也許塑造當代數據領域的最大力量，就是基礎模型的普遍存在。這些模型在生成人工智能的部署中表現得最為明顯，其正在影響從外部客戶交互到內部員工與數據系統的接口等各個方面。

因此，存儲和檢索數據、應用和從基礎模型中產生價值，以及強調數據驅動流程(如數據安全和數據隱私)的新范式，將在2024年得到鞏固。隨著先進的機器學習部署繼續為我們的生活增添色彩并提供信息，保護數據和確保監管合規性的基本要素將與時俱進，從而使兩者的發展受到制約。

智能機器人生成自然語言僅僅是一個開始。為了支持這些人工智能功能，并將其引領至2025年，一個完整的生態系統正在形成。

多模態生成模型

基礎模型非常擅長生成文本，以至于人們很容易忘記。根據定義，其擅長處理可以應用的任意數量的任務。因此，組織將在接下來的幾個月內開始充分利用這些功能，從而提高生成式人工智能投資的投資回報率。

GPT-4可以無縫集成圖像和文本，而且這種軌跡很快就會擴展到其他模式，包括語音、視頻、音樂和其他輸入，比如傳感器數據。聰明的組織將開始探索和試點多模式生成人工智能的用例，這將為營銷、數字資產、客戶服務等方面產生積極影響。

矢量數據庫的勝利

在很大程度上，由于涉及檢索增強生成和語義搜索的生成型AI應用的企業基礎模型標準化，矢量數據庫預計這些功能的價值和采用率將加倍。這些相似性搜索引擎可能最好被視為人工智能檢索系統：存儲組織擁有的大量非結構化數據，并使用語言模型查詢這些數據的最佳方式。

矢量數據庫因其在處理高維數據和促進復雜相似性搜索方面的能力，而迅速獲得關注。一旦組織確定如何規避在內存中維護矢量數據庫索引的潛在成本抑制因素，這些存儲庫將增強許多用例，包括推薦系統、圖像識別、自然語言處理、財務預測或其他人工智能驅動的企業。

生成式人工智能優先考慮個性化

生成人工智能模型在RAG實現和矢量相似性搜索中，經常訪問的大量非結構化數據(以前被認為是暗數據)增加了對數據安全和法規遵從性的普遍關注。

2024年的另一個主要趨勢是，企業將看到“生成式人工智能專注于特定領域聊天機器人的開發，同時確保組織層面的數據隱私保護。”RAG可以通過確保由生成式AI模型支持的聊天機器人訪問經過審查的數據，并包括對數據隱私、法規遵從性和數據安全的控制，來幫助實現這一目標。

機密計算采用率增加

根據其實施方式，機密計算結構可以極大地幫助通過生成AI模型的個性化來加強數據保護。此計算模型涉及將機密數據隔離在安全的CPU飛地中，以便在云中進行處理。這些數據及其處理方法只能由飛地授權的代碼訪問。

未來一年，預計基于硬件的機密計算的集成將會增加，因為云解決方案會戰略性地利用其來吸引隱私和安全需求更高的應用。而這種(機密計算)趨勢將在機器學習、金融服務和基因組學等專業領域尤為普遍。

展望

基礎模型所帶來的變化包括，但最終超越了其具有如此影響力的數據環境。事實上，其以或大或小的方式影響著職業和私人生活領域。多模式部署、矢量數據庫、個性化和機密計算，將是促進這些人工智能應用為企業甚至社會帶來更大利益的眾多方式中的一部分。