      一,行业大模型主要差异在于“语料”

      铅笔道:行业大模型和通用大模型最大的区别是什么?

      吴强:行业大模型和通用大模型主要的差别是由不同的语料带来。通用大模型的语料是通用语料,但大到一个行业,小到一个业务属性非常小的企业,它有很多的不同(特定)语料,它所代表的含义有很大的差别。这就是通用大模型和行业大模型最根本的差别。

      此外,基于厂商对行业的Know-How做的提示工程(Prompt Engineering)也至关重要。由于厂商对行业本身是有深耕的,所以对于行业客户的认知没有断层,这样才能产生业务视角上的共鸣。

      铅笔道:行业大模型更多的是行业的数据,训练的目的也是针对这个行业的生产所需要。

      吴强:对,这个差别非常大。就像“工单节点”、“召回率”这些词,通用的模型里面没有,有些理解也是有歧义的。

      铅笔道:好的行业大模型应该是怎样的?或者说,决定行业大模型好坏的因素是什么?

      吴强:行业大模型的标准就是它有丰富的场景语料。另外,我们认为好的行业大模型,内部看三个因素:首先是这个行业里的语料积累。第二,是模型调优的方法。第三,对这个行业的业务流程有深刻的理解。这三点形成闭环,才有可能做出一个好的行业大模型。

      但要注意行业大模型不能拿来直接用的,它只是一个聚焦行业的技术能力,把他落地到企业业务还需要一些基础步骤。首先,我们需要帮助企业梳理它的知识系统,根据实际应用场景,把专有的知识标注完成,放到这个模型里去训练,比如每个公司的产品文档手册等。然后,再通过大模型的应用技术手段去优化它,让它的贴合性更好。最后再把它和业务系统全面连接,才能达到最基本的“能用”的水平。

      铅笔道:客户可能觉得可以自己开发,或者也可以用国内通用大模型做开发。天润融通的竞争优势在哪?

      吴强:从企业来说自己去做从大模型到应用落地成本是很高的,这涉及到要培养一支较为优秀的技术团队、大模型从技术到产品化落地、大模型产品与现有业务系统全面连接、大模型的持续运营等。对于企业来说,自建这样一套系统的成本是高昂的。

      我们在客户联络领域有丰富的Know-How、完整的客户联络智能化产品、成熟的专家团队,大模型的行业落地对我们来说是顺势而为的,这就是我们的优势。

      就好像通常不会有企业自建一个虚拟化云平台一样,因为可以直接选用阿里、亚马逊等平台即可。这是从成本、应用效果、长期专业服务等多方面考虑的。

      二,行业大模型最大魅力在于搭建“知识工程”

      铅笔道:天润融通什么时候着手开发行业大模型?

      吴强:其实从2006年创业,公司就从技术源头做起。时至今日,我们有着四大核心自主研发可控的能力平台作为支撑(通信能力平台、大模型能力平台、流程与协作能力平台、敏捷交付平台)。这就是我们有能力领头探索和持续前行的根本。具体到“大模型”,大概是在春节前。

      我们可以把客户联络看做是连接企业与企业客户之间唯一的“桥梁”,在这个过程中客户传递给的企业声音、企业内容对客户的输出都是知识的应用与构成,这些“知识”中蕴藏着巨大的商业价值,我们与大量客户的交流中也确定了这一点。因此知识工程的核心公式就是“大模型+企业知识=企业客户高速增长”。

      请输入图片描述

      铅笔道:知识工程是什么,能不能展开讲讲?

      吴强:人工智能最基础的是要有准确的知识积累,只有这样“智能”才是可靠的。如果知识的底座不扎实,上面的所有应用都是不可靠的。但是过去我们经常回避这个问题。为什么回避?因为解决起来太难。比如这40页的手册,让你把它拆成一个一个的一问一答,这就很难。第二,你拆完一问一答后,用户不会像你认为的那么标准地去问。

      比如针对常见的电脑黑屏问题。用户至少能提出50种不同的问法,即使问法解决了,用户的情绪也是不同的,需要给予的反馈也是不同的,所以我们在开发的时候,就把重心转到帮助企业做知识工程。只要把这个做好,不管是对话、分析还是辅助,就都很容易。

      铅笔道:关于知识工程,具体是怎么操作的?

