2022 年 11 月 22 日是一個歷史性時刻，給各行各業(yè)帶來了震撼和影響。

那一天，OpenAI 發(fā)布了有史以來最先進的 AI 聊天機器人 ChatGPT，這引發(fā)了對生成式 AI 應用的需求。這些應用可以幫助企業(yè)提高效率，從為消費者解答問題，到加速研究人員進行開創(chuàng)性的科學研究等等。

之前只是涉足 AI 的企業(yè)現(xiàn)在正爭相采納和部署最新的應用。生成式 AI 能夠使用算法創(chuàng)建全新的文本、圖像、聲音、動畫、3D 模型，甚至是計算機代碼，正在以驚人的速度發(fā)展，極大改變人們的工作和娛樂方式。

通過使用大語言模型（LLMs）來處理查詢，這項技術可以顯著減少人們用于搜索和編譯信息等手動任務上的時間。

普華永道（PwC）預測，到 2030 年，AI 將為全球經(jīng)濟貢獻超過 15 萬億美元。由此可見，其回報十分豐厚。而且，AI 所帶來的影響可能比互聯(lián)網(wǎng)、移動寬帶和智能手機的發(fā)明加起來還要大。

驅動生成式 AI 的“引擎”是加速計算。它使用 GPU、DPU 和網(wǎng)絡以及 CPU 來加速科學、分析、工程以及消費者和企業(yè)用例中的應用。

各行業(yè)的早期采用者——從藥物研發(fā)、金融服務、零售和電信到能源、高等教育和公共部門——正在將加速計算與生成式 AI 相結合，以改變業(yè)務運營、服務和生產(chǎn)力。

生成式 AI 在藥物研發(fā)領域的應用

如今，放射科醫(yī)師使用 AI 來檢測醫(yī)學影像中的異常情況，醫(yī)生使用 AI 掃描電子病歷以了解患者的病情，研究人員則使用 AI 來加速新藥研發(fā)。

傳統(tǒng)的藥物研發(fā)是一個資源密集型過程，往往需要合成超過 5000 種化合物，但平均成功率僅為 10%。而且，大多數(shù)候選新藥需要十多年才能進入市場。

現(xiàn)在，研究人員正在使用生成式 AI 模型讀取蛋白質的氨基酸序列，進而準確預測目標蛋白質的結構，所需要的時間從幾周或幾個月縮短到幾秒。

全球領先的生物技術公司安進使用 NVIDIA BioNeMo 模型，將用于分子篩選和優(yōu)化的自定義模型的訓練時間從三個月縮短到幾周。借助這種可訓練的基礎模型，科學家能夠創(chuàng)建用于特定疾病研究的變體，從而開發(fā)出針對罕見病癥的靶向治療方法。

無論是預測蛋白質結構，還是在大規(guī)模的真實和模擬數(shù)據(jù)集上安全地訓練算法，生成式 AI 和加速計算正在開拓新的研究領域，幫助減緩疾病傳播、實現(xiàn)個性化醫(yī)療，提高患者的生存率。

生成式 AI 在金融服務行業(yè)的應用

NVIDIA 最近的一項調查顯示，金融服務業(yè)中最熱門的 AI 應用是客戶服務和深度分析，自然語言處理與大語言模型被用于更好響應客戶咨詢和發(fā)現(xiàn)投資洞察。另一個常見的應用是推薦系統(tǒng)，為個性化銀行業(yè)務體驗、營銷優(yōu)化和投資指導提供支持。

先進的 AI 應用有望幫助銀行業(yè)更好地防范欺詐，并且能夠改變銀行業(yè)的各個方面，從投資組合規(guī)劃和風險管理到合規(guī)與自動化。

由于 80% 的業(yè)務相關信息為非結構化格式（主要是文本），因此這類信息成為了生成式 AI 的“首要目標”。彭博社每天發(fā)布 5000 篇與金融和投資界相關的報道。這些報道代表大量的非結構化市場數(shù)據(jù)，可用于及時做出投資決策。

NVIDIA、德意志銀行、彭博社和其他公司正在創(chuàng)建使用特定領域和專有的數(shù)據(jù)進行訓練的大語言模型，以為金融應用提供支持。

Financial Transformer，或稱 Finformers，能夠學習上下文并理解非結構化金融數(shù)據(jù)的含義。它們可以為問答聊天式機器人提供支持，總結、翻譯金融文本、發(fā)出交易對手風險預警信號、快速檢索數(shù)據(jù)并識別數(shù)據(jù)質量問題。

這些生成式 AI 工具依賴于可以將專有數(shù)據(jù)整合到模型訓練和微調中的框架，整合數(shù)據(jù)管理以防止偏見，并使用護欄來確保對話始終與金融相關。

預計金融科技初創(chuàng)企業(yè)和大型跨國銀行將擴大對大語言模型和生成式 AI 的使用，以開發(fā)先進的虛擬助手，為內部和外部利益相關方提供服務、創(chuàng)建超個性化的客戶內容、自動匯總文檔以減少手動工作，并分析 TB 級的公共和私人數(shù)據(jù)以生成投資見解。

