En la tarde del 12 de septiembre, la sede en Beijing de la startup Dark Horse marcó el comienzo de una ola de "nuevas fuerzas de IA".
Huawei Cloud, APUS, Tors, SenseTime, Kuaishou, 360 Group, Qingbo Intelligence, Dark Horse Tianqi, MiniMax, Sinovation Ventures, Qiji Chuangtan, Academia China de Tecnología de la Información y las Comunicaciones... Hay empresas que cotizan en bolsa, empresas líderes y animales unicornios. empresas, así como instituciones de inversión e institutos de investigación científica líderes en el campo de la IA.
Los invitados que asistieron a la reunión fueron directamente al tema——
"¿El estado actual de la industria de los modelos grandes? ¿Cómo pueden las empresas comercializar mejor? ¿Cuáles son las nuevas tendencias y oportunidades a las que vale la pena prestar atención?"
Es un honor para mí participar en esta reunión de IA a puerta cerrada. Compartiré 38 notas y verdades con ustedes.
**01.¿Cuántos volúmenes tiene la industria? **
Según las últimas estadísticas, se han lanzado más de 130 modelos grandes en China y se han registrado más de 70 modelos de algoritmos en la Administración del Ciberespacio de China. Los gigantes de Internet como BAT han lanzado grandes modelos de IA. Solo en 2023, más de 60 nuevas empresas han recibido financiación y los productos están llenos de capas básicas, capas de modelos y capas de aplicaciones. Es posible que la nueva generación de IA generativa deba recordar los obstáculos de la generación anterior y evitar la complacencia de la industria para evitar la reencarnación del invierno anterior. Los profesionales en este campo deben ver claramente la involución de la industria y los puntos débiles de los clientes, y no dejarse engañar por la sopa de pollo de los grandes.
Ahora un cliente viene a nosotros y nos dice que hay 20 escenas y que cada escena cuesta X millones de yuanes. Luego fui puerta por puerta para preguntar precios ¿Lo haría Huawei? ¿Lo hará Alibaba? ¿Baidu lo hará? Si continúas así, al final no ganarás dinero.
Entre el 80% y el 90% del dinero recaudado por todos se utiliza para potencia informática: ésta es la situación actual. Ya sabes, ahora es solo entrenamiento. El costo del entrenamiento es controlable, pero el costo de la inferencia es incontrolable.
Tenemos 30.000 GPU y una potencia informática de 6.000p. Nos esforzaremos por tener una potencia informática superior a 12.000p para fin de año. En términos de datos, cada mes se limpian y anotan 2 billones de tokens, y habrá 10 billones de tokens para fin de año.
En la actualidad, la industria todavía carece de algunas aplicaciones disruptivas, lo que dificulta la comercialización.
¿Cómo encontrar un equilibrio entre coste y efecto? Este es un punto difícil. Todos utilizan modelos grandes y el coste es demasiado elevado.
Después de un tiempo, todo el mundo competirá por la capacidad de optimizar la infraestructura. Por ejemplo, en términos de capacidades de optimización de la red, si continúas cuando otros fallan, podrás entrenar más veces que otros.
En el caso de una potencia informática limitada, estamos haciendo algunos intentos técnicos con visión de futuro. Quizás no hayas pensado que en nuestra gran empresa de modelos hay más estudiantes haciendo infraestructura que modelando. Sus precios son generalmente bastante caros y difíciles de contratar.
Los modelos grandes se encuentran ahora en una situación embarazosa: no pueden venderse a un precio elevado. Al final, sólo ganan dinero quienes venden nubes, tarjetas y potencia informática.
Al principio pensé que el modelo era bastante valioso, pero ahora ha vuelto a involucionar. Conocí a un cliente hace algún tiempo y BAT y otros lo citaron. La cotización inicial era bastante cara, más de 10 millones. ¿Alguien sabe cuál fue el precio unitario final? Demasiado rizado.
Algunos clientes especiales consideran gratuitos los modelos grandes con decenas de miles de millones de parámetros.
02, Voces desde primera línea
Las empresas en el campo de la inteligencia artificial siempre deben recordar lo que dijo el presidente Mao: "van de práctica en práctica". Sólo quitándote la bata y la chaqueta mandarina y caminando hacia el campo podrás obtener la retroalimentación más auténtica cuando estés al lado de tus clientes. Ahora hay demasiados pseudoexpertos en el campo de la IA, por lo que es mejor escuchar más voces desde el frente.
