大語言模型正當其時。OpenAI去年11月下旬推出的生成式AI聊天機器人ChatGPT已經與千萬用戶見面，并憑借著自己的優異表現證明人工智能已經做好戰斗準備。根據瑞根發布的一項研究，ChatGPT在不到兩個月內積累下超1億活躍用戶，也成為有史以來增長最快的消費級應用程序。

但要想讓生成式AI模型在企業運營中發揮作用，還必須得為它注入公司自身的針對性信息。ChatGPT的本質是利用互聯網信息作為訓練數據集，它的優勢在于此、短板也同樣在于此。如果大家想寫份簡歷，沒問題；如果是想整理一篇關于拿破侖或者滑鐵盧戰役的文章，更是ChatGPT的拿手好戲。

可一旦把任務換成特定公司內的醫療保健計劃，或者IT基礎設施調優思路，那它就幫不上什么忙了。這些用例的訓練需要在企業數據上進行，單靠廣泛的互聯網信息根本使不上勁。

英偉達IT人工智能副總裁Rama Akkiraju表示，“我們都知道，生成式AI模型特別擅長從公共領域的數據源中學習，并成功通過文本摘要、翻譯、編碼輔助和圖像生成等多種測試。但它們并不了解企業當中的具體業務數據，因為它們根本就沒見過。例如，假設我以新員工的身份詢問生成式AI模型如何接入公司的VPN，那它肯定會一臉迷茫。或者，如果我問它公司的福利計劃包不包含收養補貼，它同樣無法回答，因為它沒看到過這方面章程。為了將生成式AI引入企業，我們必須對基礎模型做定制，傳授它們企業的語言和特定技能，以確保它們能夠在適當的護欄之內提供更多域內響應。”

本周，英偉達與ServiceNow共同公布的合作伙伴計劃就是想解決這個問題。ServiceNow打造的同名云平臺將幫助各類組織機構向員工和客戶提供服務。此項合作伙伴關系公布于ServiceNow在拉斯維加斯召開的Knowledge 2023大會，主旨是將云平臺與英偉達的一系列AI軟硬件結合起來，包括用于混合云基礎設施的DGX Cloud AI超級計算機和DGX SuperPOD AI本地計算集群，外加英偉達推出的企業級AI軟件套件。

通過組合，企業將獲得一系列必要工具，利用內部數據（通常不會通過公共網站對外公開的信息）開展訓練，從根本上定制生成式AI模型。以此為基礎，員工或客戶就能隨時帶著自己的問題向微調后的大語言模型尋求答案。

“如果我問生成式AI模型該如何幫新員工接入VPN，它肯定不能按照其他公司的情況給出太過寬泛的公共答案。相反，它需要根據技術博文或公司內聯網中的可用信息給出確切答案。這就是構建定制化生成式AI模型的意義所在，能夠根據企業內的信息提煉知識、輸出答案。”

關于企業如何使用專有數據訓練AI模型的討論已經持久多年，但生成式AI和大語言模型的興起讓更多公司將這個問題真正提上議事日程。近十年前，英偉達曾將其未來業務增長同AI的蓬勃發展趨勢聯系起來，如今的GPU巨頭顯然正一刻不停地為此而努力。今年3月，英偉達表示AI Foundations服務家族中的NeMo已經準備就緒，能夠幫助企業輕松通過專有數據增強其大語言模型；還有NeMo Guardrails，可幫助開發人員將安全機制和安全功能引入用戶與AI工具的聊天當中，按照既定規則確保整個使用過程不致泄露高權限信息或違反公司規定。

ServiceNow還在其產品中引入更多AI功能，包括本周剛剛推出的Generative AI Controller，用于將ServiceNow實例接入微軟的OpenAI Serivec和OpenAI API LLM，以及可根據組織自身數據信息做出自然語言響應的Now Assist for Search。此前，ServiceNow已經與微軟宣布建立新的合作伙伴關系。為了更好地訪問微軟和OpenAI提供的AI工具，這款Controller應運而生，目的當然是充分運用微軟注資130億美元打造的最強大語言模型。

而通過與英偉達的合作，兩家公司開始共同研究后續用例，包括IT應用（也是雙方最初關注的重點）、解決客戶與員工問題、為開發人員提供輔助，以及將NeMo基礎模型搬上DGX Cloud與DGX SuperPOD。

Akkiraju解釋道，“在IT領域，總有各種不同工作需要完成。其中包括總結IT查詢工單，確保部門后續能利用這些信息來解決問題。再就是如何充分利用企業內可用的IT幫助或人力收益等數據，如何以更高效的方式搜索信息內容并回答問題，乃至于怎樣構建聊天機器人并以對話方式輸出正確響應。此外，還需要考慮如何安排IT和人力服務臺處理各種工單，確保員工在正確的時間前往正確的位置并快速解決問題。這，就是所謂自動工單路由與自動解決系統。我們正努力讓企業員工能以自助方式解決問題，不必再排隊等待支持服務人員一個個前往排查。”

英偉達也參與到這項計劃當中，并將自己的專有數據引入ServiceNow平臺，創建出生成式AI模型來滿足英偉達自身的IT需求。其初步重點是建立IT工單摘要，隨后又擴展為客服解決方案。Akkiraju表示，生成式AI模型的應用目標是實現用戶交互自動化，解決以往每次交互要占用IT支持人員七到八分鐘的低效現實。AI的介入不僅幫助服務人員騰出了精力和時間，更標志著這項技術對辦公室工作產生的又一重大影響——既然AI全都能夠接手做好，人類員工自然不用再為簡單重復的小麻煩而費心。

IBM本月早些時候推出了其Watsonx機器學習產品套件，涵蓋硬件、軟件、模型、服務等，旨在幫助組織更輕松地將AI與機器學習集成至自有產品和服務當中。此前，IBM公司CEO Arvind Krishna曾在采訪中表示，藍色巨人內部多達30%的后臺工作可能會被AI所取代，而且IBM計劃在未來五年內減緩對這些崗位的招聘。

英偉達-ServiceNow服務將使企業能夠從預訓練模型開始，一步步創建自己的定制化生成式AI模型。參考下圖可見，企業還可根據實際需求為潛在模型指定不同規模（80億到5300億參數）。

Akkiraju總結道，“將這些作為基礎模型，接下來就是使用其他不同技術配合特定企業數據進行定制。企業數據將被用于微調模型，引導其適應特定行業的具體要求。舉例來說，如果我們引入了IT領域的數據，那么這些定制技術所生成的模型就屬于IT領域數據的定制模型。是的，領域模型的塑造重點就在于模型的定制化構建和訓練。”

當定制模型準備就緒之后，您就可以將其部署和托管起來，盡情享受AI時代帶來的便利和高效。