今年的《韋氏企業(yè)詞典》（Merriam-Webster: Enterprises）年度詞匯候選者頗多。隨著整個行業(yè)都聚焦于變革性的新技術(shù)，繼 “生成式 AI” 和 “生成式預(yù)訓(xùn)練 Transformer” 之后，又出現(xiàn)了 “大語言模型（LLM）”、“檢索增強生成（RAG）” 等詞匯。

生成式 AI 從年初開始嶄露頭角，到年末已經(jīng)引起了轟動。許多企業(yè)正在競相依靠 AI 提取文本、語音和視頻的能力，生成能夠徹底改變生產(chǎn)力、創(chuàng)新和創(chuàng)造力的新內(nèi)容。

企業(yè)紛紛順勢而為。麥肯錫表示，像 OpenAI 的 ChatGPT 這樣的深度學(xué)習(xí)算法在經(jīng)過企業(yè)數(shù)據(jù)的進一步訓(xùn)練后，每年可在 63 個業(yè)務(wù)用例中創(chuàng)造相當(dāng)于 2.6 萬億至 4.4 萬億美元的價值。

然而，管理海量內(nèi)部數(shù)據(jù)往往被認為是擴大 AI 規(guī)模的最大障礙。NVIDIA 的 AI 專家預(yù)測，企業(yè)在 2024 年的工作重點將是“廣交良友”，即與云服務(wù)提供商、數(shù)據(jù)存儲和分析公司以及其他擅長高效處理、微調(diào)和部署大數(shù)據(jù)的公司建立合作伙伴關(guān)系。

這一切都將圍繞大語言模型展開。NVIDIA 專家表示，LLM 研究的進展將被越來越多地應(yīng)用于商業(yè)和企業(yè)應(yīng)用中。RAG、自主智能體和多模態(tài)交互等 AI 功能將變得更易于獲取，并且?guī)缀蹩梢酝ㄟ^任何平臺輕松部署。

在投入到生產(chǎn)中后，這些定制 LLM 將使用 RAG 功能連接數(shù)據(jù)源與生成式 AI 模型，從而作出更加準(zhǔn)確、明智的回答。Amdocs、Dropbox、基因泰克公司（Genentech）、SAP、ServiceNow 和 Snowflake 等頭部企業(yè)已經(jīng)在使用 RAG 和 LLM 構(gòu)建新的生成式 AI 服務(wù)。

開源軟件引領(lǐng)潮流：借助開源預(yù)訓(xùn)練模型，企業(yè)將把能夠解決特定領(lǐng)域挑戰(zhàn)的生成式 AI 應(yīng)用納入其運營戰(zhàn)略中。

如果企業(yè)能夠?qū)⑦@些領(lǐng)先的模型與私有或?qū)崟r數(shù)據(jù)相結(jié)合，就能加速提升整個企業(yè)的生產(chǎn)力和成本效益。AI 計算和軟件將可以在幾乎任何平臺上使用，無論是云計算和 AI 模型代工服務(wù)，還是數(shù)據(jù)中心、邊緣和桌面。

現(xiàn)成的 AI 和微服務(wù)：生成式 AI 推動了應(yīng)用編程接口（API）端點的采用，使開發(fā)者能夠更輕松地構(gòu)建復(fù)雜的應(yīng)用。

隨著開發(fā)者將在 2024 年使用 RAG 等 AI 微服務(wù)定制成品 AI 模型，軟件開發(fā)工具套件和 API 將更上一層樓。這將幫助企業(yè)運用能夠獲取最新業(yè)務(wù)信息的智能助手和摘要工具，充分挖掘出 AI 驅(qū)動的生產(chǎn)潛力。

開發(fā)者可以將這些 API 端點直接嵌入其應(yīng)用，而且無需再為維護支撐這些模型和框架所需的基礎(chǔ)設(shè)施而操心。終端用戶也能體驗到更加直觀、反應(yīng)更迅速且更符合其需求的定制應(yīng)用。

寶藏技術(shù)的國家應(yīng)用： AI 將成為新時代的“太空競賽”，每個國家都希望建立自己的卓越中心，以推動研究和科學(xué)的重大進步，提高國內(nèi)生產(chǎn)總值。

