بالمقارنة مع القفزات الاحتكارية للموارد التي تتمثل في المنافسة على قوة الحوسبة والخوارزمية في الماضي، عندما يركز السوق على طريقة حوسبة الحافة + النماذج الصغيرة، سيؤدي ذلك إلى إحياء أكبر في السوق.
كتابة: هاوتيان
تقدم دراسة حالة ليللي من ماكينزي أفكارًا رئيسية حول تطوير سوق الذكاء الاصطناعي للشركات: فرص السوق المحتملة لحوسبة الحافة + النماذج الصغيرة. لم يحصل هذا المساعد الذكي، الذي يجمع 100000 وثيقة داخلية، على معدل اعتماد بنسبة 70% من الموظفين فحسب، ولكنه يُستخدم بمعدل 17 مرة في الأسبوع، وهو نوع من التمسك بالمنتج نادر في أدوات الشركات. فيما يلي، سأناقش أفكاري:
أمان بيانات الشركات هو نقطة ألم: الأصول المعرفية الأساسية التي تراكمت على مدى 100 عام من ماكينزي وبعض البيانات المحددة التي تراكمت من الشركات الصغيرة والمتوسطة لديها حساسية بيانات قوية، ولا ينبغي التعامل معها على السحابة العامة. كيفية استكشاف حالة توازن "البيانات لا تخرج من الموقع المحلي، وقدرة الذكاء الاصطناعي لا تتعرض للتقليص" هي حاجة فعلية في السوق. حوسبة الحافة هي اتجاه استكشاف؛
النماذج الصغيرة المتخصصة ستستبدل النماذج الكبيرة العامة: المستخدمون في الشركات لا يحتاجون إلى نموذج عام "بمليارات المعلمات، شامل"، بل إلى مساعد متخصص يمكنه تقديم إجابات دقيقة لمشاكل محددة في مجاله. بالمقارنة، هناك تناقض طبيعي بين عمومية النموذج الكبير وعمق التخصص، وغالبًا ما تكون الشركات أكثر اهتمامًا بالنماذج الصغيرة.
توازن تكاليف البنية التحتية للذكاء الاصطناعي والبروتوكولات: على الرغم من أن الجمع بين حوسبة الحافة والنماذج الصغيرة يتطلب استثمارات كبيرة في البداية، إلا أن تكاليف التشغيل على المدى الطويل تنخفض بشكل ملحوظ. تخيل إذا كان نموذج الذكاء الاصطناعي الكبير الذي يستخدمه 45000 موظف بشكل متكرر يأتي من استدعاءات API، فإن هذا الاعتماد وزيادة نطاق الاستخدام والتعليقات ستجعل بناء بنية تحتية للذكاء الاصطناعي خيارًا منطقيًا للشركات الكبرى والمتوسطة؛
4）فرص جديدة في سوق الأجهزة الطرفية: يتطلب تدريب النماذج الكبيرة وحدات معالجة الرسوميات المتطورة، ولكن متطلبات الأجهزة للاستدلال على الحافة مختلفة تمامًا. تستفيد شركات تصنيع الشرائح مثل كوالكوم وميديا تك من الفرص المتاحة في السوق من خلال المعالجات المحسّنة للذكاء الاصطناعي على الحافة. عندما ترغب كل شركة في بناء "Lilli" الخاصة بها، ستصبح الشرائح الذكية للذكاء الاصطناعي على الحافة المصممة للاستهلاك المنخفض للطاقة والفعالية العالية ضرورة للبنية التحتية؛
5）سوق الذكاء الاصطناعي web3 اللامركزي يتعزز أيضًا: بمجرد أن يتم تحفيز الطلب على قوة الحوسبة، والتخصيص الدقيق، والخوارزمية في النماذج الصغيرة من قبل الشركات، ستصبح كيفية تحقيق التوازن في جدولة الموارد مشكلة. ستصبح جدولة الموارد المركزية التقليدية تحديًا، مما سيؤدي مباشرة إلى زيادة الطلب في السوق على الشبكات اللامركزية لتخصيص النماذج الصغيرة، ومنصات خدمات قوة الحوسبة اللامركزية، وما إلى ذلك؛
عندما كانت السوق لا تزال تناقش حدود القدرة العامة للذكاء الاصطناعي العام، كان من المبهج رؤية العديد من المستخدمين في الشركات يستخرجون القيمة العملية للذكاء الاصطناعي. من الواضح أنه بالمقارنة مع القفزات الاحتكارية في الموارد التي تنافس قوة الحوسبة والخوارزمية في الماضي، عندما تركز السوق على حوسبة الحافة + النماذج الصغيرة، سيؤدي ذلك إلى إحياء السوق بشكل أكبر.
