您的業​​務將依靠數百種AI模型。這就是原因

在當今的科技環境中，正如企業經常為不同需求管理多個雲端服務和資料庫一樣，使用多種人工智慧模型來滿足不同用途的趨勢正在增長。一項針對超過1,000名IT決策者的近期調查顯示，最先進的人工智慧採用者目前同時管理數百個模型。

我們已進入被稱為「多模型人工智慧」時代。根據由Vultr贊助的S&P Global Market Intelligence調查，目前使用的AI模型平均數量為158個，預計明年將增至176個。

調查還發現，最先進的人工智慧用戶目前平均操作175個模型，預計在未來一年內將增長14%，達到200個模型。處於次高人工智慧成熟度的用戶預計模型數量將年增18%。此外，三分之二的受訪經理（66%）正在開發自己的模型或使用開源選項。

在不同應用中使用多個模型有其充分理由。例如，麻省理工學院的一項研究強調了一個系統，該系統使用語言、視覺和動作數據訓練三個模型，以協助機器人在家庭、建築和製造環境中規劃和執行任務。麻省理工學院的研究人員解釋說：「每個基礎模型捕捉決策過程的不同面向，並在決策時協同工作。」

這種趨勢正引領所謂的「集合」人工智慧方法，多個模型協同工作以產生輸出，正如Erica Dingman在MovableInk的文章中描述。「使用單一模型與集合模型的區別，就像比較獨奏小提琴與完整交響樂團，」她指出。「雖然每種樂器都有其價值，但它們一起創造出真正神奇的東西。」此外，使用多樣化的數據集並持續更新和訓練一組模型，可以幫助減輕或消除人工智慧輸出的偏差。

支持人工智慧模型的系統廣泛採用和多樣性正在推動這種擴散。根據S&P和Vultr的調查，人工智慧越來越多地部署在邊緣。「分佈式人工智慧架構，邊緣在跨越組織基礎設施的應用中扮演關鍵角色，很可能成為標準，」調查作者表示。大多數IT決策者（85%）認為這種轉變在他們的環境中可能或極有可能發生，其中32%認為這是「極有可能」。

調查確定了在人工智慧採用方面領先的組織，稱其擁有「變革性人工智慧實踐」。這些領導者中有半數在運營層面表現「顯著優於」行業同行。幾乎所有這些領導者報告稱，2022年至2023年的年度表現有所改善，涵蓋多項指標，包括客戶滿意度（90%）、收入（91%）、成本降低/利潤擴張（88%）、風險管理（87%）、市場推廣（89%）和市場份額（89%）。

在所有受訪組織中，人工智慧支出預計將超過一般IT支出。近九成企業（88%）計劃在2025年增加人工智慧支出，其中49%預計增幅為中等到顯著。

然而，人工智慧使用的快速增長帶來了挑戰，特別是有關現有IT基礎設施的問題。調查作者指出：「在高需求的人工智慧活動（如即時推理）方面，受訪者擔心當前基礎設施可能不足。」前三大問題包括CPU或GPU資源不足（65%）、數據本地化問題（53%）和儲存性能問題（50%）。

調查的定性數據也反映了這些擔憂，受訪者提到在公共雲中高容量GPU實例的調度延遲以及對數據可用性的潛在影響。此外，對基礎設施成本的擔憂日益增加。作者總結說：「一旦項目進入生產階段，成本往往成為更迫切的問題。歷史上，組織在準確預測這些成本方面一直面臨挑戰。」