Alasan penulisan artikel ini terjadi belum lama ini.
Kami berpartisipasi dalam forum tema yang menggabungkan model besar dengan industri. Usai acara, perwakilan dari penyelenggara industri berkomunikasi dengan kami dan berkata: "Anda telah berbicara tentang model besar. Apa sebenarnya model besar itu? Seberapa besar model besar? Mengapa kita tidak bisa menggunakan model kecil?"
Serangkaian pertanyaan ini sekali lagi menyadarkan kita bahwa sisi penawaran dan permintaan yang cerdas seringkali berada dalam dua sistem wacana. Anda sudah lama membicarakan tentang Transformator dan Agen, namun Anda mungkin masih bertanya-tanya dari mana asal kata "model besar".
Kesenjangan ini menjadi sangat serius di era AI. Karena teknologi AI melibatkan rantai yang lebih panjang, mereka yang membuat algoritma, mereka yang membuat cloud, mereka yang membuat perangkat keras, mereka yang membuat solusi TI, dan mereka yang akhirnya membayar tagihannya, semua orang mungkin membicarakan pendapat mereka sendiri, dan tidak ada yang berniat untuk melakukannya. untuk benar-benar memahami siapa pun.
Saat ini, semua orang membicarakan model industri besar dan model industri besar. Memang benar, dari sudut pandang logika teknis, mudah untuk menemukan bahwa model-model besar dapat memberikan pelepasan produktivitas yang besar ke banyak industri. Dari sudut pandang teknis, perusahaan-perusahaan Tiongkok lebih reseptif dan memiliki permintaan yang lebih besar terhadap intelijen. Menggerakkan model-model besar menuju industri untuk mencapai integrasi digital-nyata adalah ciri khas AI Tiongkok, dan hal ini memiliki signifikansi makro-strategis yang kuat dalam konteks Tiongkok Digital.
Namun dalam praktiknya, jalur ini penuh dengan tantangan dan kesalahpahaman.
Bagaimanapun, sembilan dari sepuluh perusahaan algoritma AI tidak dapat melakukannya. Sebelum membuka peluang baru model besar ke B, kita harus menentukan dulu model besar seperti apa yang dibutuhkan industri?
Model industri besar bukanlah model
Kesalahpahaman terbesar ketika perusahaan AI mengembangkan model skala besar dan menggabungkan industri adalah mereka tidak dapat memahami hubungan antara penawaran dan permintaan.
Memang benar bahwa pengakuan dan penerimaan industri terhadap model-model besar saat ini relatif baik, tetapi proyek-proyek cerdas masih merupakan pasar pembeli mutlak. Pemasok teknologi perlu beradaptasi dengan kebutuhan, kemampuan, latar belakang, dan bahkan keterampilan komunikasi dan kebiasaan bisnis pengguna akhir.
Namun, karena perusahaan-perusahaan membuat model AI berskala besar, sejumlah besar talenta dan dana telah dikucurkan ke bidang Internet. Logika penawaran dan permintaan di Internet adalah bahwa satu titik pasokan memenuhi sejumlah besar permintaan. Saya punya trik untuk mendatangkan ide-ide baru dari seluruh dunia. Adaptasi model besar di banyak industri mudah untuk dipikirkan. Misalnya, pabrik memerlukan analisis bahan baku, dan bank memerlukan analisis investasi, tidak bisakah model besar saya juga menganalisisnya?
Oleh karena itu, di bawah "pemikiran luar" seperti itu, banyak perusahaan AI mengalami kesalahpahaman besar: mereka berpikir bahwa karena saya memiliki model yang besar, pelanggan dari semua industri harus datang kepada saya. Saya memperkenalkan kasus dari dua atau tiga industri, yang harus diakui oleh industri lain. Model tambang besar ini dapat digunakan dimana saja, sehingga disebut model industri besar.
Apakah para praktisi AI ini benar-benar percaya bahwa model besar sama dengan obat mujarab bagi industri, atau mereka hanya sengaja membual seperti ini. Dari sudut pandang pelanggan industri, pemandangan ini sama saja dengan omong kosong. Mereka akan mengira teknologi yang digunakan di industri keuangan tidak ada hubungannya dengan tambang batu bara kita? Jika ada makanan yang bisa dimakan kucing, sapi, manusia, atau bahkan kucing, beranikah Anda memakannya?