只需要幾百個節(jié)點的加速計算，就能快速建立起高效率、高性能的百億億次級 AI 超級計算機。由政府出資建造的生成式 AI 卓越中心，將通過創(chuàng)造新的工作崗位和建立更強大的大學(xué)項目來培養(yǎng)下一代科學(xué)家、研究人員和工程師，進而推動國家經(jīng)濟的增長。

量子飛躍：企業(yè)領(lǐng)導(dǎo)者將在兩大關(guān)鍵驅(qū)動力之下發(fā)起量子計算研究計劃：一是使用傳統(tǒng) AI 超級計算機模擬量子處理器的能力；二是混合經(jīng)典-量子計算統(tǒng)一開放式開發(fā)平臺的可用性。這使開發(fā)者能夠使用標(biāo)準(zhǔn)編程語言構(gòu)建量子算法，無須掌握需要定制的專業(yè)知識。

量子計算方面的探索曾被認為是計算機科學(xué)中的一個非主流的小領(lǐng)域。但隨著企業(yè)與學(xué)術(shù)界和實驗室共同推進材料科學(xué)、醫(yī)藥研究、亞原子物理和物流領(lǐng)域的快速發(fā)展，量子計算探索將成為主流。

KARI BRISKI

將 RAG 變成財富：企業(yè)將在 2024 年大力采用檢索增強生成（RAG）AI 框架，圍繞此的討論也會更多。

模型有時會因為無法獲得與指定用例相關(guān)的足夠準(zhǔn)確信息而作出這種不準(zhǔn)確或無意義的回答。

隨著企業(yè)訓(xùn)練用于構(gòu)建生成式 AI 應(yīng)用和服務(wù)的 LLM，越來越多的人將 RAG 視為一種能夠避免作出不準(zhǔn)確或無意義回答的方法。

通過語義檢索，企業(yè)將使用開源基礎(chǔ)模型打通自己的數(shù)據(jù)，這樣用戶就能夠從索引中檢索到相關(guān)數(shù)據(jù)，然后在運行時將這些數(shù)據(jù)傳遞給模型。

企業(yè)可以使用更少的資源，為醫(yī)療、金融、零售和制造等行業(yè)創(chuàng)造出更準(zhǔn)確的生成式 AI 應(yīng)用。終端用戶有望看到更加精進、更加符合上下文的多模態(tài)聊天機器人和個性化內(nèi)容推薦系統(tǒng)，這將使他們能夠自然、直觀地與數(shù)據(jù)進行對話。

多模態(tài)“大顯身手”：基于文本的生成式 AI 將成為過去式。盡管生成式 AI 仍處于起步階段，但預(yù)計許多行業(yè)都將采用多模態(tài) LLM，使消費者能夠結(jié)合文本、語音和圖像，對有關(guān)表格、圖表或示意圖的查詢作出更加符合語境的回答。

Meta、OpenAI 等公司將通過加強對感官的支持來推動多模態(tài)生成式 AI 的發(fā)展，進而促進物理科學(xué)、生物科學(xué)和整個社會的進步。企業(yè)將不僅能夠理解文本格式的數(shù)據(jù)，還能夠理解 PDF、圖表、幻燈片等格式的數(shù)據(jù)。

AI 安全將成為核心議題：頭部 AI 企業(yè)之間的合作將加快穩(wěn)健且安全的 AI 系統(tǒng)的研發(fā)速度。預(yù)計各個行業(yè)將采用新的標(biāo)準(zhǔn)化安全協(xié)議和最佳實踐來保障生成式 AI 模型的一致且高度安全性。

企業(yè)將更加關(guān)注 AI 系統(tǒng)的透明度和可解釋性，并將使用新的工具和方法闡釋復(fù)雜 AI 模型的決策過程。由于整個生成式 AI 生態(tài)系統(tǒng)都會將安全問題作為核心，預(yù)計 AI 技術(shù)將變得更加可靠、可信且符合人類的價值觀。

開發(fā)普及化：不久之后，幾乎所有人都能夠成為開發(fā)者。以前的開發(fā)者必須掌握并熟練使用特定的開發(fā)語言才能開發(fā)應(yīng)用或服務(wù)。隨著計算基礎(chǔ)設(shè)施越來越多地在軟件開發(fā)語言上訓(xùn)練，任何人都將能夠提示機器創(chuàng)建應(yīng)用、服務(wù)、設(shè)備支持等。

