McKinsey'nin Lilli vakası, işletmeler için AI pazarında önemli bir gelişim fikri sunuyor: Uç Bilişim + küçük modellerin potansiyel pazar fırsatları. 100.000'den fazla iç belgeyi entegre eden bu AI asistanı, sadece %70 çalışan benimsemesi elde etmekle kalmadı, aynı zamanda haftada ortalama 17 kez kullanıldı. Bu tür bir ürün yapışkanlığı, işletme araçları arasında nadirdir. Aşağıda, düşüncelerimi paylaşacağım:
1）Şirket verilerinin güvenliği bir sorun: McKinsey'in 100 yıllık birikmiş temel bilgi varlığı ve bazı KOBİ'lerin biriktirdiği belirli veriler son derece hassas verilerdir ve bunlar kamu bulutunda işlenmemelidir. "Verilerin yerel dışına çıkmaması, AI kapasitesinin kısıtlanmaması" denge durumunu keşfetmek, gerçek piyasa ihtiyacıdır. Uç Bilişim bu konuda bir keşif yönüdür;
2）Uzman küçük modeller genel büyük modellerin yerini alacak: Kurumsal kullanıcıların ihtiyaç duyduğu şey "yüz milyar parametre, çok yönlü" genel modeller değil, belirli alan sorularına kesin yanıtlar verebilen uzman yardımcıdır. Buna karşılık, büyük modellerin genel geçerliliği ile uzmanlık derinliği arasında doğal bir çelişki vardır; kurumsal senaryolar genellikle küçük modellere daha fazla önem verir.
Kendi kendine oluşturulan yapay zeka altyapısı ve API çağrıları arasındaki maliyet dengesi: Uç bilgi işlem ve küçük modellerin kombinasyonu büyük bir ön yatırıma sahip olsa da, uzun vadeli işletme maliyetleri önemli ölçüde azalır. 45.000 çalışanın sıklıkla kullandığı büyük yapay zeka modelinin API çağrılarından geldiğini ve bunun yarattığı bağımlılığın, kullanım ölçeğinin artmasının ve ürünün kalitesinin kendi kendine oluşturulan yapay zeka altyapısını büyük ve orta ölçekli işletmeler için rasyonel bir seçim haline getireceğini hayal edin.
Uç donanım pazarındaki yeni fırsatlar: Büyük model eğitimi, üst düzey GPU'lardan ayrılamaz, ancak uç çıkarımının tamamen farklı donanım gereksinimleri vardır. Qualcomm, MediaTek ve diğer çip üreticileri, uç yapay zeka için optimize edilmiş işlemciler için pazar fırsatlarını başlatıyor. Her işletme kendi "Lilli"sini kurmak istediğinde, düşük güç tüketimi ve yüksek verimlilik için tasarlanmış uç yapay zeka çipleri altyapı için bir zorunluluk haline gelecek;
5）Merkeziyetsiz web3 AI pazarı da aynı şekilde güçlenecek: Bir kez işletmelerin küçük modeller üzerindeki hesaplama gücü, ince ayar, algoritmalar gibi ihtiyaçları tetiklendiğinde, kaynakların dengelenmesi sorunu ortaya çıkacaktır, geleneksel merkezi kaynak yönetimi bir sorun haline gelecektir. Bu, web3AI merkeziyetsiz küçük model ince ayar ağı, merkeziyetsiz hesaplama hizmeti platformları gibi alanlarda büyük bir pazar talebi yaratacaktır;
Pazar AGI'nin genel yetenek sınırlarını tartışırken, birçok kurumsal kullanıcının AI'nın pratik değerini keşfetmeye başlamasını görmek daha hoş. Açıkça, geçmişte hesaplama gücü ve algoritmaların kaynak tekelci sıçramalarıyla karşılaştırıldığında, pazarın odak noktasını Uç Bilişim + küçük model yöntemine kaydırması, daha büyük bir pazar canlılığı getirecektir.