Hablamos con unos 150 clientes. Los requisitos para el modelo grande se dividen principalmente en dos categorías. Uno son los requisitos textuales del modelo grande en sí: los requisitos de los clientes para el modelo de lenguaje grande son 100% precisos. El otro es el agente de IA, que incluye llamadas a funciones, visualización de códigos y llamadas a herramientas de terceros.
Durante nuestra cooperación, surgió un conflicto. Los clientes sentirán que no se les pueden proporcionar los datos antes de que decidan implementarlos internamente. Pero sin estos datos, ¿cómo podemos entrenar un modelo que se adapte a las necesidades del cliente?
Cuando estábamos trabajando en el proyecto, descubrimos que los usuarios no están dispuestos a pagar por modelos grandes, pero aun así pagan por su aplicación. Algunos clientes preguntarán directamente, con modelos grandes, ¿ya no se necesitan algunas de las plataformas intermedias inteligentes y gráficos de conocimiento anteriores? Al final, descubrí que la escena es el núcleo.
Necesitamos encontrar algunas escenas sexys. Hay varios estándares. Primero, la pequeña incisión. En segundo lugar, iguale las ventajas de los modelos grandes. En tercer lugar, permitir que los usuarios que toman la decisión de pagar tengan una percepción sólida. Por ejemplo, antes la obtención de algunos datos, conclusiones o servicios requería procesos diferentes, ahora, a través de grandes modelos, los tomadores de decisiones pueden obtenerlos y completarlos rápidamente en dispositivos móviles.
Para tener éxito en un modelo grande, se necesitan tres cosas: 1) Si se puede obtener suficiente dinero para comprar potencia informática. 2) ¿Podemos obtener suficientes datos? 3) ¿Es la densidad de talento lo suficientemente alta? No se trata de la cantidad, sino de si hay suficientes científicos de alta calidad.
Ahora nos encontramos con tres tipos de clientes. Un tipo son los clientes ansiosos, como los clientes financieros que quieren hacerlo porque sus competidores lo hacen, pero no saben cuáles son sus necesidades. Un tipo son los clientes que quieren reducir costos. La gerencia del cliente cree que esto es principalmente una cuestión de reducción de costos y gastos. Sin embargo, es difícil juzgar el valor específico de cuánto ahorro ha logrado el modelo. La última categoría son los clientes que esperan ganar dinero implementando modelos de código abierto. Dependen de este modelo para generar ingresos. Para estos clientes lo más conveniente es pagar.
**03, ¿TdC o TdB? **
Se entiende que el costo de entrenar GPT-4 una vez es de aproximadamente 63 millones de dólares y requiere una enorme cantidad de 1,8 billones de parámetros. Para algunos modelos grandes lanzados actualmente en China, la dirección ToC sigue siendo el modelo gratuito de Internet. Pero todos los profesionales saben que el desarrollo y operación de modelos grandes requiere muchos costos, lo que facilita el funcionamiento sin problemas del modelo comercial de ToB. En términos de exploración de comercialización, ToB o ToC siempre ha sido un motivo de preocupación para la industria. Durante la reunión a puerta cerrada, escuchamos repetidamente dos palabras clave: 1) genes y 2) transgresión. "No puedes ser lo que no eres".
Creemos que todavía hay oportunidades en el modelo vertical tob, y el punto central son los datos y el escenario en sí, que es el núcleo.
Nosotros mismos también estamos pensando en cómo se puede combinar la inteligencia artificial con Internet, la digitalización, etc., y cómo hacer que las escenas originales sean más inteligentes.
ToC o ToB, francamente, esto está relacionado con los genes de cada uno. Sólo porque nosotros no podamos hacerlo no significa que otros no puedan hacerlo. Por ejemplo, algunas aplicaciones de ToC las juegan niños nacidos en 2000 o 10 años, lo que está más allá de la comprensión de nuestra edad.
Toc y Tob siguen siendo muy diferentes. ToC tiene una tasa de tolerancia a fallas relativamente alta. TOB es todo lo contrario. Tomemos, por ejemplo, preguntas y respuestas inteligentes. ¿Cómo garantizar la precisión? Al igual que el gobierno, existen líneas rojas. En consecuencia, actualmente se está explorando cómo evitar la ilusión del modelo.
Por el contrario, creemos que es más fácil ganar dinero con ToC. Hay un problema con ToB: el proceso de un proyecto es relativamente largo. El ciclo monetario es muy largo desde la aprobación del presupuesto del cliente hasta el establecimiento e implementación del proyecto.