企業(yè)將繼續(xù)雇用開發(fā)人員構(gòu)建和訓(xùn)練 AI 模型及其他專業(yè)應(yīng)用，同時其他具備相關(guān)技能的人士也都將獲得更多構(gòu)建定制產(chǎn)品和服務(wù)的機會。在文本輸入或語音提示的幫助下，他們與計算機的交互將變得像口述指令一樣簡單。

電影和音樂將迎來新的時代：正如 Fab Four “新創(chuàng)作”的 AI 增強歌曲引發(fā)了新一波的披頭士熱潮一樣，第一部長篇生成式 AI 電影的誕生也將在電影業(yè)掀起軒然大波。

比如，電影制片人在使用 35 毫米膠片攝影機拍攝后，可以通過生成式 AI 技術(shù)，將所拍攝的內(nèi)容快速轉(zhuǎn)換成 70 毫米格式。這將降低制作 IMAX 電影所需的巨額成本，并讓更多導(dǎo)演參與其中。

創(chuàng)作者將使用文字、圖像或視頻來提示計算機把精美的圖像和視頻轉(zhuǎn)化成新類型和新形式的娛樂內(nèi)容。一些專業(yè)人士擔(dān)心這會搶了他們的“飯碗”，但由于生成式 AI 能夠通過特定任務(wù)的訓(xùn)練而日益完善，這些問題也會逐漸消失，反而使專業(yè)人士有時間去處理其他任務(wù)，并為他們提供界面對藝術(shù)家友好的新工具。

KIMBERLY POWELL

AI 手術(shù)助手：外科醫(yī)生在手術(shù)室內(nèi)外使用語音增強其所見所聞的時代已經(jīng)到來。

通過將器械、影像、機器人技術(shù)和實時患者數(shù)據(jù)與 AI 相結(jié)合，可以為外科醫(yī)生提供更好的培訓(xùn)，在手術(shù)過程中提供更加個性化的服務(wù)，甚至在遠程手術(shù)過程中給出實時反饋和指導(dǎo)以提高安全性。目前每年有 1.5 億臺手術(shù)無法開展，尤其是在中低收入國家，而 AI 手術(shù)將有助于縮小這一缺口。

生成式 AI 打造新型藥物研發(fā)工廠：一種新的藥物研發(fā)流程正在興起。生成式 AI 分子生成、特性預(yù)測和復(fù)雜建模將推動智能實驗室的運轉(zhuǎn)速度，縮短研發(fā)周期并提高臨床可行候選藥物的質(zhì)量。

這些 AI 藥物研發(fā)工廠使用全基因組、原子分辨率儀器和能夠全天候運行的機器人實驗室自動化技術(shù)來建立海量醫(yī)療數(shù)據(jù)集。計算機將實現(xiàn)有史以來首次在龐大而復(fù)雜的數(shù)據(jù)集中學(xué)習(xí)規(guī)律和關(guān)系，并且生成、預(yù)測和模擬復(fù)雜的生物關(guān)系，而這些關(guān)系之前只能通過耗時的實驗觀察和人工合成才能發(fā)現(xiàn)。

企業(yè)將定制 LLM 遷移到云端：企業(yè)在 2023 年認識到從頭開始構(gòu)建 LLM 并非易事。他們往往會因為需要投資于新的基礎(chǔ)設(shè)施和技術(shù)而對這條路望而卻步，而且他們還很難確定如何以及何時該優(yōu)先開展公司的其他舉措。

云服務(wù)提供商、主機托管提供商、以及其他提供企業(yè)數(shù)據(jù)處理服務(wù)的公司將通過全棧 AI 超級計算和軟件來幫助企業(yè)。這將使各行各業(yè)的企業(yè)能夠更輕松地定制和部署預(yù)訓(xùn)練模型。

在企業(yè)數(shù)據(jù)湖中挖掘 LLM 這座 “金礦”：目前并不缺少關(guān)于普通企業(yè)信息存儲量的統(tǒng)計數(shù)據(jù)，大型企業(yè)存儲的信息量可能高達數(shù)百 PB。但許多公司都表示自己只挖掘了不到一半的信息來獲取可執(zhí)行的洞察。

