咱们所明白的轶事证据和探问好似都指向统一个对象。举个例子：OReilly 于 2021 年头举行的「企业 2021 年人为智能采用探问」的回答是 2020 年的三倍，企业文明不再是采用人为智能的最大阻滞。

　　换句话说，越来越多的人正在利用人为智能，它现正在被郑重周旋，成熟度也正在连续升高。这都是好讯息。这意味着人为智能不再是探索职员玩的游戏――它正正在被行使，成为微软和亚马逊等公司的中央舞台。

　　以下是 venturebeat 估计正在 2022 年行使人为智能将设立的支柱。

　　普通，正在筹议 AI 时，人们会探求模子和数据，这是有出处的。这些是公多半从业者以为他们可能施加少许驾驭的个别，而硬件照旧大个别是看不见的，其效力被以为是固定的。但真的是如许吗？

　　所谓的 AI 芯片，即旨正在以最佳式样运转 AI 相干事情负载的新一代硬件，正正在阅历爆炸式延长和立异。谷歌和亚马逊等云谋略的主流企业正正在为其数据中央构修新的 AI 芯片――阔别为 TPU 和 Trainium。英伟达不绝主导着这个墟市，并环绕其硬件和软件生态体例设立了一个帝国。

　　英特尔正正在奋起直追，无论是通过收购依旧通过本身的研发。因为英伟达宣告的收购面对囚系审查，Arm的位置照旧有些不敞后。其余，咱们有很多新玩家正在他们的采用历程中处于区此表状况，此中少许――好比 Graphcore 和 SambaNova――依然抵达了独角兽的位置。

　　这看待行使 AI 来说意味着，选取正在那里运转 AI 事情负载不再仅仅正在 Intel CPU 和 Nvidia GPU 之间做出定夺。现正在有许多参数必要探求，斥地不光对呆板进修工程师很苛重，光环国际培训对人为智能从业者和用户也很苛重。更经济、更有用地运转 AI 事情负载意味着将有更多资源可用于其他地方，并加疾上市光阴。

　　选取运转 AI 事情负载的硬件可能被视为 AI 模子斥地和安排端到端流程的一个别，称为 MLOps――将呆板进修带入坐褥的艺术和科学。与 AI 芯片、尺度和项目（如 ONNX 和 Apache TVM）设立接洽，可能帮帮缩幼差异，减轻呆板进修模子安排到各个目的的繁琐历程。

　　到 2021 年，跟着从 AI 操作中罗致的经历教训，要点现正在将从闪亮的新模子转化到或者愈加普通但适用的方面，比方数据质地和数据管道料理，一齐这些都是 MLOps 的苛重构成个别。与任何学科相似，MLOps 正在墟市上看到了很多产物，每个产物都笃志于区此表方面。

　　有些产物更注重于数据，有些产物更注重于数据管道，又有少许产物则两者兼而有之。少许产物监控和观测诸如模子的输入和输出、漂移、耗费、精度和数据召回确切度等实质。其他人环绕数据管道做了好似但区此表事项。

　　以数据为中央的产物可能餍够数据科学家和数据科学指点者的需求，也或者餍足呆板进修工程师和数据阐发师的需求。以数据管道为中央的产物更面向 DataOps 工程师。

　　2021 年，人们试图给与 MLOps 相干的种种景色定名，支解 MLOps 范畴，行使数据版本驾驭和继续呆板进修，并对数据推行测试驱动斥地等。

　　然而，咱们以为最深切的改观是夸大所谓的以数据为中央的人为智能。闻名的人为智能思念魁首和实行者，如 Andrew Ng 和 Chris Ré 依然筹议过这个观念，其中央非凡浅易。

　　咱们现正在依然抵达了呆板进修模子取得弥漫斥地而且正在实行中运转优异的田产。究竟上，鸠合元气心灵从新入手斥地新模子或微调至圆满并没有多大事理。依照以数据为中央的见识，人为智能从业者应当做的是笃志于他们的数据：整理、提炼、验证和厚实数据可能大大改观人为智能项宗旨结果。

　　正在筹议行使 AI 时，大型言语模子（LLM）或者不是第一个念到的东西。然而，知爱人士以为，LLM 可能内化言语的根基时势，无论是生物学、化学依旧人类言语，咱们即将看到 LLM 的不寻常行使延长。

　　为了维持这些说法，值得一提的是，咱们依然看到环绕 LLM 构修的种种生态体例，紧倘若 OpenAI 与 Microsoft 配合推出的贸易化 GPT-3 API。这个生态体例紧要由供给案牍任职的公司构成，比方营销案牍、电子邮件和 LinkedIn 讯息。他们或者还没有点燃墟市，但这只是入手。

　　正如 VentureBeat 本身的 Kyle Wiggers 正在近来的一篇作品中指出的那样，多模态模子正正在缓慢成为实际。本年，OpenAI 颁布了 DALL-E 和 CLI。