生成式 AI 在零售行業(yè)的應用

60% 的購物旅程從網(wǎng)上開始，消費者的聯(lián)系更為緊密，知識要豐富，因此 AI 已成為幫助零售商滿足消費者不斷變化的期望，從而在日益激烈的競爭中脫穎而出的重要工具。

零售商正在使用 AI 提升客戶體驗、實現(xiàn)動態(tài)化定價、細分客戶、設計個性化推薦以及進行可視化搜索。

生成式 AI 可以在購物過程中的每一個環(huán)節(jié)為顧客和員工提供支持。

借助使用特定的品牌和產(chǎn)品數(shù)據(jù)進行訓練的 AI 模型，他們可以生成強大的產(chǎn)品描述，進而提高搜索引擎優(yōu)化排名，并幫助消費者找到他們正在尋找的產(chǎn)品。例如，生成式 AI 可以使用包含產(chǎn)品屬性的元標簽來生成更加全面的產(chǎn)品描述，包括“低糖”、“無麩質”等各種術語。

AI 虛擬助手可以檢查企業(yè)資源規(guī)劃系統(tǒng)并生成客戶服務信息，通知消費者哪些商品有貨、訂單何時發(fā)貨，甚至可以協(xié)助客戶處理訂單變更請求。

Fashable 是 NVIDIA 初創(chuàng)加速計劃的會員。該公司正在使用生成式 AI 來創(chuàng)建虛擬服裝設計，省去了產(chǎn)品開發(fā)過程中對實體面料的需求。通過使用專有和市場數(shù)據(jù)進行訓練，可減少時尚設計對環(huán)境的影響，并幫助零售商根據(jù)當前市場趨勢和喜好來設計服裝。

零售商有望使用 AI 吸引顧客、留住顧客、提供出類拔萃的購物體驗，并通過在合適的時機為消費者匹配正確的產(chǎn)品來提高收入。

生成式 AI 在電信行業(yè)的應用

NVIDIA 對電信行業(yè)所進行的一項調查顯示，95% 的受訪者表示他們正在使用 AI，而三分之二的受訪者認為 AI 對其公司未來的成功至關重要。

無論是改善客戶服務、優(yōu)化網(wǎng)絡運營與設計、為現(xiàn)場技術人員提供支持，還是創(chuàng)造新的盈利機會，生成式 AI 都有可能重塑電信行業(yè)。

電信公司可以使用網(wǎng)絡設備和服務、性能、故障工單、現(xiàn)場勘測等方面的專有數(shù)據(jù)來訓練診斷型 AI 模型。這些模型可以加速解決技術性能問題、提出網(wǎng)絡設計方面的建議、檢查網(wǎng)絡配置的合規(guī)性、預測設備故障以及識別和應對安全威脅。

手持設備上的生成式 AI 應用程序可通過掃描設備、生成虛擬教程指導來為現(xiàn)場技術人員提供維修支持。虛擬教程還可以進一步與增強現(xiàn)實相結合，使技術人員能夠在 3D 沉浸式環(huán)境中分析設備，或者向遠程專家尋求支持。

電信公司也將迎來新的創(chuàng)收機遇。憑借龐大的邊緣基礎設施以及接入大量數(shù)據(jù)集，世界各地的電信公司現(xiàn)在正向企業(yè)和政府客戶提供生成式 AI 服務。

隨著生成式 AI 的發(fā)展，電信運營商有望使用該技術優(yōu)化網(wǎng)絡性能、改善客戶支持、檢測安全入侵并增強維護運營。

生成式 AI 在能源行業(yè)的應用

在能源行業(yè)，AI 正在推動預測性維護和資產(chǎn)優(yōu)化、智能電網(wǎng)管理、可再生能源預測、電網(wǎng)安全等方面的發(fā)展。

能源運營商正盼望著通過生成式 AI 滿足老化基礎設施日益增長的數(shù)據(jù)需求和新出臺的政府監(jiān)管法規(guī)。

在美國，電力公司每年花費數(shù)十億美元來檢查、維護和升級發(fā)電和輸電基礎設施。

直到最近，使用視覺 AI 協(xié)助檢查還需要使用成千上萬張手動收集和標記的電網(wǎng)資產(chǎn)照片來訓練算法，并且需要不斷更新訓練數(shù)據(jù)。現(xiàn)在，生成式 AI 可以勝任這一繁重任務。

利用一小組圖像訓練數(shù)據(jù)，算法就能生成數(shù)千張真實準確的圖像，用于訓練計算機視覺模型，從而幫助現(xiàn)場技術人員識別電網(wǎng)設備的腐蝕、破損、堵塞，甚至檢測野火。這種主動維護可減少停機時間，提高電網(wǎng)的可靠性和彈性，并減少派遣團隊進入現(xiàn)場的需求。

生成式 AI 還可以減少對人工研究和分析的需求。根據(jù)麥肯錫的統(tǒng)計數(shù)據(jù)，員工每天花在搜索信息上的時間長達 1.8 小時，占每周工作時間的近 20%。為了提高工作效率，能源公司可以使用專有數(shù)據(jù)來訓練大語言模型，包括會議記錄、 SAP 記錄、電子郵件、現(xiàn)場最佳實踐以及標準材料數(shù)據(jù)表等公共數(shù)據(jù)。

