IBM 的行业转型蓝图如何利用 AI、5G 和协作
AI 和图形有几个共同点：它们是多方面的，在其应用程序中无处不在，并且在 2020 年代实现了快速增长。
AI 有多种表现形式，从硬件到医疗保健等领域的应用，从未来模型到道德
本着过去几年的精神，我们回顾了我们确定的 2020 年代数据库、数据管理和 AI 领域关键技术驱动因素的发展。我们回顾 2021 年，试图确定将塑造 2022 年的模式。
今天，我们从我们评论的第一部分开始，介绍 AI 和知识图谱。
AI 的多种面貌：硬件、边缘、MLOps、语言模型、未来架构和道德规范
原则上，我们尝试从整体上看待 AI。考虑到积极和消极，从闪亮到平凡，从硬件到软件。在过去的几年里，硬件一直是 AI 这个更广泛的故事中一个持续的故事，我们认为这是开始我们之旅的好地方。
在过去的几年里，我们一直在关注越来越多的“AI 芯片”供应商，即那些着手从头开始开发新硬件架构的公司，专门针对 AI 工作负载。他们都希望从这块看似不断增长的蛋糕中分得一杯羹：随着 AI 的不断扩展，所述工作负载不断增长，尽可能快、尽可能经济地为它们提供服务是一个显而易见的目标。
Nvidia 继续主导这个市场。早在 AI 工作负载开始蓬勃发展 之前，Nvidia 就已经进入市场，并且具有通过构建硬件和软件生态系统来利用这一点的敏锐度和反应能力。它 2020 年让 Arm 成为该生态系统一部分的举措正在接受监管审查。然而，英伟达在 2021 年并没有闲着。
在 2021 年 11 月的 Nvidia GTC 活动上发布的一系列 公告中。在硬件层面带来新事物的那些与我们认为 AI 在 2021 年的整体重点有关：推理和边缘。Nvidia 为 Triton 推理服务器引入了许多改进。它还推出了 Nvidia A2 Tensor Core GPU，这是一款低功耗、占用空间小的加速器，用于边缘 AI 推理，Nvidia 声称其推理性能比 CPU 高 20 倍。
那么新贵呢？SambaNova 在获得高达 $676M 的 D 轮融资后，声称现在是“世界上资金最雄厚的 AI 初创公司”，估值超过 $5B。SambaNova 的理念是提供“AI 即服务”， 现在包括 GPT 语言模型，看起来 2021 年对他们来说基本上是上市之年。
赛 灵思声称与 Nvidia GPU 相比，神经网络的速度显着加快。Cerebras 声称自己“绝对主导”高端计算 ，并且 也获得了一些巨额资金。Graphcore 在 MLPerf 结果上与 Nvidia（和 Google）竞争。Tenstorrent 聘请了传奇的芯片设计师 Keller。Blaize 筹集了 $71m，将边缘 AI 引入工业应用。Flex Logix 获得了 5500 万美元的风险投资，使其总收入达到 8200 万美元。最后但并非最不重要的一点是，我们在 NeuReality 中加入了 一匹新马， 在 ONNX 和 TVM 中混合和匹配部署的方法，以及 使用 AI 设计 AI 芯片的承诺。如果这不是蓬勃发展的创新，我们不知道什么才是。
根据 Linux 基金会的边缘 现状报告，到 2028 年，数字医疗保健、制造和零售企业特别有可能扩大对边缘计算的使用。难怪针对边缘的 AI 硬件、框架和应用程序也在激增。
TinyML 是生产足够节俭以在边缘工作的机器学习模型的艺术和科学，正在快速增长并 构建生态系统。Edge Impulse 是一家 希望将边缘机器学习带给每个人的初创公司，它刚刚宣布了其 $34M 的 B 轮融资。 边缘应用程序即将到来， 人工智能及其硬件 将是其中的重要组成部分。
我们在 2020 年称之为“MLOps”，在 2021 年非常突出，并将在未来几年与我们同在，这就是所谓的 MLOps，即将机器学习引入生产环境。2021 年，人们试图 为与 MLOps 有关的各种现象命名， 对 MLOps 领域进行切片和切块， 应用数据版本控制和持续机器学习，以及 相当于数据 测试驱动开发等。重点正在从闪亮的新模型转向可能更平凡的模型，但数据质量和数据管道管理以及 MLOps 等实用方面将继续增长。
无论是在绝对规模还是数量方面，另一个可能会继续增长的因素是大型语言模型 （LLM）。有些人 认为 LLM 可以内化语言的基本形式，无论是生物学、化学还是人类语言，我们即将看到 LLM 的不寻常应用增长。其他人则 没有那么多。无论哪种方式，LLM 都在激增。
除了“常见嫌疑人”——OpenAI 及其 GPT3、 DeepMind 及其最新的 RETRO LLM、Google 及其 不断扩大的 LLM 阵列—— Nvidia 现在还与 Microsoft 合作推出 Megatron LLM。但这还不是全部。