2024 年，企業(yè)將開始借助生成式 AI，將那些未被利用的數(shù)據(jù)用于構(gòu)建和定制 LLM。借助 AI 加持的超級計算，企業(yè)將開始挖掘自身的非結(jié)構(gòu)化數(shù)據(jù)，包括聊天、視頻和代碼等，從而將其生成式 AI 開發(fā)工作擴展到訓(xùn)練多模態(tài)模型。這一巨大的進步超越了挖掘表格和其他結(jié)構(gòu)化數(shù)據(jù)的能力，將使企業(yè)能夠針對問題提供更加具體的答案，并發(fā)現(xiàn)新的機遇，包括幫助檢測醫(yī)學(xué)掃描圖像中的異常情況，發(fā)現(xiàn)零售業(yè)的新興趨勢，以及提高運營安全等。

生成式 AI 購物顧問：零售商既要為顧客提供其想要的產(chǎn)品，又要提供符合其個人需求和偏好的高質(zhì)量、人性化全渠道購物體驗。

為了實現(xiàn)這些目標(biāo)，零售商正準(zhǔn)備引進先進的生成式 AI 購物顧問，這些顧問將接受有關(guān)零售商品牌、產(chǎn)品和客戶數(shù)據(jù)的細致培訓(xùn)，以便能夠提供符合品牌的向?qū)�式個性化購物過程并像人類助手那樣細致入微。這一創(chuàng)新的方法將幫助品牌脫穎而出，通過提供個性化的幫助提高顧客忠誠度。

采取保障安全的措施：全球零售商正面臨著日益嚴(yán)峻的挑戰(zhàn)。以美國為例，根據(jù)美國零售聯(lián)合會的報告，自疫情后零售業(yè)盜竊案的數(shù)量激增以來，零售商遭遇的此類事件猛增了 26.5%。

為了提高顧客和員工在店內(nèi)的安全，零售商將開始使用計算機視覺和實體安全信息管理軟件采集并關(guān)聯(lián)來自不同安全系統(tǒng)的事件。這將使 AI 能夠檢測出異常行為，比如大規(guī)模搶奪貨架上的物品等。它還將幫助零售商主動打擊犯罪活動，維護購物環(huán)境的安全。

工業(yè)數(shù)字化擁抱生成式 AI：工業(yè)數(shù)字化與生成式 AI 的融合有望促進工業(yè)轉(zhuǎn)型。

生成式 AI 將使幾何、光、物理、物質(zhì)和行為等物理學(xué)的各個方面轉(zhuǎn)化成數(shù)字數(shù)據(jù)變得更加容易。物理學(xué)數(shù)字化的普及將加速工業(yè)企業(yè)的發(fā)展，提高其設(shè)計、優(yōu)化、制造和銷售產(chǎn)品的效率并使其能夠更加輕松地創(chuàng)建用于訓(xùn)練新一代 AI 的虛擬訓(xùn)練場和合成數(shù)據(jù)。這些 AI 將在自主機器人、自動駕駛汽車等物理領(lǐng)域進行交互和運行。

3D 互通性躍升：首次實現(xiàn)從設(shè)計到生產(chǎn)的數(shù)據(jù)互通。

全球制造、產(chǎn)品設(shè)計、零售、電子商務(wù)和機器人行業(yè)最有影響力的軟件與從業(yè)公司正在加入新成立的 OpenUSD 聯(lián)盟。OpenUSD 是一種 3D 工具和數(shù)據(jù)之間的通用語言，它將打破數(shù)據(jù)孤島，使工業(yè)企業(yè)中的各個數(shù)據(jù)湖、工具系統(tǒng)和專業(yè)團隊能夠比以往更加輕松、快速地開展協(xié)作，從而加快繁瑣人工工業(yè)流程的數(shù)字化進程。

實現(xiàn)整個汽車生產(chǎn)生命周期的現(xiàn)代化：汽車行業(yè)將進一步采用生成式 AI 來提供符合物理學(xué)的逼真效果圖，在準(zhǔn)確展示汽車內(nèi)部與外部的同時，加快設(shè)計評審的速度、降低成本并提高效率。

