بعد ظهر يوم 12 سبتمبر/أيلول، استهل المقر الرئيسي لشركة Startup Dark Horse في بكين موجة من "قوى الذكاء الاصطناعي الجديدة".
Huawei Cloud، APUS، Tors، SenseTime، Kuaishou، 360 Group، Qingbo Intelligence، Dark Horse Tianqi، MiniMax، Sinovation Ventures، Qiji Chuangtan، الأكاديمية الصينية لتكنولوجيا المعلومات والاتصالات... هناك شركات مدرجة وشركات رائدة وحيوانات وحيدات القرن والشركات والمؤسسات الاستثمارية الرائدة ومعاهد البحث العلمي في مجال الذكاء الاصطناعي.
ذهب الضيوف الذين حضروا الاجتماع مباشرة إلى الموضوع ——
"الوضع الحالي لصناعة النماذج الكبيرة؟ كيف يمكن للشركات تسويقها بشكل أفضل؟ ما هي الاتجاهات والفرص الجديدة التي تستحق الاهتمام بها؟"
يشرفني أن أشارك في هذا الاجتماع المغلق للذكاء الاصطناعي، وسوف أشارككم 38 ملاحظة وحقيقة.
**01.ما هو عدد المجلدات التي تمتلكها الصناعة؟ **
ووفقا لآخر الإحصائيات، تم إطلاق أكثر من 130 نموذجا كبيرا في الصين، وتم تسجيل أكثر من 70 نموذجا خوارزميا لدى إدارة الفضاء السيبراني الصينية. وقد أصدرت شركات الإنترنت العملاقة مثل BAT نماذج كبيرة للذكاء الاصطناعي. وفي عام 2023 وحده، تلقت أكثر من 60 شركة ناشئة التمويل، وكانت المنتجات مليئة بالطبقات الأساسية، وطبقات النماذج، وطبقات التطبيق. قد يحتاج الجيل الجديد من الذكاء الاصطناعي التوليدي إلى النظر إلى الوراء إلى مخاطر الجيل السابق من الذكاء الاصطناعي، وتجنب تهاون الصناعة لتجنب التناسخ في الشتاء السابق. يجب على الممارسين في هذا المجال أن يروا بوضوح تطور الصناعة ونقاط الألم لدى العملاء، ولا ينخدعوا بحساء الدجاج الخاص بالكبار.
الآن يأتي إلينا عميل ويقول أن هناك 20 مشهدًا، وكل مشهد يكلف X مليون يوان؟ ثم ذهبت من باب إلى باب لأسأل عن الأسعار، فهل ستفعل شركة هواوي ذلك؟ هل ستفعلها شركة علي بابا؟ هل ستفعل بايدو ذلك؟ إذا واصلت هذا الأمر، فلن تجني أي أموال في النهاية.
80%-90% من الأموال التي يجمعها الجميع تستخدم في الطاقة الحاسوبية، هذا هو الوضع الحالي. كما تعلمون، إنه مجرد تدريب الآن، تكلفة التدريب يمكن السيطرة عليها، ولكن تكلفة الاستدلال لا يمكن السيطرة عليها.
لدينا 30.000 وحدة معالجة رسوميات وقوة حوسبة تبلغ 6000 بكسل، وسنسعى جاهدين للحصول على قوة حوسبة تزيد عن 12000 بكسل بحلول نهاية العام. فيما يتعلق بالبيانات، يتم تنظيف 2 تريليون رمز مميز والتعليق عليه كل شهر، وسيكون هناك 10 تريليون رمز بحلول نهاية العام.
في الوقت الحاضر، لا تزال الصناعة تفتقر إلى بعض التطبيقات القاتلة، مما يجعل من الصعب تحقيق التسويق التجاري.
كيف يمكن إيجاد التوازن بين التكلفة والتأثير؟ هذه نقطة صعبة. جميعهم يستخدمون نماذج كبيرة والتكلفة مرتفعة للغاية.
بعد فترة، ما سيتنافس عليه الجميع هو القدرة على تحسين البنية التحتية. على سبيل المثال، فيما يتعلق بقدرات تحسين الشبكة، إذا تابعت عندما يفشل الآخرون، فستتمكن من التدريب مرات أكثر من الآخرين.
في حالة قوة الحوسبة المحدودة، فإننا نقوم ببعض المحاولات التقنية التطلعية. ربما لم تظن أنه في شركتنا الكبيرة للنماذج، يوجد عدد أكبر من الطلاب الذين يقومون بالبنية التحتية أكثر من عدد الطلاب الذين يعملون في مجال عرض الأزياء. أسعارها عمومًا باهظة الثمن ويصعب تجنيدها.
