ChatGPT的驚艷表現牽動了全球科技愛好者的心弦，僅僅2個月就實現了用戶數從0到1億的蛻變。ChatGPT能準確地理解語義并能進行流暢和較為正確的問答。多模態的大模型具備繪畫、生成視頻以及編寫代碼的能力。擴散模型的運用讓人感到智能“涌現”的魅力，大模型的綜合能力和效率甚至達到了專家級水平。

就在眾多企業高管面對如此重大技術變革而感到不知所措和迷茫、焦慮時，那些對技術有著敏銳洞察力并勇于擁抱變革的企業已開始摩拳擦掌、躍躍欲試了。

沒有萬張加速卡，企業無緣大模型?

訓練大模型需要巨大的算力，然而這些企業發現，在垂直行業，可借助各類開源模型，以及自己企業所積累的大量數據和經驗，通過微調技術的再訓練，就可以構建一個垂直領域的GPT(Generative Pre-Trained Transformer 生成式預訓練Transfomer模型)模型。

企業真正要落地GPT卻不是件容易的事，擺在眼前的就有三大挑戰。在證券機構執掌技術團隊多年、出任公司CTO的顏云峰表示：“我們首先遇到的就是算力難題。雖然微調技術并不像大模型那樣需要成千上萬張的AI加速卡，但所需的算力也是有極高的要求。這就需要企業能構造一個可擴展、能持續演進的算力發展架構。”

“第二是數據安全難題。無論是數據還是模型都是企業多年積累的高價值數據資產。因此無論在計算、存儲中都要保障數據資產的安全。”

“第三是部署與運維難題。AI帶來的新算力、存儲需求要與原有IT系統融合、互通，加快數據流通的同時也增加了IT部署與運維的難度。”

持續創新應立即行動，但要做好五方面準備：

“希望通過持續創新提高競爭力的公司一定會選擇立即行動。雖然這項技術還不成熟，但這也取決于公司自身的條件。任何AI的部署都是個非常復雜的工程。如果企業要實現規模化和可持續的生產，就需要在流程、技術和開發上做大量的準備工作。”HPE與AI云服務業務發展總監Edmondo Orlotti這樣表示。

對此，對那些堅定地期望利用GPT創新的企業給出了五點建議，他表示：

“第一，要評估企業數據的成熟度水平。即戰略、組織和技術能力，使其能夠利用人工智能從數據中創造價值時，生成式人工智能才能生存和發展。但據HPE最新的全球調查顯示，絕大多數組織在此能力上還存在巨大的差距。”

“第二，在數據架構和治理方面，企業需要搭建一個統一的公司級的數據架構和治理平臺。完善數據架構和數據治理平臺才能以優質的數據不斷進行訓練，以此推動企業的生產和服務不斷地向好發展。”

“第三，做好采用混合平臺的準備。 模型訓練和推理可以在大型語言模型供應商(如OpenAI、Aleph Alpha、Google)運營的集中式AI超級計算機上運行，但從長遠來看，會有各種原因會導致公司必須建立一個混合或邊緣到云的平臺。具有實時推理的用例要求模型在本地AI基礎設施上運行，以盡量減少延遲。但隨著訓練數據越來越多地分布在各地，企業就要匯總數據，而不是將其集中起來，因為集中地數據成本極高且速度慢、不安全。”

“第四，知識產權和版權問題。生成式人工智可能是未來十年決定性技術之一，將對企業未來的發展起到戰略性作用。可以預見，大型語言模型市場將被全球少數幾個供應商所主導，這使得知識產權和版權將成為生成性人工智能的一個關鍵影響因素。企業應盡量減少對外的版權依賴和注重保護自身的知識產權。企業應采用混合方法規避相關風險，在本地運行具有版權的的大型語言模型。”

“第五，流程整合。企業在規劃人工智能應用時，往往忽略了將其整合到現有的運營和技術流程中，這是造成人工智能項目失敗的主要原因。企業應建立起包括應用和數據生命周期的管理、安全、運營規劃和控制流程、運營安全和風險管理的各完善體系。”

HPE “四大能力”應對“三大挑戰”，GPT解決方案讓大模型飛入尋常“企業”家

不論是大模型還是以LoRA這樣的微調方式，都需要讓模型適配不同算法和數據集，就需要底層硬件具備“由低向高”平滑過渡的整體解決方案。進而滿足不同企業部署不同規模模型實現合理投入產出的方案。而這正是HPE GPT整體解決方案的優勢所在，其核心就是算力和數據讀寫能力。

