21世紀經(jīng)濟報道記者駱軼琪 汕頭報道

數(shù)字經(jīng)濟時代，國內(nèi)數(shù)據(jù)要素產(chǎn)業(yè)鏈的各個環(huán)節(jié)正在積極將能力融合。硬件端，基于國內(nèi)GPU芯片平臺推進能力積蓄；軟件端，則從數(shù)據(jù)產(chǎn)生前端在數(shù)據(jù)采集、挖掘、清洗等多層面著手籌備。

2023中國數(shù)字經(jīng)濟創(chuàng)新發(fā)展大會期間，首都在線副總裁、智算中心事業(yè)群總經(jīng)理牛繼賓接受21世紀經(jīng)濟報道記者采訪時表示，“首都在線一方面會在國內(nèi)針對英偉達算力持續(xù)投資，做算力業(yè)務部署；另一方面也開始與國產(chǎn)芯片公司進行布局合作，首都在線和燧原科技等不少于五家的國內(nèi)優(yōu)質(zhì)芯片廠商合作，并在持續(xù)做適配和認證工作。”

多名受訪者都指出，高質(zhì)量的精調(diào)數(shù)據(jù)將決定AI大模型的最終能力，要綜合運用各類型工具完善這項工作；同時不可忽視是對數(shù)據(jù)合規(guī)性、安全性挑戰(zhàn)的前置預防型工作。

構筑大模型底座

當前AI大模型構建過程中，最受關注的就是國內(nèi)底層GPU為代表的智能計算類硬件能力構建進展。

牛繼賓告訴記者，首都在線最早從數(shù)據(jù)中心業(yè)務起步，逐步迭代出云計算能力、新一代智能計算能力。人工智能和元宇宙互相促進，元宇宙更側重于圖形圖像的沉浸式，人工智能更趨向于背后智能技術的支撐。牛繼賓稱，將通過把圖形圖像業(yè)務、GPU算力和服務做迭代升級，打造新一代算力平臺。

值得注意的是，當前國內(nèi)普遍面臨著對大模型訓練硬件能力緊俏的難題。對此，牛繼賓對記者表示，目前英偉達的高端訓練芯片國內(nèi)可以用，但帶寬被限制過，即使如此也供不應求。為此，首都在線一方面會在國內(nèi)針對英偉達算力持續(xù)投資，另一方面也開始與國產(chǎn)芯片公司進行布局合作。

“我們已經(jīng)在無錫開通了信創(chuàng)專區(qū)，也會在內(nèi)蒙古、海南各自開通信創(chuàng)專區(qū)。目的是把國產(chǎn)芯片能力逐步引入。在每一個國產(chǎn)芯片的資源池上，都會迭代一種模型服務，最終服務于用戶。”牛繼賓進一步指出，所以會從英偉達+國產(chǎn)算力，同時做資源池建設，然后引入成熟的模型，去解決算力短缺問題。

僅有算力硬件并不夠，牛繼賓分析道，單純建設智能算力業(yè)務只是建立了一個資源池，真正要用上這些資源，需要應用驅(qū)動，再結合英偉達不同的場景學習、觀察，最終導入到不同的國產(chǎn)芯片上，在不同場景中，計劃、激活模型訓練相關業(yè)務。“我們采用應用驅(qū)動、網(wǎng)絡驅(qū)動。可以把這些算力資源制作成服務的形式，最終交付到最終用戶。”

數(shù)據(jù)治理機遇

當前在模型搭建過程中，面臨的較大難題是數(shù)據(jù)處理和清洗等相關工作。

對此，廣東天億馬信息產(chǎn)業(yè)股份有限公司副總經(jīng)理林少勇受訪時表示，為了處理好海量數(shù)據(jù)的挖掘，還需要引入一些大數(shù)據(jù)處理工具，包括分布式存儲、離線計算、實時計算等，同時也要有可視化的建模工具，以便更好調(diào)整模型參數(shù)。也可以借助AI，在數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式和趨勢，從而幫助組織進行預測性分析。

