Вітчизняна широкомасштабна модельна війна свого часу була оповита багатьма сумнівами. Оскільки JD.com і Tencent займають свої місця один за одним, ця складна гра стає зрозумілішою.
Baidu та Ali, як перша партія великих модельних гравців у Китаї, завоювали ранній трафік, «отримавши фору». Навпаки, хоча Tencent і JD.com розпочали роботу трохи пізніше, вони мають більше можливостей для більш глибокого вивчення великомасштабної моделі, щоб поглибити своє розуміння галузі.
Через це деякі великі виробники, які випустили великомасштабні моделі відносно пізно, не йшли сліпо за громадськістю та інвестували в потік великомасштабних моделей загального призначення. Наприклад, велика модель Huawei згадувала практичність раніше, а JD.com обрав більш далекоглядний і більш цілеспрямований шлях завдяки своєму глибокому накопиченню в промисловості та ланцюжку поставок.В той самий час, як JD Cloud Summit (JDD Conference) , була випущена промислово-орієнтована модель JD Yanxi.
У нинішню епоху широкомасштабних моделей загального призначення великомасштабна модель Yanxi та її шлях створення промислової цінності, запущений JD.com, є не лише чудовою спробою створити бізнес-порядок великомасштабної моделі, але й забезпечують нове мислення та напрямок для всієї галузі. У застійних водах комерціалізації великих моделей промислові великі моделі, які ближче до посадки, ймовірно, лідируватимуть у майбутній конкуренції за великі моделі та стануть новою силою, яку не можна ігнорувати.
Велика модель, ні "історія", ні "іграшка"
Кожна хвиля технологічної спадкоємності часто несе багато осаду.
Від чіпів, роботів до штучного інтелекту в перші роки, у кожній хвилі завжди змішуються деякі гравці з прихованими мотивами, які змішують технології та маркетинг, роблячи спочатку чітку трасу ще більш брудною. Те ж саме на даному етапі стосується і вітчизняних великогабаритних модельних трас.
З одного боку траси гравці намагаються з’ясувати технічний контекст великої моделі та намагаються знайти напрямок приземлення; з іншого боку, навіть компанії, які не мають нічого спільного зі сферою технологій, покидають поле. один за одним, тренуючись. Так звані продукти «великої моделі» — мушу визнати, що поточна ситуація «все може бути великою моделлю» має значення «все може бути метавсесвітом» два роки тому.
Очевидно, що коли так звана «велика модель» стає синонімом, обслуговуючи власну «розповідну» привабливість замість того, щоб створювати реальну цінність, тоді існує висока ймовірність того, що вона може йти лише до долі метавсесвіту. І це стосується і тих гравців, які чесно вивчають технології. Зрештою, самій технології складно безпосередньо створювати цінність — мета великої моделі полягає не в тому, щоб навчити саму загальну велику модель, а в тому, щоб дозволити технології створювати цінність, а потім реалізувати зрілу комерціалізацію.
Тому, здавалося б, кумедні операції фанатів-переслідувачів насправді стали тривожним дзвіночком для великого модельного треку. Зрештою, ChatGPT, який запалив AIGC, дещо вплинув на погляд гравців на велику модель, змусивши багатьох гравців кинутися до загальної великої моделі та запускати різноманітні «варіанти» ChatGPT.
Об’єктивно кажучи, велика модель загального призначення має свою цінність, але в момент, коли конкуренція стає все більш жорсткою, масштабна модель загального призначення не є гладкою:
З одного боку, гравці один за одним стікаються на одне поле і дуже ймовірно потрапляють у ситуацію «повторюваного виробництва коліс».Можливо, важко вирватися з поля бою, повного вітчизняних та іноземних технологічні гіганти.
З іншого боку, велика модель загального призначення є типовим продуктом поділу споживання та оплати, і вона стане «іграшкою», якщо ви не будете обережні.
Наведу простий приклад: широке коло кінцевих користувачів С може ставити запитання чи навіть обговорювати всесвіт і небо, але переважна більшість звичайних користувачів насправді не потребує продуктивності. Після короткочасного інтенсивного досвіду вони будуть швидко відчути свіжість нових технологій. Загублений, може не мати сили для використання протягом тривалого часу.