**Hal pertama yang perlu dilakukan industri dengan model besar adalah tidak meringkas berbagai industri yang sangat berbeda ke dalam kata "industri" dan mengakhirinya. Bahkan dalam industri tertentu, model besar hanya dapat menyelesaikan satu atau beberapa masalah dalam industri tersebut, dan tidak mungkin satu model dapat "memperbaiki semua industri". **
Siapa pun yang bekerja di bidang TI tahu bahwa untuk memiliki produk, Anda memerlukan layanan, dan untuk memahami teknologi, Anda perlu memahami industrinya. Namun, perusahaan AI, terutama yang mengucurkan dana besar ke arena model besar, umumnya kurang memahami dan menghormati perbedaan kebutuhan industri.
Tentu saja, industri yang berbeda juga memiliki kebutuhan yang sama akan model besar. Misalnya dialog dasar, CV, dan kemampuan multimodal. Namun sering kali, setiap industri memiliki persyaratan, kemampuan digital dasar, dan bahkan persyaratan keamanan, persyaratan latensi, serta persyaratan pengoperasian dan pemeliharaan yang berbeda. Saat ini, sangat sulit untuk mereplikasi dan mempromosikan model besar di industri tertentu, apalagi mencakup beberapa atau bahkan puluhan industri sekaligus.
Dalam hal intelijen industri, prioritasnya selalu pada industri dibandingkan intelijen.
Belum lagi pengurangan perangkat keras dan teknik hanya membuang-buang waktu
Banyak perusahaan yang bergerak di bidang digitalisasi dan intelijen akan terkejut dengan hal ini setelah melihat lingkungan pelanggan: apa yang dibeli pelanggan dengan banyak uang sebenarnya adalah perangkat lunak yang sangat sederhana yang disegel dalam kotak, dan kemudian dibuat sesuai dengan industri. persyaratan.Tombol, UI dan hal-hal seperti itu. Banyak dari perangkat lunak ini bahkan dikemas ulang dari perangkat lunak sumber terbuka asing yang sudah sangat lama, dan sudah lama tertinggal secara teknis. Saat ini, mereka akan menyesali betapa mudahnya menipu pelanggan industri untuk mendapatkan uang mereka.
Namun pertanyaannya adalah: Jika kita memikirkan masalah ini dari sudut pandang lain, bagaimana perusahaan dapat menggunakannya tanpa lapisan enkapsulasi ini? Apakah pabrik, tambang, atau hutan perlu merekrut dan melatih sejumlah besar talenta di bidang komputasi awan dan algoritme AI? Dan biarkan talenta digital ini memandu produksi, operasi, dan penjualan seluruh perusahaan? Ini jelas tidak bisa diandalkan.
Oleh karena itu, fakta yang agak berlawanan dengan intuisi adalah bahwa pengguna industri cenderung lebih peduli pada "cangkang" daripada teknologi canggih yang mempesona. Lapisan cangkang tersebut mengacu pada perangkat keras dan rekayasa, yang merangkum, mengelola, dan memelihara kemampuan teknis sesuai dengan persyaratan penggunaan akhir. Meskipun hasil akhir yang dikumpulkan mungkin sulit untuk digunakan dan mungkin tidak canggih, bagi pengguna industri, syarat terpenting untuk intelijen adalah dapat digunakan dan karyawan dapat mempelajarinya.
Saat membahas model industri besar, kita sering terjebak dalam kesalahpahaman saat ini. Praktisi cenderung terlalu memperhatikan kepemimpinan dan internasionalitas lapisan algoritme, bersaing dengan skala parameter dan catatan pengujian, serta fokus pada perangkat lunak. Namun yang dibutuhkan industri untuk dilakukan oleh model-model besar adalah bersaing dengan sistem digital sebelumnya, dalam hal biaya penggunaan, dan ambang batas operasional. Hal ini memerlukan model besar untuk mempertimbangkan lingkungan perangkat keras, lingkungan jaringan, sumber daya penyimpanan dan komputasi, sistem operasi, dan bahkan catu daya, kelembapan, dan suhu lingkungan penerapan.
**Hal kedua yang perlu dilakukan oleh model industri besar adalah mempertimbangkan adaptasi perangkat keras dan masalah teknis. **
Apakah model besar dapat diimplementasikan bergantung pada menemukan lokasi yang tepat. Tapi apa itu adegan? Tempat terakhir yang berfungsi disebut TKP.
