2024年，IT行業最熱的話題是什麽？

4月17日，筆者在美國Las Vegas舉行的SAS innovate大會上，見證了一貫低調的全球數據分析和預測領域的領頭羊SAS，從頭到尾談論GenAI和Quantum Computing！是的，你沒聽錯，SAS將生成式AI和量子計算貫穿到全部的三天活動中。

應該說，作爲最早一批在業務數據領域耕耘的數據分析和預測軟件企業，SAS顯然在人工智能領域擁有得天獨厚的優勢。但是SAS的優勢並非互聯網，也並非大語言模型（LLM），而是行業相關的數據分析預測和人工智能，借助SAS軟件和特定行業的解決方案，助力組織將數據轉化爲值得信賴的決策。

這時候我們就要看今天的數據和過去的傳統數據有什麽不同，比如過去更多是結構化數據，今天包括文字、圖像和視頻這樣的非結構化數據得以爆發式增長，必然改變傳統數據分析的邏輯，也因此催生出生成式人工智能（Generative AI）這樣的IT行業新熱點。而SAS，無疑是熱情擁抱了所以這些新的領域，甚至展示了SAS創新實驗室近期在量子計算方面的初步研發成果，顯示出了SAS的包容與活力，也顯示出傳統行業面臨的新機遇。

我們知道，以傳統反欺詐、反洗錢解決方案立足市場的SAS，在過去5年宣布過兩個10億美元投資計劃，首先是5年前的10億美元人工智能投資計劃，雲原生和AI加持的Viya顯然是其核心成果之一；而後在去年推出了針對特定行業解決方案的新10億美元投資計劃。但所有這些，都沒有如今在SAS innovate 2024大會現場，SAS CTO Bryan Harris心心念念的GenAI和Quantum Computing那樣令筆者震撼。

SAS CTO Bryan Harris

什麽是生成式AI？ChatGPT如今家喻戶曉。當然生成式AI不僅僅是主打文本和語音生成的ChatGPT，還包括圖像和視頻這樣的非結構化數據在真實世界的虛擬構建，譬如不久前面世的Sora這樣的AI視頻生成工具。然而我們知道，即便是GPT4，也存在相當多的幻覺和錯誤。這些，又如何能與嚴謹的行業應用相匹配呢？

Bryan Harris舉了一個例子：一家全球消費品制造商利用Viya及其GenAI功能來優化倉儲空間，分配入境貨物，並根據産品需求比較“假設”場景。SAS通過動態更新SAS Visual Analytics儀表板，幫助開發了基于LLM的數字助理，使公司的供應鏈團隊可以通過深入分析，輕松節省時間，並提高倉庫空間的使用率。另一個案例來自SAS innovate 2024大會現場，全球財富500強企業Georgia Pacific（簡稱GP）的AI高級總監Sam Coyne舉例說，“當我們的制造設備或工藝出現挑戰時，我們會利用傳感器數據、業務規則、推薦系統和生成式AI來建議適當的下一個最佳行動並解決問題。”

GP是全球最大的木材加工商和衛生紙生産商之一，也是世界上最大的鋸木商之一。GP竟然借助SAS DataMaker生成合成的原木圖像數據來增強大語言模型訓練，以提高GP所關心的精度，從而做出正確的決策，獲得即時價值。GP還借助SAS Viya的流媒體分析和智能決策管理解決方案，擴展了LLM編排和制造業特定的GenAI助理來解決實時運營問題。

而在SAS的傳統核心優勢行業也有很多GenAI應用場景。比如銀行的電話客服如何更好地以顧客滿意的方式有效處理投訴？真實世界的最佳流程是客服了解顧客的痛點，並迅速給出解決方案。換句話說，當一個投訴電話進來時，客服需要能迅速跟上故事，而不需要讓顧客再次重複敘述整個過程。顯然，這就需要使用AI和自動化處理技術，並借助GenAI生成的回複，爲人工客服提供相對合理的答複樣本支持。