越來越多的汽車制造商將在其智能工廠中采用這項技術(shù)，通過連接設(shè)計與工程工具來構(gòu)建生產(chǎn)設(shè)施的數(shù)字孿生。此舉能夠在不關(guān)停工廠產(chǎn)線的情況下降低成本，實現(xiàn)運營的精簡化。

生成式 AI 將使消費者的研究和購買變得更具互動性。無論是汽車配置器和 3D 可視化，還是增強現(xiàn)實演示和虛擬試駕，都將為消費者帶來更加引人入勝和愉快的購物體驗。

行駛安全無小事：除了汽車產(chǎn)品生命周期外，生成式 AI 還將推進自動駕駛汽車（AV）開發(fā)領(lǐng)域的突破性進展，包括將記錄的傳感器數(shù)據(jù)轉(zhuǎn)化為全交互式 3D 模擬。在將自動駕駛汽車部署到現(xiàn)實世界前，可以使用這些數(shù)字孿生環(huán)境以及合成數(shù)據(jù)生成技術(shù)，在虛擬環(huán)境中安全地對自動駕駛汽車進行大規(guī)模的開發(fā)、測試和驗證。

生成式 AI 基礎(chǔ)模型還將幫助車輛的 AI 系統(tǒng)提供全新的個性化用戶體驗、功能以及車內(nèi)外的安全措施。

駕駛將變得更加安全、智能和愉悅。

使用生成式 AI 創(chuàng)建新事物：通過生成式 AI，企業(yè)只需要與大語言模型進行對話就可以完成汽車的設(shè)計，或者使用新的技術(shù)和設(shè)計原則來從無到有創(chuàng)建新的城市。

建筑、工程、施工和運營（AECO）行業(yè)正在圍繞生成式 AI 構(gòu)建未來。AECO 和制造業(yè)的數(shù)百家生成式 AI 初創(chuàng)公司與客戶將專注于為幾乎所有用例創(chuàng)建解決方案，包括設(shè)計優(yōu)化、市場洞見、施工管理和物理預(yù)測等。AI 將加速制造業(yè)的發(fā)展，提高效率、減少浪費并實現(xiàn)全新的生產(chǎn)和可持續(xù)發(fā)展方式。

開發(fā)者和企業(yè)尤其關(guān)注點云數(shù)據(jù)分析，該技術(shù)能夠使用激光雷達生成具有精確細節(jié)的建筑和自然環(huán)境示意圖。借助由生成式 AI 加速的工作流，這項技術(shù)將實現(xiàn)高保真的洞察和分析。

AI 飛速增長，連接需求激增：企業(yè)正在使用 GPU 和基于 GPU 的系統(tǒng)獲得加速計算所需要的網(wǎng)絡(luò)帶寬，網(wǎng)絡(luò)效率和性能也將再度成為其關(guān)注的焦點。

萬億參數(shù)的 LLM 將需要更快的傳輸速度和更廣的覆蓋范圍。想要快速推行生成式 AI 應(yīng)用的企業(yè)將需要投資于加速網(wǎng)絡(luò)技術(shù)或者選擇能夠滿足這一需求的云服務(wù)提供商。實現(xiàn)最佳連接的關(guān)鍵在于將其融入到加入了新一代軟硬件的全棧系統(tǒng)中。

網(wǎng)絡(luò)將成為設(shè)計數(shù)據(jù)中心的決定性因素：企業(yè)將認識到數(shù)據(jù)中心不必千篇一律。為數(shù)據(jù)中心選擇合適網(wǎng)絡(luò)的第一步是確定數(shù)據(jù)中心的用途。傳統(tǒng)數(shù)據(jù)中心的帶寬有限，而能夠運行大型 AI 工作負載的數(shù)據(jù)中心需要成千上萬個 GPU，而且這些 GPU 在運行時必須保證高度確定且較低的尾部延遲。

網(wǎng)絡(luò)在大規(guī)模滿負荷情況下的運行能力是確定性能的最佳指標(biāo)。未來的企業(yè)數(shù)據(jù)中心需要通過獨立的管理網(wǎng)絡(luò)（又稱南北向網(wǎng)絡(luò)）和 AI 網(wǎng)絡(luò)（又稱東西向網(wǎng)絡(luò)）連接。其中的 AI 網(wǎng)絡(luò)包含專門用于高性能計算、AI 和超大規(guī)模云基礎(chǔ)設(shè)施的網(wǎng)內(nèi)計算。

DAVID REBER JR.

