AI商业洞察 | AI与云原生技术成为推动企业现代化进程的关键因素

多客科技

作者：微信文章






AI+商业

AI商业洞察

2025年突破性技术之快速学习机器人

生成性人工智能正引领着机器人训练方式的革新，极大地加速了机器人掌握新任务的速度。

长久以来，人工智能在辅助机器人执行基础任务（例如物体检测）方面发挥了重要作用。然而，随着大型语言模型（LLMs）的进步，机器人训练的过程经历了显著变化，使得构建具备高度能力的机器人不再是遥不可及的梦想。

过去，机器人学研究者主要利用人工智能让机器人能够识别周围的物体。但近年来，研究人员对大型语言模型的发展感到惊喜。这些模型通过处理大量文本数据（如书籍、诗歌和手册），并经过微调后，能够根据提示生成相关文本。将这一思路应用于机器人训练领域虽然颇具吸引力，但也面临着巨大挑战。不同于简单地在屏幕上生成句子，教导物理机器人如何移动并完成实际任务需要解决更多复杂问题。

如今，在这个探索过程中，机器人学家们取得了重要突破。其中一项关键进展是学会了如何整合不同类型的数据源，使其既对机器人有用又易于理解。

以洗碗为例：通过让一个人佩戴传感器进行洗碗活动来收集数据，再将这些数据与使用机械臂执行相同任务时的操作数据相结合，同时还可以从互联网上获取展示人们如何洗碗的图片和视频资料。当这些多样化的数据被恰当地融合进一个新的AI模型中时，所训练出来的机器人相比传统方法下训练出来的机器人具有明显优势。这种多视角的学习方式使AI更容易即兴发挥，从而更好地预测机器人在现实世界中的下一步行动。

这项技术的进步有望彻底改变机器人的学习模式。目前，在仓库等商业环境中已经有机器人开始采用这种先进的训练方法。未来，从这些实验中获得的经验或许能为我们开发出能够在家庭环境中提供帮助的智能机器人奠定坚实基础。

2025年突破性技术之小语言模型

大语言模型的崛起无疑揭示了人工智能的巨大潜力，而现在，更加高效的AI技术正逐渐走向前台。

AI领域的规模一直是关键因素。2020年，OpenAI发布了GPT-3，这是当时最大规模的语言模型，展示了通过扩大模型规模来显著提升性能的可能性。这一创新激发了整个科技行业的技术热潮，推动了更大模型的不断开发。正如OpenAI的研究科学家Noam Brown在2023年10月的TEDAI旧金山大会上所言：“过去五年中人工智能取得的惊人进步可以归结为一个词：规模。”

然而，随着新型大模型带来的边际效益逐渐减弱，研究人员开始探索如何在减少资源消耗的同时实现更多功能。如今，针对特定任务精心训练的小模型，依靠专注的数据集，已经能够与大模型相媲美，甚至在某些情况下表现得更好。这对于希望将AI应用于具体场景的企业来说是个好消息。毕竟，如果只是处理重复性的请求，那么拥有涵盖整个互联网数据的庞大模型就显得不必要了。

目前，许多科技巨头都推出了精简版的旗舰模型，例如OpenAI的GPT-4o和GPT-4o mini、Google DeepMind的Gemini Ultra和Gemini Nano，以及Anthropic的Claude 3系列（包括超大尺寸的Opus、中等尺寸的Sonnet及微型的Haiku）。微软也推出了名为Phi的小型语言模型系列。

越来越多的初创公司也在加入这场竞赛，推出自己的小模型。例如，AI初创公司Writer声称其最新的语言模型在多个关键指标上可以与最大的顶级模型相匹敌，尽管它的参数量仅为前者的二十分之一（参数是在训练过程中计算出的值，它们决定了模型的行为方式）。

小模型不仅更加高效，而且训练和运行速度更快。这对于希望以更经济的方式使用AI的用户来说是个好消息。此外，小模型对环境也有利，因为它们所需的计算能力远低于大型模型，因此消耗的能源也更少。更重要的是，这些小模型具有出色的便携性：它们可以直接在我们的手机中运行，无需依赖云端服务。

2025年突破性技术之无人驾驶出租车

如今，在美国和中国的一些城市中，无人驾驶出租车已经开始接送乘客，并且这种技术正逐渐从概念走向现实。与三年前这些车辆还在学习道路规则的情况相比，今天的无人驾驶出租车服务已经更加成熟，并有望在未来扩展到更多地区。

