+86-315-6196865

Bagaimana model besar AI dikomersialkan

Dec 09, 2023

Sekarang, pengkomersialan model besar sekali lagi di atas meja.

Salah satu fakta ialah latihan model besar semasa memerlukan sokongan kuasa pengkomputeran yang kuat, terutama model dengan sejumlah besar parameter, yang sangat mahal. Latihan model besar memerlukan sejumlah besar wang untuk menyokong.

Selepas melabur sejumlah besar wang, perusahaan di satu pihak berharap untuk mengkomersialkan secepat mungkin untuk menyelesaikan masalah penyelidikan dan pembangunan susulan, sebaliknya juga berharap dapat mencapai tujuan membuat wang melalui pengkomersialan.

 

Tidak dapat dielakkan bahawa beberapa isu keselamatan dan etika akan diketepikan buat masa ini, dan lebih benar bahawa tidak banyak berfikir tentang laluan pembangunan selepas pengkomersialan yang cepat model-model besar, jadi kita dapat melihat bahawa banyak model besar pada dasarnya hanya rasa, dan akhirnya membawa kepada percanggahan antara pengkomersialan dan bukan keuntungan.

Pertama, pengkomersialan model besar

Tetapi walaupun ini, pengkomersialan model besar domestik masih dalam peringkat awal, dan proses pengkomersialan menghadapi banyak cabaran.

Pertama, pembangunan dan penggunaan model besar memerlukan pelaburan besar wang dan masa, dan pulangan sering sukar untuk diramalkan. Ini telah menyebabkan banyak syarikat untuk teragak -agak dalam proses pengkomersialan dan kehilangan peluang pasaran.

Kedua, isu etika dan keselamatan model besar juga memberi tekanan kepada pengkomersialan. Pada masa ini, keperluan aplikasi kebanyakan perusahaan terutamanya tertumpu dalam bidang perkhidmatan pelanggan pintar, cadangan pintar, pemasaran pintar, dan bidang aplikasi lain masih dalam peringkat penerokaan. Ini menjadikan proses pengkomersialan model besar agak lambat dan sukar untuk mencapai perkembangan besar-besaran.

Apa yang lebih penting ialah walaupun China telah membuat kemajuan yang ketara dalam bidang kecerdasan buatan, masih terdapat jurang tertentu dalam teknologi model besar domestik berbanding dengan tahap utama antarabangsa. Ini menjadikan perusahaan domestik pada kelemahan dalam pertandingan pasaran antarabangsa, dan sukar untuk melanjutkan ke arah laut dan arah rentas sempadan.

Pengkomersialan model besar harus menyelesaikan masalah yang membolehkan perusahaan dan pengguna memahami prinsip kurang, dan menggunakan hasilnya dengan lebih mudah dan secara langsung, supaya pengguna dapat kembali ke nilai dan menyelesaikan masalah perniagaan mereka sendiri. Dalam erti kata lain, ia adalah "model kotak hitam bersepadu" model besar.

Akibatnya, beberapa model perniagaan hari ini adalah tempat perhimpunan untuk pemain racetrack model besar dan usahawan.

Kedua, apakah kesukaran pengkomersialan?

Secara keseluruhannya, jalan menuju pengkomersialan model besar bukanlah yang terbaik, tetapi arahnya jelas. Tetapi kejelasan tidak bermakna pendaratan. Bagi pemain trek model besar domestik, mereka masih menghadapi banyak cabaran dalaman dan luaran.

Secara umum, pengkomersialan industri model besar global masih dalam peringkat awal penerokaan.

Di satu pihak, walaupun institusi penyelidikan dan pembangunan telah cukup matang dari segi teknologi model besar, mereka tidak cukup akrab dengan adegan pendaratan dan belum lagi membentuk model komersial yang sempurna. Oleh itu, mereka perlu bekerjasama dengan perusahaan senario hiliran untuk membina model perniagaan model yang besar.

Sebaliknya, kebanyakan perusahaan senario hiliran belum membentuk konsep asas dan kognisi model besar, dan mereka tidak mempunyai kuasa pengkomputeran yang diperlukan untuk menyokong model penalaan, serta sumber manusia dan kekuatan teknikal yang diperlukan untuk menyesuaikan dan membangunkan model.

Secara umum, walaupun laluan pengkomersialan model besar agak jelas, dan pengeluar domestik secara aktif meneroka, pengkomersialan model besar tidak dapat dihadkan kepada penerokaan model perniagaan, tetapi lebih banyak untuk menyelesaikan masalah asas pembangunan model besar.

 

Anda mungkin juga berminat

Hantar pertanyaan