Sự chuyển đổi thông minh của ngành công nghiệp đã bước vào khu vực nước sâu và các điểm nhu cầu của các doanh nghiệp về khả năng AI đang thay đổi.
Ngày càng có nhiều doanh nghiệp lớn đang nhìn xa hơn một ứng dụng thông minh duy nhất. Trong các ngành công nghiệp như điện và tài chính, các doanh nghiệp lớn đang tập trung vào toàn bộ quá trình sản xuất, ứng dụng và quản lý khả năng AI, đồng thời đưa ra các yêu cầu đối với nền tảng học tập AI và công cụ năng suất nền tảng của nhà sản xuất, để giải quyết một loạt các điểm đau như khan hiếm tài năng, khan hiếm dữ liệu, khó khăn trong quản lý và tỷ lệ tái sử dụng tài nguyên thấp.
Sau sự xuất hiện của sự bùng nổ mô hình lớn, trọng tâm của cạnh tranh nền tảng đã chuyển sang phát triển và ứng dụng các mô hình lớn và các nhà sản xuất đang tích cực kết hợp các giải pháp nền tảng AI trước đây với các mô hình lớn. Trong cuộc cạnh tranh nền tảng, lợi thế của một số công ty đã được nêu bật. Forrester, một cơ quan phân tích quốc tế, gần đây đã phát hành một báo cáo cho thấy trong cuộc cạnh tranh của các nền tảng trí tuệ nhân tạo / máy học của Trung Quốc, Baidu Intelligent Cloud hoạt động tốt và các nền tảng AI tham gia lựa chọn đã nhận được điểm số cao nhất trong 6 hạng mục như dữ liệu, lý luận và ứng dụng ** 15 danh mục phụ **, xếp hạng trong góc phần tư dẫn đầu **.
Nền tảng AI đang giúp doanh nghiệp nhanh chóng xây dựng các mô hình, ứng dụng AI đáp ứng nhu cầu kinh doanh, đồng thời giám sát và tối ưu hiệu quả hiệu suất của các mô hình.
Tình trạng xây dựng 100 mô hình cho 100 cảnh đã là quá khứ.
**01 Sử dụng sâu AI , những rắc rối của những khẩu súng cũ **
** Ngành công nghiệp đang bước vào giai đoạn ứng dụng AI chuyên sâu và AI không còn nằm ngoài tầm với. Tuy nhiên, ngày càng có nhiều doanh nghiệp nhận thấy rằng với sự ngày càng sâu sắc của các ứng dụng, người dùng cao cấp trong lĩnh vực trí tuệ doanh nghiệp đang gặp phải những vấn đề mới.
Lấy ngành năng lượng làm ví dụ, các công ty điện lực lớn đã sử dụng các mô hình AI cho nhiều tình huống như kiểm tra mạch. Thông thường, các nhu cầu liên quan của các doanh nghiệp như vậy hầu hết được mua độc lập bởi các phòng ban hoặc chi nhánh khác nhau. Khi số lượng ứng dụng AI tăng lên, số lượng mô hình cũng tăng theo. Quản lý một số lượng lớn các mô hình và giữ cho chúng hoạt động ổn định và hiệu quả đang trở thành một thách thức.
Nhiều doanh nghiệp lớn cũng gặp vấn đề tương tự. Một cựu chiến binh nói với Digital Intelligence Frontline rằng cá nhân ông đã thấy rằng bộ phận A trong doanh nghiệp đặt 5 người để làm thuật toán A, và bộ phận B cũng đưa một vài người vào nhóm B để thực hiện các thuật toán, điều này gây khó khăn cho việc thực hiện giám sát, tối ưu hóa, cập nhật và bảo trì thống nhất từ cấp công ty và tỷ lệ tái sử dụng tài nguyên AI tổng thể trong doanh nghiệp là rất thấp.
Một số doanh nghiệp hoặc tổ chức đã áp dụng công nghệ AI để phát hành thẻ tín dụng, phê duyệt tính đủ điều kiện và xác định gian lận để đạt được kiểm soát rủi ro AI và tiếp thị chính xác. Nhưng sự nhấn mạnh của ngành tài chính về bảo mật và tuân thủ cũng đang mở rộng sang việc áp dụng AI. Ví dụ, đội ngũ kỹ thuật trong ngân hàng rất coi trọng các yếu tố tuân thủ và khi tạo ra một mô hình mới, người chịu trách nhiệm ủy quyền và phê duyệt xây dựng, người xử lý việc phê duyệt đọc dữ liệu và viết dữ liệu, sản xuất mô hình, đào tạo, hạ cánh và khởi chạy cũng được đảm bảo bởi các lớp quy trình. Loại nhu cầu này rõ ràng không phải là xây dựng ứng dụng thông minh truyền thống.
Một nhân viên giải pháp công nghiệp cao cấp từ một nhà cung cấp đám mây nói với Digital Intelligence Frontier rằng một số doanh nghiệp nhà nước trung ương lớn rõ ràng hy vọng sẽ xây dựng một trung tâm thông minh của doanh nghiệp và trau dồi khả năng AI của riêng họ, để bộ phận kỹ thuật số của doanh nghiệp có thể phát triển các thuật toán của riêng mình cho các kịch bản mới và tạo ra các ứng dụng mới.
Xu hướng này cũng được quan sát thấy trong ngành. Jin Wei, kiến trúc sư cấp cao của nền tảng AI đám mây thông minh của Baidu, nói với tuyến đầu về trí tuệ kỹ thuật số rằng điều này phản ánh rằng các ứng dụng AI đang hướng tới một khu vực nước sâu và sự chuyển đổi có hệ thống của các doanh nghiệp ngày càng trở nên nổi bật. Doanh nghiệp không chỉ cần có tầm nhìn, hoạch định mục tiêu mà cần có cơ chế phối hợp, giám sát thúc đẩy mạnh mẽ, có công cụ hoàn chỉnh để đảm bảo triển khai suôn sẻ. Nền tảng AI là một công cụ năng suất cho sự chuyển đổi thông minh của các doanh nghiệp.
Ngành công nghiệp đã nhận ra tầm quan trọng của sản phẩm nền tảng này. Forrester, một công ty phân tích quốc tế, gần đây đã công bố báo cáo "Forrester WaveTM: Đánh giá các nhà cung cấp nền tảng AI/ML tại thị trường Trung Quốc, Q42023", chỉ ra rằng những người ra quyết định doanh nghiệp của Trung Quốc đang ưu tiên hơn nữa việc áp dụng công nghệ AI để thúc đẩy cải thiện năng suất và đổi mới kinh doanh. Trong quá trình này, các doanh nghiệp cần các sản phẩm nền tảng AI có thể hỗ trợ các trường hợp sử dụng phức tạp trong môi trường kinh doanh tương ứng của họ.