同時為了保證挖掘數(shù)據(jù)的價值和質(zhì)量，從數(shù)據(jù)采集方向，可以使用AI技術清洗數(shù)據(jù)、填補缺失值、處理異常值，以確保數(shù)據(jù)的準確性。也需通過制定數(shù)據(jù)質(zhì)量規(guī)則、數(shù)據(jù)脫敏規(guī)則進一步保證數(shù)據(jù)的質(zhì)量和合規(guī)，同時也建立訪問控制和權限管理，確保只有授權人員能夠訪問特定數(shù)據(jù)。

在數(shù)據(jù)治理過程中，林少勇認為，AI可以提供很大幫助，這體現(xiàn)在幫助數(shù)據(jù)質(zhì)量提升、智能數(shù)據(jù)分類和標注、預測性分析洞察和決策等方面。

“舉例來說，人工智能可以用于自動檢測和修復數(shù)據(jù)質(zhì)量問題。比如使用機器學習算法來識別數(shù)據(jù)中的異常值、缺失值，進行數(shù)據(jù)清洗和糾正；也可以自動對數(shù)據(jù)進行分類和標注，幫助識別不同類型的數(shù)據(jù)，并為數(shù)據(jù)元素添加適當?shù)脑獢?shù)據(jù)，從而提高數(shù)據(jù)的可管理性。”他進一步指出，在AI的協(xié)助下，做好數(shù)據(jù)治理、提高數(shù)據(jù)質(zhì)量，可以反過來將數(shù)據(jù)提供給AI訓練，進一步提高模型的識別率，形成閉環(huán)。

深圳數(shù)闊信息技術有限公司（下稱“數(shù)闊”）創(chuàng)始人兼CEO劉寶強也對21世紀經(jīng)濟報道記者表示，當前市場比較缺乏高質(zhì)量的精調(diào)數(shù)據(jù)，即經(jīng)過人工標注、清洗、整合的數(shù)據(jù)。數(shù)據(jù)質(zhì)量決定了大模型能力。

應對安全挑戰(zhàn)

數(shù)字經(jīng)濟時代，更為重要是對數(shù)據(jù)這一涉及人們生活各方面的要素進行安全性防范。即便是剛剛興起的AI大模型，在被廣泛應用后，很快部分公司便遭遇了泄密挑戰(zhàn)。

林少勇對記者表示，AI大模型對于訓練的數(shù)據(jù)要求越來越高，國內(nèi)還需做好數(shù)據(jù)標準、數(shù)據(jù)脫敏、數(shù)據(jù)安全等工作。

尤其是數(shù)據(jù)的廣泛收集、存儲和共享為個人、企業(yè)和政府帶來了機會，但同時也引發(fā)對數(shù)據(jù)隱私、保密性和安全性的擔憂。

“因此公司會從多個層面考慮應對這一難題：強化數(shù)據(jù)加密、建立訪問控制和權限管理、實施多層次防御策略（從軟硬件層面）、持續(xù)員工培訓、運用新技術（如人工智能、機器學習）等。”他續(xù)稱。

劉寶強則對記者分析，倘若要應用海外大模型，可能會涉及數(shù)據(jù)被傳輸出去的情形，目前國產(chǎn)大模型本身底座安全，數(shù)據(jù)等信息也都留存在國內(nèi)；同時開源大模型已經(jīng)從底層源代碼開源，因此可自由部署、靈活可控。

近兩年來，在企業(yè)數(shù)字化轉(zhuǎn)型中，受大環(huán)境和市場等多重因素影響，企業(yè)對這方面的投入愈發(fā)審慎。但劉寶強對記者表示，“各行各業(yè)對數(shù)字化、智能化轉(zhuǎn)型的訴求上升速度很快，即使面臨短暫的資源困難，大多數(shù)企業(yè)都不會停止其數(shù)字化迭代進程。”

關鍵詞：