Creo que ahora hay demasiadas oportunidades. No asigne recursos a lugares para los que no está calificado. Es muy importante tomar decisiones estratégicas.
04, ToB y ToG también son muy difíciles
El mayor error en el lado B es que terminó siendo subcontratación humana avanzada.
Todos los proyectos tienen ciclos y todos los pagos se basan en los nodos del ciclo. Me resulta imposible ayudarte a entrenar y optimizar un modelo sin restricciones.
Las creaciones de AIGC son más tolerantes y pueden tener algunos errores. Pero cuando se trata de producción y fabricación por parte de algunas empresas, los requisitos de precisión son muy altos. A menudo nos resulta más fácil elegir uno o dos casos mejores del modelo, pero sigue siendo bastante difícil mantenerlo en un nivel alto sin casos malos.
Cuando estábamos trabajando en un proyecto de gobierno digital inteligente en una provincia económicamente desarrollada, promovimos más de 5 escenarios y el cliente finalmente aprobó 3 escenarios. Luego, llegaremos al fondo de los aspectos relacionados con la seguridad, los datos y la capa inferior. Entonces te preguntaré ¿cuáles son las diferencias y ventajas entre vosotros y otros modelos grandes? Finalmente, todas las partes deben sentarse y idear un sistema de evaluación. Después de pasar el sistema de evaluación, todavía necesitamos evaluar el desempeño.
05. Utilice proyectos para incubar productos y soluciones
Utilice proyectos para incubar productos, después de completar varios proyectos, extraiga las soluciones técnicas correspondientes. Lo más probable es que este conjunto de soluciones no sea un modelo, sino un modelo grande + modelos pequeños y, finalmente, una solución integral formada por múltiples modelos.
En los últimos uno o dos años, puede ser el proceso de innovación y producción de productos, y el ciclo de recuperación de efectivo será relativamente largo.
06、Agente
Imaginemos que la IA imita las tareas humanas cotidianas para manejar un gran número de comportamientos sociales complejos de los humanos. Un artículo de la Universidad de Stanford titulado "Agentes generativos: simulacros interactivos del comportamiento humano, titulado" analiza en profundidad los agentes de IA que recuerdan, reaccionan y planifican. Se considera que AI Agent es la próxima dirección de los esfuerzos de OpenAI. El cofundador de OpenAI también dijo en un evento reciente: "En comparación con los métodos de entrenamiento de modelos, OpenAI actualmente está prestando más atención a los cambios en el campo de los Agentes. Siempre que salga un nuevo documento sobre Agentes de AI, estaremos muy emocionados y lo discutiremos". internamente en serio." .
¿Siempre imaginamos que los modelos grandes son omnipotentes y pueden resolver varios problemas? ¿Es este el caso? Los grandes modelos son sólo grandes modelos.
Gestionamos la IA internamente, lo que se llama IA invisible. Frente a los usuarios, no enfatizaremos qué modelo es ni cuántos parámetros tiene. Nuestra definición de IA es asistencia humana.
Sin pasar por el modelo y la potencia informática, la próxima oportunidad puede ser el Agente.
El mayor problema que afecta actualmente al uso de los clientes: la relación entrada-salida. Una vez que llegas al final de la conversación con el cliente y hablas del presupuesto del proyecto, si es puramente textual y la inversión es de unos pocos millones o unos pocos millones, el cliente no quedará muy satisfecho. Además, si se integran modelos grandes en entornos de producción reales utilizando agentes de inteligencia artificial para resolver problemas reales, los clientes estarán muy dispuestos a pagar.
Basado en el modelo grande, AI Agent tiene capacidades mejoradas como memoria, planificación y ejecución. Esta vez hemos invertido en más de 60 proyectos de nueva creación, de los cuales más de 20 son Agentes.
Los productos ToC, las formas de pago y las formas de los productos son muy diferentes entre China y los países extranjeros. Recientemente, hemos invertido en algunas empresas de agentes.
Sin embargo, en esta etapa, AI Agent se encuentra solo en una nueva etapa experimental y todavía existe una cierta brecha entre él y la inteligencia general. En el futuro, además de las capacidades integrales de un único agente de IA, también será necesario resolver avances en las capacidades de colaboración y emoción entre múltiples agentes de IA.
Los grandes jugadores modelo deben asegurarse de permanecer en la mesa de póquer para tener la oportunidad de ver surgir cosas nuevas en la segunda mitad.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
¡Es demasiado rizado! 36 notas y verdades sobre los grandes modelos y el AIGC
Fuente: yo caballo oscuro
En la tarde del 12 de septiembre, la sede en Beijing de la startup Dark Horse marcó el comienzo de una ola de "nuevas fuerzas de IA".
