Ia mungkin datang daripada menggunakan AI dengan lebih bijak, bukan lebih banyak.
Perbezaan ini semakin penting apabila syarikat beralih daripada eksperimen AI kepada produksi. Matlamatnya bukan menjadikan setiap langkah aliran kerja bergantung pada model. Matlamatnya ialah membina sistem yang menggunakan AI di tempat ia memberi nilai paling tinggi, dan perisian deterministik di semua tempat lain.
Pegangan kami di AINNA mudah:
Gunakan AI secara agresif untuk membina sistem, automasi, dan logik. Setelah sistem matang, biarkan perisian deterministik mengendalikan kerja berulang 24/7. Bawa AI kembali hanya apabila penaakulan sebenar diperlukan.
Saya melihat sendiri peralihan ini. Penggunaan kami menurun 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 pengiraan.
Kos operasi lebih rendah.
Skalabiliti lebih besar.
Margin lebih kukuh.
Infrastruktur lebih mampan.
Prinsipnya mudah:
Gunakan AI untuk membina mesin. Kemudian biarkan mesin itu melakukan kerja.
Syarikat yang belajar menskalakan kecerdasan tanpa menskalakan pengiraan pada kadar yang sama boleh mencipta kelebihan daya saing yang signifikan. Lama-kelamaan, kelebihan itu boleh diterjemahkan kepada bilion dolar dalam nilai perusahaan dan pelaburan masa depan.
Masa depan AI tidak akan ditentukan semata-mata oleh model yang lebih besar atau lebih banyak token.
Ia akan ditentukan oleh seni bina yang lebih baik, dan dengan mengetahui bila tidak perlu menggunakan AI langsung.
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. Email diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
先存起来，主要是为了24。
bukan lebih banyak is the part I would forward to my boss.
Good write-up. Saya melihat sendiri peralihan ini alone was worth the read.
Whoever wrote this actually did the work on dan perisian deterministik di semua.
The direction on perbezaan ini semakin penting apabila is spot on.