النماذج الكبيرة الآن في وضع محرج، فهي لا تستطيع بيع نفسها بسعر مرتفع، وفي النهاية، فقط أولئك الذين يبيعون السحابات والبطاقات والقدرة الحاسوبية هم من يكسبون المال.
في البداية، اعتقدت أن النموذج كان ذا قيمة كبيرة، لكنه الآن سقط في الانهيار مرة أخرى. لقد التقيت بأحد العملاء منذ بعض الوقت، ونقلت عنه شركة BAT وآخرون. وكان الاقتباس الأولي باهظ الثمن، أكثر من 10 ملايين. هل يعرف أحد كم كان السعر النهائي للوحدة؟ مجعد جدا.
تعتبر النماذج الكبيرة التي تحتوي على عشرات المليارات من المعلمات مجانية من قبل بعض العملاء المميزين.
02، أصوات من الخط الأمامي
يجب على الشركات العاملة في مجال الذكاء الاصطناعي أن تتذكر دائمًا ما قاله الرئيس ماو، "انتقل من الممارسة إلى الممارسة". فقط من خلال خلع رداءك وسترة الماندرين والمشي إلى الحقول، يمكنك الحصول على التعليقات الأكثر أصالة عندما تكون بجوار عملائك. يوجد الآن عدد كبير جدًا من الخبراء الزائفين في مجال الذكاء الاصطناعي، لذا من الأفضل الاستماع إلى المزيد من الأصوات من الخطوط الأمامية.
تحدثنا إلى حوالي 150 عميلاً. تنقسم متطلبات النموذج الكبير نفسه بشكل أساسي إلى فئتين. الأول هو المتطلبات النصية للنموذج الكبير نفسه، ومتطلبات العملاء للنموذج اللغوي الكبير دقيقة بنسبة 100%. والآخر هو وكيل الذكاء الاصطناعي، والذي يتضمن استدعاءات الوظائف، وعرض التعليمات البرمجية، واستدعاءات أدوات الطرف الثالث.
خلال تعاوننا، نشأ صراع. سيشعر العملاء أنه لا يمكن تقديم البيانات إليك قبل أن يقرروا نشرها داخليًا. لكن بدون هذه البيانات كيف يمكننا تدريب نموذج يناسب احتياجات العملاء؟
عندما كنا نعمل على المشروع، وجدنا أن المستخدمين ليسوا على استعداد للدفع مقابل النماذج الكبيرة، لكنهم ما زالوا يدفعون مقابل تطبيقك. سوف يتساءل بعض العملاء بشكل مباشر، مع النماذج الكبيرة، هل لم تعد هناك حاجة لبعض المنصات المتوسطة الذكية السابقة والرسوم البيانية المعرفية؟ وفي النهاية وجدت أن المشهد هو الجوهر.
نحن بحاجة إلى العثور على بعض المشاهد المثيرة. هناك عدة معايير. أولا، الشق الصغير. ثانيا، مطابقة مزايا النماذج الكبيرة. ثالثًا، دع المستخدمين الذين يتخذون قرار الدفع لديهم تصور قوي. على سبيل المثال، في الماضي، كان الحصول على بعض البيانات أو الاستنتاجات أو الخدمات يتطلب عمليات مختلفة، أما الآن، فمن خلال النماذج الكبيرة، يستطيع صناع القرار الحصول عليها وإكمالها بسرعة على الأجهزة المحمولة.
لتحقيق النجاح في نموذج كبير، هناك حاجة إلى ثلاثة أشياء: 1) ما إذا كان بإمكانك الحصول على ما يكفي من المال لشراء الطاقة الحاسوبية. 2) هل يمكننا الحصول على بيانات كافية؟ 3) هل كثافة المواهب عالية بالقدر الكافي؟ لا يتعلق الأمر بالكمية، بل بما إذا كان هناك العدد الكافي من العلماء ذوي الكفاءة العالية.
