ChatGPT的惊艳表现牵动了全球科技爱好者的心弦，仅仅2个月就实现了用户数从0到1亿的蜕变。ChatGPT能准确地理解语义并能进行流畅和较为正确的问答。多模态的大模型具备绘画、生成视频以及编写代码的能力。扩散模型的运用让人感到智能“涌现”的魅力，大模型的综合能力和效率甚至达到了专家级水平。

就在众多企业高管面对如此重大技术变革而感到不知所措和迷茫、焦虑时，那些对技术有着敏锐洞察力并勇于拥抱变革的企业已开始摩拳擦掌、跃跃欲试了。

没有万张加速卡，企业无缘大模型？

训练大模型需要巨大的算力，然而这些企业发现，在垂直行业，可借助各类开源模型，以及自己企业所积累的大量数据和经验，通过微调技术的再训练，就可以构建一个垂直领域的GPT（Generative Pre-Trained Transformer 生成式预训练Transfomer模型）模型。

企业真正要落地GPT却不是件容易的事，摆在眼前的就有三大挑战。在证券机构执掌技术团队多年、出任公司CTO的颜云峰表示：“我们首先遇到的就是算力难题。虽然微调技术并不像大模型那样需要成千上万张的AI加速卡，但所需的算力也是有极高的要求。这就需要企业能构造一个可扩展、能持续演进的算力发展架构。”

“第二是数据安全难题。无论是数据还是模型都是企业多年积累的高价值数据资产。因此无论在计算、存储中都要保障数据资产的安全。”

“第三是部署与运维难题。AI带来的新算力、存储需求要与原有IT系统融合、互通，加快数据流通的同时也增加了IT部署与运维的难度。”

持续创新应立即行动，但要做好五方面准备：

“希望通过持续创新提高竞争力的公司一定会选择立即行动。虽然这项技术还不成熟，但这也取决于公司自身的条件。任何AI的部署都是个非常复杂的工程。如果企业要实现规模化和可持续的生产，就需要在流程、技术和开发上做大量的准备工作。”HPE与AI云服务业务发展总监Edmondo Orlotti这样表示。

对此，对那些坚定地期望利用GPT创新的企业给出了五点建议，他表示：

“第一，要评估企业数据的成熟度水平。即战略、组织和技术能力，使其能够利用人工智能从数据中创造价值时，生成式人工智能才能生存和发展。但据HPE最新的全球调查显示，绝大多数组织在此能力上还存在巨大的差距。”

“第二，在数据架构和治理方面，企业需要搭建一个统一的公司级的数据架构和治理平台。完善数据架构和数据治理平台才能以优质的数据不断进行训练，以此推动企业的生产和服务不断地向好发展。”

“第三，做好采用混合平台的准备。 模型训练和推理可以在大型语言模型供应商（如OpenAI、Aleph Alpha、Google）运营的集中式AI超级计算机上运行，但从长远来看，会有各种原因会导致公司必须建立一个混合或边缘到云的平台。具有实时推理的用例要求模型在本地AI基础设施上运行，以尽量减少延迟。但随着训练数据越来越多地分布在各地，企业就要汇总数据，而不是将其集中起来，因为集中地数据成本极高且速度慢、不安全。”

“第四，知识产权和版权问题。生成式人工智可能是未来十年决定性技术之一，将对企业未来的发展起到战略性作用。可以预见，大型语言模型市场将被全球少数几个供应商所主导，这使得知识产权和版权将成为生成性人工智能的一个关键影响因素。企业应尽量减少对外的版权依赖和注重保护自身的知识产权。企业应采用混合方法规避相关风险，在本地运行具有版权的的大型语言模型。”

“第五，流程整合。企业在规划人工智能应用时，往往忽略了将其整合到现有的运营和技术流程中，这是造成人工智能项目失败的主要原因。企业应建立起包括应用和数据生命周期的管理、安全、运营规划和控制流程、运营安全和风险管理的各完善体系。”

HPE “四大能力”应对“三大挑战”，GPT解决方案让大模型飞入寻常“企业”家

不论是大模型还是以LoRA这样的微调方式，都需要让模型适配不同算法和数据集，就需要底层硬件具备“由低向高”平滑过渡的整体解决方案。进而满足不同企业部署不同规模模型实现合理投入产出的方案。而这正是HPE GPT整体解决方案的优势所在，其核心就是算力和数据读写能力。

计算资源上，企业可以从HPE ProLiant 系列服务器开始入门。HPE ProLiant服务器经过优化设计，可以为组织的数据密集型工作负载提供超高性能。与此同时，HPE ProLiant Gen11支持多种架构，包括第四代AMD EPYC™处理器，第四代Intel®Xeon® Scalable处理器，以及Ampere®Altra®和Ampere®Altra®Max云原生处理器。

进阶级的企业可以选择HPE Apollo 6500 服务器。它采用了业内领先的硬件配置与性能参数，HPE Apollo 6500 系统成为人工智能领域最高端的引擎。不仅是GPU与计算架构进行了升级，在计算、网络和存储各个方面都不会有性能瓶颈。

HPE Apollo 4000

针对非结构化数据场景的训练与预测AI需求，对所有数据进行访问只是开始，能大规模管理数据、支持数据密集型应用并确保数据安全的系统则是关键。HPE Apollo 4000系统能够以极大规模存储数十亿个文件和对象。这一系统还可运行各种现代化、数据驱动型的应用。

第三，方案简单易用便于部署，加速企业的大模型上线。

为了让企业更加专注助于核心业务，降低企业在IT运维、部署的难度是HPE的职责所在。HPE ProLiant服务器采用基于云原生技术的管理中枢。无论计算环境位于何处，用户都能安全地自动访问、监控和管理服务器，进而实现高效运维。云原生管理中枢带来了便捷、统一和自动化的运维体验，通过实现全局可见性和洞察让您更好的管理计算环境。

HPE Alletra 系列存储同样采用云化的管理模式，以订阅方式1分钟就能实现数据上线。大幅降低了企业在IT方面的运维和部署难题。

第四，提供本地化服务，让企业无后顾之忧。

以Open AI为首的行业龙头在采用HPE的解决方案，同时，HPE利用本地化的合作伙伴网络，提供企业所需的策略帮助、运维支持和培训服务。能让企业获得从边缘到云的运维能力，从而加快企业的数智化转型。

ChatGPT是通用智能，“千人一面”。传统企业在体量上拥有灵活的优势，在数据上拥有深耕行业的专精数据与经验积累，利用好大模型技术则能让企业的服务实现“千人千面”更好地服务客户构建自身竞争力，也必将使其在细分行业大放异彩。