港企AI潛力在專用LLM 混合雲架構管理更佳
近年來,全球企業逐漸意識到人工智能 (AI) 的潛力,著力在數碼轉型時引入AI,提升營運效率和決策質量。在香港,各行各業亦積極運用AI創新減少日常營運中的繁瑣工作。例如,金融服務業和零售業採用AI聊天機械人,協助員工應對客戶簡單的查詢,或提出初步可行的處理建議。管理層和員工得以騰出更多時間、資源,投入更具價值的工作。
應用AI 革新行業的機遇處處,但依據AI錯誤見解行事也是危機四伏。坊間的 AI模型一般建基於通用的大型語言模型 (LLM),依靠公眾領域內良莠不齊數據,得出質量成疑的結論。通用LLM大多無法依據企業的特性提供準確、可靠和合符企業特性的見解,難以直接作為管理層及員工可靠的決策依歸。企業需要採用經驗證的數據訓練AI模型,改善AI決策質量,方能實現改善營運的願景。
專用LLM是港企AI模型之選
優質的AI訓練數據踏破鐵鞋無覓處,得來全不費功夫。不論是高端製造業還是服務業,企業多年來的積累的營運數據,是管理層和員工面對營運難題智慧的結晶,是最佳的AI模型訓練素材。這些數據是企業獨特的經營優勢,不應免費供應予通用LLM的供應商,平白無故地強化其模型,為他人作嫁衣裳。相反,企業更應建立專用的LLM,充份發揮內部數據的價值,為管理層和員工提供值得參考的決策見解
出於安全和數據主權的考慮,全球不少企業不能部署通用LLM,也不能將專用LLM部署於公有雲。在香港,企業更為重視監管機構對數據管治的要求,以避免法律風險以至維繫客戶信心。因此,部署AI模型於私有雲甚至企業本地 (on-prem) 的方案,成為熱門的選擇。
然而,部署專用LLM涉及與現有系統的整合,涉及複雜的安排。企業或需進行重大的變更,重新規劃系統的設計,確保LLM與新系統內各企業應用程式能無縫對接,減少對日常營運的干擾並提高效率。運用AI取得決策見解,以及反饋營運數據強化AI訓練,均會大幅增加數據傳輸、儲存及運算的需求,或需要動用超級電腦支撐龐大的工作負載。
超級電腦的靈魂,就是日漸為大眾認識的晶片或半導體。大部份香港企業的AI模型,未必需要使用最新的高端晶片支撐運算。中端晶片已能滿足絕大部份的企業需求,能夠帶來相當顯著的效能提升。HPE著力協助香港企業運用中端晶片在本地部署專屬的LLM,以及使用企業獨有數據微調第三方的 LLM,讓企業受惠於量身定製的AI 模型。

混合雲端架構規劃妥當助力更大
在推動AI訓練與應用的同時,企業亦須兼顧散落四處的工作負載,以及管理數百個數據源,當中很可能同時涉及本地、私有雲和公有雲部署。各類工作負載的分佈很可能是缺乏深思熟慮的結果,而非妥善規劃的安排。
HPE委託的調查顯示,部分企業仍然僅在私有雲 (43%) 或公有雲 (12%) 運營,而其他企業則僅使用本地數據中心[1],沒有仔細考慮合適的運算平台。AI的應用、專用LLM的引入,若欠缺周詳的計劃,將令數據管理架構更為複雜。漫無章法地分散多地的數據,既為AI實時決策帶來挑戰,也可能阻礙專用LLM的訓練,更會拖累企業整體的AI發展。
制定混合雲端策略,是妥善規劃並管理分散數據的重要一步。企業IT管理人員應按照數據的性質、安全及成本等考慮,將各類工作負載放置在最合適的運算平台上,達致「Hybrid by Design」的理想狀態。仔細規劃企業的數據系統不但能簡化日常管理,提高企業管理數據效率以至AI的效能,同時亦可顧及網絡安全需要、企業管治和監管要求。
企業應統一管理從邊緣至雲端的數據,透過獨有的HPE GreenLake雲端平台,建立混合雲端架構並為用戶提供一致的體驗。
AI發展的下一個樽頸:能源損耗
展望未來,我們可以預視AI發展需要更強大的運算能力,數據中心的運作會更為繁忙。這意味著支撐AI系統的數據中心將產出大量多餘的熱能,造成巨大的能源和企業資源浪費。商界亦日漸注意AI發展在能源消耗的副作用,或與環境、社會及管治 (ESG)目標出現潛在矛盾,與科技業界積極探討解決方案。
HPE有鑑於過往開發超級電腦的經驗,預視多餘的熱能將大幅增加對主機冷卻的需求。若未能在冷卻技術上取得突破,過熱的主機限制AI的運算速度,成為全球AI發展的樽頸。為解決能源消耗的問題,HPE與智能製造企業丹佛斯 (Danfoss) 合作,採用液態冷卻技術減少能源消耗達20%。
隨著主機冷卻效能的提高,AI將能突破過熱的限制繼續發展,同時兼顧ESG及可持續發展的目標。未來一年,人工智能、混合雲端和可持續發展將繼續並駕齊驅,推動香港企業發展。
[1] “Architect an AI Advantage,” Sapio Research, January 2024
作者簡介:HPE香港及澳門董事總經理郭榮忠 (Vincent Kwok)