Các xu hướng mới cũng đang đòi hỏi khả năng của các nhà cung cấp nền tảng học máy. Theo Forrester, các nền tảng hàng đầu ** cần cung cấp các công cụ toàn diện về quản lý dữ liệu, đào tạo mô hình và xây dựng ứng dụng AI; Nó cũng nên được điều chỉnh cho phù hợp với các kịch bản ngành để giúp một số doanh nghiệp thiếu tài năng AI và các nhà khoa học dữ liệu có được khả năng AI dựa trên nhu cầu kinh doanh của chính họ **; Ngoài ra, các công cụ, công nghệ và thực tiễn có thể giúp doanh nghiệp phát triển và triển khai các mô hình ở quy mô lớn.
Forrester đã đánh giá 14 nhà cung cấp nền tảng học máy chính thống ở Trung Quốc trên 25 tiêu chí phụ từ ba chiều: năng lực sản phẩm, bố cục chiến lược và hiệu suất thị trường. Theo dữ liệu, Baidu Intelligent Cloud hiện được đánh giá là đơn vị dẫn đầu báo cáo, và đã giành vị trí đầu tiên trong 9 điểm phụ như dữ liệu, đào tạo, lý luận dự đoán và ứng dụng.
Jin Wei giới thiệu rằng khả năng sản phẩm hàng đầu của Baidu trong nền tảng AI đã trải qua quá trình tích lũy và đánh bóng lâu dài. Mục đích ban đầu của nền tảng AI là tạo ra một phần mềm năng suất cho phép các loại người dùng doanh nghiệp khác nhau xây dựng các ứng dụng AI một cách nhanh chóng và tiết kiệm, đồng thời đạt được nhiều thuật toán, công cụ, hoạt động nhanh và kết quả tốt trên nền tảng, giúp khách hàng tiết kiệm máy chủ và nhân lực.
Hiện nay, một số doanh nghiệp lớn trong ngành năng lượng và tài chính đã được sử dụng sâu. Dựa trên nền tảng AI, doanh nghiệp không chỉ có thể nhanh chóng xây dựng các mô hình, ứng dụng AI đáp ứng nhu cầu kinh doanh mà còn giám sát và tối ưu hiệu quả hiệu suất mô hình. Ngoài ra, việc quản lý và điều phối các tài nguyên như dữ liệu, sức mạnh tính toán, con người và quy trình sẽ thuận tiện và hiệu quả hơn.
Ví dụ, trong ngành điện, nền tảng AI đám mây thông minh của Baidu đang giúp các nhóm lớn giải quyết các điểm đau kinh doanh. Một mặt, mô hình và dữ liệu có thể được chia sẻ giữa các công ty con khác nhau để tránh phát minh lại bánh xe. Đồng thời, một số mô hình liên quan đến sản xuất an toàn hiện có sử dụng sản phẩm này, có thể được phân phối trực tiếp đến mạng lưới tỉnh hoặc thành phố bởi State Grid, có thể sử dụng hiệu quả tài nguyên AI và có chất lượng nhất quán. Ngoài ra, nền tảng AI cũng có thể giúp các doanh nghiệp đổi mới, chẳng hạn như phát triển một thuật toán mới để điều độ điện, sử dụng khung học tăng cường của Baidu, có thể thực hiện hiệu chuẩn tự động các thông số lập lịch trình mà không cần kinh nghiệm thủ công của một số lượng lớn các chuyên gia.
Trong ngành tài chính, giải pháp nền tảng AI của Baidu Intelligent Cloud cũng đã giúp nhiều tổ chức tài chính xây dựng các mô-đun quản lý rủi ro mô hình lớn để đảm bảo tuân thủ quy trình và bảo mật đáng tin cậy khi AI được áp dụng vào các tình huống tài chính.
**02 Thời đại của các mô hình lớn, cách may **
Kể từ đầu năm nay, làn sóng các mô hình lớn và AI tạo ra đã thúc đẩy ứng dụng AI chuyên sâu hơn nữa trong ngành và các nền tảng học máy cũng đang mở ra những cơ hội phát triển mới.
Theo các nguồn tin cấp cao, sau sự xuất hiện của các mô hình ngôn ngữ lớn, những thay đổi trong nền tảng học máy được phản ánh ở ba cấp độ. Thay đổi điển hình nhất là ở giao diện vận hành, giao diện vận hành phức tạp trước NLP đã trở nên đơn giản hơn, và ngưỡng ứng dụng ngôn ngữ AI của doanh nghiệp ngày càng hạ thấp. Đồng thời, khả năng tự động hóa của mô hình được cải thiện và các tác vụ như xử lý dữ liệu, lựa chọn mô hình và tạo báo cáo tự động có thể được tự động hóa. Ngoài ra, không gian cho các ứng dụng sáng tạo gốc AI cũng đã mở ra.
Trong bối cảnh này, nhiều công ty đã lấy mô hình lớn làm điều bắt buộc để trả lời câu hỏi và các nhà sản xuất nền tảng khác nhau cũng đang chuẩn bị tung ra các sản phẩm và nền tảng khác nhau để đẩy nhanh việc áp dụng công nghệ mô hình lớn. Lấy Baidu làm ví dụ, vào tháng 3 năm nay, họ đã ra mắt nền tảng mô hình lớn Baidu Intelligent Cloud Qianfan, tích hợp sâu các khả năng chính của phát triển và ứng dụng mô hình lớn với nền tảng AI để tạo ra một "siêu nhà máy" cho các dịch vụ mô hình lớn.
Để tạo điều kiện cho các doanh nghiệp dễ dàng sử dụng và phát triển các ứng dụng mô hình lớn, Baidu Qianfan hiện không chỉ cung cấp mô hình lớn Wenxin tự phát triển của Baidu và mô hình lớn của bên thứ ba, mà còn cung cấp nhiều công cụ phát triển AI và một bộ môi trường phát triển hoàn chỉnh để giúp ngành công nghiệp AI tạo ra trong các ngành công nghiệp khác nhau hạ cánh.
