AI、零信任、边缘现代化与多云，2024这些技术趋势值得关注

2023年科技领域令人“印象深刻”的关键词有哪些？相信GenAI、大模型、AI等高热词汇必定榜上有名......

事实上，在这场由ChatGPT激起的新一轮AI浪潮中，全球科技巨头、AI厂商、行业翘楚等纷纷下场，唯恐错过此番科技盛宴。同时，GenAI蓬勃发展产业规模也在高速增长，麦肯锡调查数据显示，2022年GenAI市场收入为400亿美元，预计2027年及2032年将分别达到3990亿美元和13040亿美元。

2023年即将过去，2024年即将到来。在包括戴尔科技、Gartner、IDC发布的2024年技术趋势预测中，GenAI的热度并没有随着旧的一年的过去而消散，相反，在新的一年GenAI依旧成为科技领域的“宠儿”。戴尔科技集团全球首席技术官John Roese表示：“GenAI仍然是2024年重点话题之一，并且将从2023年的纯理论探索阶段，进入业务应用阶段。”

从理论到实践，2024年成GenAI进化的关键一年

John Roese之所以将GenAI的发展趋势总结为“从理论阶段转向实践阶段”是有其原因的。

我们可以看到，ChatGPT的崛起又掀起了人工智能发展的新一波浪潮，也释放出头部互联网企业和AI厂商的创新密度和热情，从国内来看，根据公开资料不完全统计显示，截至2023年11月30日，国内已经有至少200家大模型厂商推出了各自的大模型。可以说，在GenAI的这个赛道里，每家企业都公平地拥有科技创新“入场券”，拥有参与竞争的权利。

然而，这些“繁荣”的背后并没有改变一个事实，也就是如果企业不具备产品市场契合度或可持续的竞争优势，人工智能生态系统的整体繁荣是不可能持续的。当头部企业裹挟GenAI从技术淘汰的之一阶段进入能够端到端地解决人们问题的第二阶段之时，企业不得不面对“物竞天择，优胜劣汰”。

从之一阶段到第二阶段的进化，便是John Roese所说的，2024年GenAI将从理论阶段进入到业务应用阶段。而Gartner对于未来GenAI的预测，也佐证了这一观点，它预测到2026年，超过80%的企业都会接入生成式AI或大模型，然而这一比例在2023年初还不到5%。在笔者看来，接入GenAI是其进入业务应用阶段的重要表现，如果这一数据可靠的话，那么，2024年、2025年、2026年将成为关键的3年。

从理论到实践，GenAI如何实现进化？

在2024这一具有关键意义的一年，GenAI将如何完成从理论到实践的进化？John Roese也给出了相应的解答：其一，GenAI将从构建训练基础架构转向构建推理基础架构;其二，企业的关注点将越来越多地从宽泛的实验转向自上而下的战略重点，暨挑选出少数几个真正具有变革意义的GenAI项目;其三，经济方面的讨论重点将从训练成本转向运营成本。

通常，GenAI分为两个阶段：在训练阶段，训练构成GenAI系统核心的大语言模型，在推理阶段，使用这些训练有素的大语言模型来运行应用程序。“将GenAI投入到企业业务用例的这一过程中，训练GenAI只是起步，进入业务应用场景前，企业将在基础模型上进行调优，使用海量的数据喂养GenAI，从而释放GenAI的生产力。”John Roese如是说。

在笔者看来，在即将到来的2024年，越来越多的企业将从关注训练阶段到关注推理阶段，相应的GenAI也将从构建训练基础架构转向构建推理基础架构。John Roese认为在这一趋势变化下，企业需要考虑如何更好地设计推理基础架构，将这些推理基础架构部署在哪里，以及如何确保推理基础架构的安全性。与此同时，对于这些问题，John Roese也作出了相应的解答。

以设计推理架构为例，在推理阶段，企业需要的基础架构的类型取决于用户规模和模型的类型，比如，少量的用户使用成熟的GenAI，那就需要一台服务器，而在用户众多的情况下，便需要增加服务器。John Roese表示：“除了用户训练的基础架构，企业还需要更好地理解、清楚如何打造一个推理基础架构”。

