生成式人工智能技术正在各行各业引起轰动，带来了变革性的改变和挑战。在英伟达GTC大会前一周，硅谷徐老师很荣幸能和英伟达的人工智能解决方案副总裁马修·赫尔（Matthew Hull）和雪花公司（Snowflake）的人工智能产品副总裁巴里斯·古尔特金（Baris Gultekin）一起讨论生成式人工智能在企业落地的现状，挑战，和前景。想立即观看现场对话录像的话，请关注我的微信视频号或者小红书号（“硅谷徐老师”）即可。
以下是硅谷徐老师小结的三个蛮有趣的嘉宾观点（英文博客原文请参考原文链接）。
#1 “GPU短缺”被夸大了
英伟达的马特·赫尔表示，“每个人都在谈论这个芯片短缺。无法获得足够的芯片。但事实上，GPU芯片很多时候并不是问题的唯一关键。关键还有网络设备、数据中心或数据中心的电力和冷却。我们需要考虑完成工作所需的整个系统。英伟达不仅仅是一家芯片公司，我们是在整合一切，提供完整的人工智能解决方案。
”尽管的确存在GPU供货紧缺，Nvidia对于不久后将GPU供应与需求达到平衡持乐观态度。”
在讨论中，我引用了Nvidia CEO黄仁勋的话说“摩尔定律已死”。当然黄教主最近也说，“在过去的十年中，我们使AI进步了大约一百万倍。这是摩尔定律的许多倍。”英特尔公司CEO帕特·基辛格表示，到2030年，我们将在一颗芯片上看到1万亿个晶体管。所以，我不禁问马特，摩尔定律究竟是否已经死亡？
马特澄清说，虽然该定律在芯片这个范畴里可能已经失效，但在数据中心级别却在大力发展。他实际上是在说，Nvidia通过涵盖GPU、数据中心、网络、存储和软件的综合系统，保持了摩尔定律的精神活着。
#2 生成式人工智能在企业落地的真正挑战
真正的挑战不在于技术本身，而在于拥抱AI的文化，鼓励跨职能合作和共享学习。马特·赫尔强调，生成式人工智能采用的最大瓶颈不是技术，而是文化、人和流程方面。马特详细阐述了需要一种协作文化，业务线与数据科学团队紧密合作，分享学习和最佳实践，创造出什么是有效的滚雪球效应。
巴里斯也表达了同样的看法，他还注意到了从实验到生产的转变，强调了AI在金融服务、制药公司和汽车制造商等各个行业的快速部署。
#3 生成式人工智能正在以多方面的方式改变着企业
第一，雪花公司的巴里斯·古尔特金阐述了GPT是如何彻底改变AI适用于企业用例的。与之前需要大量定制的AI系统不同，GPT的通用基础模型提供了多功能性和效率，使得内部流程更加个性化和高效。这为公司利用其独特的数据在市场上区分自己打开了新的机会。
第二，在过去的十年中，三大云供应商（亚马逊AWS、微软Azure、和谷歌云）主导了云服务的份额；然而，“AI云服务”将使人们的选择更加广泛。巴里斯和马特都强调了公共云的重要性，但也主张在大三公共云API、本地解决方案和像DGX和Snowflake这样的云之间选择的灵活性。重点是将计算资源带到数据所在的地方，同时维护数据治理和可访问性。
第三，就初创公司的机会而言，巴里斯引用了Mistral AI仅用20人在10个月内创造竞争模型的成功。马特为初创公司提供了建议：保持敏捷。他对新公司涌入AI领域表示乐观，并建议新来者保持敏捷，不受可能困扰大公司的构建和文化问题的束缚。这种敏捷性被视为在快速发展的AI景观中导航的关键。
总结一下，我们三人的讨论涉及了生成式人工智能在企业落地的现状和挑战，同时我的两位嘉宾都为生成式AI的前景给了一个非常乐观的描绘。