明確使安全模式能夠適應(yīng) AI：企業(yè)正在如火如荼地從以應(yīng)用為中心的安全模式轉(zhuǎn)向以數(shù)據(jù)為中心的安全模式。數(shù)據(jù)是 LLM 的基礎(chǔ)供應(yīng)鏈，同時也是生成式 AI 的未來。企業(yè)現(xiàn)在才剛剛看到這個問題大規(guī)模地顯現(xiàn)，他們需要重新評估人員、流程和技術(shù)，重新定義安全開發(fā)生命周期（SDLC）。整個行業(yè)將重新定義信任的方法并明確透明度的含義。

新一代網(wǎng)絡(luò)工具將應(yīng)運而生。AI 的安全開發(fā)生命周期將由新的市場領(lǐng)導(dǎo)者來定義工具和使命，以完成從命令行界面到人類語言界面的過渡。隨著越來越多的企業(yè)開始使用開源 LLM（如 Meta 的 Llama 2）加速生成式 AI 的輸出結(jié)果，這一需求將變得尤為重要。

使用 AI 提升安全性：將 AI 應(yīng)用于網(wǎng)絡(luò)安全領(lǐng)域?qū)⒛軌驒z測出從未被發(fā)現(xiàn)的威脅。目前，全球只有一小部分數(shù)據(jù)被用于網(wǎng)絡(luò)防御。與此同時，攻擊者仍在不斷利用每一個錯誤配置。

企業(yè)將通過實驗認識到 AI 在發(fā)現(xiàn)突發(fā)威脅和風(fēng)險方面的潛力。網(wǎng)絡(luò)助手將幫助企業(yè)用戶應(yīng)對網(wǎng)絡(luò)釣魚和配置問題。為了使這項技術(shù)發(fā)揮作用，企業(yè)需要解決工作和個人生活交匯處固有的隱私問題，以便能夠在以數(shù)據(jù)為中心的環(huán)境中實現(xiàn)集體防御。

除了實現(xiàn)技術(shù)的全民化之外，AI 也將在威脅不斷增加的情況下造就新一代的網(wǎng)絡(luò)防御者。一旦明確任何一種威脅，企業(yè)將使用 AI 生成海量數(shù)據(jù)，并使用這些數(shù)據(jù)訓(xùn)練下游檢測器以防御并檢測此類威脅。

RAN 既是目標(biāo)，也是起點：預(yù)計對 5G 投資案例將展開大規(guī)模重新評估。

經(jīng)過五年的發(fā)展，5G 的網(wǎng)絡(luò)覆蓋范圍和容量都有了顯著的提升，但收入增長卻很緩慢，而且大部分專有且靈活性欠佳的基礎(chǔ)設(shè)施的成本也在上升。同時，5G RAN 的利用率仍止步于 40% 以下。

在新的一年里，我們將在現(xiàn)有頻譜上，積極開辟新的收入來源，發(fā)掘可商業(yè)化的新應(yīng)用。電信行業(yè)還將重新考量資本支出結(jié)構(gòu)，更加關(guān)注以通用組件構(gòu)建的靈活高利用率的基礎(chǔ)設(shè)施。此外，由于企業(yè)正在使用 AI 工具來提高性能和效率以降低成本，所以預(yù)計運營費用將全面降低。這些舉措的成效將決定運營商對 6G 技術(shù)的投資力度。

從聊天機器人到網(wǎng)絡(luò)管理：為提升客戶服務(wù)和支持力度，電信公司已將生成式 AI 應(yīng)用于聊天機器人和虛擬助手。在新的一年里，他們將進一步在網(wǎng)絡(luò)規(guī)劃和優(yōu)化、故障和欺詐檢測、預(yù)測分析和維護、網(wǎng)絡(luò)安全運營以及能源優(yōu)化等領(lǐng)域加強生成式 AI 的使用，實現(xiàn)運營方面的改進。