从宽泛的实验转向自上而下的战略重点也是GenAI进化中企业的关注点之一。可以看到，GenAI诞生伊始便让企业、组织、部门不断思考如何使用GenAI改变自身业务方式。然而，在真正实施的过程中，企业开始意识到，在海量的企业项目中构建和实施真正投入生产的生成式AI的系统，需要占用大量的人力、物力、财力。

因此，挑选出少数几个真正具有变革意义的GenAI项目进行实践对于企业来讲尤为重要。John Roese表示：“2024年企业CIO和企业领导者也必须做一个决定，那就是在企业内部挑选出来的数个或数十个要实施GenAI的项目中，再选出几个项目优先实施。”

另外一个值得关注的变化是，企业关注的重点将从训练成本转向运营成本。这一点与笔者论证的越来越多的企业将从关注训练阶段到关注推理阶段这一观点不谋而合，可以说，后者的变化在一定程度上决定了企业关注的成本的变化。

戴尔科技研究发现，2023年GenAI的成本主要集中在训练成本，比如训练大模型需要的服务器数量、架构开发和维护人员等。然而对于企业而言，在应用阶段使用这些GenAI的主要开支为运营成本。John Roese表示：“所以从明年开始，随着越来越多的企业使用GenAI，我们将会发现企业的成本将会由训练成本转向运营成本。”

零信任、边缘平台、量子计算将发挥巨大价值

如今，零信任已成为 *** 安全技术的主旋律。作为新的安全范式，零信任可明确识别用户和设备，并授予其适当的访问权限，以便企业能够以最小的摩擦进行运营，同时降低风险。因此，在笔者看来零信任可以作为一种安全方式或范式、一种战略或某些特定架构和技术实施加以应用。Gartner预测到2025年，至少70%的新增远程部署将使用零信任 *** 访问。

对于零信任的趋势，John Roese表示：“整个2023年充斥着对零信任及其在全球 *** 安全工作中重要性的讨论。在即将到来的2024年，零信任也不再只是一个热门话题，将聚焦落实真正的技术、架构、标准和认证，从而实现零信任的全部优势。”据戴尔科技透露，戴尔科技正在与全球生态系统领导者合作，简化零信任集成。

如今，云网边端架构日益深入人心，事实上，通过构建云网边端协同架构，可以实现终端物联网设备的便捷通信和可靠的数据交互，满足不同行业的差异化服务。结合云计算和边缘计算的优势，云网边端协同应运而生，通过云边协同 *** ，可在为终端用户提供低延时服务的同时提高数据的处理速度。可以说，边缘平台并不是机械式地无限扩展，而是云网边端协同的发展。

对此，John Roese分享说，企业将认识到构建现代化边缘有两种方式：边缘孤岛的扩展和多云边缘平台的搭建。未来的发展方向将是后者，即采用“边缘平台”让现代化边缘成为多云基础架构的延伸。John Roese透露，“在2023年戴尔科技便有建立统一基础架构与应用管理愿景，而在GenAI落地实践的2024年，戴尔科技也将开始落实一些概念和设想。”

此外，John Roese还预测，量子计算将带来AI系统能力的巨大飞跃。在他看来，量子计算解决了GenAI和大多数大规模AI对计算资源需求量极大这一主要问题。事实上，量子计算具备无限处理数据的能力，也能从海量的数据中选择更优的答案，因此，使用量子计算优化GenAI之后，能够让GenAI更加有效，运行得更好。

写在最后

2023年科技领域的GenAI发展一骑绝尘，一方面是越来越多的GenAI诞生，进行行业赋能实践，另一方面，智算中心、HPC发展也如火如荼，带动产业的发展。然而，在GenAI发展中，我们也注意到，GenAI同质化、场景落地难等痛点，要想有进一步的发展，势必要解决这些难题。未来GenAI如何进化，让我们拭目以待。