咱们所显露的轶事证据和视察好似都指向统一个偏向。举个例子：OReilly 于 2021 岁首举办的「企业 2021 年人为智能采用视察」的回复是 2020 年的三倍，企业文明不再是采用人为智能的最大贫苦。

　　换句话说，越来越多的人正在行使人为智能，它现正在被严谨看待，成熟度也正在一直普及。这都是好动静。这意味着人为智能不再是查究职员玩的游戏――它正正在被操纵，成为微软和亚马逊等公司的核心舞台。

　　以下是 venturebeat 估计正在 2022 年操纵人为智能将创造的支柱。

　　平淡，正在会商 AI 时，人们会研究模子和数据，这是有理由的。这些是大大都从业者以为他们可能施加少少支配的部门，而硬件已经大部门是看不见的，其效用被以为是固定的。但真的是云云吗？

　　所谓的 AI 芯片，即旨正在以最佳形式运转 AI 合连任务负载的新一代硬件，正正在履历爆炸式增进和更始。谷歌和亚马逊等云计划的主流企业正正在为其数据核心修筑新的 AI 芯片――差异为 TPU 和 Trainium。英伟达连续主导着这个墟市，并盘绕其硬件和软件生态编造创造了一个帝国。

　　英特尔正正在急起直追，无论是通过收购仍旧通过本人的研发。因为英伟达发布的收购面对禁锢审查，Arm的身分已经有些不敞后。其它，咱们有很多新玩家正在他们的采用进程中处于分另表形态，此中少少――例如 Graphcore 和 SambaNova――依然到达了独角兽的身分。

　　这看待操纵 AI 来说意味着，采选正在那儿运转 AI 任务负载不再仅仅正在 Intel CPU 和 Nvidia GPU 之间做出决议。现正在有良多参数必要研究，开辟不光对呆板练习工程师很紧急，对人为智能从业者和用户也很紧急。更经济、更有用地运转 AI 任务负载意味着将有更多资源可用于其他地方，并加快上市时期。

　　采选运转 AI 任务负载的硬件可能被视为 AI 模子开辟和安排端到端流程的一部门，称为 MLOps――将呆板练习带入临盆的艺术和科学。与 AI 芯片、圭臬和项目（如 ONNX 和 Apache TVM）创造干系，可能帮帮缩幼差异，减轻呆板练习模子安排到各个宗旨的繁琐进程。

　　到 2021 年，跟着从 AI 操作中吸收的阅历教训，重心现正在将从闪亮的新模子转化到可以特别寻常但适用的方面，比方数据质地和数据管道解决，统统这些都是 MLOps 的紧急构成部门。与任何学科相通，MLOps 正在墟市上看到了很多产物，每个产物都一心于分另表方面。

　　有些产物更注重于数据，有些产物更注重于数据管道，另有少少产物则两者兼而有之。少少产物监控和视察诸如模子的输入和输出、漂移、牺牲、精度和数据召回确凿度等实质。其他人盘绕数据管道做了肖似但分另表事务。

　　以数据为核心的产物可能满意数据科学家和数据科学指导者的需求，也可以满意呆板练习工程师和数据领会师的需求。以数据管道为核心的产物更面向 DataOps 工程师。

　　2021 年，人们试图给与 MLOps 合连的各类景象定名，豆剖 MLOps 范围，操纵数据版本支配和陆续呆板练习，并对数据施行测试驱动开辟等。

　　然而，咱们以为最深入的转换是夸大所谓的以数据为核心的人为智能。知名的人为智能思思头领和执行者，如 Andrew Ng 和 Chris Ré 依然会商过这个观点，其中心十分简陋。

　　咱们现正在依然到达了呆板练习模子取得满盈隔辟而且正在执行中运转优秀的景象。底细上，凑集元气心灵从新初步开辟新模子或微调至完满并没有多大意思。依据以数据为核心的概念，人为智能从业者应当做的是一心于他们的数据：清算、提炼、验证和丰盛数据可能大大改进人为智能项方针结果。

　　正在会商操纵 AI 时，大型言语模子（LLM）可以不是第一个思到的东西。然而，知恋人士以为，LLM 可能内化言语的根本事势，无论是生物学、化学仍旧人类言语，咱们即将看到 LLM 的不寻常操纵增进。

　　为了援手这些说法，值得一提的是，咱们依然看到盘绕 LLM 修筑的各类生态编造，重假使 OpenAI 与 Microsoft 配合推出的贸易化 GPT-3 API。这个生态编造重要由供应案牍效劳的公司构成，比方营销案牍、电子邮件和 LinkedIn 动静。他们可以还没有点燃墟市，但这只是初步。

　　正如 VentureBeat 本人的 Kyle Wiggers 正在近来的一篇著作中指出的那样，多模态模子正正在缓慢成为实际。本年，OpenAI 颁发了 DALL-E 和 CLI。