الآن نواجه ثلاثة أنواع من العملاء. النوع الأول هو العملاء القلقين، مثل العملاء الماليين الذين يرغبون في القيام بذلك لأن منافسيهم يفعلون ذلك، لكنهم لا يعرفون ما هي احتياجاتهم. أحد هذه الأنواع هو العملاء الذين يرغبون في خفض التكاليف، وتعتقد إدارة العميل أن هذا الأمر يتعلق بشكل أساسي بخفض التكاليف وخفض النفقات، ومع ذلك، فمن الصعب الحكم على القيمة المحددة لمقدار التوفير الذي حققه النموذج. الفئة الأخيرة هي العملاء الذين يأملون في كسب المال من خلال نشر نماذج مفتوحة المصدر، وهم يعتمدون على هذا النموذج لتوليد الدخل، وهو الأكثر ملاءمة لهؤلاء العملاء للدفع.
**03، ToC أو ToB؟ **
ومن المعلوم أن تكلفة تدريب GPT-4 لمرة واحدة تبلغ حوالي 63 مليون دولار أمريكي وتتطلب كمية هائلة من 1.8 تريليون معلمة. بالنسبة لبعض النماذج الكبيرة التي تم إصدارها حاليًا في الصين، لا يزال اتجاه ToC هو النموذج المجاني للإنترنت. لكن جميع الممارسين يعلمون أن تطوير النماذج الكبيرة وتشغيلها يتطلب الكثير من التكاليف، مما يسهل على نموذج أعمال ToB العمل بسلاسة. فيما يتعلق باستكشاف التسويق التجاري، كانت ToB أو ToC دائمًا مصدر قلق للصناعة. خلال الاجتماع المغلق، سمعنا كلمتين رئيسيتين مرارًا وتكرارًا: 1) الجينات و2) العدوان. "لا يمكنك أن تكون ما لست عليه."
نعتقد أن الفرص لا تزال تكمن في النموذج الرأسي العلوي، والنقطة الأساسية هي البيانات والسيناريو نفسه، وهو الجوهر.
نحن أنفسنا نفكر أيضًا في كيفية دمج الذكاء الاصطناعي مع الإنترنت والرقمنة وما إلى ذلك، وكيفية جعل المشاهد الأصلية أكثر ذكاءً بشكل أفضل.
ToC أو ToB، بصراحة، هذا مرتبط بجينات كل شخص. فقط لأننا لا نستطيع أن نفعل ذلك لا يعني أن الآخرين لا يستطيعون القيام بذلك. على سبيل المثال، يتم لعب بعض تطبيقات ToC بواسطة أطفال ولدوا في عام 2000 أو 10 سنوات، وهو أمر يتجاوز فهمنا لأعمارنا.
لا يزال توك وتوب مختلفين تمامًا. يتمتع ToC بمعدل عالي نسبيًا لتحمل الأخطاء. TOB هو العكس. خذ على سبيل المثال سؤال وجواب ذكي. كيفية التأكد من الدقة؟ مثل الحكومة، هناك خطوط حمراء. ويجري حاليًا استكشاف كيفية تجنب وهم النموذج وفقًا لذلك.
على العكس من ذلك، نعتقد أنه من الأسهل كسب المال في ToC. هناك مشكلة في ToB.عملية المشروع طويلة نسبيًا. إن الدورة المالية طويلة جدًا بدءًا من الموافقة على ميزانية العميل وحتى إنشاء المشروع وتنفيذه.
أعتقد أن هناك الكثير من الفرص الآن.لا تخصص الموارد لأماكن لست مؤهلاً لها.من المهم جدًا اتخاذ خيارات استراتيجية.
04، ToB وToG صعبان جدًا أيضًا
أكبر خطأ في الجانب (ب) هو أنه انتهى به الأمر إلى الاستعانة بمصادر خارجية بشرية متقدمة.
جميع المشاريع لها دورات، وجميع المدفوعات تعتمد على نقاط الدورة. من المستحيل بالنسبة لي أن أساعدك في تدريب النموذج وتحسينه دون قيود.
إبداعات AIGC أكثر تحملاً وقد تحتوي على بعض الأخطاء. ولكن عندما يتعلق الأمر بالإنتاج والتصنيع من قبل بعض الشركات، فإن متطلبات الدقة تكون عالية جدًا. غالبًا ما يكون من الأسهل بالنسبة لنا اختيار حالة أو حالتين أفضل من النموذج، ولكن لا يزال من الصعب جدًا الحفاظ عليها عند مستوى عالٍ بدون حالات سيئة.
عندما كنا نعمل على مشروع الحكومة الرقمية الذكية في إحدى المحافظات المتقدمة اقتصادياً، قمنا بالترويج لأكثر من 5 سيناريوهات، وفي النهاية وافق العميل على 3 سيناريوهات. بعد ذلك، سنصل إلى جوهر الأشياء المتعلقة بالأمان والبيانات والطبقة السفلية. ثم سأسأل ما هي الفروق والمزايا بينك وبين الموديلات الكبيرة الأخرى؟ وأخيرا، يتعين على جميع الأطراف الجلوس والتوصل إلى نظام تقييم. بعد اجتياز نظام التقييم، لا نزال بحاجة إلى تقييم الأداء.