Cụ thể, Baidu tóm tắt nhu cầu của ngành đối với các mô hình lớn thành năm loại, cho dù đó là khách hàng chỉ cần sức mạnh tính toán hay doanh nghiệp muốn gọi trực tiếp API mô hình lớn hoặc phát triển thứ cấp dựa trên mô hình lớn hiện có và công ty muốn phát triển các ứng dụng gốc AI dựa trên mô hình lớn hoặc trực tiếp sử dụng ứng dụng đã phát triển, nền tảng Baidu Qianfan có thể cung cấp các dịch vụ mục tiêu.
Đối với các doanh nghiệp chỉ cần sức mạnh tính toán, nền tảng Baidu Qianfan có thể cung cấp các dịch vụ năng lượng tính toán không đồng nhất hiệu quả cao và tiết kiệm chi phí. Jin Wei tiết lộ rằng để làm được điều này, đội ngũ kỹ thuật của nền tảng AI đám mây thông minh của Baidu đã dành vài năm để thực hiện rất nhiều công việc bẩn thỉu. Ví dụ, nó tương thích với các chip AI chính thống trong và ngoài nước, và cần được điều chỉnh từ bốn cấp độ: lớp khung, thuật toán cốt lõi và mạng, mô hình chip và hệ điều hành. "PyTorch khác với TensorFlow, và hệ điều hành là Windows, Linux hoặc vi điều khiển, và công việc phải làm cũng khác nhau. ** Sự kết hợp bốn lớp đã thực hiện 40.000 điều chỉnh để đảm bảo hoạt động trơn tru của các mô hình khác nhau. **", Jin Wei nói.
Hiện tại, nền tảng mô hình lớn Qianfan không chỉ được kết nối với mô hình lớn Wenxin 4.0 mà còn quản lý 44 mô hình lớn chính thống của bên thứ ba trong và ngoài nước, đây là số lượng lớn nhất trong số các nền tảng trong nước.
**Một số doanh nghiệp muốn phát triển lại các mô hình lớn hiện có, đòi hỏi một chuỗi công cụ phong phú và số lượng lớn các bộ dữ liệu. **Nền tảng Qianfan hiện có một chuỗi công cụ hoàn chỉnh và một số lượng lớn các bộ dữ liệu chất lượng cao bao gồm toàn bộ vòng đời của đào tạo lại, tinh chỉnh, đánh giá và triển khai mô hình lớn, có thể nhanh chóng tối ưu hóa hiệu ứng mô hình theo kịch bản và cải thiện hơn nữa trải nghiệm người dùng của các mô hình lớn của doanh nghiệp.
Các mô hình lớn mang lại những thay đổi mới cho quá trình chú thích dữ liệu và nhiều tác vụ chú thích có thể được hoàn thành thông qua mô hình. Hiện tại, nền tảng Qianfan hỗ trợ sắp xếp lại dữ liệu kinh doanh và chú thích dữ liệu tự động hóa cao. Ví dụ, trong kịch bản phát hiện đối tượng, Qianfan trực tiếp cung cấp khả năng đào tạo trước, bằng cách nhấp vào nút để gắn nhãn một phần nhỏ và để mô hình học kiểu chú thích của con người để tự động chú thích, có thể tiết kiệm 70% ~ 90% nhân lực cho doanh nghiệp.
Cũng có nhiều công ty muốn phát triển các ứng dụng gốc AI dựa trên các mô hình lớn. Vào giữa tháng này, Baidu Intelligent Cloud đã phát hành "Bàn làm việc phát triển ứng dụng gốc Qianfan AI", bao gồm các thành phần ứng dụng phổ biến và các dịch vụ hai lớp khung ứng dụng để phát triển ứng dụng mô hình quy mô lớn, nhằm phát triển nhu cầu ứng dụng gốc AI.
Lấy các thành phần ứng dụng làm ví dụ, nền tảng Qianfan bao gồm nhiều loại khả năng khác nhau, chẳng hạn như các thành phần mô hình ngôn ngữ lớn như Hỏi &Đáp và chuỗi suy nghĩ, các thành phần đa phương thức như sơ đồ Wensheng và nhận dạng giọng nói, cũng như các khả năng dịch vụ đám mây truyền thống như cơ sở dữ liệu vector và lưu trữ đối tượng.
Khung ứng dụng có thể kết nối hữu cơ các thành phần để hoàn thành nhiệm vụ hoàn chỉnh của một kịch bản cụ thể. Nền tảng Qianfan đã cung cấp các dịch vụ khung thường được sử dụng như Retrieval Enhanced Generation (RAG) và Agent trên thị trường, và các doanh nghiệp tiên phong như Sany Heavy Industry đã áp dụng các khung này để nhanh chóng phát triển các ứng dụng Hỏi & Đáp kiến thức của riêng họ.
** Kỹ thuật là một lĩnh vực mới ra đời sau sự xuất hiện của các mô hình lớn **. Điều này liên quan đến bản chất của mô hình lớn và thay đổi hướng dẫn một chút có thể tạo ra sự khác biệt lớn trong đầu ra hoặc hành vi của nó. Hiện nay, các nhà sản xuất khác nhau đang nhấn mạnh các công cụ kỹ thuật. Nền tảng Baidu Qianfan cũng cung cấp hơn 10 kịch bản bao gồm đối thoại, lập trình, thương mại điện tử, chăm sóc y tế, trò chơi, dịch thuật, lời nói, v.v., với tổng số 226 mẫu. Theo báo cáo, đây là số lượng thư viện mẫu lớn nhất trong nền tảng chính thống ở Trung Quốc. Các nhà phát triển và doanh nghiệp cũng có thể sử dụng các công cụ tự động hóa và hàng loạt khác nhau do nền tảng cung cấp để hoàn thành quy trình một cách hiệu quả.
Jin Wei tin rằng trong vài tháng qua, nền tảng mô hình lớn Qianfan đám mây thông minh của Baidu đã đặt nền móng vững chắc và sẵn sàng cho cuộc chiến 100 mô hình và giúp các doanh nghiệp ứng dụng AI trên quy mô lớn.
**03 Nền tảng AI, điểm dừng tiếp theo là gì? **
AI không chỉ dành cho các doanh nghiệp lớn. Hiện tại, các nhà sản xuất nền tảng học máy đang coi trọng phạm vi bao phủ toàn diện của các doanh nghiệp lớn, khách hàng vừa và nhỏ và thị trường nhà phát triển, và các giải pháp nền tảng AI của Baidu Intelligent Cloud cũng phục vụ các nhóm khác nhau một cách có mục tiêu.