最近，由独立 AI 研究人员组成的集体 EleutherAI 开源了他们的 60 亿个参数 GPT-j 模型。此外，如果您对英语以外的语言感兴趣，我们现在有一个大型欧洲语言模型，由 Aleph Alpha 精通英语、德语、法语、西班牙语和意大利语。Wudao 是中国的 LLM，也是最大的 LLM，拥有 1.75 万亿个参数，HyperCLOVA 是韩国的 LLM，拥有 2040 亿个参数。此外，总是还有其他稍旧/较小的开源 LLM，例如 GPT2 或 BERT 及其许多变体。
除了 LLM 之外，DeepMind 和 Google 都暗示了 AI 模型的革命性架构，分别是 Perceiver 和 Pathways。Pathways 因相当模糊而受到批评。但是，我们大胆推测它可能基于 Perceiver。但是，由于我们处于未来的技术领域，更不用说 DeepMind 的 神经算法推理，这是一个有望将经典计算机科学算法与深度学习相结合的研究方向。
任何 AI 之旅，无论多么浓缩，如果没有对 AI 伦理的荣誉提及，都是不完整的。AI 伦理一直是 2021 年的首要考虑因素，我们看到从 FTC 专员 到 行业从业者 ，每个人都试图以自己的方式解决 AI 伦理问题。我们不要忘记 AI 在医疗保健领域的持续 繁荣， 无论有没有 AI，道德都应该是重中之重。
知识图谱、图数据库和图 AI
长期以来，我们一直是各种形状和大小的 图（知识图谱、图数据库、图分析、数据科学和 AI）的狂热支持 者。因此，我们从这方面进行报道是百感交集的。一方面，我们没有看到太多创新，除了可能在一个领域 —— 图神经网络。DeepMind 的 神经算法推理 也利用了 GNN。
另一方面，这不一定是坏事，原因有两个。首先，该技术在主流中得到了广泛采用。Gartner 预测，到 2025 年，80% 的数据和分析创新将采用图形技术，高于 2021 年的 10%，从而促进快速决策 。 报道 BMW、宜家、西门子能源、富国银行和 UBS 等公司的使用案例不再是新闻，这是一件好事。是的，构建和维护知识图谱存在挑战，但这些挑战在很大程度上是众所周知的。
正如我们所指出的， 知识图谱实际上是一项有 20 年历史 的技术，它成为众人瞩目的时代似乎已经到来。构建知识图谱的方法以及其中的挑战都是众所周知的。知识图谱中一些最需要的技能和开发领域围绕着使用自然语言处理和可视化界面来构建和维护知识图谱，以及从单用户场景扩展到多用户场景的方法，这并非巧合。
为了将这次对话与更广泛的 AI 图景联系起来，共同的挑战似乎围绕着作化和在团队中建立正确的专业知识，因为这些技能的需求量非常大。另一个重要的接触点是混合 AI 方向，即在机器学习中注入知识。英特尔的 Gadi Singer、LinkedIn 的 Mike Dillinger 和混合智能中心的 Frank van Harmelen 等领导者都 指出了知识图谱形式对人工智能未来的重要性。
知识图谱、图形数据库和图形 AI 都在融合
AI 和知识图谱之间的更广泛前景之间还有另一个重要的接触点：数据网格和数据结构。您将这两者 以及如今飞来飞去的大量与数据相关的术语混为一谈是情有可原的。简单地说， Data Fabric 旨在作为组织中分散式数据管理的数据网格 概念的技术基础 。这实际上与知识图谱技术非常匹配，该领域的一些供应商已经确定了这一点并相应地定位了自己。甚至 Informatica 似乎也注意到了这一点。
那么构建知识图谱的 Substrate 即图数据库呢？2021 年图形数据库的特征似乎是“走向市场”。对于图形数据库来说，今年是丰收的一年。图形数据库 Neo4j 首次进入 数据库引擎前 20 名。Neo4j 还宣布 全面推出其 Aura 托管云服务 ，并 筹集了 3.25 亿美元的 F 轮融资，这是数据库历史上最大的一轮融资，使其估值超过 20 亿美元。
图形数据库领域见证了一系列融资轮次和即将到来的 IPO。TigerGraph 获得了 $105M 的 C 轮融资，Katana Graph $28.5M 的 A 轮融资， Memgraph $9.34M 的种子轮融资 和 TerminusDB €3.6M。与此同时，Agens Graph 的制造商 Bitnine 开始 着手进行 IPO——这是市场上的第一次 IPO 。Bitnine 现已在韩国电子股票市场 KOSDAQ 上市
在技术方面， GraphQL 的采用率仍在增长，无论是作为 更广泛的生态系统 的一部分，还是作为 数据架构的中心组件。在模型 RDF 和 LPG 方面桥接两个图形数据库世界的工作仍在进行中，但在 2021 年已经出现了 一些有趣的发展。
我们并不指望世界与图形和图形数据库的蜜月期会永远持续下去，在炒作之后，幻灭将不可避免地在某个时候随之而来。但我们相信这项 技术是基础 ，尽管遇到了困难，但会找到它的位置。