生成式人工智慧在今年开始只是雷达上的一个小亮点，但最终却引起了轰动。许多公司正在努力利用其摄取文字、语音和影片的能力来生产能够彻底改变生产力、创新和创造力的新内容。

NVIDIA专家表示，大型语言模型研究的进步，将越来越多地应用於商业和企业应用程式。RAG、自主智慧代理和多模式互动等人工智慧功能将变得更容易透过几??任何平台存取和部署。

NVIDIA 专家对2024年的展??

以下为NVIDIA 专家对未来一年的展??：

企业运算??总裁MANUVIR DAS

一种方法并不适用於所有情况：客制化正在进入到企业端。公司不会拥有一、两个生成式人工智慧应用程式，许多公司将拥有数百个使用专有资料的客制化应用程式，以适应其业务的各个部分。

一旦上线运行，这些客制化的大型语言模型将具有RAG功能，将资料来源连接到生成人工智慧模型，以获得更准确、更明智的回应。Amdocs、Dropbox、Genentech、SAP、ServiceNow 和 Snowflake 等领先公司已经在使用RAG和大型语言模型建立新的生成式人工智慧服务。

开源软体引领潮流：由於开源预训练模型，解决特定领域挑战的生成式人工智慧应用将成为企业营运策略的一部分。

一旦公司将这些领先模型与私人或即时资料结合，他们就可以开始看到整个组织的生产力和成本效益的提高。人工智慧运算和软体将在几??任何平台上变得更容易获得，从基於云端的运算和人工智慧模型代工服务到资料中心、边缘和桌上型电脑。

现成的人工智慧和微服务：生成式人工智慧促进了应用程式介面（API）端点的采用，这使开发人员可以更轻松地建立复杂的应用程式。

到 2024 年，随着开发人员使用像是RAG 即服务等人工智慧微服务来客制化现成的人工智慧模型，软体开发套件和 API 将会升级。 这将有助於企业透过可以存取最新业务资讯的智慧助理和摘要工具，充分发挥人工智慧驱动的生产力的潜力。

开发人员将能够将这些API端点直接嵌入到他们的应用程式中，而不必担心维护支援模型和框架的必要基础设施。最终用户也可以体验更直观、响应更灵敏且客制化的应用程式，以满足他们的需求。

超大规模与高效能运算??总裁IAN BUCK

人工智慧将成为新的太空竞赛，每个国家都希??创建自己的卓越中心，以推动研究和科学的重大进步并提高国内生产总值。

各国只需几百个加速运算节点，就能够快速建置高效率、高效能、百万兆级（exascale）人工智慧超级电脑。政府资助的生成式人工智慧卓越中心将透过创造新的就业机会和建立更强大的大学计画来培养下一代科学家、研究人员和工程师，从而促进各国的经济成长。

量子飞跃：企业领袖将基於两个关键驱动因素启动量子运算研究计划：一是利用传统的人工智慧超级电脑来模拟量子处理器，二是用於混合经典量子运算的开放、统一开发平台。这使得开发人员能够使用标准的程式语言，而不需要客制的、专业的知识来建构量子演算法。

量子运算探索曾经被认为是电脑科学中的一个不起眼的领域，但随着企业加入学术界和国家实验室一起追求材料科学、药物研究、次原子物理和物流的快速发展，量子运算探索将改变得更加主流。

图一 : 到 2024 年，随着开发人员使用像是RAG 即服务等人工智慧微服务来客制化现成的人工智慧模型，软体开发套件和 API 将会升级。

人工智慧软体??总裁KARI BRISKI

从检索增强生成（RAG）到财富：预计在2024年，随着企业采用这些人工智慧框架，我们将更多地听到有关检索增强生成的讯息。

当公司训练大型语言模型来建立生成式人工智慧应用程式和服务时，RAG被广泛视为解决不准确或无意义回应的解决方案，这些错误或无意义的回应有时会在模型某些用例中缺乏足够准确、相关资讯时发生。

使用语义检索，企业将采用开源基础模型，注入自己的资料，以便使用者查询可以从索引中检索相关资料，然後在运行时将其传递给模型。

总体来说，企业可以使用更少的资源在医疗、金融、零售和制造等领域实现更准确的生成式人工智慧应用。终端使用者应该期??看到更复杂、对上下文敏感且多模态的聊天机器人，以及个性化的内容推荐系统，这使他们能够自然而直观地与资料进行对话。

多模态已崭露头角：基於文字的生成式人工智慧将成为过去。尽管生成式人工智慧仍处於起步阶段，但预计许多产业都会采用多模式的大型语言模型，让消费者使用文字、语音和图像的组合，对有关表格、图表或原理图的查询提供与上下文更相关的回应。