Jin Wei nói với Digital Intelligence Frontier rằng giải pháp nền tảng AI của Baidu là một thuật ngữ chung cho một số sản phẩm, bao gồm các sản phẩm như nền tảng phát triển AI đầy đủ tính năng BML, nền tảng phát triển AI không ngưỡng EasyDL và nền tảng mô hình lớn Baidu Intelligent Cloud Qianfan. Đối với các lĩnh vực khác nhau hoặc sở thích khách hàng khác nhau, nền tảng AI có khả năng thích ứng sản phẩm tương ứng. Ví dụ, khả năng xử lý dữ liệu được đóng gói vào sản phẩm EasyData và khả năng mô hình hóa không mã cũng được trích xuất để tạo ra sản phẩm EasyDL, có thể giúp người dùng hoàn thành mô hình không mã với các mô hình được đào tạo trước hiệu suất cao và khả năng của các mô hình lớn được thực hiện bởi nền tảng Qianfan đám mây thông minh của Baidu.
Trên đám mây công cộng, phần lớn khách hàng là các doanh nghiệp vừa và nhỏ, và các mô-đun của nền tảng AI được tháo rời và kết hợp lại, với nền tảng phát triển AI đầy đủ tính năng BML và các sản phẩm EasyDL là đại diện chính để đáp ứng nhu cầu. Để đáp ứng nhu cầu triển khai cổ phần hóa của các khách hàng lớn, các sản phẩm đa dạng sẽ được đóng gói thành các sản phẩm siêu lớn để hoàn thành việc giao hàng.
Theo báo cáo của Forrester, khả năng sản phẩm của nền tảng AI đám mây thông minh của Baidu đã hoạt động tốt trong năm lĩnh vực chính: xử lý dữ liệu, đào tạo mô hình, lý luận dự đoán, ứng dụng và kiến trúc.
Jin Wei đã giới thiệu những khả năng và lợi thế độc đáo trong các lĩnh vực khác nhau. Lấy kỹ thuật tính năng trong lĩnh vực dữ liệu làm ví dụ, Jin Wei giới thiệu rằng nền tảng AI của Baidu tích hợp khả năng quản lý thư viện tính năng rất tuyệt vời và khả năng của nó đã đạt đến cấp độ chuyên nghiệp. Nó có thể cung cấp các chức năng như bổ sung tính năng, xóa, sửa đổi và truy vấn, sản xuất tính năng, chia sẻ, quản lý phiên bản, xác minh dữ liệu, v.v., hỗ trợ các dạng dữ liệu khác nhau trong luồng phê duyệt cho các dịch vụ dự đoán và đảm bảo rằng các tính năng được sử dụng trong đào tạo mô hình phù hợp với các tính năng trong dự đoán cuối cùng. "Nếu sự phân bố tính năng là 50% nam và 50% nữ trong quá trình đào tạo, và 60% nam và 40% nữ được dự đoán, thì bạn không thể mong đợi mô hình đặc biệt chính xác", Jin Wei nói, điều này rất quan trọng đối với độ chính xác của mô hình.
Ví dụ, trong lĩnh vực đào tạo mô hình, nền tảng AI của Baidu có thể hỗ trợ mô hình hóa và đào tạo các loại dữ liệu khác nhau bao gồm hình ảnh, video, văn bản, giọng nói và dữ liệu có cấu trúc. Về mặt mô hình hóa, hỗ trợ công cụ NoteBook được cung cấp cho những người sẵn sàng viết mã và những người không thích viết mã có thể kéo và thả hoặc thậm chí nhấp vào nút một cửa tích hợp để lập mô hình. Đối với một số lượng lớn các kịch bản, chẳng hạn như phân loại hình ảnh, đa nhãn đơn, phát hiện đối tượng và các kịch bản CV khác, nhóm thuật toán Paddle đã thực hiện tối ưu hóa chuyên sâu dựa trên người vận hành mái chèo, và hiệu suất và hiệu quả sẽ tốt hơn.
Những lợi thế độc đáo của hiệu suất sản phẩm không thể tách rời khỏi đầu tư kỹ thuật dài hạn và chú ý đến các xu hướng công nghệ mới. Theo nhóm R &D của nền tảng AI của Baidu, họ rất quan tâm đến các xu hướng công nghệ mới, chẳng hạn như ba năm trước, ngành công nghiệp đã thảo luận về vấn đề khả năng diễn giải mô hình và nếu bạn không biết mô hình đưa ra quyết định như thế nào, nó sẽ ảnh hưởng đến việc sử dụng mô hình trong các tình huống có yêu cầu tuân thủ bảo mật cao. Nói chung, các mô hình học sâu có thông số lớn hơn nhiều so với các mô hình học máy truyền thống và vấn đề hộp đen sẽ nghiêm trọng hơn.
Sau một thời gian dài chuẩn bị, nhóm nền tảng AI của Baidu cuối cùng đã vượt qua thuật toán giải thích mô hình trong lĩnh vực học máy thông thường, tích hợp các nguyên tắc hộp trắng của năm máy học phổ biến và cũng khắc phục một số vấn đề về khả năng diễn giải học sâu. "Tìm ra khi nào một mô hình đưa ra quyết định, cho dù đó là dựa trên dữ liệu hay do thuật toán gây ra, có thể được quy cho và những kết quả này thúc đẩy việc áp dụng các sản phẩm liên quan đến nền tảng AI trong các tình huống đặc biệt của ngành như ra quyết định tài chính." Kim Vĩ giới thiệu.
Hiện tại, ngành công nghiệp chia mô hình phát triển của các mô hình lớn thành năm lớp, bản thân mô hình lớn, kỹ thuật, chuỗi công cụ chuỗi và chuỗi hành động, cơ quan và đa cơ quan. Trọng tâm chính của nền tảng Qianfan đám mây thông minh của Baidu đã rất vững chắc trong các lớp thứ nhất và thứ hai, và ba lớp cuối cùng, bao gồm chuỗi công cụ, khả năng đại lý và đa cơ quan, cũng đang trong giai đoạn xây dựng chính. Jin Wei giới thiệu rằng nền tảng mô hình lớn Qianfan sẽ tiếp tục được cải tiến và nâng cấp, để mô hình lớn có thể độc lập phát huy tính chủ quan của mình và có khả năng giải quyết các vấn đề phức tạp. Đồng thời, kế hoạch ra biển không bị loại trừ trong tương lai**.
