人工智能时代下最重要的三个基石是什么，我们可以在哪里找到这三个基石的资源

[title]2024年3月/科技变革与美股投资2024[heading1]III.智变时代最近，2024年2月，Sora的出现再次震撼了技术界，预示着我们可能很快就会见证更多令人兴奋的技术突破。虽然现在我们可能还没到达视频生成AI的顶峰，但已有的成就足以让人惊叹。这一切都说明，我们正站在一个新的技术革命的门槛上，未来充满了无限可能。在这次人工智能的飞速发展中，三个关键因素起到了催化剂的作用：架构、算力以及人才网络。首先，当我们谈论当前市场上那些仿佛魔法一般的AI技术时，几乎所有的成就都可以追溯到两个核心架构—— Transformer和Diffusion。这两种架构分别代表了数据转换和数据向图像转换的能力，它们构成了当前AI技术的基石。其次，自2010年以来，由于GPU等计算资源的快速发展，算力得到了空前的爆发，为AI技术的进步提供了强大的支持。除了技术和算力之外，AI领域的人才网络也起到了不可忽视的作用。值得注意的是，这一次的AI革命中的所有关键人才几乎都源自于Google，特别是Google在加拿大多伦多和蒙特利尔成立的两个实验室，以及它收购的英国公司DeepMind。这些机构和个人形成了一个强大的人才网络，推动了AI技术的发展，并培养了一批杰出的AI领军人物。从Google到OpenAI，再到Facebook和其他多家公司，这些人才的流动和合作推动了AI技术的快速进步。这次革命的比较角度可以是，过去几十年我们一直在追求更快的计算机，但现在和未来，我们将追求更强大的大脑，即软件2.0。这一概念由Andrej Karpathy提出，标志着从传统软件开发到以AI模型为核心的新时代的转变。未来，我们将依赖于无尽的算力和多样化的AI模型来构建“机器之心”，这将使我们能够实现前所未有的智能服务和应用。

[title]黄仁勋在AI界超级碗GTC2024的主旨演讲:精华及全文（附视频）您问我是否知道，我感谢您的提问。这是一个误解。然后我们向他们展示，这就是CTL，没有问题。所以这就是NVIDIA的CTL，以及您可以看到的CTL。您知道，CTL代表计算跟踪库，这让您知道我们一直在跟踪计算周期。它写了“程序真是太棒了”。这样，我们的芯片设计人员的生产力就可以提高。这就是您可以使用NIM做的第一件事。您可以使用它进行定制。我们有一项名为NEMO微服务的服务，可以帮助您管理数据，准备数据，以便您可以进行教学在这个人工智能上。您可以对它们进行微调，然后您可以对其进行防护，您可以评估答案，根据其他示例评估其性能，这就是所谓的NEMO。现在出现的微服务是三个要素，我们正在做的事情的三个支柱。第一个支柱当然是发明技术。AI模型和运行AI模型，然后再为您打包。是创建工具来帮助您修改它，其次是拥有人工智能技术，第二是帮助您修改它，第三是供您微调它的基础设施。如果您喜欢部署它，您可以将其部署在我们称为DGX云的基础设施上，或者您可以使用它，将其部署在本地，您可以将其部署在任何您喜欢的地方。一旦您开发了它，您就可以把它带到任何地方。所以我们是一家有效的人工智能代工厂。我们将为您和人工智能行业做的事情，就像台积电为我们制造芯片所做的那样。因此，我们带着我们的伟大想法去台积电，他们制造，我们随身携带。所以这里完全相同的事情，人工智能铸造厂和三大支柱是NEMS，NEMO微服务和DGX云。您可以做的另一件事是教导NEM要做的就是了解您的专有信息。请记住，在我们公司内部，我们的绝大多数数据并不在云中，而是在我们公司内部。您知道它一直坐在那里，并且一直在使用。天哪，我们想要获取的数据基本上是NVIDIA的智能。了解其含义，就像我们了解了我们刚刚谈到的几乎所有其他内容的含义一样，然后将这些知识重新索引到一种称为矢量数据库的新型数据库中。

比较讲究的企业，如果真的想用大模型对自己业务来做改造，我觉得至少可以部署三大基础设施——知识大模型、情报大模型、安全大模型，把这三个支柱建立起来。情报大模型和知识大模型，解决你企业内部的决策、员工知识培训，重要的是把内部的知识，暗知识、浅知识、隐知识都收集起来。这是知识中枢的架构。今天觉得不在意的东西，比如企业文档，在人工智能时代都变成最有价值的训练语料。再比如电子邮件、会议音视频、产品照片、聊天记录，大数据平台和数据库里的数据业务系统操作过程，还有外部和互联网上搜集的各种外部知识和外部情报，通过分析之后建立起一个内部的知识中枢。举个案例，某大学电子图书馆智能化改造，我们就是做它的内部知识管理。[heading2]第三步：打造场景化大模型[content]我们会给你免费提供一个基础大模型，这个基础大模型是从通用大模型里蒸馏出来的，然后数据工场、知识工场和模型工场是三套开发平台，数据是做数据的治理和标注，知识是从知识管理中间把相应的知识提取出来，既对它来进行知识对齐和知识训练。模型工场是用来用对这个模型进行部署和训练的，再加上Agent应用开发框架，训练出来自己的多个场景化的大模型。这个天津某银行用这个方法我们为它做了一个私有大模型的定制，为它的这个金融需求，拿一个通用大模型训练了几个专用的大模型。