Sebagian besar perusahaan tidak berorientasi pada TI. Bahkan sebagian besar perusahaan tidak dapat mengirimkan personel yang berdedikasi untuk memahami dengan cermat apa itu model besar. Hal ini tidak dapat diubah untuk waktu yang lama.
Gunung tidak akan datang menemuimu, jadi kamu harus melihat gunung itu.
Banyak orang membandingkan model besar dengan tambang emas, jadi melatih model besar hanya untuk menggali tambang emasnya.Melalui metode rekayasa dan mengintegrasikan model besar ke dalam infrastruktur digital industri yang ada, tambang emas dapat diangkut keluar dari tambang emas. Gunung.
Para ahli pada akhirnya harus pergi ke pabrik
Baik mereka bercerita kepada pelanggan atau berkomunikasi dengan publik, banyak produsen AI akan selalu menyebutkan hal ini: Jangan khawatir, kami memiliki pakar dan postdocs yang mengakar di industri ini. Saya pergi ke pabrik dan lahan pertanian dan tinggal di sana selama beberapa bulan.
Jika Anda adalah calon pengguna industri model besar, dengarkan saja cerita ini. Memang benar ada tenaga ahli yang ditempatkan di pabrik tersebut, namun kemungkinan besar pabrik tersebut bukanlah pabrik Anda.
Faktanya, memiliki pakar AI di lini depan industri merupakan cara efektif untuk memperpendek kesenjangan antara permintaan industri dan pasokan model dalam jumlah besar. Ini juga merupakan proses pengembangan yang diperlukan untuk intelijen industri.
Namun proses ini pasti hanya bersifat sementara dan tidak bisa bertahan lama. Bayangkan saja, model-model besar kini menjadi yang terdepan, berapa nilai ahlinya? Sebuah tim ahli ditempatkan di lokasi. Entitas mana yang dapat menanggung biaya gaji ini?
Para ahli yang diklaim perusahaan AI ditempatkan di pabrik tersebut sebenarnya sedang melakukan kasus dan pengujian. Umumnya, mereka bekerja sama dengan pelanggan terkemuka di industri, dan produsen bersedia menjalankan model dengan susah payah untuk mengamati masalah spesifik.
**Ahli bisa pergi ke pabrik, tapi tenaga ahli tentu tidak bisa ditempatkan di satu pabrik dari tahun ke tahun. **Ini adalah tindakan standar ketika produsen AI memasuki suatu industri, namun sering kali dipahami sebagai tindakan rutin yang disengaja atau tidak disengaja. Namun jika Anda benar-benar harus bergantung pada pakar untuk pergi ke pabrik guna mempromosikan model besar, maka AI tidak akan pernah dapat diimplementasikan karena biayanya. Tidak ada yang mampu membelinya.
Hal ketiga yang perlu dilakukan oleh **model industri besar adalah bahwa teknologi tersebut memiliki tingkat replikasi yang rendah dalam industri dan tidak dapat terlalu bergantung pada kerja sama yang disesuaikan secara manual. **
Yang perlu diperhatikan secara khusus adalah bahwa pada tahap ini, perusahaan-perusahaan besar dan menengah menjadi semakin berhati-hati dalam berinvestasi di bidang intelijen, dan biaya trial and error tidak bisa terlalu tinggi. Rencana penerapan model skala besar yang terlalu eksperimental dan tidak pasti sulit untuk mendapatkan pengakuan dari pelanggan besar pada tahap saat ini, apalagi ribuan pelanggan kecil dan menengah, dan tidak mungkin mengandalkan investasi manual yang besar untuk mempromosikannya.
Singkatnya, ada tiga tantangan dalam penerapan model industri skala besar pada tahap saat ini:
Produsen AI selalu membayangkan model besar sebagai obat mujarab, namun yang dibutuhkan industri adalah pemahaman dan fokus.
Produsen AI selalu fokus pada inovasi algoritme, namun yang dibutuhkan industri adalah rekayasa dan pengoperasian.
Produsen AI mempromosikan sejumlah besar kasus yang mengandalkan kemampuan talenta, namun yang dibutuhkan industri adalah biaya rendah dan kemampuan untuk ditiru.
Matahari terbit ketika model-model besar diluncurkan ke industri, namun Anda juga harus secara sadar membersihkan salju. Saat Anda kembali ke antarmuka pengguna, Anda sering kali dapat menemukan jawaban atas lebih banyak pertanyaan.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Model besar seperti apa yang dibutuhkan industri?