Nhìn chung, dưới sự xây dựng thông minh của doanh nghiệp, việc ứng dụng AI của doanh nghiệp được nâng cấp sâu, cạnh tranh trong lĩnh vực nền tảng AI ngày càng trở nên khốc liệt. Để luôn đi trước và đáp ứng những thách thức dài hạn của việc thay đổi sự tuân thủ và độ phức tạp kỹ thuật, các nhà sản xuất cũng sẽ cần đầu tư vào công nghệ. Jin Wei tin rằng các nhà sản xuất cần tuân thủ đổi mới công nghệ và cải thiện sự hài lòng, an toàn và tuân thủ của khách hàng để thích ứng với thị trường thay đổi này.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
100 cuộc chiến mô hình, không chiến đấu cho một nền tảng duy nhất
Nguồn gốc: Digital Intelligence Frontline
Tác giả: Xu Xin
Sự chuyển đổi thông minh của ngành công nghiệp đã bước vào khu vực nước sâu và các điểm nhu cầu của các doanh nghiệp về khả năng AI đang thay đổi.
Ngày càng có nhiều doanh nghiệp lớn đang nhìn xa hơn một ứng dụng thông minh duy nhất. Trong các ngành công nghiệp như điện và tài chính, các doanh nghiệp lớn đang tập trung vào toàn bộ quá trình sản xuất, ứng dụng và quản lý khả năng AI, đồng thời đưa ra các yêu cầu đối với nền tảng học tập AI và công cụ năng suất nền tảng của nhà sản xuất, để giải quyết một loạt các điểm đau như khan hiếm tài năng, khan hiếm dữ liệu, khó khăn trong quản lý và tỷ lệ tái sử dụng tài nguyên thấp.
Sau sự xuất hiện của sự bùng nổ mô hình lớn, trọng tâm của cạnh tranh nền tảng đã chuyển sang phát triển và ứng dụng các mô hình lớn và các nhà sản xuất đang tích cực kết hợp các giải pháp nền tảng AI trước đây với các mô hình lớn. Trong cuộc cạnh tranh nền tảng, lợi thế của một số công ty đã được nêu bật. Forrester, một cơ quan phân tích quốc tế, gần đây đã phát hành một báo cáo cho thấy trong cuộc cạnh tranh của các nền tảng trí tuệ nhân tạo / máy học của Trung Quốc, Baidu Intelligent Cloud hoạt động tốt và các nền tảng AI tham gia lựa chọn đã nhận được điểm số cao nhất trong 6 hạng mục như dữ liệu, lý luận và ứng dụng ** 15 danh mục phụ **, xếp hạng trong góc phần tư dẫn đầu **.
Nền tảng AI đang giúp doanh nghiệp nhanh chóng xây dựng các mô hình, ứng dụng AI đáp ứng nhu cầu kinh doanh, đồng thời giám sát và tối ưu hiệu quả hiệu suất của các mô hình.
Tình trạng xây dựng 100 mô hình cho 100 cảnh đã là quá khứ.
**01 Sử dụng sâu AI , những rắc rối của những khẩu súng cũ **
** Ngành công nghiệp đang bước vào giai đoạn ứng dụng AI chuyên sâu và AI không còn nằm ngoài tầm với. Tuy nhiên, ngày càng có nhiều doanh nghiệp nhận thấy rằng với sự ngày càng sâu sắc của các ứng dụng, người dùng cao cấp trong lĩnh vực trí tuệ doanh nghiệp đang gặp phải những vấn đề mới.
Lấy ngành năng lượng làm ví dụ, các công ty điện lực lớn đã sử dụng các mô hình AI cho nhiều tình huống như kiểm tra mạch. Thông thường, các nhu cầu liên quan của các doanh nghiệp như vậy hầu hết được mua độc lập bởi các phòng ban hoặc chi nhánh khác nhau. Khi số lượng ứng dụng AI tăng lên, số lượng mô hình cũng tăng theo. Quản lý một số lượng lớn các mô hình và giữ cho chúng hoạt động ổn định và hiệu quả đang trở thành một thách thức.
Nhiều doanh nghiệp lớn cũng gặp vấn đề tương tự. Một cựu chiến binh nói với Digital Intelligence Frontline rằng cá nhân ông đã thấy rằng bộ phận A trong doanh nghiệp đặt 5 người để làm thuật toán A, và bộ phận B cũng đưa một vài người vào nhóm B để thực hiện các thuật toán, điều này gây khó khăn cho việc thực hiện giám sát, tối ưu hóa, cập nhật và bảo trì thống nhất từ cấp công ty và tỷ lệ tái sử dụng tài nguyên AI tổng thể trong doanh nghiệp là rất thấp.
Một số doanh nghiệp hoặc tổ chức đã áp dụng công nghệ AI để phát hành thẻ tín dụng, phê duyệt tính đủ điều kiện và xác định gian lận để đạt được kiểm soát rủi ro AI và tiếp thị chính xác. Nhưng sự nhấn mạnh của ngành tài chính về bảo mật và tuân thủ cũng đang mở rộng sang việc áp dụng AI. Ví dụ, đội ngũ kỹ thuật trong ngân hàng rất coi trọng các yếu tố tuân thủ và khi tạo ra một mô hình mới, người chịu trách nhiệm ủy quyền và phê duyệt xây dựng, người xử lý việc phê duyệt đọc dữ liệu và viết dữ liệu, sản xuất mô hình, đào tạo, hạ cánh và khởi chạy cũng được đảm bảo bởi các lớp quy trình. Loại nhu cầu này rõ ràng không phải là xây dựng ứng dụng thông minh truyền thống.
Một nhân viên giải pháp công nghiệp cao cấp từ một nhà cung cấp đám mây nói với Digital Intelligence Frontier rằng một số doanh nghiệp nhà nước trung ương lớn rõ ràng hy vọng sẽ xây dựng một trung tâm thông minh của doanh nghiệp và trau dồi khả năng AI của riêng họ, để bộ phận kỹ thuật số của doanh nghiệp có thể phát triển các thuật toán của riêng mình cho các kịch bản mới và tạo ra các ứng dụng mới.
Xu hướng này cũng được quan sát thấy trong ngành. Jin Wei, kiến trúc sư cấp cao của nền tảng AI đám mây thông minh của Baidu, nói với tuyến đầu về trí tuệ kỹ thuật số rằng điều này phản ánh rằng các ứng dụng AI đang hướng tới một khu vực nước sâu và sự chuyển đổi có hệ thống của các doanh nghiệp ngày càng trở nên nổi bật. Doanh nghiệp không chỉ cần có tầm nhìn, hoạch định mục tiêu mà cần có cơ chế phối hợp, giám sát thúc đẩy mạnh mẽ, có công cụ hoàn chỉnh để đảm bảo triển khai suôn sẻ. Nền tảng AI là một công cụ năng suất cho sự chuyển đổi thông minh của các doanh nghiệp.