      吴强:企业的知识数据有三种形态,一部分是生产过程中的数据,一部分是已结构化的数据,最后还有大量的手册,比如产品文档、管理手册等。这些三部分就是原始知识、会话知识、企业文档。企业的知识工程就是从这三大类开始。

      首先把这三大类知识有序的导入到大模型,这个过程就需要涉及到文本、文件等知识的抽取;然后再把内容进行健康度检查,把相近意思的进行合并;最后再通过自动化与半自动化手段持续维护这些知识,当然这个过程也远比当前的知识维护方式高效的许多。

      在这个过程中还有很多细节,比如根据知识的应用场景做特定的健康度检查与梳理、哪些是用作知识问答的、哪些是作为FAQ生成与需要额外扩写的、哪些是作为客户洞察分析的,这就需要足够的Know-How才能做到。

      请输入图片描述

      三,让大模型理解语言背后的意图

      铅笔道:通用大模型,大家一直在吐槽,就是它容易根据它的理解来生成一些答非所问的内容,或者随意联想。但行业大模型对知识的严谨度要求是比较高的,如何克服这个问题?

      吴强:在行业大模型中,当提出的问题它回答不了的时候,必须教大模型学会反问,去理解提问人的动机是什么。第二,如果反问也没有用的话,一定利用其它策略去解决问题。

      比如银行“催收场景”,客服给他打电话,欠账的人不会跟你说我不还。他会说“我现在没空”,那怎么理解?

      训练大模型的时候,听到有人说“我现在没空”,就要让它知道大多是不想还的,而不是没时间。要可以洞悉到“我现在没空”这句话背后的意图就是对行业语料的理解。

      然后下一句就要追问,那您现在手里有多少钱,能不能少还一点?我们现在有个优惠,我们可以免除多少利息。您现在是不是可以考虑一下?这样,催收的策略就变了。

      在每个业务场景上,你会发现它背后都带的是策略,光一个大模型是不能解决全局这些策略的问题。我们现在重点就在构建行业的知识工程上。

      相当于即使是人工客服,在屏幕侧面也拥有了一个提示版,一直在提示他怎么样来回答,这样大大地提高了客服回复水平。大模型可以让每一个普通客服瞬间提升到优秀客服的水平。

      铅笔道:现在客服的联络场景有哪些关键因素?怎么具体提升工作效率?

      吴强:主要是四要素,核心是人;辅助人的有三点,第一是流程,第二是数据,第三是知识。客服这个职业的离职率很高,说明压力大。那怎么办?过去主要是培训,但通过培训带来的提升也很有限。

      现在,就可以给他利用知识工具。比如,流程你记不清楚?没关系,流程自动给你生成。打字有错别字?没关系,机器帮你自动改正。外语不懂?没关系,自动帮助你翻译。用户问各种问题,大模型给生成答案、全面辅助你,一下子就提升了团队中个人的能力,所有人得到提升团队战斗力就是质的飞跃。

      铅笔道:现在可谓“百模大战”,天润融通微藤大模型的核心竞争力是什么?

      吴强:天润融通一直不是一家追风的公司,历史上也不是,从来就不是。我们在技术产品的发展上,基本执行的一个策略是比技术周期慢半拍。我们希望给客户提供的服务是较为成熟和可靠,同时是闭环的。按照传统意义上理解人工智能,是把语料放到大模型里边做个训练,但其实完全不是这么回事,那只是其中一个环节。

      我们给客户交付的是一个端到端的解决方案。在技术上,我们的周期慢半步。慢的话,你可以观察技术的可靠性,不可以把客户当小白鼠。但在执行上我们又要遵循快半拍。也就是不盲目的去干一件事,但是干就要干得又快又好,让客户完成从技术实现到价值实现的飞跃。

      铅笔道:所以技术上可能需要更长周期的一个探索?

      吴强:探索不是迷茫,天润融通17年的发展让我们在客户领域有三个领先,一是通信稳定性和大规模性领先,二是大模型垂直应用领先,三是体系建设与场景挖掘领先,甚至在某些创新技术应用和行业理解上超越了国际上的顶级公司。

      四,每家传统企业都需要有大模型

      铅笔道:现在天润融通的大模型和其他业务所占的比例是怎样的?