Виходячи з цього, навіть якщо поточна широкомасштабна модель загального призначення може певною мірою підвищити ефективність створення контенту, за винятком зниження витрат і підвищення ефективності в деяких галузях контенту та організаціях, вона ще не розробила зрілого та відтворювана бізнес-модель. Можна передбачити, що оскільки загальна широкомасштабна модельна траса стає все більш і більш переповненою, гравцям доведеться зіткнутися з багатьма проблемами з точки зору комерційного розширення.
Зрештою, тепер, коли настала «сингулярність», великі моделі є не лише віхою у спадкоємності технологій, а й ключовою рушійною силою для формування майбутнього. За такою логікою масштабна модельна війна на даному етапі – аж ніяк не перегони на короткі дистанції, а системний проект. Якщо гравці хочуть пройти цикл і дійти до кінця, вони не можуть покладатися лише на одну точку прориву на технічному рівні, а повинні одночасно думати про багато аспектів, таких як технічний напрямок, застосування сцени та бізнес-модель .
Промислові великомасштабні моделі, новий фронт у «Війні сотень моделей»
З 1997 року, коли «Deep Blue» переміг шахового майстра Гаррі Каспарова, «AlphaGo» увійшов до кола Go, а потім до візуальної системи ШІ та автоматичного водіння, ШІ пережив багато раундів захоплюючої еволюції в минулому. Колесо, здається, стояти на межі вибуху застосування, але квіткові бруньки, повні гілок, довго не могли розпуститися.
Основна причина цього в тому, що технологія ще не набула глибокого застосування в промисловості, адже кінець технічного прогресу – це не пастка лабораторії, а занурення в «реальний світ».
Дотримуючись цієї логіки, дивлячись на сучасні широкомасштабні моделі треків загального призначення, попереду ще довгий шлях, перш ніж укоренитися в реальних бізнес-сценаріях і створити реальну цінність.
Сюй Ран, генеральний директор Jingdong Group, сказав на конференції JDD, що велика модель сама по собі є інструментом для реалізації промислової цінності, а не метою. Справжня цінність великих моделей повинна бути реалізована в промислових застосуваннях.
Іншими словами, велика модель не є метою, але застосування є метою.
Сучасні виробники великих моделей часто вважають параметри моделі стандартом для перевірки якості великих моделей. Як відомо, на рівні комерційного впровадження величезні параметри також відповідають високим витратам, а також є такі проблеми, як довгий час відповідності та погана паралелізм.
Простий приклад, деякі «параметричні монстри» коштують два-три центи, щоб відповісти на запитання, і доводиться чекати 5-10 секунд.Незалежно від того, наскільки точна відповідь, масштабної комерціалізації досягти важко. Крім того, поточна велика модель загального призначення має рівень точності близько 85%, що може бути достатнім для звичайних користувачів, але в серйозних бізнес-сценаріях ця помилка, ймовірно, матиме вплив, який неможливо ігнорувати для бізнесу.
Стосовно проблеми із застосуванням, технічні керівники кількох бізнес-напрямків JD.com зазначили, що люди будуть сміятися над сфабрикованою відповіддю від GPT, але як тільки її впровадять у фактичний процес подання, будь-яке відхилення призведе до величезних втрат.
Доктор Хе Сяодун, декан науково-дослідного інституту JD Exploration Research Institute і президент відділу інтелектуальних послуг і продуктів JD Technology, одного разу особисто відчув щось, що є досить характерним. «Велика модель дає квадратний корінь із 143, а дана відповідь дорівнює 11,5 (насправді приблизно дорівнює 11,96). Якщо її використовувати в реальному прикладному сценарії, ця відповідь принесе величезні втрати».
У технічній сфері важливі параметри моделі та точність, але в діловому світі ключем є те, що сама велика модель проста у використанні та стабільна. У цьому відношенні індустріальна модель, тісно пов'язана з розділеними галузями, безсумнівно, має природні переваги.
Однак розробити масштабну промислову модель непросто. Як ми всі знаємо, навчальні дані є основою навчання великих моделей, а також визначають здатність до узагальнення та сценарії застосування великих моделей. Тому, окрім проривів на технічному рівні, сценарії з перших рук і дані з промисловості однаково важливі для розробки великих промислових моделей.