Ngành công nghiệp đã nhận ra tầm quan trọng của sản phẩm nền tảng này. Forrester, một công ty phân tích quốc tế, gần đây đã công bố báo cáo "Forrester WaveTM: Đánh giá các nhà cung cấp nền tảng AI/ML tại thị trường Trung Quốc, Q42023", chỉ ra rằng những người ra quyết định doanh nghiệp của Trung Quốc đang ưu tiên hơn nữa việc áp dụng công nghệ AI để thúc đẩy cải thiện năng suất và đổi mới kinh doanh. Trong quá trình này, các doanh nghiệp cần các sản phẩm nền tảng AI có thể hỗ trợ các trường hợp sử dụng phức tạp trong môi trường kinh doanh tương ứng của họ.
Các xu hướng mới cũng đang đòi hỏi khả năng của các nhà cung cấp nền tảng học máy. Theo Forrester, các nền tảng hàng đầu ** cần cung cấp các công cụ toàn diện về quản lý dữ liệu, đào tạo mô hình và xây dựng ứng dụng AI; Nó cũng nên được điều chỉnh cho phù hợp với các kịch bản ngành để giúp một số doanh nghiệp thiếu tài năng AI và các nhà khoa học dữ liệu có được khả năng AI dựa trên nhu cầu kinh doanh của chính họ **; Ngoài ra, các công cụ, công nghệ và thực tiễn có thể giúp doanh nghiệp phát triển và triển khai các mô hình ở quy mô lớn.
Forrester đã đánh giá 14 nhà cung cấp nền tảng học máy chính thống ở Trung Quốc trên 25 tiêu chí phụ từ ba chiều: năng lực sản phẩm, bố cục chiến lược và hiệu suất thị trường. Theo dữ liệu, Baidu Intelligent Cloud hiện được đánh giá là đơn vị dẫn đầu báo cáo, và đã giành vị trí đầu tiên trong 9 điểm phụ như dữ liệu, đào tạo, lý luận dự đoán và ứng dụng.
Jin Wei giới thiệu rằng khả năng sản phẩm hàng đầu của Baidu trong nền tảng AI đã trải qua quá trình tích lũy và đánh bóng lâu dài. Mục đích ban đầu của nền tảng AI là tạo ra một phần mềm năng suất cho phép các loại người dùng doanh nghiệp khác nhau xây dựng các ứng dụng AI một cách nhanh chóng và tiết kiệm, đồng thời đạt được nhiều thuật toán, công cụ, hoạt động nhanh và kết quả tốt trên nền tảng, giúp khách hàng tiết kiệm máy chủ và nhân lực.
Hiện nay, một số doanh nghiệp lớn trong ngành năng lượng và tài chính đã được sử dụng sâu. Dựa trên nền tảng AI, doanh nghiệp không chỉ có thể nhanh chóng xây dựng các mô hình, ứng dụng AI đáp ứng nhu cầu kinh doanh mà còn giám sát và tối ưu hiệu quả hiệu suất mô hình. Ngoài ra, việc quản lý và điều phối các tài nguyên như dữ liệu, sức mạnh tính toán, con người và quy trình sẽ thuận tiện và hiệu quả hơn.
Ví dụ, trong ngành điện, nền tảng AI đám mây thông minh của Baidu đang giúp các nhóm lớn giải quyết các điểm đau kinh doanh. Một mặt, mô hình và dữ liệu có thể được chia sẻ giữa các công ty con khác nhau để tránh phát minh lại bánh xe. Đồng thời, một số mô hình liên quan đến sản xuất an toàn hiện có sử dụng sản phẩm này, có thể được phân phối trực tiếp đến mạng lưới tỉnh hoặc thành phố bởi State Grid, có thể sử dụng hiệu quả tài nguyên AI và có chất lượng nhất quán. Ngoài ra, nền tảng AI cũng có thể giúp các doanh nghiệp đổi mới, chẳng hạn như phát triển một thuật toán mới để điều độ điện, sử dụng khung học tăng cường của Baidu, có thể thực hiện hiệu chuẩn tự động các thông số lập lịch trình mà không cần kinh nghiệm thủ công của một số lượng lớn các chuyên gia.
Trong ngành tài chính, giải pháp nền tảng AI của Baidu Intelligent Cloud cũng đã giúp nhiều tổ chức tài chính xây dựng các mô-đun quản lý rủi ro mô hình lớn để đảm bảo tuân thủ quy trình và bảo mật đáng tin cậy khi AI được áp dụng vào các tình huống tài chính.
**02 Thời đại của các mô hình lớn, cách may **
Kể từ đầu năm nay, làn sóng các mô hình lớn và AI tạo ra đã thúc đẩy ứng dụng AI chuyên sâu hơn nữa trong ngành và các nền tảng học máy cũng đang mở ra những cơ hội phát triển mới.
Theo các nguồn tin cấp cao, sau sự xuất hiện của các mô hình ngôn ngữ lớn, những thay đổi trong nền tảng học máy được phản ánh ở ba cấp độ. Thay đổi điển hình nhất là ở giao diện vận hành, giao diện vận hành phức tạp trước NLP đã trở nên đơn giản hơn, và ngưỡng ứng dụng ngôn ngữ AI của doanh nghiệp ngày càng hạ thấp. Đồng thời, khả năng tự động hóa của mô hình được cải thiện và các tác vụ như xử lý dữ liệu, lựa chọn mô hình và tạo báo cáo tự động có thể được tự động hóa. Ngoài ra, không gian cho các ứng dụng sáng tạo gốc AI cũng đã mở ra.
Trong bối cảnh này, nhiều công ty đã lấy mô hình lớn làm điều bắt buộc để trả lời câu hỏi và các nhà sản xuất nền tảng khác nhau cũng đang chuẩn bị tung ra các sản phẩm và nền tảng khác nhau để đẩy nhanh việc áp dụng công nghệ mô hình lớn. Lấy Baidu làm ví dụ, vào tháng 3 năm nay, họ đã ra mắt nền tảng mô hình lớn Baidu Intelligent Cloud Qianfan, tích hợp sâu các khả năng chính của phát triển và ứng dụng mô hình lớn với nền tảng AI để tạo ra một "siêu nhà máy" cho các dịch vụ mô hình lớn.