05. استخدم المشاريع لاحتضان المنتجات والحلول
استخدام المشاريع لاحتضان المنتجات: بعد الانتهاء من عدة مشاريع، قم باستخراج الحلول التقنية المقابلة لها. مجموعة الحلول هذه على الأغلب ليست نموذجا، بل نموذج كبير + نماذج صغيرة، وأخيرا حل شامل يتكون من نماذج متعددة.
في العام أو العامين الماضيين، قد تكون عملية الابتكار وإنتاج المنتجات، وستكون دورة استرداد النقد طويلة نسبيًا.
06、الوكيل
تخيل أن الذكاء الاصطناعي يحاكي المهام البشرية اليومية للتعامل مع أعداد كبيرة من السلوكيات الاجتماعية المعقدة للبشر. تلقي ورقة بحثية من جامعة ستانفورد بعنوان "الوكلاء المولدون: المحاكاة التفاعلية للسلوك البشري" نظرة متعمقة على وكلاء الذكاء الاصطناعي الذين يتذكرون ويتفاعلون ويخططون. يعتبر AI Agent هو الاتجاه التالي لجهود OpenAI. قال المؤسس المشارك لـ OpenAI أيضًا في حدث أقيم مؤخرًا: "مقارنة بأساليب التدريب النموذجية، تولي OpenAI حاليًا مزيدًا من الاهتمام للتغييرات في مجال الوكلاء. كلما صدرت ورقة بحثية جديدة حول وكلاء الذكاء الاصطناعي، سنكون متحمسين للغاية ونناقشها داخليا بجدية." .
نتخيل دائمًا أن النماذج الكبيرة قادرة على حل المشكلات المختلفة؟ هل هذا هو الحال؟ النماذج الكبيرة هي مجرد نماذج كبيرة.
نحن ندير الذكاء الاصطناعي داخليًا، وهو ما يسمى الذكاء الاصطناعي غير المرئي. أمام المستخدمين، لن نؤكد على النموذج الذي هو عليه أو عدد المعلمات التي يحتوي عليها. تعريفنا للذكاء الاصطناعي هو المساعدة الإنسانية.
تجاوز النموذج وقوة الحوسبة، قد تكون الفرصة التالية هي الوكيل.
أكبر مشكلة تؤثر حاليًا على استخدام العملاء: نسبة المدخلات إلى المخرجات. بمجرد وصولك إلى نهاية المحادثة مع العميل والحديث عن ميزانية المشروع، إذا كانت متعلقة بالنص بحتة وكان الاستثمار بضعة ملايين أو بضعة ملايين، فلن يكون العميل راضيًا للغاية. بالإضافة إلى ذلك، إذا تم تضمين النماذج الكبيرة في بيئات الإنتاج الفعلية باستخدام عوامل الذكاء الاصطناعي لحل المشكلات الفعلية، فسيكون العملاء على استعداد تام للدفع.
استنادًا إلى النموذج الكبير، يتمتع AI Agent بقدرات محسنة مثل الذاكرة والتخطيط والتنفيذ. لقد استثمرنا في أكثر من 60 مشروعًا ناشئًا هذه المرة، أكثر من 20 منها وكلاء.
تختلف منتجات ToC ونماذج الدفع ونماذج المنتجات اختلافًا كبيرًا بين الصين والدول الأجنبية. لقد استثمرنا مؤخرًا في بعض شركات الوكلاء.
ومع ذلك، في هذه المرحلة، يكون عميل الذكاء الاصطناعي في مرحلة تجريبية جديدة فقط، ولا تزال هناك فجوة معينة بينه وبين الذكاء العام. في المستقبل، بالإضافة إلى القدرات الشاملة لعامل ذكاء اصطناعي واحد، ستحتاج أيضًا إلى حل الاختراقات في القدرات التعاونية والعاطفية بين العديد من وكلاء الذكاء الاصطناعي.
يجب على اللاعبين الكبار التأكد من بقائهم على طاولة البوكر حتى يتمكنوا من الحصول على فرصة لرؤية أشياء جديدة تظهر في الشوط الثاني.
شاهد النسخة الأصلية
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.