Беручи як приклад JD.com, причина, чому компанія запустила масштабну модель для галузі, здебільшого пов’язана з її сильними промисловими генами. Зрештою, серед великих вітчизняних виробників JD.com, який з’єднує споживчий ринок і два кінці ланцюга постачання, має міцний зв’язок із тією ж галуззю та володіє великою кількістю високоякісних даних.
Повідомляється, що під час навчання великої моделі Yanxi інтегрується 70% загальних даних і 30% вихідних даних ланцюжка поставок цифрового інтелекту. Можна помітити, що JD.com не наголошує лише на параметрах і не навмисно розповідає «історію», а зосереджується на рівні «налаштування», прагнучи створити велику модель, яка буде тісно інтегрована з галуззю.
Масштабна промислова модель може стати важливим кроком до масштабної комерціалізації великомасштабної модельної траси, і гравці, які поступово розуміють логіку, поступово сідають на машину.
Нещодавно Tencent, яка тривалий час стримувалася, випустила власну масштабну промислову модель; Baidu, яка високо тримає прапор широкомасштабних моделей загального призначення, також випустила великомасштабні промислові моделі, що стосуються транспорту. , енергетика та інші сфери. Неважко помітити, що коли гіганти збільшували свої розміри, масштабні промислові моделі, які ближче до комерціалізації, стали новим фронтом у «війні сотень моделей».
Зустрічаються на вузькій дорозі, виграє той, хто потрапить на «сцену».
Незалежно від того, чи це модель загального призначення чи промислова модель, побудова нового бізнес-порядку не може уникнути «сцени».
Іншими словами, для впровадження незрозумілі технічні терміни та сліпучі комерційні PPT — це повітряні замки.Тільки справді застосувавши можливості великих моделей до сцени та створивши реальну цінність, можна розімкнути позитивне коло.
У той момент, коли попит на AIGC у всіх сферах життя вибухає, неважко знайти так звані сценарії застосування для великих моделей. Але якщо ви хочете знайти сцену, придатну для масштабної посадки великих моделей і пробігти шлях комерціалізації, вам, можливо, доведеться пройти багато обхідних шляхів.
За цією логікою гравці, які вже представили велику модель, постійно пробуються в різних підрозділах, намагаючись знайти власну опору:
Baidu захопив гарячі точки щорічних вступних іспитів до коледжу та запустив помічників-волонтерів зі штучним інтелектом. Повністю використовуючи можливості великих моделей, він також намагався використати це для виходу на ринок C-end; Алі використовував Tmall Genie як якір для дослідити застосування великих моделей у сфері побутової електроніки.
JD.com, який розробляє великі промислові моделі, висуває формулу «вартість великих моделей = алгоритм × обчислювальна потужність × дані × квадрат промислової товщини», а так звана «промислова товщина» просто накопичується конкретними сценами. стати.
Незалежно від шляху, гравці великої моделі неодмінно продовжуватимуть пробувати та робити помилки, перш ніж досягти «Землі обітованої» і навіть перетнути «Червоне море».
Зіткнувшись із труднощами отримання великих моделей, деякі гравці вирішують зіграти роль «продавців води», щоб допомогти компаніям створювати власні великі моделі. Однак JD.com, який завжди був прагматичним у своєму стилі гри, запропонував стратегію «трьох кроків», тобто спочатку побудувати велику модель загального призначення, потім досліджувати сценарії та програми внутрішньо, а потім поступово відкривати розширити свої можливості для зовнішнього світу - використовуючи себе як тестове поле, він також саморозвинений. Переваріть вартість проб і помилок, щоб переконатися, що великомасштабні модельні продукти можуть створити реальну цінність.
Повідомляється, що в рамках JD.com велика модель не тільки вбудована в звичайні сценарії застосування, такі як цифровий маркетинг, оптимізація операційних процесів і обслуговування клієнтів, але також була розширена для багатьох вертикальних сценаріїв, таких як роздрібна торгівля, логістика, фінанси , і здоров'я.