      吴强:所有客户都会往新业务上推动,不会一半一半,因为这也是客户的需求。他需要的是提升效率,不是说用哪一个工具来提升。

      铅笔道:训练行业大模型,我们会选择怎样的底层大模型?

      吴强:要保证选的是最合适的那个,不一定是跑得最好的。合适的话效率就会最高,因为你要确保你采用大模型最终的目的是提高效率。客户始终会选择在他可承受范围内,能够帮他解决问题最多的,能够带他带来最高效率的。

      铅笔道:怎么能让客户长期合作?

      吴强:关键是给客户解决问题。营销端,你让客户的收入看到明显的提升。服务端,明显让客户看到工具帮助客户降低了多少成本。综合来说我们是帮助客户解决问题,而不是仅卖一个工具,长久以来我们也是这样做的。

      铅笔道:大模型对传统企业有什么意义?

      吴强:每家企业都需要有一个自己的知识系统。传统企业在知识上不能系统地积累,所以导致发展不起来,大模型给企业管理提供了一个非常好的工具。未来一个大趋势就是每家企业都会有一个专有的大模型。

      文章来源:https://zhuanlan.zhihu.com/p/657647665

    • AI、AIGC、AGI 三者有什么区别和联系?

    • 当谈到人工智能(AI)、人工智能生成内容(AIGC)和通用人工智能(AGI)时,我们需要理解它们之间的区别和联系。让我为您详细解释一下:

      1. AI(人工智能)​:

        • AI是一个广泛的概念,涵盖了多个技术和领域。它旨在使计算机系统能够执行类似于人类的智能任务,例如图像识别、自然语言处理、机器学习等。
        • AI的应用范围广泛,但它通常不具备全面的智能能力。相反,它专注于特定任务或领域。
      2. AIGC(人工智能生成内容)​:

        • AIGC是通过AI技术生成内容的一种方式。它可以根据人类指导或自动从大量数据中学习,生成文本、图像、音频或视频等内容。
        • AIGC通常专注于某个特定任务或领域,例如自然语言生成、图像生成或音频生成。它的能力范围较窄,针对特定任务进行优化。
      3. AGI(通用人工智能)​:

        • AGI是人工智能领域中的终极目标之一。它旨在创造一个具有与人类相当或更高的认知能力的智能系统。
        • AGI能够理解、学习、计划和解决问题。它具有广泛的认知能力,可以灵活地适应各种不同领域和任务。
      4. 联系和挑战​:

        • AIGC已经在许多实际应用中取得了成果,如文本生成、艺术创作和游戏开发。然而,AGI目前仍处于研究阶段,尚未实现广泛的实际应用。
        • AIGC面临的挑战包括提高生成内容的质量、多样性和可控性。相比之下,AGI的挑战更为庞大和复杂,需要解决多个领域的问题,包括知识表示、推理、学习、计划、感知和自主性。

      [总之,AI是大家庭,AIGC是里面擅长内容创作的成员,AGI则是那个全能的超级大脑。]

    • AI创作《自信的程序员》

    • AI原创MV《自信的程序员》

      [album type="photos"]
      [提示词:一位年轻的女子,身穿长裙,站在青青草原上,她的眼神平和,仿佛在感受着大自然的美好]
      AI生成心中的姑娘1
      AI生成心中的姑娘2
      AI生成心中的姑娘3
      AI生成心中的姑娘4
      AI生成心中的姑娘5
      AI生成心中的姑娘6
      AI生成心中的姑娘7
      [/album]

      有一天我站在山巅
      看着我的作品
      编写代码,创造奇迹
      世界都在瞩目

      我是一个自信的程序员
      我写的软件是世界上最好的
      每一行代码都是艺术
      创造出无限可能

      我是一个自信的程序员
      我的软件是最棒的
      让世界为之倾倒
      我是一个自信的程序员
      智慧和技术无人能敌
      我的软件引领未来的潮流

      《The Confident Programmer》
      One day I stood on top of a mountain
      Looking at my work
      Writing code and working wonders
      And the world was watching

      I'm a confident programmer
      I write the best software in the world
      Every line of code is art
      Creating endless possibilities

      I'm a confident programmer
      My software is the best
      The world will fall in love with it
      I'm a confident programmer
      Intelligence and skill are unmatched
      My software sets the trend for the future

    • 【提问GPT】:定金和订金的区别?