Sumber asli: badan kutub otak
Alasan penulisan artikel ini terjadi belum lama ini.
Kami berpartisipasi dalam forum tema yang menggabungkan model besar dengan industri. Usai acara, perwakilan dari penyelenggara industri berkomunikasi dengan kami dan berkata: "Anda telah berbicara tentang model besar. Apa sebenarnya model besar itu? Seberapa besar model besar? Mengapa kita tidak bisa menggunakan model kecil?"
Serangkaian pertanyaan ini sekali lagi menyadarkan kita bahwa sisi penawaran dan permintaan yang cerdas seringkali berada dalam dua sistem wacana. Anda sudah lama membicarakan tentang Transformator dan Agen, namun Anda mungkin masih bertanya-tanya dari mana asal kata "model besar".
Kesenjangan ini menjadi sangat serius di era AI. Karena teknologi AI melibatkan rantai yang lebih panjang, mereka yang membuat algoritma, mereka yang membuat cloud, mereka yang membuat perangkat keras, mereka yang membuat solusi TI, dan mereka yang akhirnya membayar tagihannya, semua orang mungkin membicarakan pendapat mereka sendiri, dan tidak ada yang berniat untuk melakukannya. untuk benar-benar memahami siapa pun.
Saat ini, semua orang membicarakan model industri besar dan model industri besar. Memang benar, dari sudut pandang logika teknis, mudah untuk menemukan bahwa model-model besar dapat memberikan pelepasan produktivitas yang besar ke banyak industri. Dari sudut pandang teknis, perusahaan-perusahaan Tiongkok lebih reseptif dan memiliki permintaan yang lebih besar terhadap intelijen. Menggerakkan model-model besar menuju industri untuk mencapai integrasi digital-nyata adalah ciri khas AI Tiongkok, dan hal ini memiliki signifikansi makro-strategis yang kuat dalam konteks Tiongkok Digital.
Namun dalam praktiknya, jalur ini penuh dengan tantangan dan kesalahpahaman.
Bagaimanapun, sembilan dari sepuluh perusahaan algoritma AI tidak dapat melakukannya. Sebelum membuka peluang baru model besar ke B, kita harus menentukan dulu model besar seperti apa yang dibutuhkan industri?
Model industri besar bukanlah model
Kesalahpahaman terbesar ketika perusahaan AI mengembangkan model skala besar dan menggabungkan industri adalah mereka tidak dapat memahami hubungan antara penawaran dan permintaan.
Memang benar bahwa pengakuan dan penerimaan industri terhadap model-model besar saat ini relatif baik, tetapi proyek-proyek cerdas masih merupakan pasar pembeli mutlak. Pemasok teknologi perlu beradaptasi dengan kebutuhan, kemampuan, latar belakang, dan bahkan keterampilan komunikasi dan kebiasaan bisnis pengguna akhir.
Namun, karena perusahaan-perusahaan membuat model AI berskala besar, sejumlah besar talenta dan dana telah dikucurkan ke bidang Internet. Logika penawaran dan permintaan di Internet adalah bahwa satu titik pasokan memenuhi sejumlah besar permintaan. Saya punya trik untuk mendatangkan ide-ide baru dari seluruh dunia. Adaptasi model besar di banyak industri mudah untuk dipikirkan. Misalnya, pabrik memerlukan analisis bahan baku, dan bank memerlukan analisis investasi, tidak bisakah model besar saya juga menganalisisnya?
Oleh karena itu, di bawah "pemikiran luar" seperti itu, banyak perusahaan AI mengalami kesalahpahaman besar: mereka berpikir bahwa karena saya memiliki model yang besar, pelanggan dari semua industri harus datang kepada saya. Saya memperkenalkan kasus dari dua atau tiga industri, yang harus diakui oleh industri lain. Model tambang besar ini dapat digunakan dimana saja, sehingga disebut model industri besar.
Apakah para praktisi AI ini benar-benar percaya bahwa model besar sama dengan obat mujarab bagi industri, atau mereka hanya sengaja membual seperti ini. Dari sudut pandang pelanggan industri, pemandangan ini sama saja dengan omong kosong. Mereka akan mengira teknologi yang digunakan di industri keuangan tidak ada hubungannya dengan tambang batu bara kita? Jika ada makanan yang bisa dimakan kucing, sapi, manusia, atau bahkan kucing, beranikah Anda memakannya?