Взявши як приклад сферу логістики, з огляду на цю складну системну інженерію, JD.com дослідив кілька шляхів дослідження: продукт ланцюга поставок Jinghui, який створювався протягом 5 років, на додаток до багатих власних алгоритмів, таких як передбачення штучного інтелекту. і оптимізації роботи, за допомогою відкритої екологічної технології можна не тільки добре взаємодіяти з алгоритмами та даними гетерогенних систем, але також бути більш виразними з точки зору прогнозу продажів, запасів, планування поставок і поповнення за допомогою великих моделей. Завдяки широкому застосуванню AIGC його інтерактивна диспетчерська вежа ланцюга постачання може допомогти користувачам швидко знайти та вирішити проблеми ланцюга постачання.
У сценарії управління фондами було запущено продукт «розумного базового вибору» JD Finance. Традиційний скринінг фондів є дорогим для розуміння та громіздким у роботі, що безпосередньо впливає на рівень успішності транзакцій. За допомогою великих моделей JD.com оптимізував зв’язки зіставлення намірів, генерації алгоритмів, розпізнавання намірів і кількох раундів діалогу, завдяки чому рівень точності типових контрольних запитань досягає 90%, що ефективно покращує взаємодію з клієнтами та ефективність транзакцій. Цей продукт також буде повноцінно обслуговувати фінансові установи в майбутньому.
Можна побачити, що «триетапна» стратегія JD.com досягла початкових результатів і поступово проникла в структуру вертикальних галузей, таких як логістика та фінанси. Можна передбачити, що в міру того, як стратегія буде поступово розгортатися, JD.com також продовжуватиме накопичувати сценарії посадки та високоякісні дані, таким чином обертаючи маховик для комерційної посадки великомасштабних промислових моделей.
Зрештою, здавалося б, складна широкомасштабна модель війни повинна повернутися до основного питання, тобто до того, як технології можуть принести реальну цінність реальній промисловості. На цьому етапі гравці з різними шляхами можуть лише поступово досліджувати та практикувати відповіді на запитання цього довгого марафону.
Переглянути оригінал
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Великим моделям потрібні виконавці
Оригінал: Wu Xianzhi Wen Yehao
Редактор: Ван Пан
**Джерело: ** Photon Planet
Вітчизняна широкомасштабна модельна війна свого часу була оповита багатьма сумнівами. Оскільки JD.com і Tencent займають свої місця один за одним, ця складна гра стає зрозумілішою.
Baidu та Ali, як перша партія великих модельних гравців у Китаї, завоювали ранній трафік, «отримавши фору». Навпаки, хоча Tencent і JD.com розпочали роботу трохи пізніше, вони мають більше можливостей для більш глибокого вивчення великомасштабної моделі, щоб поглибити своє розуміння галузі.
Через це деякі великі виробники, які випустили великомасштабні моделі відносно пізно, не йшли сліпо за громадськістю та інвестували в потік великомасштабних моделей загального призначення. Наприклад, велика модель Huawei згадувала практичність раніше, а JD.com обрав більш далекоглядний і більш цілеспрямований шлях завдяки своєму глибокому накопиченню в промисловості та ланцюжку поставок.В той самий час, як JD Cloud Summit (JDD Conference) , була випущена промислово-орієнтована модель JD Yanxi.
У нинішню епоху широкомасштабних моделей загального призначення великомасштабна модель Yanxi та її шлях створення промислової цінності, запущений JD.com, є не лише чудовою спробою створити бізнес-порядок великомасштабної моделі, але й забезпечують нове мислення та напрямок для всієї галузі. У застійних водах комерціалізації великих моделей промислові великі моделі, які ближче до посадки, ймовірно, лідируватимуть у майбутній конкуренції за великі моделі та стануть новою силою, яку не можна ігнорувати.
Велика модель, ні "історія", ні "іграшка"
Кожна хвиля технологічної спадкоємності часто несе багато осаду.
Від чіпів, роботів до штучного інтелекту в перші роки, у кожній хвилі завжди змішуються деякі гравці з прихованими мотивами, які змішують технології та маркетинг, роблячи спочатку чітку трасу ще більш брудною. Те ж саме на даному етапі стосується і вітчизняних великогабаритних модельних трас.
