BCG：AI工业革命将临 甚至颠覆IC设计

波士顿顾问公司（BCG）近期宣布与英特尔（Intel）开展战略合作，提供「企业级的安全人工智能（AI）」，因应生成性人工智能（Generative AI）的兴起，激励产业领导者采取移动，以探索这项新技术如何应用在企业中。DIGITIMES Asia专访BCG亨德森研究所全球总监François Candelon，了解这项合作背后的目标，以及更广泛的生成式AI的变革潜力。

问：BCG为什麽选择与英特尔合作企业专有的生成式AI系统？
答：目前当红的预建大型语言模型（LLM）依赖于公共云或非客户控制的基础设施，从数据撷取到准备部署训练完成的自订模型，可能需要3～6个月的时间。

英特尔解决方案灵活性是对BCG AI和工程服务的完美补强，可以设计和部署企业级生成式AI解决方案，同时专业地驾驭强大的组织变革所带来的人员／流程／政策变化。最后，英特尔能够满足BCG的信息安全和数据隐私要求，这些要求是世界上最严格的要求之一。我们期望藉由与英特尔的合作，能够在几周内就为企业客户大规模启用生成式AI解决方案。

问：BCG是否为每个企业客户定制生成式AI系统？它是部署在云端还是在边缘？
答：BCG为每个客户量身定制生成式AI解决方案，同时将私有数据隔离在可信任的环境中。事实上，BCG与Google、英特尔和OpenAI等几家生成式AI供应商都有合作关系，因为这些变革性的解决方案，需要依据每家公司的具体需求和能力、甚至根据每个使用案例进行定制，以准确性、数据安全性和成本的要求来选择LLM供应商。BCG的定制方法包括确定他们是否应该在云中、在现场、在边缘或通过混合方法进行构建。

问：BCG的LLM系统涵盖哪些知识领域？
答：每家公司都可以通过生成式AI找到重要的价值，无论其产业为何。而且每个领域都有几个横跨生产力和创新的使用案例。事实上，为独特的使用案例选择最佳的数据来源，也是我们根据客户的独特业务需求而定制的。

BCG支持企业使用其专有数据与生成式AI，以便能够创新和发展他们的业务，同时确保数据是安全和可靠的。因为用于训练模型的数据类型决定了模型所能提供的功能，企业的独特数据是其使用生成式AI的竞争优势的来源。

以一家材料公司为例，其独特之处为其化学数据。通过以化学数据和材料属性数据训练出来的生成式AI模型，就可以创建一个逆向设计的应用程序。这就是使用者写一个提示，要求特定的材料属性，模型即可生成具有这些属性的材料，即使该材料以前从未被设计过。

比方说，公司想创造一种在室温下具有超导性的超轻质散装材料。这种类型材料在目前是尚未实现的，但生成式AI可以使其成为可能。

另一个例子是制造公司；他们可以用独特的电脑辅助设计（CAD）数据训练生成式AI模型，并创建一个生成性设计模型系统。然后，未来的设计只需与电脑就他们所寻找的参数进行对话可以自动生成，比如说该公司希望新产品要轻15%、但也要用15%的新材料制成，设计时要减少20%的零件等。生成式应用就可以根据公司过去的设计数据来设计新产品。

作为一家以知识为基础的顾问公司，BCG也在利用自己的知识资产（如幻灯片和报告库）建立内部生成式AI应用。未来，我们的案例团队在为客户提供支持时，也可以使用这个方法，提取不同的数据来源，并在BCG生态系统中寻找各种专家。　

总而言之，BCG与每个客户合作，使用生成式AI来获得其竞争优势。这项技术具有巨大的潜力，可以颠覆整个产业。它不仅仅是关于生产力或客户服务，更是关乎创造力！

问：生成式AI如此强大，将如何扰乱劳动市场并影响公司之间的竞争？
答：有句话说： 「人类不会被AI取代，而是被使用AI的人类取代。」 具体而言，在劳动力方面，公司将在其员工如何有效使用AI工具上进行竞争。我认为这对生成式AI来说尤其如此，人类与工具的互动至关重要。

生成式AI根据其训练数据，带来最有可能的统计学答案。例如，当你问ChatGPT，「什麽是2加2？」
从它所训练的网络数据来看，最可能的统计学答案是4，所以它会告诉你答案是4。但是在有些情况下，训练数据并不那麽可靠，这意味着在确保品质的前提下，人类对输出的监督非常重要。

因此，企业需要训练员工有效地使用和监督生成式AI。否则，员工可能成为 「Shadow AI」的风险来源。例如，生成式AI有能力使AI 「民主化」，使员工相信他们可以作新的事情，例如在没有程序设计背景的情况下用Python编码。

但是，当人们在其专业领域之外使用生成式AI时，可能会造成意想不到的问题－例如发布有漏洞的代码或泄露机密。BCG为客户提供了强有力的指导方针、AI治理原则和Responsible AI架构，以帮助客户降低这些风险。

在短期内，公司将需要谨慎地管理其组织中如何使用生成式AI，但随着时间推移，公司每个人都将使用这些工具，创造一种能力阶级现象（Meritocracy），即一些人会更擅长使用这些工具，从而产生收入与升迁机会的差距。生成式AI对生产力影响非常大，能有效使用这些工具的人员，生产力将远远超过其他员工。 

今天的情况与19世纪末人类广泛使用电力之前的情况非常相似。AI的影响，在我看来，比网际网络的兴起重要得多。

问：鉴于生成式AI需要大量的算力和能源，世界是否产生足够的能源来支持其快速扩张？
答：生成式AI的能源消耗是一个关键风险。但这个产业正在迅速发展。我认为在几年内，许多生成式AI应用将使用更小的模型，需要较少的算力，例如可以在有GPU的笔记本电脑上运行的模型。最终会有很多这样的模型。

关键问题是，算力的进展能否与生成式AI所创造的具体需求速度相匹配？我相信这是台湾一个重要机会，因为硬件是决定未来发展的一个重要因素。台湾为全球生产AI芯片，特别是TPU和GPU，应积极参与优化其设计。

我想引用哈佛商学院教授Michael Porter的话，他说一个国家的竞争力取决于其产业的创新和升级能力。
因此，台湾不应该只做制造的生意，也需要创新和升级现有的芯片设计，否则他们将成为破坏性创新所要颠覆的对象。

我也相信大量的新工作将集中在未来的创新芯片设计上。这可以抵消其他生成式AI应用对就业带来的损失。

François Candelon简历

François Candelon是BCG亨德森智库（Henderson Institute）全球总监，该机构致力于通过拥抱强大的理念与技术来探索和开发商业、技术、经济和科学领域的洞察。他也是BCG数据科学和先进分析部门 GAMMA为技术、媒体和电信公司开展的AI@Scale专案的领导者。