Huawei Cloud, APUS, Tors, SenseTime, Kuaishou, 360 Group, Qingbo Intelligence, Dark Horse Tianqi, MiniMax, Sinovation Ventures, Qiji Chuangtan, Academia China de Tecnología de la Información y las Comunicaciones... Hay empresas que cotizan en bolsa, empresas líderes y animales unicornios. empresas, así como instituciones de inversión e institutos de investigación científica líderes en el campo de la IA.
Los invitados que asistieron a la reunión fueron directamente al tema——
"¿El estado actual de la industria de los modelos grandes? ¿Cómo pueden las empresas comercializar mejor? ¿Cuáles son las nuevas tendencias y oportunidades a las que vale la pena prestar atención?"
Es un honor para mí participar en esta reunión de IA a puerta cerrada. Compartiré 38 notas y verdades con ustedes.
**01.¿Cuántos volúmenes tiene la industria? **
Según las últimas estadísticas, se han lanzado más de 130 modelos grandes en China y se han registrado más de 70 modelos de algoritmos en la Administración del Ciberespacio de China. Los gigantes de Internet como BAT han lanzado grandes modelos de IA. Solo en 2023, más de 60 nuevas empresas han recibido financiación y los productos están llenos de capas básicas, capas de modelos y capas de aplicaciones. Es posible que la nueva generación de IA generativa deba recordar los obstáculos de la generación anterior y evitar la complacencia de la industria para evitar la reencarnación del invierno anterior. Los profesionales en este campo deben ver claramente la involución de la industria y los puntos débiles de los clientes, y no dejarse engañar por la sopa de pollo de los grandes.
Ahora un cliente viene a nosotros y nos dice que hay 20 escenas y que cada escena cuesta X millones de yuanes. Luego fui puerta por puerta para preguntar precios ¿Lo haría Huawei? ¿Lo hará Alibaba? ¿Baidu lo hará? Si continúas así, al final no ganarás dinero.
Entre el 80% y el 90% del dinero recaudado por todos se utiliza para potencia informática: ésta es la situación actual. Ya sabes, ahora es solo entrenamiento. El costo del entrenamiento es controlable, pero el costo de la inferencia es incontrolable.
Tenemos 30.000 GPU y una potencia informática de 6.000p. Nos esforzaremos por tener una potencia informática superior a 12.000p para fin de año. En términos de datos, cada mes se limpian y anotan 2 billones de tokens, y habrá 10 billones de tokens para fin de año.
En la actualidad, la industria todavía carece de algunas aplicaciones disruptivas, lo que dificulta la comercialización.
¿Cómo encontrar un equilibrio entre coste y efecto? Este es un punto difícil. Todos utilizan modelos grandes y el coste es demasiado elevado.
Después de un tiempo, todo el mundo competirá por la capacidad de optimizar la infraestructura. Por ejemplo, en términos de capacidades de optimización de la red, si continúas cuando otros fallan, podrás entrenar más veces que otros.
En el caso de una potencia informática limitada, estamos haciendo algunos intentos técnicos con visión de futuro. Quizás no hayas pensado que en nuestra gran empresa de modelos hay más estudiantes haciendo infraestructura que modelando. Sus precios son generalmente bastante caros y difíciles de contratar.
Los modelos grandes se encuentran ahora en una situación embarazosa: no pueden venderse a un precio elevado. Al final, sólo ganan dinero quienes venden nubes, tarjetas y potencia informática.
Al principio pensé que el modelo era bastante valioso, pero ahora ha vuelto a involucionar. Conocí a un cliente hace algún tiempo y BAT y otros lo citaron. La cotización inicial era bastante cara, más de 10 millones. ¿Alguien sabe cuál fue el precio unitario final? Demasiado rizado.
Algunos clientes especiales consideran gratuitos los modelos grandes con decenas de miles de millones de parámetros.
02, Voces desde primera línea
Las empresas en el campo de la inteligencia artificial siempre deben recordar lo que dijo el presidente Mao: "van de práctica en práctica". Sólo quitándote la bata y la chaqueta mandarina y caminando hacia el campo podrás obtener la retroalimentación más auténtica cuando estés al lado de tus clientes. Ahora hay demasiados pseudoexpertos en el campo de la IA, por lo que es mejor escuchar más voces desde el frente.