З одного боку траси гравці намагаються з’ясувати технічний контекст великої моделі та намагаються знайти напрямок приземлення; з іншого боку, навіть компанії, які не мають нічого спільного зі сферою технологій, покидають поле. один за одним, тренуючись. Так звані продукти «великої моделі» — мушу визнати, що поточна ситуація «все може бути великою моделлю» має значення «все може бути метавсесвітом» два роки тому.
Очевидно, що коли так звана «велика модель» стає синонімом, обслуговуючи власну «розповідну» привабливість замість того, щоб створювати реальну цінність, тоді існує висока ймовірність того, що вона може йти лише до долі метавсесвіту. І це стосується і тих гравців, які чесно вивчають технології. Зрештою, самій технології складно безпосередньо створювати цінність — мета великої моделі полягає не в тому, щоб навчити саму загальну велику модель, а в тому, щоб дозволити технології створювати цінність, а потім реалізувати зрілу комерціалізацію.
Тому, здавалося б, кумедні операції фанатів-переслідувачів насправді стали тривожним дзвіночком для великого модельного треку. Зрештою, ChatGPT, який запалив AIGC, дещо вплинув на погляд гравців на велику модель, змусивши багатьох гравців кинутися до загальної великої моделі та запускати різноманітні «варіанти» ChatGPT.
Об’єктивно кажучи, велика модель загального призначення має свою цінність, але в момент, коли конкуренція стає все більш жорсткою, масштабна модель загального призначення не є гладкою:
З одного боку, гравці один за одним стікаються на одне поле і дуже ймовірно потрапляють у ситуацію «повторюваного виробництва коліс».Можливо, важко вирватися з поля бою, повного вітчизняних та іноземних технологічні гіганти.
З іншого боку, велика модель загального призначення є типовим продуктом поділу споживання та оплати, і вона стане «іграшкою», якщо ви не будете обережні.
Наведу простий приклад: широке коло кінцевих користувачів С може ставити запитання чи навіть обговорювати всесвіт і небо, але переважна більшість звичайних користувачів насправді не потребує продуктивності. Після короткочасного інтенсивного досвіду вони будуть швидко відчути свіжість нових технологій. Загублений, може не мати сили для використання протягом тривалого часу.
Виходячи з цього, навіть якщо поточна широкомасштабна модель загального призначення може певною мірою підвищити ефективність створення контенту, за винятком зниження витрат і підвищення ефективності в деяких галузях контенту та організаціях, вона ще не розробила зрілого та відтворювана бізнес-модель. Можна передбачити, що оскільки загальна широкомасштабна модельна траса стає все більш і більш переповненою, гравцям доведеться зіткнутися з багатьма проблемами з точки зору комерційного розширення.
Зрештою, тепер, коли настала «сингулярність», великі моделі є не лише віхою у спадкоємності технологій, а й ключовою рушійною силою для формування майбутнього. За такою логікою масштабна модельна війна на даному етапі – аж ніяк не перегони на короткі дистанції, а системний проект. Якщо гравці хочуть пройти цикл і дійти до кінця, вони не можуть покладатися лише на одну точку прориву на технічному рівні, а повинні одночасно думати про багато аспектів, таких як технічний напрямок, застосування сцени та бізнес-модель .
Промислові великомасштабні моделі, новий фронт у «Війні сотень моделей»
З 1997 року, коли «Deep Blue» переміг шахового майстра Гаррі Каспарова, «AlphaGo» увійшов до кола Go, а потім до візуальної системи ШІ та автоматичного водіння, ШІ пережив багато раундів захоплюючої еволюції в минулому. Колесо, здається, стояти на межі вибуху застосування, але квіткові бруньки, повні гілок, довго не могли розпуститися.
Основна причина цього в тому, що технологія ще не набула глибокого застосування в промисловості, адже кінець технічного прогресу – це не пастка лабораторії, а занурення в «реальний світ».
Дотримуючись цієї логіки, дивлячись на сучасні широкомасштабні моделі треків загального призначення, попереду ще довгий шлях, перш ніж укоренитися в реальних бізнес-сценаріях і створити реальну цінність.