Meta和 OpenAI等公司将寻求透过增加对感官的更大支援来突破多模式生成人工智慧的极限，这将导致物理科学、生物科学和整个社会的进步。 企业不仅能够以文字格式，也能够以PDF、图表、投影片等格式来理解他们的资料。

AI安全与开发民主化

人工智慧与法律伦理主管NIKKI POPE

目标锁定人工智慧安全：领先人工智慧组织之间的合作将加速稳健、安全的人工智慧系统的研发。 预计将出现跨产业采用的新兴标准化安全协议和最隹实践，确保生成式人工智慧模型的一致和高水准的安全性。

公司将更加关注人工智慧系统的透明度和可解释性，并使用新的工具和方法来阐明复杂人工智慧模型的决策过程。随着生成式人工智慧生态系统围绕着安全展开，预计人工智慧技术将变得更加可靠、值得信赖并符合人类价值。

开发者关系??总裁暨媒体与娱乐主管RICHARD KERRIS

开发的民主化：几??任何地方的任何人都将很快成为开发人员。传统上，人们必须了解并熟练使用特定的开发语言来开发应用程式或服务。随着运算基础设施越来越多地受到软体开发语言的训练，任何人都将能够提示机器来创建应用程式、服务、设备支援等。

虽然公司都将继续雇用开发人员来建立和训练人工智慧模型和其他专业应用程式，但预计任何拥有适当技能的人都将有更广泛的机会来建立客制化产品和服务。他们将得到文字输入或语音提示的帮助，使与电脑的互动像囗头指令一样简单。

电影和歌曲中的Now And Then：正如披头四乐团的「新」人工智慧增强的歌曲Now and Then激发了新一轮的披头四狂热一样，第一部长篇生成式人工智慧电影的诞生也将在整个电影业产掀起轰动。

以一位使用35厘米胶卷摄影机拍摄的电影制片人为例。 同样的内容很快就可以使用生成式人工智慧转化为70厘米的制作，从而降低IMAX格式电影制作的大量成本，并让更多的导演可以叁与其中。

创作者将透过用文字、图像或影片提示电脑，将美丽的图像和影片转化为新的娱乐类型和形式。一些专业人士担心他们的技术会被取代，但随着生成式人工智慧在特定任务上的训练变得更好，这些问题将逐渐消失。反过来，这将释放出双手来处理其他任务，并提供具有艺术家友善介面的新工具。

医疗保健??总裁KIMBERLY POWELL

人工智慧手术助理：外科医生可以使用语音来增强他们在手术室内外所看到和理解的内容的这一天已经到来。

将仪器、成像、机器人技术和即时患者资料与人工智慧相结合，将带来更好的外科医生训练，手术过程中更加个人化，甚至在远端手术期间也能透过即时回??和指导提高安全性。 这将有助於弥补需要但尚未实现的1.5亿例手术的差距，尤其是在低收入和中等收入国家。

生成式人工智慧药物探索工厂：一种新的药物发现过程正在兴起，其中生成式人工智慧分子生成、属性预测和复杂建模将让智慧实验室驱动飞轮效应 （intelligent lab-in-the-loop flywheel），缩短发现时间并提高临床可行的质量候选药物。

这些人工智慧药物探索工厂可透过整个基因组、原子分辨率仪器和能够全天候运行的自动化机器人实验室，采用大量医疗资料集。电脑第一次可以学习巨大而复杂的资料集中的模式和关系，并产生、预测和建模复杂的生物关系，而这些关系以前只能透过耗时的实验观察和人类合成才能发现。

图二 : 在2024年，随着企业采用这些人工智慧框架，将会有更多有关检索增强生成的讯息。图为NVIDIA的RAG示意。

DGX平台??总裁CHARLIE BOYLE

企业将客制化的大型语言模型转移到云端：企业从2023 年学到的一件事是，从头开始建立大型语言模型并不容易。采取这种方式的公司常常因投资新基础设施和技术的需要而感到畏惧，并且他们在弄清楚如何以及何时优先考虑其他公司计划方面遇到困难。

云端服务供应商、托管供应商和其他协助其他公司处理资料的企业，将提供全端人工智慧超级运算和软体。 这将使跨产业的公司更轻松地客制化预训练模型并部署它们。

在企业资料湖中寻找大型语言模型黄金：关於平均企业储存多少资讯的统计资料并不缺乏，对於大公司来说，它可能高达数百PB。然而，许多公司报告称，他们为了获取可行的见解所挖掘到的资讯量却不到一半。

在2024年，企业将开始使用生成式人工智慧来利用这些未经处理的资料，将其用於建构和客制化大型语言模型。借助人工智慧驱动的超级运算，企业将开始挖掘聊天、影片和程式码等非结构化资料，将其生成式人工智慧开发扩展到训练多模式模型。这种超越挖掘表格和其他结构化资料能力的飞跃将使公司能够针对问题提供更具体的答案并发现新的机会。这包括帮助检测健康扫描的异常情况、发现零售业的新兴趋势以及使业务运作更安全。

