面对这场风暴，公司应如何避免被消除，甚至利用局势破裂？高级研究总监Fang Qi与技术交换，我们提取了五个关键点。
1。重要价值：低成本趋势不容忽视
方齐说，在过去的一段时间里，大型AI模型的研发和实施一直依靠庞大的计算资源和高培训成本，导致只有少数巨人能够享受独家的技术股息。但是，通过其开源策略和有效的计算能力利用，这种瓶颈已成功破坏。这项创新不仅大大降低了AI技术的门槛，而且打破了以前昂贵的AI应用程序商业化的障碍。
他预测，随着技术的持续发展，API的成本预计每年将下降90％，这意味着AI技术将不再是少数资本良好的公司的专利，而更多的小型公司和更多的小型公司也将不再是小型专利。中型企业也将有机会负担得起。可以开发高质量的AI解决方案，从而在产品创新和运营效率方面取得了巨大改进。
但是，方齐还提醒企业：低成本不是零成本。如何在工程实施过程中合理分配计算能力和资源，并确保系统的稳定性和可靠性仍然是一个关键问题。
2。开源和封闭资料之间的辩论：生态建设是一个长期计划
成功不仅体现在成本和绩效优势上，而且其开放模型权重的战略也给市场带来了极大的吸引力。
Fang Qi认为，当前的AI行业正在进入开源浪潮时代。 R1之类的开源模型使全球开发人员和企业可以快速自定义和部署，从而大大促进技术的普及和生态系统的构建。
但是，方齐还指出，当前采用的开源模型仅打开模型权重，但没有打开用于训练模型的数据。更重要的是，如果封闭源模型的性能无法达到开源基准测试水平，则不可避免地会质疑其存在的必要性。
3.认识当前的市场状况：中小型企业仍处于“等待和观看”的边缘
方齐（Fang Qi）介绍，根据最新的CIO问卷，超过90％的受调查公司计划在2025年增加对生成AI的投资，中位投资增长超过40％。
这表明公司对生成AI的热情一直在国内外增长。但是，现实是不同的：大公司已经开始测试水域并促进实验项目，而中国的许多中小型企业仍在待命并看到。
研究数据表明，真正实施生成AI的国内企业的比例仍然低于单位数字。大多数中小型企业都面临着多个挑战，例如“缺乏用例”，“模型功能不足”和“数据不足到AI-Ready”。尽管R1在一定程度上提供了技术突破，但工程，成本控制和业务实施仍然存在相当大的抵抗力。
Fang Qi提醒人们，当面对高期望并不断升级技术要求时，中小型企业应务实地评估其能力和资源分配，并且永远不会盲目遵循这一趋势。企业应专注于可以有效解决业务疼痛点的应用程序方案，并通过试点验证逐渐找到适合自己发展的AI实施道路，以免由于过度期望而陷入技术和资本的双重风险。
4。构建灵活的AI体系结构：实现模型多元化和协作
随着R1的发布，全球AI领域正在迎来多元化模型的新时代。
Fang Qi强调，将来，企业的AI应用不再仅限于依靠单个模型，而应根据特定业务需要灵活地选择和组合不同的AI模型，以形成新的模式”多模型协作”。
他认为，构建灵活且可扩展的AI体系结构特别重要，这不仅意味着建立有效的AI路由和集成系统，而且还不断提高模型在随后的培训和优化中的适应性和准确性。尤其是在边缘计算和局部部署的情况下，“训练后”技术的作用变得越来越突出，成为确保模型长期稳定且高效的操作的重要保证。
5。注意数据治理：探索数据背后的最大价值
无论技术创新如何，高质量的数据一直是AI应用程序的基石。 Fang Qi认为，成功与大量高质量数据和连续算法优化的精确处理是密不可分的。他提醒数据，数据不仅是培训AI模型的原材料，而且是促进公司创新并增强竞争力的核心资产。
在实际实施过程中，企业经常面临一系列挑战，例如数据收集，清洁，标签和管理。为此，方齐（Fang Qi）建议企业增加对数据治理的投资，从数据收集到分类到数据的元标记，他们需要形成一组完整的成熟管理系统。只有确保数据的完整性，准确性和安全性才能企业真正利用数据背后的潜在价值，并在此基础上构建竞争性AI应用程序。
此外，随着AI技术的持续发展，数据质量要求将继续提高。企业不仅需要注意数据量的增长，而且还要注意数据结构和高质量数据的积累。
滚动的风暴仍在继续，随着大型模型从“技术奇迹”重返“商业精华”时，可以预见一场更残酷的淘汰赛。
如何抓住机会并超越曲线？企业将在实施大型模型时面临更多挑战。 （元宁）
本站候鸟号已成立3年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论