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
ما هي أفكار التطوير التي قدمتها حالة ليلي من ماكينزي لسوق الذكاء الاصطناعي في الشركات؟
كتابة: هاوتيان
تقدم دراسة حالة ليللي من ماكينزي أفكارًا رئيسية حول تطوير سوق الذكاء الاصطناعي للشركات: فرص السوق المحتملة لحوسبة الحافة + النماذج الصغيرة. لم يحصل هذا المساعد الذكي، الذي يجمع 100000 وثيقة داخلية، على معدل اعتماد بنسبة 70% من الموظفين فحسب، ولكنه يُستخدم بمعدل 17 مرة في الأسبوع، وهو نوع من التمسك بالمنتج نادر في أدوات الشركات. فيما يلي، سأناقش أفكاري:
أمان بيانات الشركات هو نقطة ألم: الأصول المعرفية الأساسية التي تراكمت على مدى 100 عام من ماكينزي وبعض البيانات المحددة التي تراكمت من الشركات الصغيرة والمتوسطة لديها حساسية بيانات قوية، ولا ينبغي التعامل معها على السحابة العامة. كيفية استكشاف حالة توازن "البيانات لا تخرج من الموقع المحلي، وقدرة الذكاء الاصطناعي لا تتعرض للتقليص" هي حاجة فعلية في السوق. حوسبة الحافة هي اتجاه استكشاف؛
النماذج الصغيرة المتخصصة ستستبدل النماذج الكبيرة العامة: المستخدمون في الشركات لا يحتاجون إلى نموذج عام "بمليارات المعلمات، شامل"، بل إلى مساعد متخصص يمكنه تقديم إجابات دقيقة لمشاكل محددة في مجاله. بالمقارنة، هناك تناقض طبيعي بين عمومية النموذج الكبير وعمق التخصص، وغالبًا ما تكون الشركات أكثر اهتمامًا بالنماذج الصغيرة.
توازن تكاليف البنية التحتية للذكاء الاصطناعي والبروتوكولات: على الرغم من أن الجمع بين حوسبة الحافة والنماذج الصغيرة يتطلب استثمارات كبيرة في البداية، إلا أن تكاليف التشغيل على المدى الطويل تنخفض بشكل ملحوظ. تخيل إذا كان نموذج الذكاء الاصطناعي الكبير الذي يستخدمه 45000 موظف بشكل متكرر يأتي من استدعاءات API، فإن هذا الاعتماد وزيادة نطاق الاستخدام والتعليقات ستجعل بناء بنية تحتية للذكاء الاصطناعي خيارًا منطقيًا للشركات الكبرى والمتوسطة؛
4）فرص جديدة في سوق الأجهزة الطرفية: يتطلب تدريب النماذج الكبيرة وحدات معالجة الرسوميات المتطورة، ولكن متطلبات الأجهزة للاستدلال على الحافة مختلفة تمامًا. تستفيد شركات تصنيع الشرائح مثل كوالكوم وميديا تك من الفرص المتاحة في السوق من خلال المعالجات المحسّنة للذكاء الاصطناعي على الحافة. عندما ترغب كل شركة في بناء "Lilli" الخاصة بها، ستصبح الشرائح الذكية للذكاء الاصطناعي على الحافة المصممة للاستهلاك المنخفض للطاقة والفعالية العالية ضرورة للبنية التحتية؛
5）سوق الذكاء الاصطناعي web3 اللامركزي يتعزز أيضًا: بمجرد أن يتم تحفيز الطلب على قوة الحوسبة، والتخصيص الدقيق، والخوارزمية في النماذج الصغيرة من قبل الشركات، ستصبح كيفية تحقيق التوازن في جدولة الموارد مشكلة. ستصبح جدولة الموارد المركزية التقليدية تحديًا، مما سيؤدي مباشرة إلى زيادة الطلب في السوق على الشبكات اللامركزية لتخصيص النماذج الصغيرة، ومنصات خدمات قوة الحوسبة اللامركزية، وما إلى ذلك؛
عندما كانت السوق لا تزال تناقش حدود القدرة العامة للذكاء الاصطناعي العام، كان من المبهج رؤية العديد من المستخدمين في الشركات يستخرجون القيمة العملية للذكاء الاصطناعي. من الواضح أنه بالمقارنة مع القفزات الاحتكارية في الموارد التي تنافس قوة الحوسبة والخوارزمية في الماضي، عندما تركز السوق على حوسبة الحافة + النماذج الصغيرة، سيؤدي ذلك إلى إحياء السوق بشكل أكبر.