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
McKinsey'nin Lilli'sinin Kısa Analizi: Şirketlerin AI Pazarına Hangi Gelişim Fikirlerini Sunuyor?
McKinsey'nin Lilli vakası, işletmeler için AI pazarında önemli bir gelişim fikri sunuyor: Uç Bilişim + küçük modellerin potansiyel pazar fırsatları. 100.000'den fazla iç belgeyi entegre eden bu AI asistanı, sadece %70 çalışan benimsemesi elde etmekle kalmadı, aynı zamanda haftada ortalama 17 kez kullanıldı. Bu tür bir ürün yapışkanlığı, işletme araçları arasında nadirdir. Aşağıda, düşüncelerimi paylaşacağım:
1）Şirket verilerinin güvenliği bir sorun: McKinsey'in 100 yıllık birikmiş temel bilgi varlığı ve bazı KOBİ'lerin biriktirdiği belirli veriler son derece hassas verilerdir ve bunlar kamu bulutunda işlenmemelidir. "Verilerin yerel dışına çıkmaması, AI kapasitesinin kısıtlanmaması" denge durumunu keşfetmek, gerçek piyasa ihtiyacıdır. Uç Bilişim bu konuda bir keşif yönüdür;
2）Uzman küçük modeller genel büyük modellerin yerini alacak: Kurumsal kullanıcıların ihtiyaç duyduğu şey "yüz milyar parametre, çok yönlü" genel modeller değil, belirli alan sorularına kesin yanıtlar verebilen uzman yardımcıdır. Buna karşılık, büyük modellerin genel geçerliliği ile uzmanlık derinliği arasında doğal bir çelişki vardır; kurumsal senaryolar genellikle küçük modellere daha fazla önem verir.
Kendi kendine oluşturulan yapay zeka altyapısı ve API çağrıları arasındaki maliyet dengesi: Uç bilgi işlem ve küçük modellerin kombinasyonu büyük bir ön yatırıma sahip olsa da, uzun vadeli işletme maliyetleri önemli ölçüde azalır. 45.000 çalışanın sıklıkla kullandığı büyük yapay zeka modelinin API çağrılarından geldiğini ve bunun yarattığı bağımlılığın, kullanım ölçeğinin artmasının ve ürünün kalitesinin kendi kendine oluşturulan yapay zeka altyapısını büyük ve orta ölçekli işletmeler için rasyonel bir seçim haline getireceğini hayal edin.
Uç donanım pazarındaki yeni fırsatlar: Büyük model eğitimi, üst düzey GPU'lardan ayrılamaz, ancak uç çıkarımının tamamen farklı donanım gereksinimleri vardır. Qualcomm, MediaTek ve diğer çip üreticileri, uç yapay zeka için optimize edilmiş işlemciler için pazar fırsatlarını başlatıyor. Her işletme kendi "Lilli"sini kurmak istediğinde, düşük güç tüketimi ve yüksek verimlilik için tasarlanmış uç yapay zeka çipleri altyapı için bir zorunluluk haline gelecek;
5）Merkeziyetsiz web3 AI pazarı da aynı şekilde güçlenecek: Bir kez işletmelerin küçük modeller üzerindeki hesaplama gücü, ince ayar, algoritmalar gibi ihtiyaçları tetiklendiğinde, kaynakların dengelenmesi sorunu ortaya çıkacaktır, geleneksel merkezi kaynak yönetimi bir sorun haline gelecektir. Bu, web3AI merkeziyetsiz küçük model ince ayar ağı, merkeziyetsiz hesaplama hizmeti platformları gibi alanlarda büyük bir pazar talebi yaratacaktır;
Pazar AGI'nin genel yetenek sınırlarını tartışırken, birçok kurumsal kullanıcının AI'nın pratik değerini keşfetmeye başlamasını görmek daha hoş. Açıkça, geçmişte hesaplama gücü ve algoritmaların kaynak tekelci sıçramalarıyla karşılaştırıldığında, pazarın odak noktasını Uç Bilişim + küçük model yöntemine kaydırması, daha büyük bir pazar canlılığı getirecektir.