Сюй Ран, генеральний директор Jingdong Group, сказав на конференції JDD, що велика модель сама по собі є інструментом для реалізації промислової цінності, а не метою. Справжня цінність великих моделей повинна бути реалізована в промислових застосуваннях.
Іншими словами, велика модель не є метою, але застосування є метою.
Сучасні виробники великих моделей часто вважають параметри моделі стандартом для перевірки якості великих моделей. Як відомо, на рівні комерційного впровадження величезні параметри також відповідають високим витратам, а також є такі проблеми, як довгий час відповідності та погана паралелізм.
Простий приклад, деякі «параметричні монстри» коштують два-три центи, щоб відповісти на запитання, і доводиться чекати 5-10 секунд.Незалежно від того, наскільки точна відповідь, масштабної комерціалізації досягти важко. Крім того, поточна велика модель загального призначення має рівень точності близько 85%, що може бути достатнім для звичайних користувачів, але в серйозних бізнес-сценаріях ця помилка, ймовірно, матиме вплив, який неможливо ігнорувати для бізнесу.
Стосовно проблеми із застосуванням, технічні керівники кількох бізнес-напрямків JD.com зазначили, що люди будуть сміятися над сфабрикованою відповіддю від GPT, але як тільки її впровадять у фактичний процес подання, будь-яке відхилення призведе до величезних втрат.
Доктор Хе Сяодун, декан науково-дослідного інституту JD Exploration Research Institute і президент відділу інтелектуальних послуг і продуктів JD Technology, одного разу особисто відчув щось, що є досить характерним. «Велика модель дає квадратний корінь із 143, а дана відповідь дорівнює 11,5 (насправді приблизно дорівнює 11,96). Якщо її використовувати в реальному прикладному сценарії, ця відповідь принесе величезні втрати».
У технічній сфері важливі параметри моделі та точність, але в діловому світі ключем є те, що сама велика модель проста у використанні та стабільна. У цьому відношенні індустріальна модель, тісно пов'язана з розділеними галузями, безсумнівно, має природні переваги.
Однак розробити масштабну промислову модель непросто. Як ми всі знаємо, навчальні дані є основою навчання великих моделей, а також визначають здатність до узагальнення та сценарії застосування великих моделей. Тому, окрім проривів на технічному рівні, сценарії з перших рук і дані з промисловості однаково важливі для розробки великих промислових моделей.
Беручи як приклад JD.com, причина, чому компанія запустила масштабну модель для галузі, здебільшого пов’язана з її сильними промисловими генами. Зрештою, серед великих вітчизняних виробників JD.com, який з’єднує споживчий ринок і два кінці ланцюга постачання, має міцний зв’язок із тією ж галуззю та володіє великою кількістю високоякісних даних.
Повідомляється, що під час навчання великої моделі Yanxi інтегрується 70% загальних даних і 30% вихідних даних ланцюжка поставок цифрового інтелекту. Можна помітити, що JD.com не наголошує лише на параметрах і не навмисно розповідає «історію», а зосереджується на рівні «налаштування», прагнучи створити велику модель, яка буде тісно інтегрована з галуззю.
Масштабна промислова модель може стати важливим кроком до масштабної комерціалізації великомасштабної модельної траси, і гравці, які поступово розуміють логіку, поступово сідають на машину.
Нещодавно Tencent, яка тривалий час стримувалася, випустила власну масштабну промислову модель; Baidu, яка високо тримає прапор широкомасштабних моделей загального призначення, також випустила великомасштабні промислові моделі, що стосуються транспорту. , енергетика та інші сфери. Неважко помітити, що коли гіганти збільшували свої розміри, масштабні промислові моделі, які ближче до комерціалізації, стали новим фронтом у «війні сотень моделей».
Зустрічаються на вузькій дорозі, виграє той, хто потрапить на «сцену».
Незалежно від того, чи це модель загального призначення чи промислова модель, побудова нового бізнес-порядку не може уникнути «сцени».
Іншими словами, для впровадження незрозумілі технічні терміни та сліпучі комерційні PPT — це повітряні замки.Тільки справді застосувавши можливості великих моделей до сцени та створивши реальну цінність, можна розімкнути позитивне коло.