在中国，百度、AutoX、WeRide和Pony AI等公司的无人驾驶出租车已经成为一道常见的风景线，并且计划进一步拓展至新加坡、中东以及美国等地。尽管美国的无人驾驶出租车已经在公路上行驶多年，积累了大量数据，但直到最近公众才开始真正体验到这类服务带来的便利。

在美国市场，Waymo（隶属于谷歌母公司Alphabet）是该领域的领头羊之一。近期，Waymo宣布在旧金山、洛杉矶及凤凰城推出其无人驾驶出租车服务，并打算通过与Uber合作将业务扩展至奥斯汀和亚特兰大。此外，亚马逊旗下的Zoox也计划于2025年向公众开放无人驾驶出租车服务，目前该项目已在旧金山、奥斯汀及迈阿密进行了测试运行。与此同时，英国初创企业Wayve正在调整其技术以适应美国右侧驾驶的规则，并已在旧金山开始了相关试验。

然而，这一领域仍面临诸多挑战。例如，在中国，由于无人驾驶出租车的成本较低，导致了约1000万名传统出租车司机表达了强烈不满。而在2023年10月发生的一起涉及通用汽车旗下Cruise公司无人驾驶车辆撞伤行人事件后，该公司暂停了运营，并在上个月决定停止对该部门的投资。对于特斯拉而言，它需要证明自身技术的可靠性并获得必要的许可，才能实现到2025年在加利福尼亚州和德克萨斯州推出完全无人监督的打车服务的目标。

尽管如此，随着越来越多的人首次尝试这项新技术并逐渐对其产生信任感，预计主要参与者将继续扩大他们的服务范围，进入更多的城市，并在价格方面展开激烈竞争。

AI与云原生技术成为推动企业现代化进程的关键因素

随着AI技术的不断进步，企业迫切需要通过现代化手段来提升云计算平台的灵活性和效率。AI正在帮助企业改善客户体验、加快业务流程并提高生产力。为了满足对AI应用的高需求，许多组织正在对其基础设施和应用架构进行现代化改造，特别是在云原生技术的支持下。

例如，沃达丰利用Azure AI服务实现了个性化的客户体验，成功使用AI解决了70%的初始查询问题，并提高了客服代表的工作效率。同时，Coles通过更新其应用程序和数据架构，增强了电子商务体验和客户服务的个性化水平。云原生架构不仅为AI应用提供了所需的敏捷性和可扩展性，还确保了数据的安全性和合规性，成为推动创新的关键因素。

然而，在推进应用现代化的过程中，企业面临着一系列技术挑战，需要提升开发人员的技能，并从评估现有应用架构开始，以确保能够实施快速有效的现代化策略。通过采用开源技术和云平台，组织可以加速获取和应用AI模型，从而更快速地响应市场变化。最终，成功的AI应用依赖于现代化架构的支持，这种架构提供了高效的性能、灵活性和强大的安全防护，帮助企业在快速变化的市场中保持竞争力。

微软计划在2025财年投入800亿美元用于AI数据中心建设

据TechCrunch报道，微软宣布将在2025财年拨款800亿美元，用于建设专为处理人工智能工作负载而设计的数据中心。这些AI支持的数据中心将用于训练AI模型并在全球范围内部署AI和云应用程序。根据微软副董事长兼总裁布拉德·史密斯（Brad Smith）的说法，这笔投资中超过一半将用于美国。

史密斯表示：“展望未来，人工智能有望成为改变世界的通用技术（GPT）。AI将在经济各个领域推动创新并提高生产力，美国尤其有望在这一新技术浪潮中占据领先地位，只要能够充分发挥其优势并与国际社会有效合作。”

早在2024年4月，微软和OpenAI曾讨论建设一个名为“Stargate”的AI超级计算机数据中心，预计耗资超过1000亿美元。然而，年底微软在SEC文件中首次将OpenAI称为“竞争对手”。

随着AI对电力需求的持续增长，未来几年数据中心可能面临电力短缺的挑战。这一巨额投资表明，微软正加紧应对人工智能时代带来的技术和资源需求。



编辑 | 钱丽娜

排版 | 杨一萍

校对 | 袁海鸣



｜中经传媒智库  CBJTHINKTANK  原创文章｜

往期推荐

AI商业洞察 | OpenAI o3模型成本激增




  你有在看吗↓