Cụ thể, Baidu tóm tắt nhu cầu của ngành đối với các mô hình lớn thành năm loại, cho dù đó là khách hàng chỉ cần sức mạnh tính toán hay doanh nghiệp muốn gọi trực tiếp API mô hình lớn hoặc phát triển thứ cấp dựa trên mô hình lớn hiện có và công ty muốn phát triển các ứng dụng gốc AI dựa trên mô hình lớn hoặc trực tiếp sử dụng ứng dụng đã phát triển, nền tảng Baidu Qianfan có thể cung cấp các dịch vụ mục tiêu.
Đối với các doanh nghiệp chỉ cần sức mạnh tính toán, nền tảng Baidu Qianfan có thể cung cấp các dịch vụ năng lượng tính toán không đồng nhất hiệu quả cao và tiết kiệm chi phí. Jin Wei tiết lộ rằng để làm được điều này, đội ngũ kỹ thuật của nền tảng AI đám mây thông minh của Baidu đã dành vài năm để thực hiện rất nhiều công việc bẩn thỉu. Ví dụ, nó tương thích với các chip AI chính thống trong và ngoài nước, và cần được điều chỉnh từ bốn cấp độ: lớp khung, thuật toán cốt lõi và mạng, mô hình chip và hệ điều hành. "PyTorch khác với TensorFlow, và hệ điều hành là Windows, Linux hoặc vi điều khiển, và công việc phải làm cũng khác nhau. ** Sự kết hợp bốn lớp đã thực hiện 40.000 điều chỉnh để đảm bảo hoạt động trơn tru của các mô hình khác nhau. **", Jin Wei nói.
Hiện tại, nền tảng mô hình lớn Qianfan không chỉ được kết nối với mô hình lớn Wenxin 4.0 mà còn quản lý 44 mô hình lớn chính thống của bên thứ ba trong và ngoài nước, đây là số lượng lớn nhất trong số các nền tảng trong nước.
**Một số doanh nghiệp muốn phát triển lại các mô hình lớn hiện có, đòi hỏi một chuỗi công cụ phong phú và số lượng lớn các bộ dữ liệu. **Nền tảng Qianfan hiện có một chuỗi công cụ hoàn chỉnh và một số lượng lớn các bộ dữ liệu chất lượng cao bao gồm toàn bộ vòng đời của đào tạo lại, tinh chỉnh, đánh giá và triển khai mô hình lớn, có thể nhanh chóng tối ưu hóa hiệu ứng mô hình theo kịch bản và cải thiện hơn nữa trải nghiệm người dùng của các mô hình lớn của doanh nghiệp.
Các mô hình lớn mang lại những thay đổi mới cho quá trình chú thích dữ liệu và nhiều tác vụ chú thích có thể được hoàn thành thông qua mô hình. Hiện tại, nền tảng Qianfan hỗ trợ sắp xếp lại dữ liệu kinh doanh và chú thích dữ liệu tự động hóa cao. Ví dụ, trong kịch bản phát hiện đối tượng, Qianfan trực tiếp cung cấp khả năng đào tạo trước, bằng cách nhấp vào nút để gắn nhãn một phần nhỏ và để mô hình học kiểu chú thích của con người để tự động chú thích, có thể tiết kiệm 70% ~ 90% nhân lực cho doanh nghiệp.
Cũng có nhiều công ty muốn phát triển các ứng dụng gốc AI dựa trên các mô hình lớn. Vào giữa tháng này, Baidu Intelligent Cloud đã phát hành "Bàn làm việc phát triển ứng dụng gốc Qianfan AI", bao gồm các thành phần ứng dụng phổ biến và các dịch vụ hai lớp khung ứng dụng để phát triển ứng dụng mô hình quy mô lớn, nhằm phát triển nhu cầu ứng dụng gốc AI.
Khung ứng dụng có thể kết nối hữu cơ các thành phần để hoàn thành nhiệm vụ hoàn chỉnh của một kịch bản cụ thể. Nền tảng Qianfan đã cung cấp các dịch vụ khung thường được sử dụng như Retrieval Enhanced Generation (RAG) và Agent trên thị trường, và các doanh nghiệp tiên phong như Sany Heavy Industry đã áp dụng các khung này để nhanh chóng phát triển các ứng dụng Hỏi & Đáp kiến thức của riêng họ.
** Kỹ thuật là một lĩnh vực mới ra đời sau sự xuất hiện của các mô hình lớn **. Điều này liên quan đến bản chất của mô hình lớn và thay đổi hướng dẫn một chút có thể tạo ra sự khác biệt lớn trong đầu ra hoặc hành vi của nó. Hiện nay, các nhà sản xuất khác nhau đang nhấn mạnh các công cụ kỹ thuật. Nền tảng Baidu Qianfan cũng cung cấp hơn 10 kịch bản bao gồm đối thoại, lập trình, thương mại điện tử, chăm sóc y tế, trò chơi, dịch thuật, lời nói, v.v., với tổng số 226 mẫu. Theo báo cáo, đây là số lượng thư viện mẫu lớn nhất trong nền tảng chính thống ở Trung Quốc. Các nhà phát triển và doanh nghiệp cũng có thể sử dụng các công cụ tự động hóa và hàng loạt khác nhau do nền tảng cung cấp để hoàn thành quy trình một cách hiệu quả.
Jin Wei tin rằng trong vài tháng qua, nền tảng mô hình lớn Qianfan đám mây thông minh của Baidu đã đặt nền móng vững chắc và sẵn sàng cho cuộc chiến 100 mô hình và giúp các doanh nghiệp ứng dụng AI trên quy mô lớn.
**03 Nền tảng AI, điểm dừng tiếp theo là gì? **
AI không chỉ dành cho các doanh nghiệp lớn. Hiện tại, các nhà sản xuất nền tảng học máy đang coi trọng phạm vi bao phủ toàn diện của các doanh nghiệp lớn, khách hàng vừa và nhỏ và thị trường nhà phát triển, và các giải pháp nền tảng AI của Baidu Intelligent Cloud cũng phục vụ các nhóm khác nhau một cách có mục tiêu.
Jin Wei nói với Digital Intelligence Frontier rằng giải pháp nền tảng AI của Baidu là một thuật ngữ chung cho một số sản phẩm, bao gồm các sản phẩm như nền tảng phát triển AI đầy đủ tính năng BML, nền tảng phát triển AI không ngưỡng EasyDL và nền tảng mô hình lớn Baidu Intelligent Cloud Qianfan. Đối với các lĩnh vực khác nhau hoặc sở thích khách hàng khác nhau, nền tảng AI có khả năng thích ứng sản phẩm tương ứng. Ví dụ, khả năng xử lý dữ liệu được đóng gói vào sản phẩm EasyData và khả năng mô hình hóa không mã cũng được trích xuất để tạo ra sản phẩm EasyDL, có thể giúp người dùng hoàn thành mô hình không mã với các mô hình được đào tạo trước hiệu suất cao và khả năng của các mô hình lớn được thực hiện bởi nền tảng Qianfan đám mây thông minh của Baidu.
