人工智能的不断发展和越来越广泛的应用，将相应地需要更先进和可扩展的基础设施来支持其开发和部署。人工智能基础设施投资的一个关键领域将是专门的数据基础设施，如矢量数据库，其设计用于存储和处理现代ML模型生成的大量数据。Liberty表示：“这将加速人工智能系统的开发和部署，这些系统在许多领域将超过上一年的应用。”

近年来，公司不断增加对人工智能的使用，取得了喜忧参半的成绩。但SAS咨询业务解决方案经理Kimberly Nevala预测，2023年，人工智能将进入“少就是多”的增长阶段。

“随着组织意识到“少即是多”，人工智能将激增，并悄悄地将重点从大规模创新作为目标变为应用于更广泛的小决策点和行动，其集体影响大于各部分的总和。矛盾的是，作为组织和重要员工需要对这些技术有广泛的认识，并能自如地使用。”

【资料图】

所以你已经在GPU上投入了大量资金来训练你的神经网络。你怎么处理它呢?SQream产品副总裁Matan Libis表示，总有一些SQL查询需要额外的马力。

“为AI/ML重复使用计算资源的能力对企业来说是一个激动人心的宝贵机会。重复使用不仅减少了AI所留下的碳足迹，而且更便宜的全球数据存储解决方案的普遍增加也减少了对GPU硬件的依赖。此外当您不需要将数据从一个地方移动到另一个地方时，可以降低延迟。然而，一旦企业在一个地方准备数据，在另一个地方进行训练，并将推理转移到再一个地方，希望通过简化流程，我们将看到AI/ML能力的准确性和速度都有巨大的提高。”

深度学习公司Deci的首席执行官兼联合创始人Yonatan Geifman表示，云计算的高成本正在给每个人带来压力，但人工智能用户可以通过优化模型来对抗成本攀升。

在2022年前，这种将文本转化为图像的AI还是一项相当不成熟的技术，其作品很粗糙。但到了今年，技术迅猛发展，以至于在今年美国科罗拉多州博览会的美术竞赛上获奖的作品之一就是AI创作的。

英国伯明翰大学的马克·李说，在硬件和软件优化的共同作用下，这项技术迅速发展。首先，研究人员开始将谷歌公司工程师2017年发明的一种名为转换器的算法用于生成图像。最初，此类AI模型被用于构建像“生成型已训练变换模型3”(GPT-3)这样的文本生成模型。

沃尔夫说，尽管转换器模型在图像生成方面取得了初步进展，但一种名为扩散的新型算法最近几个月一直处于领先地位。

他说：“转换器能发挥作用，但它们往往会提供一些怪异的作品。扩散模型与转换器截然不同，它们能够创作出具有精细纹理的作品。我认为，正是这一点让这种新模型在达到‘令人赞叹的’效果方面脱颖而出。”

娄超说，国家“十四五”规划明确指出，要培育壮大人工智能、大数据等新兴数字产业，“推动通用化和行业性人工智能开放平台建设”。2020年6月，重庆市人民政府印发《重庆市建设国家新一代人工智能创新发展试验区实施方案》，部署人工智能技术创新行动等“4+1”重点任务，提出把人工智能试验区建设作为大数据智能化发展的重要抓手，加快建设“智造重镇”“智慧名城”，助推“山城”产业转型升级。

“重庆高度重视人工智能与本土产业的深度融合，人工智能技术快速发展、应用场景不断拓展，为重庆深化人工智能场景创新奠定了坚实基础，但还存在现有人工智能企业整体体量小、布局散、层次低，缺乏标杆性的人工智能行业应用案例，科技创新和人才培养体系难以支撑人工智能产业发展等问题。”娄超建议，加强重庆人工智能企业培育和场景打造，以人工智能高水平应用促进重庆经济高质量发展。