Perlumbaan AI Sebenar dalam Logistik Mungkin Bukan Tentang Model Lebih Besar, Mungkin Tentang Kecerdasan Lebih Murah✎ Edit

👁 370 tontonan
Perlumbaan AI Sebenar dalam Logistik Mungkin Bukan Tentang Model Lebih Besar, Mungkin Tentang Kecerdasan Lebih Murah

Perlumbaan AI Sebenar dalam Logistik Mungkin Bukan Tentang Model Lebih Besar  Mungkin Tentang Kecerdasan Lebih Murah

Di AINNA, apabila saya lihat perbandingan ini, bahagian yang menarik bukan sekadar nama model.

Cerita yang lebih besar ialah keluk kos.

Dalam susunan ini, harga turun daripada kira-kira $0.20/M input dan $1.20/M output kepada $0.10/M input dan $0.50/M output, sambil mengekalkan tetingkap konteks dan keupayaan alat yang sama seperti dinyatakan.

Jika trend ini berterusan, ia mengubah ekonomi pembinaan sistem AI untuk operasi logistik di AINNA dan industri.

Bagi saya, ini satu lagi alasan kuat untuk bulk-distill LLM tempatan  dan mungkin SLM juga.

Daripada terus bergantung pada inference luaran yang mahal untuk kerja harian, kita boleh menggunakan model yang semakin dioptimumkan sebagai guru untuk menjana data latihan, memperhalusi workflow, membina corak penaakulan khusus domain, dan menambah baik model tempatan kita secara berterusan.

Matlamatnya bukan semestinya membina model terbesar.

Matlamatnya ialah membina model yang cukup optimum untuk kerja sebenar di lapangan.

Dalam konteks logistik dan perniagaan, ini bermakna model lebih kecil boleh mengendalikan perakaunan, inventori, operasi gudang, perkhidmatan pelanggan, kawalan mesin, pemprosesan dokumen seperti DO, invoice dan ePOD, atau automasi dalaman, manakala model luaran yang lebih besar hanya digunakan apabila benar-benar perlu.

Saya harap trend harga ini berterusan.

Sekurang-kurangnya sehingga LLM tempatan kita cukup matang untuk mengendalikan sebahagian besar beban kerja logistik secara berdikari.

Guna model yang dioptimumkan untuk bina. Distill apa yang penting. Kurangkan kebergantungan dari semasa ke semasa.

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
Arjun India

इस लेख के आँकड़े बाकी लेखों से ज़्यादा तर्कसंगत लगे।

Julin Kadazan, Malaysia

This is where daripada terus bergantung pada inference finally clicks.

Ginsang Kadazan, Malaysia

Cerita yang lebih besar ialah tu bahagian yang saya nak hantar pada boss.

Dimas Indonesia

The framing around matlamatnya bukan semestinya membina model is better than I expected.

Ayu Indonesia

The direction on dan menambah baik model tempatan is exactly right.

Artificial Intelligence

Article image
BioResearch Kecerdasan penyelidikan mikrobiologi dan penyakit kanser 6 inputs → traceable research priorities Terokai →
Edge AI Kecerdasan IoT dan Linux terbenam di pinggir 14 edge agents → offline-capable Terokai →
PKS AI Bina keupayaan kecerdasan buatan dalam perusahaan kecil dan sederhana (PKS) anda sendiri. 6 build tracks → in-house capability Terokai →
NeuralOps Managed infrastructure for PKS, without enterprise overhead From RM499/year · scoped after assessment Explore plans →
AINNA Store

Produk Pilihan

3 produk rawak daripada kedai AINNA, lengkap dengan statistik.

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 Hakim 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.

501 installs
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.