تقدم حالة Lilli من ماكينزي أفكاراً رئيسية لتطوير سوق الذكاء الاصطناعي للشركات: حوسبة الحافة + الفرص السوقية المحتملة للنماذج الصغيرة. لم يحصل هذا المساعد الذكي، الذي يدمج 100,000 وثيقة داخلية، على معدل اعتماد بنسبة 70% فقط من الموظفين، ولكنه يُستخدم بمعدل 17 مرة أسبوعياً، وهذا النوع من الالتصاق بالمنتجات نادر للغاية 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 قبل الشركات الصغيرة والمتوسطة تتمتع بحساسية بيانات قوية للغاية، ولا يتم التعامل معها في السحابة العامة. كيف يمكن استكشاف حالة توازن "البيانات لا تخرج من الموقع المحلي، القدرة على الذكاء الاصطناعي لا تتأثر" هو حاجة فعلية في السوق. حوسبة الحافة هي اتجاه استكشاف؛
ستقوم النماذج الصغيرة المتخصصة باستبدال النماذج الكبيرة العامة: ما تحتاجه الشركات ليس "نموذج شامل بعشرة مليارات من المعلمات"، بل مساعد متخصص يمكنه الإجابة بدقة على مشاكل محددة في مجالات معينة. بالمقارنة، هناك تناقض طبيعي بين عمومية النموذج الكبير وعمق التخصص، وغالبًا ما تعطي الشركات أهمية أكبر للنماذج الصغيرة؛
التوازن في تكلفة إنشاء بنية تحتية للذكاء الاصطناعي واستدعاء واجهة برمجة التطبيقات: على الرغم من أن الجمع بين حوسبة الحافة والنماذج الصغيرة يتطلب استثمارًا كبيرًا في البداية، إلا أن تكاليف التشغيل طويلة الأجل تنخفض بشكل ملحوظ. تخيل إذا كان نموذج الذكاء الاصطناعي الكبير المستخدم بشكل متكرر من قبل 45000 موظف يأتي من استدعاء واجهة برمجة التطبيقات، فإن هذه الاعتماد، وزيادة حجم الاستخدام والتعليقات ستجعل إنشاء بنية تحتية للذكاء الاصطناعي خيارًا منطقيًا للشركات الكبيرة والمتوسطة.
فرص جديدة في سوق الأجهزة الحافة: تعتمد نماذج التدريب الكبيرة على وحدات معالجة الرسوميات المتطورة، لكن متطلبات الأجهزة لاستدلال الحافة مختلفة تمامًا. شركات الرقائق مثل كوالكوم ومدياتك تشهد فرصة السوق مع معالجات مخصصة لتحسين الذكاء الاصطناعي الحافة. عندما ترغب كل شركة في بناء "Lilli" الخاصة بها، ستصبح شرائح الذكاء الاصطناعي الحافة المصممة لتكون منخفضة الطاقة وفعالة ضرورة للبنية التحتية؛
سوق الذكاء الاصطناعي اللامركزي web3 يتعزز أيضًا: بمجرد أن تبدأ الشركات في تلبية احتياجاتها من القوة الحاسوبية، والتعديل الدقيق، والخوارزميات على النماذج الصغيرة، ستصبح كيفية تحقيق توازن في جدولة الموارد مشكلة، وستصبح جدولة الموارد المركزية التقليدية تحديًا، مما سيؤدي مباشرة إلى زيادة الطلب في السوق على الشبكة اللامركزية لتعديل النماذج الصغيرة الخاصة بالذكاء الاصطناعي web3، ومنصات خدمات القوة الحاسوبية اللامركزية، وغيرها.
بينما لا يزال السوق يناقش الحدود العامة لقدرة AGI، من الأفضل أن نرى العديد من مستخدمي الشركات يستخرجون القيمة العملية للذكاء الاصطناعي. من الواضح أنه مقارنةً بالتقدم الاحتكاري للموارد في الماضي من خلال مقارنة قوة الحوسبة والخوارزميات، عندما يركز السوق على حوسبة الحافة + نماذج صغيرة، سيؤدي ذلك إلى حيوية أكبر في السوق.
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.