    • 定金和订金在中文里经常被用作交易过程中的保证金,但两者之间有本质的区别,主要体现在法律效力和处理方式上。

      定金 (Earnest Money)

      • 法律效果:定金在法律上具有较强的约束力。如果一方违约,另一方有权根据情况选择解除合同并且按照定金的金额双倍返还或者扣留定金。
      • 违约处理:买方如果违约,卖方可以扣留定金;卖方如果违约,需要双倍返还定金给买方。
      • 目的:作为合同履行的保证,具有较强的约束性和法律后果。

      订金 (Deposit)

      • 法律效果:订金的约束力相对较弱。如果合同未能履行,订金需要根据实际损失进行处理,通常情况下是退还或补偿损失。
      • 违约处理:双方违约的处理更加灵活,通常需要基于实际损失来决定是否退还订金或者补偿差额。
      • 目的:主要用作交易的初步证明,表示买家对购买商品或服务的意向。

      核心区别

      • 约束力和法律后果:定金具有更强的法律约束力和明确的法律后果(如双倍返还),而订金的处理更加灵活,通常需要根据实际损失来决定处理方式。
      • 违约赔偿:定金的违约赔偿通常是固定的(如双倍返还定金),而订金的违约赔偿则依据实际损失来定。

      在交易过程中,明确区分定金和订金的性质和法律后果非常重要,这有助于确保交易双方的权益得到合理保护。

    • 2024年算力发展九大趋势展望

    • 算力设施和产业规模快速增长,赋能成效显著,算力已成为经济增长的主要驱动力,全球各国持续加码算力基础设施布局。近期欧盟委员会批准“欧洲共同利益重要计划——下一代云基础设施和服务”的国家援助计划,提供12亿欧元的公共资金,开发可互操作和开放访问的欧洲数据处理生态系统。摩根士丹利预测,2024年全球前十大云计算服务商的资本支出将达到2000亿美元,新增投资聚焦人工智能领域。

      我国算力基础设施发展正加速从“以通算为主的供给侧优化”向“以智算为核心的需求驱动”转变,支撑经济发展新动能作用日益凸显。根据工信部、赛迪发布数据,2022年我国高性能算力占比近20%,大模型引爆高性能算力指数级增长,2023年上半年我国新增算力设施中智算占比超50%,整体算力规模达到197EFLOPS,预计带动我国算力核心产业规模有望突破2万亿元。

      综合信息通信产业外部环境看,政策利好、需求强劲,叠加技术创新,预计2024年以智算为核心的算力产业仍将维持高速增长态势,整体上将呈现九大新趋势。

      市场规模快速增长

      ToB/C大模型应用加速落地,多模态大模型快速演进,进一步带动智算产业强劲发展。

      2023年,ChatGPT等大语言模型已然引发“抢芯大战”,AI催生算力需求爆发增长。2024年,随大模型加速向垂直行业和领域渗透、GPT Store等助推AI原生应用落地、以及多模态模型快速发展,智算市场将继续保持高增长态势。海外市场,FactSet和彭博预测2024年北美三大头部云商(AWS、微软和谷歌)的云业务营收、云基础设施投资增长将达到22.5%、16.6%,相比2023年均小幅提升,整体较为乐观。我国市场,参照工信部等六部门联合印发的《算力基础设施高质量发展行动计划》发展目标,2023-2025年我国算力规模复合增长率为18.5%,2024年新增算力规模将接近40EFLOPS,算力核心产业规模有望突破2.4万亿元。

      产业新格局加速形成

      AI算力促进IDC和云服务升级,助推“三三一”算力服务产业新格局。

      2023年,拥有大量GPU资源,专门从事算力建设到租赁解决方案业务的第三方算力租赁商成为算力服务市场新势力并引得资本青睐与关注。中贝通信、真视通、莲花健康等算力租赁上市公司的股价(截至2023年12月27日)均达到100%甚至200%以上增长。2024年,IDC服务提供商、云服务提供商、第三方算力租赁商将成为算力市场的“三大运营主体”,瓜分整体算力服务市场,并提供算力租赁、算力+平台服务、算力+平台+模型服务的“三类算力服务模式”,特别第三方算力租赁模式有望复现第三方IDC服务商高速增长路径,在优质客户合作驱动下利用自身渠道和资源整合能力,打造“客户-资金-AI算力”闭环扩张。同时,算力共享联盟模式将逐步显现,如多个初创公司共同开展GPU算力购买和共享使用,降低算力整体使用成本。产业市场将形成“三大运营主体”、“三类算力服务模式”以及“一种新型算力共购共享联盟”的“三三一”产业格局。