鑒于生成式 AI 的普及度和戰(zhàn)略性，建立新型 AI 工廠基礎(chǔ)設(shè)施來推動其發(fā)展也將成為當(dāng)務(wù)之急。越來越多的電信公司將建立供內(nèi)部使用的 AI 工廠，并以平臺即服務(wù)的形式，將這些工廠提供給開發(fā)人員。這類基礎(chǔ)設(shè)施將能夠支持作為額外租戶的 RAN。

金融服務(wù)公司需要在保持技術(shù)發(fā)展速度，降低集中風(fēng)險的同時保持敏捷性，所以需要做出戰(zhàn)略轉(zhuǎn)變，即采用將本地基礎(chǔ)設(shè)施與云計算混用這樣具有高度可擴展性的方式。能夠處理好最關(guān)鍵工作負載（包括 AI 驅(qū)動的客服助手、欺詐檢測、風(fēng)險管理等）的金融服務(wù)公司將獲得領(lǐng)先優(yōu)勢。

物理機器學(xué)習(xí)加速仿真模擬：能源公司將越來越多地使用物理機器學(xué)習(xí)加速仿真模擬、優(yōu)化工業(yè)流程并增強決策能力。

物理機器學(xué)習(xí)將傳統(tǒng)的物理模型與先進的機器學(xué)習(xí)算法相結(jié)合，是快速、準(zhǔn)確模擬復(fù)雜物理現(xiàn)象的強大幫手。例如在能源勘探和生產(chǎn)中，物理機器學(xué)習(xí)可以快速建立地下地質(zhì)模型，幫助確定潛在的勘探地點，評估運營和環(huán)境風(fēng)險。

在風(fēng)能和太陽能等可再生能源領(lǐng)域，物理機器學(xué)習(xí)將在預(yù)測性維護方面發(fā)揮關(guān)鍵作用，使能源公司能夠預(yù)見設(shè)備故障并提前安排維護，從而減少停機時間和成本。隨著算力和可用數(shù)據(jù)的不斷增加，物理機器學(xué)習(xí)將深入改變能源公司處理模擬和建模任務(wù)的方式，推動更高效和可持續(xù)的能源生產(chǎn)。

LLM —— 提升運營成果的高招：結(jié)合物理機器學(xué)習(xí)，LLM 將能夠分析能源設(shè)備的大量歷史數(shù)據(jù)和實時傳感器輸入數(shù)據(jù)，從而預(yù)測潛在故障和維護需求。這種具有前瞻性的方法將減少意外停機時間，延長風(fēng)力渦輪機、發(fā)電機、太陽能電池板和其他關(guān)鍵基礎(chǔ)設(shè)施的使用壽命。LLM 還有助于優(yōu)化維護計劃和資源配置，確保維修和檢查工作的高效率。最后，將 LLM 應(yīng)用于預(yù)測性維護將為能源公司節(jié)省成本，幫助其更加穩(wěn)定地為用戶供應(yīng)能源。

機器人開發(fā)者的興起：LLM 將為機器人工程師的工作帶來迅速的改觀。生成式 AI 將為機器人開發(fā)代碼并創(chuàng)建新的模擬環(huán)境以測試和訓(xùn)練它們。

LLM 將自動創(chuàng)建 3D 場景、構(gòu)建環(huán)境并根據(jù)輸入的數(shù)據(jù)生成資產(chǎn)，從而加快模擬開發(fā)速度。生成的模擬資產(chǎn)將成為合成數(shù)據(jù)生成、機器人技能訓(xùn)練和機器人應(yīng)用測試等工作流的關(guān)鍵。

除了幫助機器人開發(fā)者外，LLM 背后的引擎 —— Transformer AI 模型將使機器人變得更加智能，使其能夠更好地理解復(fù)雜的環(huán)境，并更有效地在這些環(huán)境中執(zhí)行各種技能。

為了擴大機器人產(chǎn)業(yè)的規(guī)模，機器人必須變得更加通用。也就是說，它們需要能夠更快掌握技能或?qū)⒓寄軕?yīng)用于新的環(huán)境中。在模擬中訓(xùn)練和測試的生成式 AI 模型將成為使機器人變得更加強大、靈活且易用的關(guān)鍵。