在2024年代，GenAI将广泛应用于个人和企业的各种计算领域。 人工智能革命与 90 年代计算机的发展之间有许多有趣的相似之处。
翻译自 Janakiram MSV 的 Genai 革命如何让我们想起 1990 年代的计算。 生成式人工智能（GenAI）代表了计算发展的重大进步。 我们已经看到了计算机在过去几十年中的发展，从大型机（1980 年代）到客户端-服务器（1990 年代）再到网页（2000 年代）以及云计算和移动设备（2010 年代）。 它有可能改变计算机的格局。 在 2020 年代，我们将看到生成式 AI 渗透到几乎所有的计算领域，包括个人和商业。 生成式人工智能的出现标志着类似于 1990 年代技术革命的范式转变。 让我们来看看这两个时代之间的相似之处，并重点介绍塑造计算未来的趋势。
从前： 1990 年代见证了多种 CPU 架构，其中 DEC Alpha、Sun Sparc 和 Intel X86 主导了市场。
现在：亚马逊、谷歌、Microsoft 和英伟达是堪称典范的 GPU 和 AI 加速器芯片。
与 1990 年代的各种 CPU 架构类似，AI 加速器正在成为 GenAI 工作负载的主力军。 亚马逊对 Trainium 和 Inferentia 芯片的投资、谷歌对张量处理单元 （TPU） 的重视，以及 Microsoft 最近通过 Azure Maia 正式进入该领域，都证明了这一趋势。 预计OpenAI还将拥有自研芯片来训练基础模型。 除了定制的 AI 硬件外，负责与之交互的软件层也在不断发展。 虽然 NVIDIA 的 CUDA 在这一领域占据主导地位，但 AWS Neuron SDK、Azure Maia SDK 和 Onnx 正在获得牵引力。 为了充分利用自定义硬件，TensorFlow、PyTorch 和 Jax 等深度学习框架针对这些层进行了优化。 定制的 AI 加速器让我们想起了 1990 年代可用的各种 CPU 架构。
从前：Compaq、Dell、HP、IBM 和 Sun 等传统原始设备制造商 （OEM） 是硬件巨头。
现在：AWS、Azure 和 Google Cloud 等公有云平台已成为新的 OEM。 它们在托管和部署人工智能技术方面发挥着关键作用。
Compaq、HP、IBM 和 Sun 等 OEM 在 1990 年代推出了基于特定 CPU 架构的服务器。 在当前背景下，公有云提供商可以与原始设备制造商相提并论。
专有硬件、裸机或虚拟服务器以及自定义软件层与某些供应商（如 Sun）提供的基于 SPARC 处理器、Solaris 操作系统以及运行工作负载所需的其他组件的端到端堆栈非常相似。
从前：Linux 和 Windows 是核心操作系统，是计算的基础。
现在：基础模型已成为AI操作系统的内核，其中有些是开源的，有些是专有的。
关于开源和商业软件的争论可以追溯到 1990 年代，当时 GNU 和 FOSS 的兴起。 快进到 2024 年，我们仍在谈论开放式和封闭式基础模型的优缺点。 以 Meta 为首的 Llama 和 Mistral 等其他参与者也越来越重要。 另一方面，我们有 OpenAI 的 GPT-4、谷歌的 Gemini、AWS 的 Titan LLM 以及一系列其他模型，例如 Anthropic 的 Claude 2、AI21 的 Jurassic 2 和 Cohere 的 Command。 大型语言模型 （LLM） 将变得如此重要，以至于它们将被集成到操作系统内核中，以提供生成式 AI 功能，甚至是操作系统的自我修复。 从前：操作系统配备了必要的实用程序和命令。
现在矢量数据库、搜索和编排工具构成了 AI 实用程序的支柱，增强了 AI 平台的功能和效率。 几乎所有操作系统都内置了实用程序和命令来管理系统。 从基本的文件管理到高级优化工具，操作系统将完成所有工作。
与这些实用程序类似，具有检索器和排名模型的矢量数据库将成为 AI 堆栈的重要组成部分。 新的 AI 堆栈将把它作为一个层，位于 LLM 之上，以影响其响应并通过提示提供上下文输入。 高级应用程序（如 **）将使用它们来自动执行依赖于存储、搜索和检索的各种任务。 从前：由 Bash 和 ZSH 提供支持的命令行界面，以及 Windows 和 macOS 中内置的复杂图形界面，使计算访问民主化。
现在Hugging Face、Azure ML、Amazon Bedrock 和 Google Vertex AI 等 AI 平台成为新的“操作系统外壳”，使 AI 技术更易于访问和用户友好。 AI 平台提供商提供的 API 提供对底层模型的访问，其方式与 shell 提供操作系统访问的方式相同。 它们提供了一个简单的界面，用于在新的 OEM 环境（公共云或私有云）中进行预训练、微调、版本控制、部署模型和推理。
“低”和“无”工具类似于 Windows 和 macOS 中提供的 GUI。 它们使非开发人员和高级用户能够使用底层模型并构建现代应用程序，从而实现 AI 民主化。 从前：由原始设备制造商或第三方开发的软件应用程序。
现在：谷歌的Duet AI、Amazon Q和Microsoft Copilot等AI助手是新的应用程序，在消费者和商业环境中变得越来越重要。
如果说AI平台是新的外壳，那么AI助手就是新的应用。 与操作系统提供商的内置应用程序类似，这些应用程序也允许开发人员创建自定义应用程序，新平台提供了一个开发环境和工具来构建自定义 AI 助手。
Duet AI与Google Workspace集成，而Microsoft将Copilot嵌入到几乎所有业务应用程序中。 Amazon Q 与 AWS 管理控制台紧密集成，使用户能够执行常见任务。 从前：Borland Delphi、Visual Studio 和 Eclipse 等 IDE 是软件开发的标准。
现在Microsoft Copilot Studio、Google Generative AI Studio、Amazon Step Functions 等环境代表了为 AI 和机器学习量身定制的新一代开发工具。
开发人员依靠 Visual Studio、Eclipse 和 Xcode 等工具来构建自定义应用程序。 在GenAI时代，Microsoft Copilot Studio、Google Generative AI Studio、Amazon Bedrock + AWS Step Functions等基于云的工具已成为开发AI助手的首选IDE。 它们使开发人员能够集成不同的数据源、LLM、提示工程和护栏，以构建企业级 AI 助手。 GenAI 时代正在重新定义计算格局，反映了 1990 年代的变革性变化，但重点是 AI 和云技术。 作为领导者，拥抱这些变化并了解其影响对于推动组织在这个新的计算时代向前发展至关重要。