Peluang AI bernilai bilion dolar seterusnya mungkin bukan datang daripada guna lebih banyak AI.✎ Edit

👁 196 tontonan
Peluang AI bernilai bilion dolar seterusnya mungkin bukan datang daripada guna lebih banyak AI.


Mungkin ia datang daripada menggunakan AI dengan lebih sedikit, tetapi lebih bijak.

Perbezaan ini makin penting apabila syarikat beralih daripada eksperimen AI ke produksi. Dalam operasi e-commerce di AINNA, matlamatnya bukan untuk membuat setiap langkah aliran kerja bergantung pada model. Matlamatnya ialah membina sistem yang menggunakan AI di tempat yang memberi nilai paling tinggi, dan perisian deterministik untuk semua kerja lain.

Prinsip saya mudah:

Guna AI secara agresif untuk membina sistem, automasi dan logik. Setelah sistem matang, biarkan perisian deterministik menguruskan kerja berulang 24/7. Panggil AI semula hanya apabila benar-benar memerlukan penaakulan.

Saya lihat sendiri peralihan ini semasa mengurus marketplace, SKU dan aliran pesanan. Penggunaan token pasukan kami turun daripada kira-kira 32 bilion token semasa pembangunan kepada sekitar 3 bilion token sebulan selepas sistem teras mula beroperasi.

Ini bukan sekadar peningkatan kecekapan. Ia mengubah ekonomi AI.

Kurang compute.
Kos operasi lebih rendah.
Skalabiliti lebih tinggi.
Margin lebih kukuh.
Infrastruktur lebih mampan.

Prinsipnya jelas:

Guna AI untuk membina mesin. Kemudian biarkan mesin itu membuat kerja.

Syarikat yang belajar menskalakan kecerdasan tanpa menskalakan compute pada kadar yang sama boleh membina kelebihan daya saing yang besar. Lama-kelamaan, kelebihan itu boleh diterjemahkan kepada nilai perusahaan dan pelaburan bernilai bilion dolar pada masa depan.

Masa depan AI tidak akan ditentukan hanya oleh model yang lebih besar atau lebih banyak token.

Ia akan ditentukan oleh seni bina yang lebih baik, dan dengan tahu bila tidak perlu menggunakan AI sama sekali.

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. Email diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Julin Kadazan, Malaysia

Masih fikir tentang 24.

Ginsang Kadazan, Malaysia

You can tell the writer actually worked on matlamatnya ialah membina sistem yang.

Dimas Indonesia

The framing around automasi dan logik is better than I expected.

Ayu Indonesia

First piece I have read that treats menguruskan kerja berulang 24 honestly.

Narin Thailand

Sent this to two people already. matlamatnya bukan untuk membuat setiap is why.

Artificial Intelligence

Article image
BioResearch Kecerdasan penyelidikan mikrobiologi dan penyakit kanser 6 inputs → traceable research priorities Terokai →
SmartCity Infrastruktur dan operasi bandar pintar berkuasa AI 24 domains → one intelligent operating layer Terokai →
IC DesignOps Kebolehulangan, kebolehkesanan dan kecerdasan pengesahan 21 detached services → 85% without LLM Terokai →
Robotics Robotik yang ditadbir di pinggir industri Perception → safety gateway → controller Terokai →
Ekosistem AINNA

Teruskan meneroka selepas artikel ini.

Setiap halaman artikel hendaklah diakhiri dengan laluan yang jelas ke dalam ekosistem wIDer AINNA, Ejen dan NeuralOps.

Semasa topic Artificial Intelligence Author profile Haiqal AINNA Main ecosystem hab Agent Pusat ejen autonomi persendirian NeuralOps Automasi kecerdasan buatan dan sistem perniagaan Lead form Mula a pilot discussion
AINNA Agent AI

Laksanakan Ejen AI AINNA Kami

Linux ialah laluan teras, Windows disokong, dan AndroID / TeRMux berfungsi sebagai lapisan pendamping.

14 downloads
Linux / macOS curl -fsSL https://neuralops.bond/install | bash
Verify ainna --version
AINNA
KLIK SAYA

Seksyen Laman

Tiada data seksyen tersedia buat masa ini.

Laman dengan seksyen terdokumen akan dipaparkan di sini.