我们可以尽情挥洒想象，生成式AI在不同的行业领域带来的颠覆。但是生成式AI的落地也需要天时地利人和的保障，比如零信任会筑起安全的城墙，边缘会产生更多生成式AI落地的场景，而量子计算将成为生成式AI的加速引擎。

生成式AI从概念到落地

“2024年，生成式AI将从纯理论的探讨阶段进入到业务应用阶段。”戴尔科技集团全球首席技术官John Roese指出，“2023年，大部分的企业和机构并没有真正地打造出生成式AI的应用系统。虽然很多厂商陆续推出了生成式AI的技术，也进行了各种各样的实验，但是并没有多少客户真正将生成式AI投入到生产应用中，仍处于理论探讨的阶段。2024年，生成式AI将实现真正的转变。用户会将生成式AI用于推理并放到生产系统中。”

戴尔科技集团全球首席技术官John Roese

生成式AI进入到企业的实际业务中，训练只是一个起步。大模型要想进入垂直行业，还要与行业、企业的实际数据相结合，让这些模型能够带来真正的生产力。

在企业中，若想充分发挥生成式AI的作用，John Roese认为要重点解决以下几方面的问题：第一，除了训练的基础架构，用户还必须了解如何打造一个推理的基础架构；第二，训练是在数据中心完成的，因为数据中心有大量的加速器，而推理则要放在数据和用户所在的地方，很可能就是边缘，这也是推理能力部署的位置；第三，用户要有能力保障推理基础架构的安全，如果推理的基础架构部署在边缘、工厂、用户所在的应用现场，不仅风险、攻击的类型不同，而且安全保护的方式也会大相径庭，因此将AI模型投入到生产环境中，必须确保其是安全的。

生成式AI能够改变销售、财务、人力资源管理甚至编写代码的方式。将生成式AI用在哪里，相信每个企业都能列出一个长长的愿望清单。比如，戴尔科技集团就找到了能够应用生成式AI的数百个项目。但是当企业真正开始启动应用生成式AI时会发现，每个生成式AI的应用项目都会占用大量的人力、物力、财力。一方面，企业中存在成百上千个生成式AI的潜在用例；而另一方面，每个企业的资源有限，当前或许只能实施其中的三至四个。这对企业的CIO和决策层来说可能会是一个难题，那就是如何从数百个项目中选择出那些优先实施的项目。如果优先级选对，无疑将对业务产生正向的影响；而一旦选错，则会导致大量资源的浪费。“企业要学会如何划分轻重缓急，即在充分了解生成式AI价值的基础之上，确定优先实施的项目。”John Roese如是说。

现在就开始零信任的旅程

其实不仅仅是AI，任何项目的成功实施，安全都是不可或缺的关键因素。

很多企业用户在安全保护方面，还处于一种“守势”，即被动防御，当有黑客进攻时，才做出相应的防御动作。有时，就是因为一个极短暂的时间差，便造成了无法挽回的损失。如今，越来越多的企业希望基于零信任的概念，重构企业安全架构，一条基本原则是，默认所有的人、App和设备都不是安全的，都需要进行验证。

“对于零信任而言，首先要识别出什么是好的，即哪些行为是被允许的，同时还要阻止所有的接入。”John Roese解释说，“零信任是完全的、验证的环境，只要不是好的行为，就要阻止，而且这种阻止一定是实时的，不能用几分钟或几天的时间才发现不好的行为。”

展望2024年，零信任在行业中的应用将不断走向成熟。当前，业界还没有一个端到端的零信任解决方案，但是一些厂商已经开始做出积极的尝试。比如，戴尔科技就在自己的边缘产品解决方案中嵌入了零信任的策略。

“零信任并不仅仅是一个产品，而是一种架构，甚至可以说是一门哲学。相关生态系统日益完善也在推动着零信任加快行业落地。”John Roese预测，“2024年，政府会更积极地推动企业采用零信任架构。5年之后，如果哪个企业或组织的IT架构中没有采用零信任，那会是一件奇怪的事。”

零信任会是一段旅程。2023年之前，可能没有人能窥见端到端零信任的全貌。但是从2024年开始，戴尔科技将向全世界的客户展示零信任究竟拥有什么样的能力。对企业而言，需要对所有的基础设施的接入进行验证，并采取不断演进的步骤，逐步实现零信任，这样一来，以后的每一年，企业中未知的产品、设备和人就会变得越来越少，验证越多就会使环境越安全。

John Roese的建议是，挑出那些最高风险的领域，作为实施零信任的开始。比如，在远程接入方面，零信任的表现就非常好。总之，企业在零信任方面迈出的每一小步，都能保证企业的环境变得更安全。

边缘是创新的源泉

当前，边缘平台正在蓬勃发展。因为大量的数据并不是产生在数据中心，而是遍布在工厂、医院、学校。在数据产生的地方进行即时的计算、处理，就需要为这样的需求构建边缘的环境。很多厂商都推出了自己的边缘计算平台。但是从用户的角度，肯定不希望同时应用多个不同的边缘平台，那样做既复杂，成本又高。

将边缘平台与边缘工作负载进行分离，会不会是一个好办法呢？这样一来，只需要构建一个软件定义的平台，上面既有软件又能实现对硬件的编排。对于云服务而言，无需针对每一项工作负载提供一个单独的平台，只保留一个共同的平台即可。“戴尔科技的想法是，让这个共同的平台变得更安全、更加自动化，以一个共同的边缘平台满足各种不同工作负载的需求。”John Roese介绍说，“其实在2023年，我们已经提出了这样的远景，从明年开始将逐步落地相关的概念和设想。”

大量的AI应用不是在企业的数据中心产生，而会在边缘发生，因为用例、用户和数据都在边缘。如果企业想以更高效、安全的方式使用生成式AI，那么边缘就是一个绕不过的坎。

量子计算与生成式AI密不可分

生成式AI是从无数的回答选项中，给你一个正确的答案，我们称之为概率计算。量子计算具备一种无限处理数据的能力，可以在无限的数据的回答中选择最好的。通过量子计算对生成式AI进行优化之后，能够让生成式AI更高效。

“几年之后，我们可能会惊讶地发现，量子计算与生成式AI竟然能有如此紧密的地合。量子计算能够成倍地提升生成式AI的工作效率。”John Roese表示，“虽然我们不能十分准确地预测那一天何时将会到来，但可以肯定的是，量子计算架构将成为生成式AI整个系统不可分割的一部分。”

量子计算将能解决生成式AI和大多数大规模AI对计算资源需求量极大这一主要难题。量子计算无疑将带来AI系统能力的巨大飞跃。混合量子系统将成为现代化AI的计算基础，AI工作将被分散于包括量子处理单元在内的一系列不同的计算架构中。

是展望，却又不止是展望

“实际上，上述这些技术的展望，都已经或多或少地融入到我们的产品组合中。比如，戴尔科技的服务器产品已经能够用于训练，最新的服务器还可以用于推理；存储系统可以支持生产应用中的AI；在边缘侧，戴尔科技过去两年发布的几乎所有产品都带有加速器；另外，在加速AI应用方面，我们与生态伙伴进行了密切合作，以确保我们在打造和交付一个正确的基础架构用于支撑企业级的生成式AI。”John Roese表示，“这些技术展望也同时体现在我们对于产品的构建和交付中，体现在我们交付到客户手中的能力上。不可执行的展望只是空想。戴尔科技集团就是要把这些展望变成现实、可执行。”