      规模化集约化建设凸显

      大模型量级突破,驱动智算集群化,E级以上大型智算中心成主流。

      大模型参数规模的跨量级突破,数据集倍数增长,亟需海量算力承载,助推AI服务器性能的持续提升,智算布局呈现规模化、集群化趋势明显。一是单个服务器性能的提升可有效降低服务器间参数、数据量等传输时延,提升计算效率,预计2024年下半年将推出超越现有H系列的高性能GPU卡。二是依托高性能GPU卡搭建超级计算机(服务器集群),E级规模智算集群将成为主流。根据赛迪报告预测,到2024年年底我国将有5%—8%的企业大模型参数从千亿级跃升至万亿级,算力需求增速将达到320%。谷歌、微软等相继推出的大模型参数量向千亿、万亿级规模演进,着力打造面向大模型训练的E级智算集群。据公开统计我国建成的超E级智算中心仅5家,预计2024年超大规模智能中心占比稳步提升。

      算力布局向纵深拓展

      AI大模型向边缘和终端延伸,智算基础设施加速向城市和边缘渗透。

      多模态大模型和算力底层技术不断完善,大模型部署在边缘侧与移动端成必然趋势,面向城市、边缘的智算中心布局态势将愈加明显。一方面AI大模型扩张带来推理算力需求激增,驱动分布式推理算力中心下沉,本地或靠近部署算力可有效缓解成本压力。另一方面AI大模型逐渐向智能汽车、电脑、手机等边缘端下沉,融入终端等智能体,边缘算力可有效满足低时延AI应用的快速响应要求。继成都、北京、上海、深圳等城市之后,2024年将有更多城市推出针对算力高质量发展的政策文件,统筹城市级和行业类智算资源需求,提速城市算力基础设施升级。

      云智和训推一体化

      一体化成为智算主流服务模式,实现算力、算法和数据的高效协同。

      以数据为主线,云计算为基础的一体化智算服务将成主流,实现算力、数据和算法的高效协同,满足智算应用场景的数据处理、存储、传输等环节要求。加大AI与云计算融合发展已成头部云商共识,AWS与英伟达开展AI基础设施、加速库、基础模型等全栈合作,旨在将AWS打造成为运行GPU的最佳云端环境;阿里云近日陆续推出大模型一键部署至数据库与函数计算等功能,以优化云上AI开发流程;百度将灵境矩阵平台升级为智能体平台,从关注模型层转战到重视生态、应用培育。2024年关注重点聚焦在“AI+云+数据”的全栈式一体化服务,ICT开发范式与产业生态将进一步被重构。云主机、存储、数据库等一系列产品将面向AI全面升级,数据处理、训练、微调、推理等模型使用全流程将倾向于在同一服务环境中实现。

      泛在算力网络加速

      算力组网新技术蓬勃发展,算力中心互联和内部网络亟需突破带宽瓶颈。

      近日国家发改委等五部门联合印发《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》,明确打造层级化网络时延圈,满足差异化城市-区域-国家的多级算力服务体系,为算力组网提供了指导。2024年,算力中心互联组网方面,随着新一代高性能芯片的发布,算力互联持续催生800G及1.6T需求,远距RDMA、百P级全光互联、新型光纤等关键技术将进一步突破,算力互联的低时延、确定性保障持续改善。算力中心内部组网方面,无阻塞、高吞吐量是承接大模型训练的核心诉求,将催生RoCEv2相关算法更加成熟。

      公共算力统一调度

      算力普惠服务持续突破,区域级、城市级服务平台初现。

      以政府、运营商、云商等为运营主体的算力一体化调度平台、算力互联互通平台正在建设与试点运营,支撑算、网、云融合调度与一体化发展,实现从“任务找算力”到“算力适配任务”的转变,有效解决算力资源分散、主体多、供需匹配失衡和使用成本高等问题。2024年公共算力统一调度服务将呈现新的变化,一是依托IXP的公共算力平台将成为主要形态,附加算力调度、供需对接等将加速试点应用;另一方面围绕枢纽节点的算力生态聚集效应进一步加强,区域级、城市级等公共算力服务平台初步显现,并形成具有行业影响力的联合运营体。

