تقدم حالة Lilli من ماكينزي أفكار تطوير رئيسية لسوق الذكاء الاصطناعي في الشركات: حوسبة الحافة + الفرص السوقية المحتملة للنماذج الصغيرة. لم يحقق هذا المساعد الذكي الذي يدمج 100,000 وثيقة داخلية فقط معدل اعتماد يبلغ 70% بين الموظفين، بل يتم استخدامه بمعدل 17 مرة في الأسبوع، وهو مستوى من التمسك بالمنتج نادر في أدوات الشركات. فيما يلي، أتناول أفكاري:
أمان بيانات الشركات هو نقطة ألم: الأصول المعرفية الأساسية التي تراكمت على مدى 100 عام من ماكينزي والبيانات المحددة التي تراكمت لدى بعض الشركات الصغيرة والمتوسطة لديها حساسية بيانات عالية جدًا، ولا يمكن معالجتها في السحابة العامة. كيفية استكشاف حالة توازن "البيانات لا تخرج من الموقع المحلي، وقدرات الذكاء الاصطناعي لا تتنازل" هو حاجة ملحة في السوق. حوسبة الحافة هي اتجاه استكشاف؛
ستكون النماذج الصغيرة المتخصصة بديلاً عن النماذج الكبيرة العامة: ما تحتاجه الشركات ليس نموذجاً "بمائة مليار معلمة، شامل"، بل مساعد متخصص يمكنه الإجابة بدقة على أسئلة في مجالات معينة. بالمقارنة، هناك تناقض طبيعي بين عمومية النماذج الكبيرة وعمقها المهني، وغالبًا ما تعطي الشركات في السياقات العملية أهمية أكبر للنماذج الصغيرة؛
التوازن في تكلفة بناء بنية تحتية للذكاء الاصطناعي واستدعاء واجهات برمجة التطبيقات: على الرغم من أن الجمع بين حوسبة الحافة والنماذج الصغيرة يتطلب استثمارًا كبيرًا في البداية، فإن تكلفة التشغيل على المدى الطويل تنخفض بشكل ملحوظ. تخيل لو أن النموذج الكبير للذكاء الاصطناعي الذي يستخدمه 45000 موظف بشكل متكرر يأتي من استدعاء واجهات برمجة التطبيقات، فإن هذا الاعتماد وزيادة نطاق الاستخدام والتعليقات ستجعل بناء بنية تحتية للذكاء الاصطناعي خيارًا منطقيًا للشركات الكبيرة والمتوسطة.
فرص جديدة في سوق الأجهزة الطرفية: تدريب النماذج الكبيرة يعتمد على وحدات معالجة الرسوميات المتطورة، لكن متطلبات الأجهزة للاستدلال الطرفي مختلفة تمامًا. شركات تصنيع الشرائح مثل كوالكوم ومدياتك تستفيد من الفرص في السوق من خلال معالجات مخصصة لتحسين الذكاء الاصطناعي الطرفي. عندما ترغب كل شركة في إنشاء "Lilli" الخاصة بها، ستصبح شرائح الذكاء الاصطناعي الطرفي المصممة للاستهلاك المنخفض للطاقة والكفاءة العالية من الضروريات الأساسية.
سوق الذكاء الاصطناعي Web3 اللامركزي يعزز أيضًا بشكل متزامن: بمجرد تحفيز احتياجات الشركات من القوة الحاسوبية، والتعديل الدقيق، والخوارزميات على النماذج الصغيرة، ستصبح كيفية موازنة جدولة الموارد مشكلة، وستصبح جدولة الموارد المركزية التقليدية تحديًا، وهذا سيؤدي مباشرة إلى طلب كبير في السوق لشبكة تعديل النماذج الصغيرة اللامركزية للذكاء الاصطناعي Web3، ومنصة خدمات القوة الحاسوبية اللامركزية، وغيرها.