毫無疑問，有了GenAI的支持而不是替代工作，客服能力將大大增強，無論是處理效率和處理質量，好處都是顯而易見的。

熟悉SAS的朋友都知道，SAS在過去幾年中一直強調生産力、性能和信任這三個發展原則，並形成了SAS的優勢所在。GenAI毫無疑問對生産力的提高起到了推動作用。

在Bryan Harris看來，Viya將GenAI模型無縫集成到SAS智能決策這樣的決策工作流、AI/ML應用程序中，可以使得現有業務流程得到加速創新；使用內置工具創建驗證LLM生命周期的工作流，包括模型風險管理，可加強治理；內置在Viya平台中的定量決策能力，對GenAI推理的成功至關重要，可形成更精確的決策。更重要的是，通過強大的數據質量措施支持用戶隱私和安全，包括SAS Data Maker生成合成數據、數據最小化、匿名化和加密，使敏感信息得到保護。

可以說，SAS的生成式AI已經廣泛存在于Viya和SAS Customer Intelligence 360等産品中，這顯示出生成式AI的行業應用思路日趨廣泛。

但對于大多數中小企業來說，AI在過去幾年中的行業落地並不十分普及，這是因爲無論是AI模型訓練還是推理的成本都非常高昂。如何降低整個業界的AI使用成本，也是SAS在打造了雲原生的Viya之後，重點考慮的問題之一。

爲此，SAS創始人兼CEO Jim Goodnight博士在SAS innovate 2024大會上，親自演示了SAS Viya通過Workbench來擁抱開源，支持Python等語言開發的AI模型，借助API快速將Python代碼轉換成SAS代碼集成到Viya中，提速企業生産力。

SAS創始人兼CEO Jim Goodnight博士

此外，SAS Viya Copilot通過個人助理加速分析、業務和行業任務GenAI編排，讓更多的普通員工能夠應用數據分析功能。

更重要的是，SAS開始爲行業用戶提供量身定制的輕量級AI模型作爲産品打包交付，來降低用戶的AI落地部署開銷，比如欺詐檢測、供應鏈優化、實體管理、文檔對話和醫療保健支付完整性等經行業驗證的確定性人工智能模型。

實際上，SAS在這很多行業應用領域都有著非常好的算法優化，比如可視化文本分析，SAS在不采用GenAI計算的情況下，也有很好的輕量級模型算法立即找到關鍵術語。

SAS負責人工智能和分析的副總裁Udo Sglavo表示，與繁瑣耗時的傳統人工智能實施不同，SAS面向行業特定的輕量級模型是爲快速集成而設計的，是對現有解決方案和SAS Viya平台産品的完美補充，爲組織提供了靈活、及時和易于使用的人工智能，以應對行業挑戰。

顯然，無論是SAS Workbench，還是爲行業用戶提供量身定制的輕量級AI模型作爲産品打包交付，都顯著降低了客戶的使用成本，便于SAS擴大市場足迹。

我們知道，一個好的數據分析來源于好的數據質量。但是今天的數據已經不再僅限于傳統的結構化和非機構化數據。根據Gartner的預測，到2026年，世界上使用的40%的數據中，有60%將會是合成生成的。

這裏面大部分會是ChatGPT、Sora這些生成式AI工具的貢獻，當然SAS Data Maker也生成合成數據，其方法基本上是通過比較原始數據集裏不同變量的分布以及生成的表中變量的分布來評估的，SAS提供了一個開箱即用的可視化工具和評估統計指標，允許用戶立即檢查、對比。

換句話說，未來的世界還將在目前數據爆發增長的趨勢下，進一步加速增長。這時候，性能將成爲海量數據分析的主要瓶頸之一。

正是基于這樣的考量，SAS開始了量子計算在行業應用落地領域的實質性研發。“我們一直在探索量子計算和傳統計算之間的混合計算架構。”Bryan Harris透露，“我們正在與世界頂級公司合作，用真正的量子計算機運行實際用例。”