**Hal pertama yang perlu dilakukan industri dengan model besar adalah tidak meringkas berbagai industri yang sangat berbeda ke dalam kata "industri" dan mengakhirinya. Bahkan dalam industri tertentu, model besar hanya dapat menyelesaikan satu atau beberapa masalah dalam industri tersebut, dan tidak mungkin satu model dapat "memperbaiki semua industri". **
Siapa pun yang bekerja di bidang TI tahu bahwa untuk memiliki produk, Anda memerlukan layanan, dan untuk memahami teknologi, Anda perlu memahami industrinya. Namun, perusahaan AI, terutama yang mengucurkan dana besar ke arena model besar, umumnya kurang memahami dan menghormati perbedaan kebutuhan industri.
Tentu saja, industri yang berbeda juga memiliki kebutuhan yang sama akan model besar. Misalnya dialog dasar, CV, dan kemampuan multimodal. Namun sering kali, setiap industri memiliki persyaratan, kemampuan digital dasar, dan bahkan persyaratan keamanan, persyaratan latensi, serta persyaratan pengoperasian dan pemeliharaan yang berbeda. Saat ini, sangat sulit untuk mereplikasi dan mempromosikan model besar di industri tertentu, apalagi mencakup beberapa atau bahkan puluhan industri sekaligus.
Dalam hal intelijen industri, prioritasnya selalu pada industri dibandingkan intelijen.
Belum lagi pengurangan perangkat keras dan teknik hanya membuang-buang waktu
Banyak perusahaan yang bergerak di bidang digitalisasi dan intelijen akan terkejut dengan hal ini setelah melihat lingkungan pelanggan: apa yang dibeli pelanggan dengan banyak uang sebenarnya adalah perangkat lunak yang sangat sederhana yang disegel dalam kotak, dan kemudian dibuat sesuai dengan industri. persyaratan.Tombol, UI dan hal-hal seperti itu. Banyak dari perangkat lunak ini bahkan dikemas ulang dari perangkat lunak sumber terbuka asing yang sudah sangat lama, dan sudah lama tertinggal secara teknis. Saat ini, mereka akan menyesali betapa mudahnya menipu pelanggan industri untuk mendapatkan uang mereka.
Namun pertanyaannya adalah: Jika kita memikirkan masalah ini dari sudut pandang lain, bagaimana perusahaan dapat menggunakannya tanpa lapisan enkapsulasi ini? Apakah pabrik, tambang, atau hutan perlu merekrut dan melatih sejumlah besar talenta di bidang komputasi awan dan algoritme AI? Dan biarkan talenta digital ini memandu produksi, operasi, dan penjualan seluruh perusahaan? Ini jelas tidak bisa diandalkan.
Oleh karena itu, fakta yang agak berlawanan dengan intuisi adalah bahwa pengguna industri cenderung lebih peduli pada "cangkang" daripada teknologi canggih yang mempesona. Lapisan cangkang tersebut mengacu pada perangkat keras dan rekayasa, yang merangkum, mengelola, dan memelihara kemampuan teknis sesuai dengan persyaratan penggunaan akhir. Meskipun hasil akhir yang dikumpulkan mungkin sulit untuk digunakan dan mungkin tidak canggih, bagi pengguna industri, syarat terpenting untuk intelijen adalah dapat digunakan dan karyawan dapat mempelajarinya.
Saat membahas model industri besar, kita sering terjebak dalam kesalahpahaman saat ini. Praktisi cenderung terlalu memperhatikan kepemimpinan dan internasionalitas lapisan algoritme, bersaing dengan skala parameter dan catatan pengujian, serta fokus pada perangkat lunak. Namun yang dibutuhkan industri untuk dilakukan oleh model-model besar adalah bersaing dengan sistem digital sebelumnya, dalam hal biaya penggunaan, dan ambang batas operasional. Hal ini memerlukan model besar untuk mempertimbangkan lingkungan perangkat keras, lingkungan jaringan, sumber daya penyimpanan dan komputasi, sistem operasi, dan bahkan catu daya, kelembapan, dan suhu lingkungan penerapan.
**Hal kedua yang perlu dilakukan oleh model industri besar adalah mempertimbangkan adaptasi perangkat keras dan masalah teknis. **
Apakah model besar dapat diimplementasikan bergantung pada menemukan lokasi yang tepat. Tapi apa itu adegan? Tempat terakhir yang berfungsi disebut TKP.