انها مجعد جدا! 36 ملاحظات وحقيقة حول النماذج الكبيرة وAIGC
المصدر: أنا الحصان الاسود
بعد ظهر يوم 12 سبتمبر/أيلول، استهل المقر الرئيسي لشركة Startup Dark Horse في بكين موجة من "قوى الذكاء الاصطناعي الجديدة".
Huawei Cloud، APUS، Tors، SenseTime، Kuaishou، 360 Group، Qingbo Intelligence، Dark Horse Tianqi، MiniMax، Sinovation Ventures، Qiji Chuangtan، الأكاديمية الصينية لتكنولوجيا المعلومات والاتصالات... هناك شركات مدرجة وشركات رائدة وحيوانات وحيدات القرن والشركات والمؤسسات الاستثمارية الرائدة ومعاهد البحث العلمي في مجال الذكاء الاصطناعي.
ذهب الضيوف الذين حضروا الاجتماع مباشرة إلى الموضوع ——
"الوضع الحالي لصناعة النماذج الكبيرة؟ كيف يمكن للشركات تسويقها بشكل أفضل؟ ما هي الاتجاهات والفرص الجديدة التي تستحق الاهتمام بها؟"
يشرفني أن أشارك في هذا الاجتماع المغلق للذكاء الاصطناعي، وسوف أشارككم 38 ملاحظة وحقيقة.
**01.ما هو عدد المجلدات التي تمتلكها الصناعة؟ **
ووفقا لآخر الإحصائيات، تم إطلاق أكثر من 130 نموذجا كبيرا في الصين، وتم تسجيل أكثر من 70 نموذجا خوارزميا لدى إدارة الفضاء السيبراني الصينية. وقد أصدرت شركات الإنترنت العملاقة مثل BAT نماذج كبيرة للذكاء الاصطناعي. وفي عام 2023 وحده، تلقت أكثر من 60 شركة ناشئة التمويل، وكانت المنتجات مليئة بالطبقات الأساسية، وطبقات النماذج، وطبقات التطبيق. قد يحتاج الجيل الجديد من الذكاء الاصطناعي التوليدي إلى النظر إلى الوراء إلى مخاطر الجيل السابق من الذكاء الاصطناعي، وتجنب تهاون الصناعة لتجنب التناسخ في الشتاء السابق. يجب على الممارسين في هذا المجال أن يروا بوضوح تطور الصناعة ونقاط الألم لدى العملاء، ولا ينخدعوا بحساء الدجاج الخاص بالكبار.
الآن يأتي إلينا عميل ويقول أن هناك 20 مشهدًا، وكل مشهد يكلف X مليون يوان؟ ثم ذهبت من باب إلى باب لأسأل عن الأسعار، فهل ستفعل شركة هواوي ذلك؟ هل ستفعلها شركة علي بابا؟ هل ستفعل بايدو ذلك؟ إذا واصلت هذا الأمر، فلن تجني أي أموال في النهاية.
80%-90% من الأموال التي يجمعها الجميع تستخدم في الطاقة الحاسوبية، هذا هو الوضع الحالي. كما تعلمون، إنه مجرد تدريب الآن، تكلفة التدريب يمكن السيطرة عليها، ولكن تكلفة الاستدلال لا يمكن السيطرة عليها.
لدينا 30.000 وحدة معالجة رسوميات وقوة حوسبة تبلغ 6000 بكسل، وسنسعى جاهدين للحصول على قوة حوسبة تزيد عن 12000 بكسل بحلول نهاية العام. فيما يتعلق بالبيانات، يتم تنظيف 2 تريليون رمز مميز والتعليق عليه كل شهر، وسيكون هناك 10 تريليون رمز بحلول نهاية العام.
في الوقت الحاضر، لا تزال الصناعة تفتقر إلى بعض التطبيقات القاتلة، مما يجعل من الصعب تحقيق التسويق التجاري.
كيف يمكن إيجاد التوازن بين التكلفة والتأثير؟ هذه نقطة صعبة. جميعهم يستخدمون نماذج كبيرة والتكلفة مرتفعة للغاية.
بعد فترة، ما سيتنافس عليه الجميع هو القدرة على تحسين البنية التحتية. على سبيل المثال، فيما يتعلق بقدرات تحسين الشبكة، إذا تابعت عندما يفشل الآخرون، فستتمكن من التدريب مرات أكثر من الآخرين.