Hablamos con unos 150 clientes. Los requisitos para el modelo grande se dividen principalmente en dos categorías. Uno son los requisitos textuales del modelo grande en sí: los requisitos de los clientes para el modelo de lenguaje grande son 100% precisos. El otro es el agente de IA, que incluye llamadas a funciones, visualización de códigos y llamadas a herramientas de terceros.
Durante nuestra cooperación, surgió un conflicto. Los clientes sentirán que no se les pueden proporcionar los datos antes de que decidan implementarlos internamente. Pero sin estos datos, ¿cómo podemos entrenar un modelo que se adapte a las necesidades del cliente?
Cuando estábamos trabajando en el proyecto, descubrimos que los usuarios no están dispuestos a pagar por modelos grandes, pero aun así pagan por su aplicación. Algunos clientes preguntarán directamente, con modelos grandes, ¿ya no se necesitan algunas de las plataformas intermedias inteligentes y gráficos de conocimiento anteriores? Al final, descubrí que la escena es el núcleo.
Necesitamos encontrar algunas escenas sexys. Hay varios estándares. Primero, la pequeña incisión. En segundo lugar, iguale las ventajas de los modelos grandes. En tercer lugar, permitir que los usuarios que toman la decisión de pagar tengan una percepción sólida. Por ejemplo, antes la obtención de algunos datos, conclusiones o servicios requería procesos diferentes, ahora, a través de grandes modelos, los tomadores de decisiones pueden obtenerlos y completarlos rápidamente en dispositivos móviles.
Para tener éxito en un modelo grande, se necesitan tres cosas: 1) Si se puede obtener suficiente dinero para comprar potencia informática. 2) ¿Podemos obtener suficientes datos? 3) ¿Es la densidad de talento lo suficientemente alta? No se trata de la cantidad, sino de si hay suficientes científicos de alta calidad.
Ahora nos encontramos con tres tipos de clientes. Un tipo son los clientes ansiosos, como los clientes financieros que quieren hacerlo porque sus competidores lo hacen, pero no saben cuáles son sus necesidades. Un tipo son los clientes que quieren reducir costos. La gerencia del cliente cree que esto es principalmente una cuestión de reducción de costos y gastos. Sin embargo, es difícil juzgar el valor específico de cuánto ahorro ha logrado el modelo. La última categoría son los clientes que esperan ganar dinero implementando modelos de código abierto. Dependen de este modelo para generar ingresos. Para estos clientes lo más conveniente es pagar.
**03, ¿TdC o TdB? **
Se entiende que el costo de entrenar GPT-4 una vez es de aproximadamente 63 millones de dólares y requiere una enorme cantidad de 1,8 billones de parámetros. Para algunos modelos grandes lanzados actualmente en China, la dirección ToC sigue siendo el modelo gratuito de Internet. Pero todos los profesionales saben que el desarrollo y operación de modelos grandes requiere muchos costos, lo que facilita el funcionamiento sin problemas del modelo comercial de ToB. En términos de exploración de comercialización, ToB o ToC siempre ha sido un motivo de preocupación para la industria. Durante la reunión a puerta cerrada, escuchamos repetidamente dos palabras clave: 1) genes y 2) transgresión. "No puedes ser lo que no eres".
Creemos que todavía hay oportunidades en el modelo vertical tob, y el punto central son los datos y el escenario en sí, que es el núcleo.
Nosotros mismos también estamos pensando en cómo se puede combinar la inteligencia artificial con Internet, la digitalización, etc., y cómo hacer que las escenas originales sean más inteligentes.
ToC o ToB, francamente, esto está relacionado con los genes de cada uno. Sólo porque nosotros no podamos hacerlo no significa que otros no puedan hacerlo. Por ejemplo, algunas aplicaciones de ToC las juegan niños nacidos en 2000 o 10 años, lo que está más allá de la comprensión de nuestra edad.
Toc y Tob siguen siendo muy diferentes. ToC tiene una tasa de tolerancia a fallas relativamente alta. TOB es todo lo contrario. Tomemos, por ejemplo, preguntas y respuestas inteligentes. ¿Cómo garantizar la precisión? Al igual que el gobierno, existen líneas rojas. En consecuencia, actualmente se está explorando cómo evitar la ilusión del modelo.
Por el contrario, creemos que es más fácil ganar dinero con ToC. Hay un problema con ToB: el proceso de un proyecto es relativamente largo. El ciclo monetario es muy largo desde la aprobación del presupuesto del cliente hasta el establecimiento e implementación del proyecto.