Trên đám mây công cộng, phần lớn khách hàng là các doanh nghiệp vừa và nhỏ, và các mô-đun của nền tảng AI được tháo rời và kết hợp lại, với nền tảng phát triển AI đầy đủ tính năng BML và các sản phẩm EasyDL là đại diện chính để đáp ứng nhu cầu. Để đáp ứng nhu cầu triển khai cổ phần hóa của các khách hàng lớn, các sản phẩm đa dạng sẽ được đóng gói thành các sản phẩm siêu lớn để hoàn thành việc giao hàng.
Theo báo cáo của Forrester, khả năng sản phẩm của nền tảng AI đám mây thông minh của Baidu đã hoạt động tốt trong năm lĩnh vực chính: xử lý dữ liệu, đào tạo mô hình, lý luận dự đoán, ứng dụng và kiến trúc.
Jin Wei đã giới thiệu những khả năng và lợi thế độc đáo trong các lĩnh vực khác nhau. Lấy kỹ thuật tính năng trong lĩnh vực dữ liệu làm ví dụ, Jin Wei giới thiệu rằng nền tảng AI của Baidu tích hợp khả năng quản lý thư viện tính năng rất tuyệt vời và khả năng của nó đã đạt đến cấp độ chuyên nghiệp. Nó có thể cung cấp các chức năng như bổ sung tính năng, xóa, sửa đổi và truy vấn, sản xuất tính năng, chia sẻ, quản lý phiên bản, xác minh dữ liệu, v.v., hỗ trợ các dạng dữ liệu khác nhau trong luồng phê duyệt cho các dịch vụ dự đoán và đảm bảo rằng các tính năng được sử dụng trong đào tạo mô hình phù hợp với các tính năng trong dự đoán cuối cùng. "Nếu sự phân bố tính năng là 50% nam và 50% nữ trong quá trình đào tạo, và 60% nam và 40% nữ được dự đoán, thì bạn không thể mong đợi mô hình đặc biệt chính xác", Jin Wei nói, điều này rất quan trọng đối với độ chính xác của mô hình.
Ví dụ, trong lĩnh vực đào tạo mô hình, nền tảng AI của Baidu có thể hỗ trợ mô hình hóa và đào tạo các loại dữ liệu khác nhau bao gồm hình ảnh, video, văn bản, giọng nói và dữ liệu có cấu trúc. Về mặt mô hình hóa, hỗ trợ công cụ NoteBook được cung cấp cho những người sẵn sàng viết mã và những người không thích viết mã có thể kéo và thả hoặc thậm chí nhấp vào nút một cửa tích hợp để lập mô hình. Đối với một số lượng lớn các kịch bản, chẳng hạn như phân loại hình ảnh, đa nhãn đơn, phát hiện đối tượng và các kịch bản CV khác, nhóm thuật toán Paddle đã thực hiện tối ưu hóa chuyên sâu dựa trên người vận hành mái chèo, và hiệu suất và hiệu quả sẽ tốt hơn.
Những lợi thế độc đáo của hiệu suất sản phẩm không thể tách rời khỏi đầu tư kỹ thuật dài hạn và chú ý đến các xu hướng công nghệ mới. Theo nhóm R &D của nền tảng AI của Baidu, họ rất quan tâm đến các xu hướng công nghệ mới, chẳng hạn như ba năm trước, ngành công nghiệp đã thảo luận về vấn đề khả năng diễn giải mô hình và nếu bạn không biết mô hình đưa ra quyết định như thế nào, nó sẽ ảnh hưởng đến việc sử dụng mô hình trong các tình huống có yêu cầu tuân thủ bảo mật cao. Nói chung, các mô hình học sâu có thông số lớn hơn nhiều so với các mô hình học máy truyền thống và vấn đề hộp đen sẽ nghiêm trọng hơn.
Sau một thời gian dài chuẩn bị, nhóm nền tảng AI của Baidu cuối cùng đã vượt qua thuật toán giải thích mô hình trong lĩnh vực học máy thông thường, tích hợp các nguyên tắc hộp trắng của năm máy học phổ biến và cũng khắc phục một số vấn đề về khả năng diễn giải học sâu. "Tìm ra khi nào một mô hình đưa ra quyết định, cho dù đó là dựa trên dữ liệu hay do thuật toán gây ra, có thể được quy cho và những kết quả này thúc đẩy việc áp dụng các sản phẩm liên quan đến nền tảng AI trong các tình huống đặc biệt của ngành như ra quyết định tài chính." Kim Vĩ giới thiệu.
Hiện tại, ngành công nghiệp chia mô hình phát triển của các mô hình lớn thành năm lớp, bản thân mô hình lớn, kỹ thuật, chuỗi công cụ chuỗi và chuỗi hành động, cơ quan và đa cơ quan. Trọng tâm chính của nền tảng Qianfan đám mây thông minh của Baidu đã rất vững chắc trong các lớp thứ nhất và thứ hai, và ba lớp cuối cùng, bao gồm chuỗi công cụ, khả năng đại lý và đa cơ quan, cũng đang trong giai đoạn xây dựng chính. Jin Wei giới thiệu rằng nền tảng mô hình lớn Qianfan sẽ tiếp tục được cải tiến và nâng cấp, để mô hình lớn có thể độc lập phát huy tính chủ quan của mình và có khả năng giải quyết các vấn đề phức tạp. Đồng thời, kế hoạch ra biển không bị loại trừ trong tương lai**.
Nhìn chung, dưới sự xây dựng thông minh của doanh nghiệp, việc ứng dụng AI của doanh nghiệp được nâng cấp sâu, cạnh tranh trong lĩnh vực nền tảng AI ngày càng trở nên khốc liệt. Để luôn đi trước và đáp ứng những thách thức dài hạn của việc thay đổi sự tuân thủ và độ phức tạp kỹ thuật, các nhà sản xuất cũng sẽ cần đầu tư vào công nghệ. Jin Wei tin rằng các nhà sản xuất cần tuân thủ đổi mới công nghệ và cải thiện sự hài lòng, an toàn và tuân thủ của khách hàng để thích ứng với thị trường thay đổi này.