في حالة قوة الحوسبة المحدودة، فإننا نقوم ببعض المحاولات التقنية التطلعية. ربما لم تظن أنه في شركتنا الكبيرة للنماذج، يوجد عدد أكبر من الطلاب الذين يقومون بالبنية التحتية أكثر من عدد الطلاب الذين يعملون في مجال عرض الأزياء. أسعارها عمومًا باهظة الثمن ويصعب تجنيدها.
النماذج الكبيرة الآن في وضع محرج، فهي لا تستطيع بيع نفسها بسعر مرتفع، وفي النهاية، فقط أولئك الذين يبيعون السحابات والبطاقات والقدرة الحاسوبية هم من يكسبون المال.
في البداية، اعتقدت أن النموذج كان ذا قيمة كبيرة، لكنه الآن سقط في الانهيار مرة أخرى. لقد التقيت بأحد العملاء منذ بعض الوقت، ونقلت عنه شركة BAT وآخرون. وكان الاقتباس الأولي باهظ الثمن، أكثر من 10 ملايين. هل يعرف أحد كم كان السعر النهائي للوحدة؟ مجعد جدا.
تعتبر النماذج الكبيرة التي تحتوي على عشرات المليارات من المعلمات مجانية من قبل بعض العملاء المميزين.
02، أصوات من الخط الأمامي
يجب على الشركات العاملة في مجال الذكاء الاصطناعي أن تتذكر دائمًا ما قاله الرئيس ماو، "انتقل من الممارسة إلى الممارسة". فقط من خلال خلع رداءك وسترة الماندرين والمشي إلى الحقول، يمكنك الحصول على التعليقات الأكثر أصالة عندما تكون بجوار عملائك. يوجد الآن عدد كبير جدًا من الخبراء الزائفين في مجال الذكاء الاصطناعي، لذا من الأفضل الاستماع إلى المزيد من الأصوات من الخطوط الأمامية.
تحدثنا إلى حوالي 150 عميلاً. تنقسم متطلبات النموذج الكبير نفسه بشكل أساسي إلى فئتين. الأول هو المتطلبات النصية للنموذج الكبير نفسه، ومتطلبات العملاء للنموذج اللغوي الكبير دقيقة بنسبة 100%. والآخر هو وكيل الذكاء الاصطناعي، والذي يتضمن استدعاءات الوظائف، وعرض التعليمات البرمجية، واستدعاءات أدوات الطرف الثالث.
خلال تعاوننا، نشأ صراع. سيشعر العملاء أنه لا يمكن تقديم البيانات إليك قبل أن يقرروا نشرها داخليًا. لكن بدون هذه البيانات كيف يمكننا تدريب نموذج يناسب احتياجات العملاء؟
عندما كنا نعمل على المشروع، وجدنا أن المستخدمين ليسوا على استعداد للدفع مقابل النماذج الكبيرة، لكنهم ما زالوا يدفعون مقابل تطبيقك. سوف يتساءل بعض العملاء بشكل مباشر، مع النماذج الكبيرة، هل لم تعد هناك حاجة لبعض المنصات المتوسطة الذكية السابقة والرسوم البيانية المعرفية؟ وفي النهاية وجدت أن المشهد هو الجوهر.
نحن بحاجة إلى العثور على بعض المشاهد المثيرة. هناك عدة معايير. أولا، الشق الصغير. ثانيا، مطابقة مزايا النماذج الكبيرة. ثالثًا، دع المستخدمين الذين يتخذون قرار الدفع لديهم تصور قوي. على سبيل المثال، في الماضي، كان الحصول على بعض البيانات أو الاستنتاجات أو الخدمات يتطلب عمليات مختلفة، أما الآن، فمن خلال النماذج الكبيرة، يستطيع صناع القرار الحصول عليها وإكمالها بسرعة على الأجهزة المحمولة.
لتحقيق النجاح في نموذج كبير، هناك حاجة إلى ثلاثة أشياء: 1) ما إذا كان بإمكانك الحصول على ما يكفي من المال لشراء الطاقة الحاسوبية. 2) هل يمكننا الحصول على بيانات كافية؟ 3) هل كثافة المواهب عالية بالقدر الكافي؟ لا يتعلق الأمر بالكمية، بل بما إذا كان هناك العدد الكافي من العلماء ذوي الكفاءة العالية.