深入工业数位化 重塑产品生命周期

Omniverse与虚拟技术??总裁REV LEBAREDIAN

工业数位化与生成式人工智慧的结合：工业数位化与生成式人工智慧的融合有??促进工业转型。

生成式人工智慧将使物理世界的各个方面（例如几何、光、物理、物质和行为）更容易转化为数位资料。实体世界数位化的民主化将加速工业企业的发展，使他们能够更有效率地设计、最隹化、制造和销售产品。它还使他们能够更轻松地创建虚拟训练场和合成资料，以训练将在物理世界中互动和操作的新一代人工智慧，例如自主机器人和自动驾驶汽车。

3D 互通性起飞：从绘图板到工厂车间，资料将首次实现互通性。

来自制造、产品设计、零售、电子商务和机器人产业全球最具影响力的软体和从业公司都致力於加入新成立的 OpenUSD 联盟。 OpenUSD 是3D 工具和资料之间的通用语言，将打破资料孤岛，使工业企业能够比以往更轻松、更快速地跨资料湖、工具系统和专业团队进行协作，从而加速以前繁琐的手动工业流程的数位化。

汽车产品??总裁暨总经理XINZHOU WU

现代化汽车生产生命周期：汽车产业将进一步采用生成式人工智慧，以提供物理上准确、逼真的渲染，准确显示车辆的内部和外部外观，同时加快设计审查、节省成本并提高效率。

越来越多的汽车制造商将在其智慧工厂中采用这项技术，连接设计和工程工具来建造生产设施的数位孪生。 这将降低成本并简化营运，而无需关闭工厂生产线。

生成式人工智慧将使消费者研究和购买更具互动性。从汽车配置器和3D视觉化到扩增实境演示和虚拟试驾，消费者将能够获得更具吸引力和愉悦的购车体验。

安全绝非偶然：除了汽车产品生命周期之外，生成式人工智慧还将在自动驾驶汽车开发方面实现突破，包括将记录的感测器资料转化为完全互动的3D模拟，这些数位分身环境以及合成资料产生将用於在将自动驾驶汽车部署到现实世界之前，以虚拟方式安全地大规模开发、测试和验证自动驾驶汽车。

生成式人工智慧基础模型也将支援车辆的人工智慧系统，以实现汽车内外全新的个人化使用者体验、功能和安全功能。

驾驶体验将变得更安全、更聪明、更愉快。

电信??总裁RONNIE VASISHTA

奔向还是远离RAN：预计将对5G的投资案例进行重大重新评估。

经过五年的 5G 发展，网路覆盖范围和容量大幅增长，但收入增长缓慢，而且大部分专有且不灵活的基础设施成本上升。 同时，5G RAN 的利用率一直低於 40%。

新的一年将积极追求在现有频谱上寻找新的收入来源，以发现新的可付费应用。电信业也将重新考虑资本支出结构，更专注於建立於通用组件上的灵活、高利用率的基础设施。 随着公司利用人工智慧工具来提高效能、提高效率并消除成本，预计将全面降低营运开支。 这些举措的结果将决定营运商将在6G技术上投资多少。

从聊天机器人到网路管理：电信公司已经在聊天机器人和虚拟助理中使用生成式人工智慧来改善客户服务和支援。 在新的一年里，他们将加倍努力，增加对生成式人工智慧的使用，以改善网路规划和最隹化、故障和诈欺检测、预测分析和维护、网路安全营运和能源最隹化等领域的营运改进。

监於生成式人工智慧的普遍性和策略性，建造新型人工智慧工厂基础设施来支援其发展也将成为当务之急。 越来越多的电信公司将建立供内部使用的人工智慧工厂，并将这些工厂部署为开发人员的平台即服务。同样的基础设施将能够作为额外租户支援 RAN。

嵌入式和边缘运算??总裁DEEPU TALLA

机器人程式设计师的崛起：大型语言模型将协助机器人工程师快速进步。生成式人工智慧将为机器人开发程式码并创建新的模拟来测试和训练它们。

大型语言模型将透过自动建立 3D 场景、建立环境并根据输入生成资产来加速模拟开发。 由此产生的模拟资产对於合成资料生成、机器人技能训练和机器人应用测试等工作流程至关重要。

除了帮助机器人工程师之外，转变人工智慧模型（大型语言模型背後的引擎）将使机器人本身变得更加智慧，以便它们更好地理解复杂的环境，并更有效地执行其中的广泛技能。

为了使机器人产业规模化，机器人必须变得更加通用，也就是说，它们需要更快地获得技能或将它们带到新的环境中。在模拟中训练和测试的生成式人工智慧模型，将成为推动更强大、灵活且易於使用的机器人的关键因素。