تحليل موجز لمككنزي Lilli: ما هي الأفكار التطويرية التي تقدمها لسوق الذكاء الاصطناعي للمؤسسات؟
تقدم حالة Lilli من ماكينزي أفكاراً رئيسية لتطوير سوق الذكاء الاصطناعي للشركات: حوسبة الحافة + الفرص السوقية المحتملة للنماذج الصغيرة. لم يحصل هذا المساعد الذكي، الذي يدمج 100,000 وثيقة داخلية، على معدل اعتماد بنسبة 70% فقط من الموظفين، ولكنه يُستخدم بمعدل 17 مرة أسبوعياً، وهذا النوع من الالتصاق بالمنتجات نادر للغاية 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 قبل الشركات الصغيرة والمتوسطة تتمتع بحساسية بيانات قوية للغاية، ولا يتم التعامل معها في السحابة العامة. كيف يمكن استكشاف حالة توازن "البيانات لا تخرج من الموقع المحلي، القدرة على الذكاء الاصطناعي لا تتأثر" هو حاجة فعلية في السوق. حوسبة الحافة هي اتجاه استكشاف؛
ستقوم النماذج الصغيرة المتخصصة باستبدال النماذج الكبيرة العامة: ما تحتاجه الشركات ليس "نموذج شامل بعشرة مليارات من المعلمات"، بل مساعد متخصص يمكنه الإجابة بدقة على مشاكل محددة في مجالات معينة. بالمقارنة، هناك تناقض طبيعي بين عمومية النموذج الكبير وعمق التخصص، وغالبًا ما تعطي الشركات أهمية أكبر للنماذج الصغيرة؛
التوازن في تكلفة إنشاء بنية تحتية للذكاء الاصطناعي واستدعاء واجهة برمجة التطبيقات: على الرغم من أن الجمع بين حوسبة الحافة والنماذج الصغيرة يتطلب استثمارًا كبيرًا في البداية، إلا أن تكاليف التشغيل طويلة الأجل تنخفض بشكل ملحوظ. تخيل إذا كان نموذج الذكاء الاصطناعي الكبير المستخدم بشكل متكرر من قبل 45000 موظف يأتي من استدعاء واجهة برمجة التطبيقات، فإن هذه الاعتماد، وزيادة حجم الاستخدام والتعليقات ستجعل إنشاء بنية تحتية للذكاء الاصطناعي خيارًا منطقيًا للشركات الكبيرة والمتوسطة.
فرص جديدة في سوق الأجهزة الحافة: تعتمد نماذج التدريب الكبيرة على وحدات معالجة الرسوميات المتطورة، لكن متطلبات الأجهزة لاستدلال الحافة مختلفة تمامًا. شركات الرقائق مثل كوالكوم ومدياتك تشهد فرصة السوق مع معالجات مخصصة لتحسين الذكاء الاصطناعي الحافة. عندما ترغب كل شركة في بناء "Lilli" الخاصة بها، ستصبح شرائح الذكاء الاصطناعي الحافة المصممة لتكون منخفضة الطاقة وفعالة ضرورة للبنية التحتية؛
سوق الذكاء الاصطناعي اللامركزي web3 يتعزز أيضًا: بمجرد أن تبدأ الشركات في تلبية احتياجاتها من القوة الحاسوبية، والتعديل الدقيق، والخوارزميات على النماذج الصغيرة، ستصبح كيفية تحقيق توازن في جدولة الموارد مشكلة، وستصبح جدولة الموارد المركزية التقليدية تحديًا، مما سيؤدي مباشرة إلى زيادة الطلب في السوق على الشبكة اللامركزية لتعديل النماذج الصغيرة الخاصة بالذكاء الاصطناعي web3، ومنصات خدمات القوة الحاسوبية اللامركزية، وغيرها.
بينما لا يزال السوق يناقش الحدود العامة لقدرة AGI، من الأفضل أن نرى العديد من مستخدمي الشركات يستخرجون القيمة العملية للذكاء الاصطناعي. من الواضح أنه مقارنةً بالتقدم الاحتكاري للموارد في الماضي من خلال مقارنة قوة الحوسبة والخوارزميات، عندما يركز السوق على حوسبة الحافة + نماذج صغيرة، سيؤدي ذلك إلى حيوية أكبر في السوق.