2024年行业趋势总结
Introduction
- 生成式AI投资预计从2022年的400亿美元增长到2032年的1.3万亿美元，显示其增长势头。
- 伦理框架、建模和参与方式的讨论成为行业焦点。
- AI影响广泛，改变思考、讨论和规划未来的方式。
考虑AI的局限性
- 新AI模型将缩小规模，开发者权衡规模与性能，注重可持续性。
- 开发、托管和训练模型成本高昂，企业需正视实际挑战。
- AI仍处于早期阶段，需承认理解模型及其局限性的重要性。
- GPU供应紧张，AI开发可能因芯片供应问题受限。
道德AI向前移动并居中
- 数据基础对AI程序成功至关重要，血统和治理更加重要。
- 使用高质量数据和持续监督引导AI程序，需具体指标衡量。
- 白宫发布AI指导原则，呼吁第三方安全检查和水印标注。
- 透明度和信任至关重要，用坏数据训练AI可能造成灾难性影响。
数据建模回来了，但现在它是关于语义
- 数据建模重新兴起，创建自然语言与语义模型、数据库之间的连接。
- 语义模型使用商业和自然语言描述关系，提高LLM响应准确性。
- 知识图表示与公司相关的语义知识，使数据更易找到和部署。
- 语义模型和技术数据库是高性能AI的关键，但需克服学习曲线。
增加对矢量的采用数据库
- 矢量数据库支持大规模相似性搜索，匹配AI扩展系统。
- 非结构化数据增长，矢量数据库成为AI应用的关键。
- 矢量数据库是数据库技术的演变，满足AI需求。
AutoML变得无处不在
- AutoML允许非技术用户快速训练、优化和部署模型，市场预计2023-2028年CAGR为43.9%。
- 工具如Snowflake Copilot将变得普遍，自动化数据科学家和开发人员的常规任务。
- 企业需评估AutoML工具与数据科学专长的结合，支持现有技术栈。
文化（和工具）进化
- 人比工具更重要，IT工具新时代重新思考数据项目中的人员角色。
- 数据工具使非技术用户更接近数据，IT团队需求变化。
- 协作性增强，商业与IT需更紧密合作，提升技能和沟通能力。
Conclusion
- AI成为技术栈和日常生活的重要部分，趋势影响国家层面。
- 2024年需确保AI项目数据可信、公平，降低技术门槛，提高协作能力。
- Coalesce团队期待与合作伙伴继续推动AI发展。
关于Coalesce
- Coalesce是规模化应用设计的数据转换平台，结合GUI、编程和自动化。
- 支持全球客户，得到Emergence Capital等多家投资支持。