HPE通過GPT方案的四大能力來應對顏云峰所提出的三大挑戰。

第一，靈活的動態調整能根據業務進行適配。

降低入門門檻，實現無縫銜接擴展，完美配合企業從入門到發展壯大的各階段以及根據產品研發的進展動態調整是這一方案的特色之一。

計算資源上，企業可以從HPE ProLiant 系列服務器開始入門。HPE ProLiant服務器經過優化設計，可以為組織的數據密集型工作負載提供超高性能。與此同時，HPE ProLiant Gen11支持多種架構，包括第四代AMD EPYC?處理器，第四代Intel®Xeon® Scalable處理器，以及Ampere®Altra®和Ampere®Altra®Max云原生處理器。

進階級的企業可以選擇HPE Apollo 6500 服務器。它采用了業內領先的硬件配置與性能參數，HPE Apollo 6500 系統成為人工智能領域最高端的引擎。不僅是GPU與計算架構進行了升級，在計算、網絡和存儲各個方面都不會有性能瓶頸。

HPE Apollo 6500

最高8顆GPU計算架構，并支持NVLink2.0協議。NVLink能在GPU與GPU以及GPU與CPU間實現高帶寬直連的快速通訊機制。單個NVIDIA Tesla V100 GPU 即可支持多達 6 條NVLink鏈路，總帶寬為300Gb/秒，是PCIe 3.0帶寬的10倍。NVLink2.0高效混合立方網格是目前最為高性能的解決方案。用戶也可以使用基于PCIe的4:1或8:1的GPU:CPU連接。不同拓撲在高性能與易用性上各有優勢，適用各種場景，用戶可以根據業務模型靈活的選擇。

HPE Apollo 6500 不僅能滿足各類深度學習應用場景需求。其高度易用性和靈活性，充分降低了構建高性能人工智能系統的門檻，企業可以在HPE Apollo 6500 構建的堅實基礎架構上以最短的時間完成對各類算法的訓練。

第二，“6個9”的高可用性確保企業數據資產高效安全。

高達“6個9”的高可用性是HPE無論在計算還是存儲上的標配。同時HPE存儲支持遠程復制對等持久性、保護模板、快照、克隆等多種數據保護措施。在All-NVMe的加持下能實現高性能、超低延遲的AI運算。

存儲方面也為不同的企業提供了適合不同場景靈活、可持續發展的路線。GPT為代表的AI訓練與預測需要更快、更大的存儲。NVMe擁有更短的IO路徑，更大的隊列深度與寬度，以及更簡單的協議堆棧等優勢，同時，NVMe增加了多隊列特性，對并行任務的友好設計也使得系統負載更加均衡，使閃存介質的性能得以充分發揮，NVMe SSD正全面替換SAS SSD和SATA SSD。

HPE Alletra是一款支持端到端NVMe的閃存系統，除了介質層NVMe SSD之外，還支持前端的NVMe-oF、以及數據處理層NVMe SCM，從而在整個數據鏈路上擺脫了傳統存儲陣列的瓶頸，性能勢不可擋。同時，其獨有的多活互聯架構與NVMe+SCM的結合，配合軟硬件上全面優化，可以跨越式地降低讀寫IO的時延，同樣能更好地應對實時交易類，要求極致的IOPS需求。

HPE Apollo 4000

針對非結構化數據場景的訓練與預測AI需求，對所有數據進行訪問只是開始，能大規模管理數據、支持數據密集型應用并確保數據安全的系統則是關鍵。HPE Apollo 4000系統能夠以極大規模存儲數十億個文件和對象。這一系統還可運行各種現代化、數據驅動型的應用。

第三，方案簡單易用便于部署，加速企業的大模型上線。

為了讓企業更加專注助于核心業務，降低企業在IT運維、部署的難度是HPE的職責所在。HPE ProLiant服務器采用基于云原生技術的管理中樞。無論計算環境位于何處，用戶都能安全地自動訪問、監控和管理服務器，進而實現高效運維。云原生管理中樞帶來了便捷、統一和自動化的運維體驗，通過實現全局可見性和洞察讓您更好的管理計算環境。

HPE Alletra 系列存儲同樣采用云化的管理模式，以訂閱方式1分鐘就能實現數據上線。大幅降低了企業在IT方面的運維和部署難題。

第四，提供本地化服務，讓企業無后顧之憂。

以Open AI為首的行業龍頭在采用HPE的解決方案，同時，HPE利用本地化的合作伙伴網絡，提供企業所需的策略幫助、運維支持和培訓服務。能讓企業獲得從邊緣到云的運維能力，從而加快企業的數智化轉型。

ChatGPT是通用智能，“千人一面”。傳統企業在體量上擁有靈活的優勢，在數據上擁有深耕行業的專精數據與經驗積累，利用好大模型技術則能讓企業的服務實現“千人千面”更好地服務客戶構建自身競爭力，也必將使其在細分行業大放異彩。