當(dāng)前，以ChatGPT為代表的LLM應(yīng)用正在掀起新一輪的AI 浪潮，數(shù)字產(chǎn)業(yè)生態(tài)也迎來前所未有的變局。隨著LLM應(yīng)用的興起，如何低成本地實現(xiàn)大模型的構(gòu)建和應(yīng)用，成為企業(yè)關(guān)注的重點。

近日，國內(nèi)領(lǐng)先的云原生數(shù)據(jù)倉庫廠商酷克數(shù)據(jù)宣布將推出自主研發(fā)的AI開發(fā)工具HashML，通過機器學(xué)習(xí)、深度學(xué)習(xí)及預(yù)訓(xùn)練大模型等技術(shù)，為開發(fā)者提供簡單易用、算法先進、性能卓越的AI開發(fā)體驗。

HashML是酷克數(shù)據(jù)核心產(chǎn)品HashData云數(shù)倉的擴展實現(xiàn)工具，隨數(shù)倉的部署提供開箱即用的AI能力，讓數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師、應(yīng)用開發(fā)者無門檻地使用大模型，大幅降低大模型系統(tǒng)部署的成本和復(fù)雜度，推動大模型走向規(guī)?；瘧?yīng)用。

大模型熱潮涌來 成本問題備受關(guān)注

目前，在大模型領(lǐng)域，國內(nèi)外科技巨頭的競爭已經(jīng)白熱化。亞馬遜、谷歌、百度、華為、阿里等企業(yè)競相涌入，相繼推出各自的大模型服務(wù)。

中國科學(xué)技術(shù)信息研究發(fā)布的《中國人工智能大模型地圖研究報告》顯示，截至今年5月，國內(nèi)已公開披露的大模型數(shù)量達到79個。

然而，對于企業(yè)而言，當(dāng)前要部署和使用大模型，仍面臨著高昂的成本負擔(dān)。

據(jù)了解，大模型在企業(yè)落地的成本主要包括模型前期微調(diào)與訓(xùn)練的成本以及模型后期與業(yè)務(wù)結(jié)合的運行成本，涉及計算資源、存儲費用、網(wǎng)絡(luò)傳輸、數(shù)據(jù)標(biāo)注等費用。

從訓(xùn)練成本來看，以ChatGPT為例，其訓(xùn)練成本一次大概需要數(shù)百萬美元。華為公布的數(shù)據(jù)顯示，大模型開發(fā)和訓(xùn)練一次所需的費用大約1200萬美元。在高度迭代和反復(fù)訓(xùn)練過程中，再加上供不應(yīng)求的算力成本，大模型入門門檻將高達上億級別，這對于眾多企業(yè)來說是很難承受的壓力。

可以說，高昂的成本已經(jīng)成為大模型規(guī)?；瘧?yīng)用巨大阻礙。與此同時，各大科技企業(yè)也在積極探索利用創(chuàng)新技術(shù)降低大模型應(yīng)用的成本。

降低AI開發(fā)門檻 云原生數(shù)倉助力大模型普惠化

值得關(guān)注的是，云計算平臺在大模型訓(xùn)練方面具備與生俱來的成本優(yōu)勢。企業(yè)可以基于云平臺自動伸縮、按需計費的特性，對大模型訓(xùn)練成本進行合理規(guī)劃和控制。

大模型的核心邏輯是對海量數(shù)據(jù)的收集、加工、處理和運算結(jié)果的輸出。如果將大模型比作“烹飪”，數(shù)據(jù)就好比是“食材”，數(shù)據(jù)倉庫則是必不可少的“廚具”。伴隨大模型熱潮的興起，對于支撐AI的底層數(shù)據(jù)倉庫也提出了更高的要求。

大模型龐大的數(shù)據(jù)量帶來了存儲和計算資源的壓力，這要求數(shù)據(jù)庫能夠提供可以橫向的并發(fā)訪問能力、多范式的數(shù)據(jù)處理分析能力和海量異構(gòu)數(shù)據(jù)的存儲管理能力。在這種趨勢下，基于云原生架構(gòu)的數(shù)據(jù)倉庫將成為未來數(shù)據(jù)庫行業(yè)發(fā)展的重要方向。

作為國內(nèi)最早專注于云原生數(shù)倉研發(fā)的企業(yè)之一，酷克數(shù)據(jù)從成立之初，就致力于降低大數(shù)據(jù)分析和應(yīng)用的門檻，其核心產(chǎn)品HashData云數(shù)倉基于云原生架構(gòu)設(shè)計，通過元數(shù)據(jù)、計算和存儲層解耦，從而最大限度發(fā)揮云平臺的彈性和擴展能力。

酷克數(shù)據(jù)即將推出的AI開發(fā)工具HashML，是一款基于HashData云數(shù)倉打造的新一代高級分析和數(shù)據(jù)科學(xué)工具箱，能夠為開發(fā)者提供豐富的AI算法和模型能力，僅需幾行代碼就能開啟模型訓(xùn)練、推理預(yù)測，在統(tǒng)一的框架下支持各種經(jīng)典的機器學(xué)習(xí)、深度學(xué)習(xí)算法以及預(yù)訓(xùn)練大模型。

HashML與HashData云數(shù)倉共享統(tǒng)一的存儲和計算資源，隨數(shù)倉的部署提供開箱即用的AI能力，大幅降低了系統(tǒng)部署的成本和復(fù)雜度，為開發(fā)者提供了統(tǒng)一的數(shù)據(jù)查詢、分析、建模環(huán)境。

借助HashML，基于HashData的AI應(yīng)用開發(fā)將會變得非常簡單。HashML提供了從數(shù)據(jù)查詢處理、高級分析到ML/DL模型的訓(xùn)練、推理和服務(wù)部署的全套工具，包括對大語言模型微調(diào)和推理的支持，另外提供了Python和SQL兩種編程語言接口。

同時，HashData正在開發(fā)增強數(shù)據(jù)倉庫支持向量數(shù)據(jù)存儲和處理檢索能力的功能組件，結(jié)合云數(shù)倉的高擴展性、高可用和高彈性，實現(xiàn)更好地支撐和擴展大模型的應(yīng)用場景。

未來，大模型將成為新型基礎(chǔ)設(shè)施的關(guān)鍵底座之一?？峥藬?shù)據(jù)將通過領(lǐng)先的技術(shù)和完善的生態(tài)，推動人工智能技術(shù)普惠化，讓更多企業(yè)“用得起、用得上、用得好”大模型，助力企業(yè)成長。

免責(zé)聲明：市場有風(fēng)險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：