Creo que ahora hay demasiadas oportunidades. No asigne recursos a lugares para los que no está calificado. Es muy importante tomar decisiones estratégicas.
04, ToB y ToG también son muy difíciles
El mayor error en el lado B es que terminó siendo subcontratación humana avanzada.
Todos los proyectos tienen ciclos y todos los pagos se basan en los nodos del ciclo. Me resulta imposible ayudarte a entrenar y optimizar un modelo sin restricciones.
Las creaciones de AIGC son más tolerantes y pueden tener algunos errores. Pero cuando se trata de producción y fabricación por parte de algunas empresas, los requisitos de precisión son muy altos. A menudo nos resulta más fácil elegir uno o dos casos mejores del modelo, pero sigue siendo bastante difícil mantenerlo en un nivel alto sin casos malos.
Cuando estábamos trabajando en un proyecto de gobierno digital inteligente en una provincia económicamente desarrollada, promovimos más de 5 escenarios y el cliente finalmente aprobó 3 escenarios. Luego, llegaremos al fondo de los aspectos relacionados con la seguridad, los datos y la capa inferior. Entonces te preguntaré ¿cuáles son las diferencias y ventajas entre vosotros y otros modelos grandes? Finalmente, todas las partes deben sentarse y idear un sistema de evaluación. Después de pasar el sistema de evaluación, todavía necesitamos evaluar el desempeño.
05. Utilice proyectos para incubar productos y soluciones
Utilice proyectos para incubar productos, después de completar varios proyectos, extraiga las soluciones técnicas correspondientes. Lo más probable es que este conjunto de soluciones no sea un modelo, sino un modelo grande + modelos pequeños y, finalmente, una solución integral formada por múltiples modelos.
En los últimos uno o dos años, puede ser el proceso de innovación y producción de productos, y el ciclo de recuperación de efectivo será relativamente largo.
06、Agente
Imaginemos que la IA imita las tareas humanas cotidianas para manejar un gran número de comportamientos sociales complejos de los humanos. Un artículo de la Universidad de Stanford titulado "Agentes generativos: simulacros interactivos del comportamiento humano, titulado" analiza en profundidad los agentes de IA que recuerdan, reaccionan y planifican. Se considera que AI Agent es la próxima dirección de los esfuerzos de OpenAI. El cofundador de OpenAI también dijo en un evento reciente: "En comparación con los métodos de entrenamiento de modelos, OpenAI actualmente está prestando más atención a los cambios en el campo de los Agentes. Siempre que salga un nuevo documento sobre Agentes de AI, estaremos muy emocionados y lo discutiremos". internamente en serio." .
¿Siempre imaginamos que los modelos grandes son omnipotentes y pueden resolver varios problemas? ¿Es este el caso? Los grandes modelos son sólo grandes modelos.
Gestionamos la IA internamente, lo que se llama IA invisible. Frente a los usuarios, no enfatizaremos qué modelo es ni cuántos parámetros tiene. Nuestra definición de IA es asistencia humana.
Sin pasar por el modelo y la potencia informática, la próxima oportunidad puede ser el Agente.
El mayor problema que afecta actualmente al uso de los clientes: la relación entrada-salida. Una vez que llegas al final de la conversación con el cliente y hablas del presupuesto del proyecto, si es puramente textual y la inversión es de unos pocos millones o unos pocos millones, el cliente no quedará muy satisfecho. Además, si se integran modelos grandes en entornos de producción reales utilizando agentes de inteligencia artificial para resolver problemas reales, los clientes estarán muy dispuestos a pagar.
Basado en el modelo grande, AI Agent tiene capacidades mejoradas como memoria, planificación y ejecución. Esta vez hemos invertido en más de 60 proyectos de nueva creación, de los cuales más de 20 son Agentes.
Los productos ToC, las formas de pago y las formas de los productos son muy diferentes entre China y los países extranjeros. Recientemente, hemos invertido en algunas empresas de agentes.
Sin embargo, en esta etapa, AI Agent se encuentra solo en una nueva etapa experimental y todavía existe una cierta brecha entre él y la inteligencia general. En el futuro, además de las capacidades integrales de un único agente de IA, también será necesario resolver avances en las capacidades de colaboración y emoción entre múltiples agentes de IA.
Los grandes jugadores modelo deben asegurarse de permanecer en la mesa de póquer para tener la oportunidad de ver surgir cosas nuevas en la segunda mitad.