У той момент, коли попит на AIGC у всіх сферах життя вибухає, неважко знайти так звані сценарії застосування для великих моделей. Але якщо ви хочете знайти сцену, придатну для масштабної посадки великих моделей і пробігти шлях комерціалізації, вам, можливо, доведеться пройти багато обхідних шляхів.
За цією логікою гравці, які вже представили велику модель, постійно пробуються в різних підрозділах, намагаючись знайти власну опору:
Baidu захопив гарячі точки щорічних вступних іспитів до коледжу та запустив помічників-волонтерів зі штучним інтелектом. Повністю використовуючи можливості великих моделей, він також намагався використати це для виходу на ринок C-end; Алі використовував Tmall Genie як якір для дослідити застосування великих моделей у сфері побутової електроніки.
JD.com, який розробляє великі промислові моделі, висуває формулу «вартість великих моделей = алгоритм × обчислювальна потужність × дані × квадрат промислової товщини», а так звана «промислова товщина» просто накопичується конкретними сценами. стати.
Незалежно від шляху, гравці великої моделі неодмінно продовжуватимуть пробувати та робити помилки, перш ніж досягти «Землі обітованої» і навіть перетнути «Червоне море».
Зіткнувшись із труднощами отримання великих моделей, деякі гравці вирішують зіграти роль «продавців води», щоб допомогти компаніям створювати власні великі моделі. Однак JD.com, який завжди був прагматичним у своєму стилі гри, запропонував стратегію «трьох кроків», тобто спочатку побудувати велику модель загального призначення, потім досліджувати сценарії та програми внутрішньо, а потім поступово відкривати розширити свої можливості для зовнішнього світу - використовуючи себе як тестове поле, він також саморозвинений. Переваріть вартість проб і помилок, щоб переконатися, що великомасштабні модельні продукти можуть створити реальну цінність.
Повідомляється, що в рамках JD.com велика модель не тільки вбудована в звичайні сценарії застосування, такі як цифровий маркетинг, оптимізація операційних процесів і обслуговування клієнтів, але також була розширена для багатьох вертикальних сценаріїв, таких як роздрібна торгівля, логістика, фінанси , і здоров'я.
Взявши як приклад сферу логістики, з огляду на цю складну системну інженерію, JD.com дослідив кілька шляхів дослідження: продукт ланцюга поставок Jinghui, який створювався протягом 5 років, на додаток до багатих власних алгоритмів, таких як передбачення штучного інтелекту. і оптимізації роботи, за допомогою відкритої екологічної технології можна не тільки добре взаємодіяти з алгоритмами та даними гетерогенних систем, але також бути більш виразними з точки зору прогнозу продажів, запасів, планування поставок і поповнення за допомогою великих моделей. Завдяки широкому застосуванню AIGC його інтерактивна диспетчерська вежа ланцюга постачання може допомогти користувачам швидко знайти та вирішити проблеми ланцюга постачання.
У сценарії управління фондами було запущено продукт «розумного базового вибору» JD Finance. Традиційний скринінг фондів є дорогим для розуміння та громіздким у роботі, що безпосередньо впливає на рівень успішності транзакцій. За допомогою великих моделей JD.com оптимізував зв’язки зіставлення намірів, генерації алгоритмів, розпізнавання намірів і кількох раундів діалогу, завдяки чому рівень точності типових контрольних запитань досягає 90%, що ефективно покращує взаємодію з клієнтами та ефективність транзакцій. Цей продукт також буде повноцінно обслуговувати фінансові установи в майбутньому.
Можна побачити, що «триетапна» стратегія JD.com досягла початкових результатів і поступово проникла в структуру вертикальних галузей, таких як логістика та фінанси. Можна передбачити, що в міру того, як стратегія буде поступово розгортатися, JD.com також продовжуватиме накопичувати сценарії посадки та високоякісні дані, таким чином обертаючи маховик для комерційної посадки великомасштабних промислових моделей.
Зрештою, здавалося б, складна широкомасштабна модель війни повинна повернутися до основного питання, тобто до того, як технології можуть принести реальну цінність реальній промисловості. На цьому етапі гравці з різними шляхами можуть лише поступово досліджувати та практикувати відповіді на запитання цього довгого марафону.