英特尔展示出色的人工智能能力：由英特尔的稳定人工智能支持的企业级人工智能计算

英特尔展示了卓越的人工智能：由英特尔的稳定AI提供支持的企业级AI计算

在九月的英特尔创新大会上，英特尔宣布Stability AI将成为一个完全基于英特尔技术构建的AI超级计算机的最大客户，此超级计算机将使用英特尔的Gaudi2 AI硬件加速器和英特尔至强处理器。

随着人工智能（AI）工作负载的不断演进和复杂化，像Stability AI这样的公司正在重新思考如何满足不断增长的企业对AI计算的需求。在一篇博客文章中，该公司讨论了其需要探索替代方案来满足其AI计算需求的原因，以及为什么选择了英特尔的技术。

总体而言，市场正在寻找AI计算技术的替代方案。今天有很多竞争激烈的解决方案，无论是在硬件还是软件方面。但是它们可能很难使用且昂贵。英特尔与开放生态系统和独立软件供应商合作以推广技术的记录，为开发人员提供更多选择和兼容性。这就是为什么像Stability AI这样的客户选择英特尔经过验证的替代解决方案的原因，这些解决方案可以降低计算成本，同时不影响性能。

部署生产环境时面临的GenAI挑战并非仅困扰Stability AI一家。研究显示，许多公司正在尝试使用生成型AI或GenAI（根据现有数据查询“生成”新内容的AI）进行实验，其中约10%的公司已经将GenAI工作流程转入生产阶段。

但是现实是，想要开始采用GenAI并使其全面发挥业务优势的许多组织都在试点或概念验证阶段停滞不前。他们无法扩展解决方案，无法进入能够充分利用它的生产环境。以下是组织陷入困境的原因以及他们需要提出的问题，以确保成功。

为了从概念验证阶段转入生产阶段，组织需要四个S：速度、规模、可持续成本和安全性。组织需要这四个要素共同成功，但往往会牺牲其中一个而不自知。

为了实现速度，许多公司使用廉价的API，但很难将其扩展到企业客户所需的级别。或者为了扩展规模，他们尝试构建自己的大型语言模型（LLMs），这需要大量的工作、时间和专业知识，而这些专业知识很难找到。在过去十年的企业级AI开发中，缺乏标准化，所以许多组织觉得他们必须牺牲速度，投入时间和工作来构建他们自己的LLMs。

但是现在情况有所改变。如今，大多数组织不再需要雇佣大量的数据科学家，因为他们可以与AI社区合作，使用开放解决方案并根据自己的需求进行定制。这个缺失的部分极大地加快了GenAI项目的进展，企业需要确保他们不浪费时间从零开始构建。

许多组织在开始构建试点时会被一些提供商的“按使用量付费”定价模型所吸引。虽然这种方法可能是一种便宜且简单的入门方式，但成本很快就变得不可持续。一个项目可能只需要几十美元用于测试，但当一家公司从概念验证转到生产环境时，成本可能迅速飙升到数百万美元。

相比之下，与另一供应商签订的企业许可年度合同可能一开始看起来很昂贵，但当从试点转入生产时，价格不会改变。长期来看，这样做可以节省很多费用。使用“按使用量付费”的服务可能每个查询的成本最终可能达到3到5美元，而将企业级系统部署到自己的环境中，每个查询的成本可能只有0.1美分。

在进入生产阶段之前，组织还必须了解其数据是如何被保护的，数据流向何处（特别是如果他们与合作伙伴合作），并确保其符合对客户和适用于他们的任何法规所作出的承诺。

将生成型AI投入实际使用

人工智能对于行业来说是一个重大转变。我将当前的人工智能时刻类比为1996年的互联网时刻：潜力是明显的，但真正的影响尚不清楚。

与其他演变相比，人工智能的采用速度和价值产生的时间非常快。现在还太早来理解人工智能将解锁的所有机会——或者其带来的下游影响——但其可能性是令人难以置信的。

英特尔正在努力将人工智能带到各个方面——新的用例、行业、设备、人员等等。在12月14日的英特尔“人工智能无处不在”发布会上，公司将展示许多更多使用英特尔技术将其GenAI产品投入生产的企业客户。

可以说，平衡速度、规模、可持续成本和安全性，并在其中一个方面不做任何妥协的企业将最有可能从生成型人工智能革命中获得回报。