Sebagian besar perusahaan tidak berorientasi pada TI. Bahkan sebagian besar perusahaan tidak dapat mengirimkan personel yang berdedikasi untuk memahami dengan cermat apa itu model besar. Hal ini tidak dapat diubah untuk waktu yang lama.
Gunung tidak akan datang menemuimu, jadi kamu harus melihat gunung itu.
Banyak orang membandingkan model besar dengan tambang emas, jadi melatih model besar hanya untuk menggali tambang emasnya.Melalui metode rekayasa dan mengintegrasikan model besar ke dalam infrastruktur digital industri yang ada, tambang emas dapat diangkut keluar dari tambang emas. Gunung.
Para ahli pada akhirnya harus pergi ke pabrik
Baik mereka bercerita kepada pelanggan atau berkomunikasi dengan publik, banyak produsen AI akan selalu menyebutkan hal ini: Jangan khawatir, kami memiliki pakar dan postdocs yang mengakar di industri ini. Saya pergi ke pabrik dan lahan pertanian dan tinggal di sana selama beberapa bulan.
Jika Anda adalah calon pengguna industri model besar, dengarkan saja cerita ini. Memang benar ada tenaga ahli yang ditempatkan di pabrik tersebut, namun kemungkinan besar pabrik tersebut bukanlah pabrik Anda.
Faktanya, memiliki pakar AI di lini depan industri merupakan cara efektif untuk memperpendek kesenjangan antara permintaan industri dan pasokan model dalam jumlah besar. Ini juga merupakan proses pengembangan yang diperlukan untuk intelijen industri.
Namun proses ini pasti hanya bersifat sementara dan tidak bisa bertahan lama. Bayangkan saja, model-model besar kini menjadi yang terdepan, berapa nilai ahlinya? Sebuah tim ahli ditempatkan di lokasi. Entitas mana yang dapat menanggung biaya gaji ini?
Para ahli yang diklaim perusahaan AI ditempatkan di pabrik tersebut sebenarnya sedang melakukan kasus dan pengujian. Umumnya, mereka bekerja sama dengan pelanggan terkemuka di industri, dan produsen bersedia menjalankan model dengan susah payah untuk mengamati masalah spesifik.
**Ahli bisa pergi ke pabrik, tapi tenaga ahli tentu tidak bisa ditempatkan di satu pabrik dari tahun ke tahun. **Ini adalah tindakan standar ketika produsen AI memasuki suatu industri, namun sering kali dipahami sebagai tindakan rutin yang disengaja atau tidak disengaja. Namun jika Anda benar-benar harus bergantung pada pakar untuk pergi ke pabrik guna mempromosikan model besar, maka AI tidak akan pernah dapat diimplementasikan karena biayanya. Tidak ada yang mampu membelinya.
Hal ketiga yang perlu dilakukan oleh **model industri besar adalah bahwa teknologi tersebut memiliki tingkat replikasi yang rendah dalam industri dan tidak dapat terlalu bergantung pada kerja sama yang disesuaikan secara manual. **
Yang perlu diperhatikan secara khusus adalah bahwa pada tahap ini, perusahaan-perusahaan besar dan menengah menjadi semakin berhati-hati dalam berinvestasi di bidang intelijen, dan biaya trial and error tidak bisa terlalu tinggi. Rencana penerapan model skala besar yang terlalu eksperimental dan tidak pasti sulit untuk mendapatkan pengakuan dari pelanggan besar pada tahap saat ini, apalagi ribuan pelanggan kecil dan menengah, dan tidak mungkin mengandalkan investasi manual yang besar untuk mempromosikannya.
Singkatnya, ada tiga tantangan dalam penerapan model industri skala besar pada tahap saat ini:
Produsen AI selalu membayangkan model besar sebagai obat mujarab, namun yang dibutuhkan industri adalah pemahaman dan fokus.
Produsen AI selalu fokus pada inovasi algoritme, namun yang dibutuhkan industri adalah rekayasa dan pengoperasian.
Produsen AI mempromosikan sejumlah besar kasus yang mengandalkan kemampuan talenta, namun yang dibutuhkan industri adalah biaya rendah dan kemampuan untuk ditiru.
Matahari terbit ketika model-model besar diluncurkan ke industri, namun Anda juga harus secara sadar membersihkan salju. Saat Anda kembali ke antarmuka pengguna, Anda sering kali dapat menemukan jawaban atas lebih banyak pertanyaan.