الآن نواجه ثلاثة أنواع من العملاء. النوع الأول هو العملاء القلقين، مثل العملاء الماليين الذين يرغبون في القيام بذلك لأن منافسيهم يفعلون ذلك، لكنهم لا يعرفون ما هي احتياجاتهم. أحد هذه الأنواع هو العملاء الذين يرغبون في خفض التكاليف، وتعتقد إدارة العميل أن هذا الأمر يتعلق بشكل أساسي بخفض التكاليف وخفض النفقات، ومع ذلك، فمن الصعب الحكم على القيمة المحددة لمقدار التوفير الذي حققه النموذج. الفئة الأخيرة هي العملاء الذين يأملون في كسب المال من خلال نشر نماذج مفتوحة المصدر، وهم يعتمدون على هذا النموذج لتوليد الدخل، وهو الأكثر ملاءمة لهؤلاء العملاء للدفع.
**03، ToC أو ToB؟ **
ومن المعلوم أن تكلفة تدريب GPT-4 لمرة واحدة تبلغ حوالي 63 مليون دولار أمريكي وتتطلب كمية هائلة من 1.8 تريليون معلمة. بالنسبة لبعض النماذج الكبيرة التي تم إصدارها حاليًا في الصين، لا يزال اتجاه ToC هو النموذج المجاني للإنترنت. لكن جميع الممارسين يعلمون أن تطوير النماذج الكبيرة وتشغيلها يتطلب الكثير من التكاليف، مما يسهل على نموذج أعمال ToB العمل بسلاسة. فيما يتعلق باستكشاف التسويق التجاري، كانت ToB أو ToC دائمًا مصدر قلق للصناعة. خلال الاجتماع المغلق، سمعنا كلمتين رئيسيتين مرارًا وتكرارًا: 1) الجينات و2) العدوان. "لا يمكنك أن تكون ما لست عليه."
نعتقد أن الفرص لا تزال تكمن في النموذج الرأسي العلوي، والنقطة الأساسية هي البيانات والسيناريو نفسه، وهو الجوهر.
نحن أنفسنا نفكر أيضًا في كيفية دمج الذكاء الاصطناعي مع الإنترنت والرقمنة وما إلى ذلك، وكيفية جعل المشاهد الأصلية أكثر ذكاءً بشكل أفضل.
ToC أو ToB، بصراحة، هذا مرتبط بجينات كل شخص. فقط لأننا لا نستطيع أن نفعل ذلك لا يعني أن الآخرين لا يستطيعون القيام بذلك. على سبيل المثال، يتم لعب بعض تطبيقات ToC بواسطة أطفال ولدوا في عام 2000 أو 10 سنوات، وهو أمر يتجاوز فهمنا لأعمارنا.
لا يزال توك وتوب مختلفين تمامًا. يتمتع ToC بمعدل عالي نسبيًا لتحمل الأخطاء. TOB هو العكس. خذ على سبيل المثال سؤال وجواب ذكي. كيفية التأكد من الدقة؟ مثل الحكومة، هناك خطوط حمراء. ويجري حاليًا استكشاف كيفية تجنب وهم النموذج وفقًا لذلك.
على العكس من ذلك، نعتقد أنه من الأسهل كسب المال في ToC. هناك مشكلة في ToB.عملية المشروع طويلة نسبيًا. إن الدورة المالية طويلة جدًا بدءًا من الموافقة على ميزانية العميل وحتى إنشاء المشروع وتنفيذه.
أعتقد أن هناك الكثير من الفرص الآن.لا تخصص الموارد لأماكن لست مؤهلاً لها.من المهم جدًا اتخاذ خيارات استراتيجية.
04، ToB وToG صعبان جدًا أيضًا
أكبر خطأ في الجانب (ب) هو أنه انتهى به الأمر إلى الاستعانة بمصادر خارجية بشرية متقدمة.
جميع المشاريع لها دورات، وجميع المدفوعات تعتمد على نقاط الدورة. من المستحيل بالنسبة لي أن أساعدك في تدريب النموذج وتحسينه دون قيود.
إبداعات AIGC أكثر تحملاً وقد تحتوي على بعض الأخطاء. ولكن عندما يتعلق الأمر بالإنتاج والتصنيع من قبل بعض الشركات، فإن متطلبات الدقة تكون عالية جدًا. غالبًا ما يكون من الأسهل بالنسبة لنا اختيار حالة أو حالتين أفضل من النموذج، ولكن لا يزال من الصعب جدًا الحفاظ عليها عند مستوى عالٍ بدون حالات سيئة.