      多元化和国产化提速

      芯片类型、架构和供给呈多元化趋势,国产芯片自主生态加快建设。

      新技术广泛应用与全球算力短缺的背景下,芯片类型、架构和提供商方面均呈现多元化趋势,芯片自主可控能力将进一步提升。芯片类型方面,5G、人工智能、自动驾驶等新兴技术产业化加速,产业及政策关注从以CPU为主,向高性能计算芯片、存储芯片等拓展;芯片架构方面,RISC-V以其优秀的灵活性及扩展性,突破以x86与ARM架构主导的产业格局,业界已成功探索RISC-V在AI领域应用;芯片厂商方面,主流云商均着手自研芯片,通过软硬协同制衡英特尔、英伟达等垄断,华为、中芯国际、长鑫等多家国内厂商近期均有突破。2024年关注重点聚焦在国产化芯片的生态体系建设,包括芯片设计、制造、封装等全流程及相关软件、系统、框架等关键环节。

      传统DC向AIDC演进

      AI算力引领数据中心加快绿色化、模块化和运维智能化发展。

      数据中心正在向智算中心快速演进,液冷制冷引入、模块化建设、智能化运维等将显著上升。一是液冷制冷应用将从局部试点状态逐步转向爬坡期,单机柜功率密度达到20KW时液冷与风冷投资成本已基本持平,2024年液冷应用将加快普及,2025年国内运营商50%以上数据中心项目将覆盖。二是智算中心灵活适配、快速交付等工程实施能力增强,围绕制冷、供电、智能化系统的模块化设计、标准化封装,产业联合创新和系统解决方案将更加丰富。三是数据中心智能化运维水平有望上新台阶,特别是运用AI等技术手段,充分发挥电源空调设备自动化、智能化优势,实现运行能耗的精准管控和智慧运营。

      ​来源:​通信世界网2024年01月03日
      https://h5.drcnet.com.cn/docview.aspx?version=emerging&docid=7348161&leafid=25002&chnid=6296

    • 【提问GPT】:SPA使用的精油有那些作用?

    • SPA中使用的精油种类繁多,每种精油都有其独特的香气和可能的健康益处。以下是一些常见的SPA精油及其潜在作用:

      1. 薰衣草精油

        • 助眠和减轻焦虑:薰衣草的香味有助于放松心情,改善睡眠质量。
        • 抗炎和愈合:可用于缓解皮肤炎症和轻微烧伤。
      2. 茶树精油

        • 抗菌和抗炎:常用于治疗皮肤问题,如痤疮和真菌感染。
        • 提高免疫力:茶树精油的抗菌特性有助于防御各种病原体。
      3. 薄荷精油

        • 清凉镇痛:用于缓解肌肉疼痛和头痛。
        • 提神醒脑:刺激感官,有助于提高注意力和清晰思考。
      4. 柠檬草精油

        • 精神振奋:柠檬草的清新香气能提振精神,减轻压力和疲劳。
        • 抗菌和收敛:对皮肤有清洁和紧致作用。
      5. 甜橙精油

        • 缓解压力和焦虑:甜橙的香气有助于放松心情,减轻压力。
        • 促进消化:有助于缓解胃部不适。
      6. 乳香精油

        • 抗炎和抗老化:用于改善皮肤状况,减少细纹和皱纹。
        • 促进冥想和精神平静:乳香的香气有助于深度放松和精神集中。
      7. 尤加利精油

        • 支气管清洁:有助于缓解呼吸道问题,如感冒、咳嗽。
        • 提神醒脑:清新的香气能够提高警觉性和精神清晰度。

      这些精油可以单独使用,也可以根据需要混合使用,以增强其疗效。不过,使用精油时需要小心,因为某些精油可能会引起皮肤敏感或其他不良反应,特别是在未经稀释的情况下。在使用前进行皮肤斑贴测试,并咨询专业人士的建议总是明智的。

Powered by Typecho)))   ICP:蜀ICP备05009250号