最近的業界熱點展示了一個旨在向企業引入生成性人工智能能力的新產品的全球趨勢。從IBM、Google、Salesforce、微軟、亞馬遜等科技巨頭到Meta，似乎每個科技公司都在利用圍繞這一變革性新技術的興奮點。越來越清楚的是，大多數組織都渴望擁抱人工智能。企業正在迅速發現人工智能所能提供的潛在生產力提升、效率和其他好處。

然而，當這些公司不完全確定他們如何開始利用生成性人工智能時，就會出現一個重大問題。對該技術如何運作以及如何實施有深入了解的專家是稀缺的，更不用說是非常昂貴的。

認識到這種脫節，戴爾科技公司和英偉達公司共同推出了名為Project Helix的產品，專門用於簡化生成式人工智能的入門過程。Project Helix專注於創建全棧式的、企業內部的生成性人工智能解決方案，使企業能夠使用自己的數據建立新的或定制現有的生成性人工智能基礎模型。

企業開始使用生成性人工智能服務時出現的一個問題是內部知識產權洩漏的風險。事實上，包括三星和蘋果在內的幾家公司已經實施了政策，阻止他們的員工為工作目的使用ChatGPT等工具，因為擔心與這個問題有關。

這種擔憂的部分原因是，幾乎所有早期的生成性人工智能迭代只能在大規模的雲端數據中心運行，其中許多收集了輸入其提示輸入的數據。然而，在支撐生成式人工智能應用的基礎模型令人難以置信的快速發展中，這些擔憂有很多已經得到解決。值得注意的是，現在有各種各樣的開源模型可從市場上獲得，如Hugging Face。許多這些開源模型可以在更合理的計算要求下非常有效地運行，例如在一個適當裝備的內部數據中心。此外，一些大的科技公司已經開始改變關於他們的模型可以在哪裡運行的規則，並且正在創建他們的模型的較小版本，為現場使用進行優化。

此外，我們已經看到一些公司，包括NVIDIA開始提供專門為企業應用設計的模型。NVIDIA的發展在多個層面上都很有趣。該公司與生成性人工智能密切相關，主要是因為其硬件。NVIDIA的GPU芯片為目前云計算中的大部分生成性人工智能應用和服務提供動力。在該公司3月份的最後一次GTC會議上，他們公佈了一整套生成性人工智能相關的軟件，包括特定行業的軟件基礎模型和以企業為中心的開發工具，特別是其NeMo大型語言模型（LLM）框架和用於過濾不需要的主題的NeMo Guardrails，令許多人感到驚訝。這些模型被優化為在NVIDIA硬件上運行。

Helix項目代表了戴爾和NVIDIA的合作努力，組裝了一系列戴爾PowerEdge服務器系統。這些系統包括NVIDIA H100 GPU和NVIDIA的Bluefield DPU（數據處理單元，用於AI工作負載所需的服務器之間的高速互連）系列，並與NVIDIA的企業AI軟件捆綁。

此外，戴爾從其PowerScale和ECS企業對象存儲產品線中提供了幾種不同的存儲選項，為人工智能工作負載進行了優化。其結果是一個全面的解決方案，使企業能夠開始建立或定制生成性人工智能模型。潛在客戶可以使用NVIDIA的一個基礎模型選項，或者如果他們願意，可以從Hugging Face（或其他技術供應商的解決方案）中選擇一個開源模型並開始這個過程。

捆綁的NVIDIA軟件允許導入一個組織的現有數據語料庫–從文件、客戶服務聊天記錄、社交媒體帖子等等–然後用它來訓練一個新模型或定制一個現有模型。訓練過程完成後還包括配套的運行推理和利用新訓練的模型創建新的應用程序所需的工具。戴爾的捆綁服務還提供了一個藍圖，幫助企業在創建/定制這些模型和建立這些工具的過程中進行導航，同時還提供了一系列技術支持服務。

最重要的是，由於這項工作是在企業實體內部完成的，Project Helix可以幫助減輕許多公司–甚至那些已經開始使用生成性人工智能工具的公司–所擔心的知識產權洩漏問題。

Project Helix的另一個顯著好處是，它允許公司以更獨特和個性化的方式利用生成性人工智能。雖然目前可用的通用工具無疑可以幫助處理某些類型的應用和環境，但大多數公司認識到，生成性人工智能的真正競爭優勢在於定制。人們對將公司自己的數據納入這些工具有相當大的興趣，但對於究竟如何做到這一點，也有很多困惑。

將生成性人工智能的”簡易工具包”放在一起，並不意味著許多組織在利用其數據和技術來創建他們所需的解決方案時不會面臨挑戰。關鍵是要記住，生成性人工智能背後的概念仍然非常新，它是一項極其複雜的技術。然而，通過捆綁必要的硬件和軟件，這些硬件和軟件已經過預先測試，可以一起工作，同時還有關於如何引導這個過程的信息，Project Helix似乎是一個有吸引力的選擇，對那些渴望–或覺得有競爭性–潛入這個令人興奮的新領域的組織來說。