通過將這種類型的知識庫連接到 AI 聊天機器人，工程師和數(shù)據(jù)科學家就能即時獲得高度技術性的問題的答案。例如，一名維護工程師在解決渦輪機液壓系統(tǒng)的葉片控制問題時，可以向機器人提問：“我應該如何調整液壓壓力或流量來解決 X 公司生產(chǎn)的某型渦輪機的葉片控制問題？”經(jīng)過適當訓練的模型會向用戶提供具體的指導，用戶無需翻閱厚重的手冊來尋找答案。

隨著 AI 在新系統(tǒng)設計、客戶服務和自動化領域的應用，生成式 AI 預計將能夠提高能源行業(yè)的安全性和能效，同時降低運營成本。

生成式 AI 在高等教育和研究領域的應用

從智能輔導系統(tǒng)到自動化論文評分，AI 在教育領域的應用已經(jīng)有幾十年了。隨著大學采用 AI 來改善教師和學生的體驗，越來越多的大學致力于建立以 AI 為重點的研究計劃。

例如，佛羅里達大學的研究人員采用了全球學術界最快的超級計算機之一。他們使用這臺超級計算機開發(fā)了 GatorTron——一種自然語言處理模型，使計算機能夠讀取和解釋存儲在電子健康記錄中的臨床筆記中的醫(yī)學語言。借助能夠理解醫(yī)療語境的模型，AI 開發(fā)人員可以創(chuàng)建許多醫(yī)療應用，比如語音轉文本應用程序可以幫忙醫(yī)生實現(xiàn)自動繪制圖表。

在歐洲，慕尼黑工業(yè)大學參與的一項產(chǎn)學合作表明，采用基因組學數(shù)據(jù)訓練的大型語言模型可以推廣到眾多基因組任務中，而不像以前需要專用模型。這種基因組學大型語言模型將幫助科學家了解 DNA 如何轉化為 RNA 和蛋白質，從而發(fā)現(xiàn)能夠推動藥物研發(fā)并造福人類健康的新臨床應用。

為了開展此類開創(chuàng)性的研究并吸引最積極的學生和最資深的學術專業(yè)人員，高等教育機構應考慮采取全校統(tǒng)籌的方法來籌集預算、制定 AI 計劃，并將 AI 資源和收益分配給各個學科。

生成式 AI 在公共部門的應用

目前，AI 在公共部門的最大機遇是幫助公務員更加高效地完成工作并節(jié)省資源。

美國聯(lián)邦政府擁有超過 200 萬名文職雇員，其中三分之二從事專業(yè)和行政工作。

這些行政職務通常涉及耗時的人工任務，包括起草、編輯和匯總文件、更新數(shù)據(jù)庫、記錄支出以進行審計和遵守規(guī)定，并回復公民的詢問。

政府機構可以使用生成式 AI 控制成本并提高日常工作的效率。

生成式 AI 匯總文件的能力在提高決策者和員工、公務員、采購人員以及承包商的工作效率方面具有巨大的潛力。以最近由美國國家安全委員會發(fā)布的 756 頁報告為例，由于報告和法規(guī)通常包含數(shù)百頁的密集學術或法律文本，使用 AI 生成的摘要可以在幾秒鐘內將復雜內容快速轉化為簡單易懂的語言，大大節(jié)省了完成這項工作所需的人力。

由大語言模型驅動的 AI 虛擬助手和聊天機器人可以即時向在線用戶提供相關信息，減輕了在財政部、稅務局和車輛管理局等機構工作的電話接線員的壓力。

只需要輸入簡單的文本，AI 內容生成工具就可以幫助公務員創(chuàng)建和分發(fā)出版物、電子郵件信函、報告、新聞稿和公共服務公告。

AI 的分析能力還可以幫助處理文件，加快醫(yī)療保險、醫(yī)療補助、退伍軍人事務部、美國郵政、國務院等機構提供服務的速度。

生成式 AI 可以成為一種幫助政府機構在預算內開展工作、更快提供政府服務并獲得公眾好評的關鍵工具。

生成式 AI：企業(yè)取得成功的關鍵要素

各個領域的企業(yè)都在使用生成式 AI 提高員工生產(chǎn)力、改進產(chǎn)品，并提供更高質量的服務。

為了將生成式 AI 付諸實踐，企業(yè)需要大量數(shù)據(jù)、深厚的 AI 專業(yè)知識和足夠的算力，以便快速部署和維護模型。企業(yè)可以通過 NeMo 生成式 AI 框架來加快部署生成式 AI 應用，該框架是 NVIDIA AI Enterprise 軟件的一部分，運行在 DGX Cloud 之上。NVIDIA 的預訓練基礎模型為構建和運行定制化的生成式 AI 解決方案提供了簡化的方法，可以滿足特定業(yè)務用例的需求。

強大的生成式 AI 工具，幫助您的企業(yè)提高生產(chǎn)力、實現(xiàn)任務自動化，并為員工和客戶帶來新的機遇。