عندما كنا نعمل على مشروع الحكومة الرقمية الذكية في إحدى المحافظات المتقدمة اقتصادياً، قمنا بالترويج لأكثر من 5 سيناريوهات، وفي النهاية وافق العميل على 3 سيناريوهات. بعد ذلك، سنصل إلى جوهر الأشياء المتعلقة بالأمان والبيانات والطبقة السفلية. ثم سأسأل ما هي الفروق والمزايا بينك وبين الموديلات الكبيرة الأخرى؟ وأخيرا، يتعين على جميع الأطراف الجلوس والتوصل إلى نظام تقييم. بعد اجتياز نظام التقييم، لا نزال بحاجة إلى تقييم الأداء.
05. استخدم المشاريع لاحتضان المنتجات والحلول
استخدام المشاريع لاحتضان المنتجات: بعد الانتهاء من عدة مشاريع، قم باستخراج الحلول التقنية المقابلة لها. مجموعة الحلول هذه على الأغلب ليست نموذجا، بل نموذج كبير + نماذج صغيرة، وأخيرا حل شامل يتكون من نماذج متعددة.
في العام أو العامين الماضيين، قد تكون عملية الابتكار وإنتاج المنتجات، وستكون دورة استرداد النقد طويلة نسبيًا.
06、الوكيل
تخيل أن الذكاء الاصطناعي يحاكي المهام البشرية اليومية للتعامل مع أعداد كبيرة من السلوكيات الاجتماعية المعقدة للبشر. تلقي ورقة بحثية من جامعة ستانفورد بعنوان "الوكلاء المولدون: المحاكاة التفاعلية للسلوك البشري" نظرة متعمقة على وكلاء الذكاء الاصطناعي الذين يتذكرون ويتفاعلون ويخططون. يعتبر AI Agent هو الاتجاه التالي لجهود OpenAI. قال المؤسس المشارك لـ OpenAI أيضًا في حدث أقيم مؤخرًا: "مقارنة بأساليب التدريب النموذجية، تولي OpenAI حاليًا مزيدًا من الاهتمام للتغييرات في مجال الوكلاء. كلما صدرت ورقة بحثية جديدة حول وكلاء الذكاء الاصطناعي، سنكون متحمسين للغاية ونناقشها داخليا بجدية." .
نتخيل دائمًا أن النماذج الكبيرة قادرة على حل المشكلات المختلفة؟ هل هذا هو الحال؟ النماذج الكبيرة هي مجرد نماذج كبيرة.
نحن ندير الذكاء الاصطناعي داخليًا، وهو ما يسمى الذكاء الاصطناعي غير المرئي. أمام المستخدمين، لن نؤكد على النموذج الذي هو عليه أو عدد المعلمات التي يحتوي عليها. تعريفنا للذكاء الاصطناعي هو المساعدة الإنسانية.
تجاوز النموذج وقوة الحوسبة، قد تكون الفرصة التالية هي الوكيل.
أكبر مشكلة تؤثر حاليًا على استخدام العملاء: نسبة المدخلات إلى المخرجات. بمجرد وصولك إلى نهاية المحادثة مع العميل والحديث عن ميزانية المشروع، إذا كانت متعلقة بالنص بحتة وكان الاستثمار بضعة ملايين أو بضعة ملايين، فلن يكون العميل راضيًا للغاية. بالإضافة إلى ذلك، إذا تم تضمين النماذج الكبيرة في بيئات الإنتاج الفعلية باستخدام عوامل الذكاء الاصطناعي لحل المشكلات الفعلية، فسيكون العملاء على استعداد تام للدفع.
استنادًا إلى النموذج الكبير، يتمتع AI Agent بقدرات محسنة مثل الذاكرة والتخطيط والتنفيذ. لقد استثمرنا في أكثر من 60 مشروعًا ناشئًا هذه المرة، أكثر من 20 منها وكلاء.
تختلف منتجات ToC ونماذج الدفع ونماذج المنتجات اختلافًا كبيرًا بين الصين والدول الأجنبية. لقد استثمرنا مؤخرًا في بعض شركات الوكلاء.
ومع ذلك، في هذه المرحلة، يكون عميل الذكاء الاصطناعي في مرحلة تجريبية جديدة فقط، ولا تزال هناك فجوة معينة بينه وبين الذكاء العام. في المستقبل، بالإضافة إلى القدرات الشاملة لعامل ذكاء اصطناعي واحد، ستحتاج أيضًا إلى حل الاختراقات في القدرات التعاونية والعاطفية بين العديد من وكلاء الذكاء الاصطناعي.
يجب على اللاعبين الكبار التأكد من بقائهم على طاولة البوكر حتى يتمكنوا من الحصول على فرصة لرؤية أشياء جديدة تظهر في الشوط الثاني.