比如化學模擬，因爲量子計算機是從量子水平運行的，它們實際上可以用經典計算機無法模擬的方式模擬原子和分子的行爲，因此在科學領域，量子計算可以縮短新材料的可持續性發現過程，比如在電動汽車電池領域需要的材料。另外在藥物研究領域同樣如此，量子計算可以用經典計算機無法模擬的方式探尋藥物之間的相互作用，來降低新藥研發的時間和成本。

在SAS innovate 2024第一天和第三天的主題演講中，SAS都花費了大量的篇幅，重點演示了從傳統超算向量子計算進行實驗探索的行業應用場景。

用大白話來解釋，傳統計算機處理數據都是靠芯片中晶體管的“開關”來實現，1代表“開”，0代表“關”。這就意味著同一時間，一個比特位只能表示1或0。但是量子計算的核心在于量子比特（qubit）可處于疊加態，可同時擁有“0”態和“1”態。例如氫原子中電子的基態和第1激發態、質子自旋在任意方向的+1/ 2分量和-1/2分量、圓偏振光的左旋和右旋等——兩個量子比特可以同時表示00、01、10、11，信息量一下翻了4倍。

有了並行方式的量子計算，密碼分析、氣象預報、石油勘探、藥物設計等需要大規模計算的領域都會有飛躍式發展。這些計算在谷歌實驗室中把超級計算機需要2.5天完成的任務，通過量子計算只花了3分20秒！

實際上在模型優化方面，量子計算也可以比傳統計算更有效地解決複雜問題。比如經典的推銷員旅行線路問題，如何盡量減少旅行的總距離。傳統上是一個串行試錯問題，但是基于量子計算會讓這個過程變成了並行搜索整個空間，從而大幅提升效率。

根據第三方數據，過去幾年中SAS在性能方面的努力，已經使Viya的性能速度30倍于其它開源和商業産品，49倍于其它商業數據和AI平台，326倍于其它商業數據和AI平台的模型開發效率。然而，在未來可期的量子計算環境下，這一性能還將獲得重大突破。

顯然，無論是生産力還是性能，都是SAS本次大會的突出重點。除此之外，信任，在SAS看來，則是另一個數據相關的核心要素。有調研數據顯示，目前只有十分之一的組織擁有可靠的系統來衡量LLM中的偏見和隱私風險。而SAS希望，通過致力于治理框架和增強對數據使用的信任，來讓市場實現數據更廣泛的法規遵從性。

通過這三天的SAS innovate 2024大會，應該說今天的SAS基于Viya在WorkBench開源編程轉化、DataMaker合成數據、Copilot數字助理、産品化輕量級行業模型、生成式AI和量子計算領域都實現了生産力和性能上的突破。未來的SAS，正在Builders of AI，Buyers of Solutions，Subscribers of Models的道路上，乘風破浪、越走越遠。

文／余文

《科技看門道》堅持深度報道，希望能通過資深媒體人對IT産業熱點新聞的深入思考，挖掘其背後的商業邏輯和創新模式——不僅看熱鬧，更要看門道！

《科技看門道》主筆在行業渠道媒體擁有20余年的從業經曆，不僅對IT消費類和企業級軟件、硬件、雲計算、大數據、人工智能、區塊鏈均有較深入的理解，同時見證了中國IT産業鏈上下遊合作生態圈包括分銷、零售、SI、ISV和CSV的進化曆程，見證了金融、能源、制造、醫療、教育、政府、零售、高科技等行業的信息化和數字化轉型之路。

《科技看門道》相信，IT産業在供給側的改革——包括雲計算、大數據、移動互聯、人工智能、區塊鏈等，將會成爲推動各行各業“新質生産力”發展進步的核心力量。