بينما لا يزال السوق يناقش حدود القدرة العامة للذكاء الاصطناعي العام، من الرائع أن نرى العديد من المستخدمين من الشركات يستخرجون القيمة العملية للذكاء الاصطناعي. من الواضح أنه مقارنةً بالقفزات الاحتكارية للموارد التي كانت تعتمد على قوة الحوسبة والخوارزميات في الماضي، فإن تحويل السوق تركيزه نحو حوسبة الحافة + النماذج الصغيرة سيوفر حيوية أكبر للسوق.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تحليل موجز عن Lilli من ماكنزي: ما هي أفكار التطوير التي توفرها لسوق الذكاء الاصطناعي للشركات؟
تقدم حالة Lilli من ماكينزي أفكار تطوير رئيسية لسوق الذكاء الاصطناعي في الشركات: حوسبة الحافة + الفرص السوقية المحتملة للنماذج الصغيرة. لم يحقق هذا المساعد الذكي الذي يدمج 100,000 وثيقة داخلية فقط معدل اعتماد يبلغ 70% بين الموظفين، بل يتم استخدامه بمعدل 17 مرة في الأسبوع، وهو مستوى من التمسك بالمنتج نادر في أدوات الشركات. فيما يلي، أتناول أفكاري:
أمان بيانات الشركات هو نقطة ألم: الأصول المعرفية الأساسية التي تراكمت على مدى 100 عام من ماكينزي والبيانات المحددة التي تراكمت لدى بعض الشركات الصغيرة والمتوسطة لديها حساسية بيانات عالية جدًا، ولا يمكن معالجتها في السحابة العامة. كيفية استكشاف حالة توازن "البيانات لا تخرج من الموقع المحلي، وقدرات الذكاء الاصطناعي لا تتنازل" هو حاجة ملحة في السوق. حوسبة الحافة هي اتجاه استكشاف؛
ستكون النماذج الصغيرة المتخصصة بديلاً عن النماذج الكبيرة العامة: ما تحتاجه الشركات ليس نموذجاً "بمائة مليار معلمة، شامل"، بل مساعد متخصص يمكنه الإجابة بدقة على أسئلة في مجالات معينة. بالمقارنة، هناك تناقض طبيعي بين عمومية النماذج الكبيرة وعمقها المهني، وغالبًا ما تعطي الشركات في السياقات العملية أهمية أكبر للنماذج الصغيرة؛
التوازن في تكلفة بناء بنية تحتية للذكاء الاصطناعي واستدعاء واجهات برمجة التطبيقات: على الرغم من أن الجمع بين حوسبة الحافة والنماذج الصغيرة يتطلب استثمارًا كبيرًا في البداية، فإن تكلفة التشغيل على المدى الطويل تنخفض بشكل ملحوظ. تخيل لو أن النموذج الكبير للذكاء الاصطناعي الذي يستخدمه 45000 موظف بشكل متكرر يأتي من استدعاء واجهات برمجة التطبيقات، فإن هذا الاعتماد وزيادة نطاق الاستخدام والتعليقات ستجعل بناء بنية تحتية للذكاء الاصطناعي خيارًا منطقيًا للشركات الكبيرة والمتوسطة.
فرص جديدة في سوق الأجهزة الطرفية: تدريب النماذج الكبيرة يعتمد على وحدات معالجة الرسوميات المتطورة، لكن متطلبات الأجهزة للاستدلال الطرفي مختلفة تمامًا. شركات تصنيع الشرائح مثل كوالكوم ومدياتك تستفيد من الفرص في السوق من خلال معالجات مخصصة لتحسين الذكاء الاصطناعي الطرفي. عندما ترغب كل شركة في إنشاء "Lilli" الخاصة بها، ستصبح شرائح الذكاء الاصطناعي الطرفي المصممة للاستهلاك المنخفض للطاقة والكفاءة العالية من الضروريات الأساسية.
سوق الذكاء الاصطناعي Web3 اللامركزي يعزز أيضًا بشكل متزامن: بمجرد تحفيز احتياجات الشركات من القوة الحاسوبية، والتعديل الدقيق، والخوارزميات على النماذج الصغيرة، ستصبح كيفية موازنة جدولة الموارد مشكلة، وستصبح جدولة الموارد المركزية التقليدية تحديًا، وهذا سيؤدي مباشرة إلى طلب كبير في السوق لشبكة تعديل النماذج الصغيرة اللامركزية للذكاء الاصطناعي Web3، ومنصة خدمات القوة الحاسوبية اللامركزية، وغيرها.
بينما لا يزال السوق يناقش حدود القدرة العامة للذكاء الاصطناعي العام، من الرائع أن نرى العديد من المستخدمين من الشركات يستخرجون القيمة العملية للذكاء الاصطناعي. من الواضح أنه مقارنةً بالقفزات الاحتكارية للموارد التي كانت تعتمد على قوة الحوسبة والخوارزميات في الماضي، فإن تحويل السوق تركيزه نحو حوسبة الحافة + النماذج الصغيرة سيوفر حيوية أكبر للسوق.