Bagi pasukan operasi seperti kami, bina AI agent itu satu perkara. Tetapi bila ia perlu dipindah antara mesin, kekal selamat, mudah disesuaikan dan benar-benar boleh diguna, itu cabaran kejuruteraan yang berbeza.
NeuralOps AINNA sedang bergerak ke arah itu. Persekitaran berasaskan web sudah berjalan, manakala AINNA Stick / Chip sedang dibangunkan sebagai lapisan kecerdasan mudah alih yang boleh membawa identity, knowledge, permissions dan AI agent merentas sistem yang serasi.
Cabaran bukan sekadar saiz. Di peringkat operasi, kami kena uruskan keserasian hardware, local versus cloud inference, kesinambungan memori, permissions sistem dan interaksi selamat dengan peranti berbeza.
Untuk keselamatan, AINNA pilih pendekatan pengesahan dua faktor. Memiliki stick atau card sahaja tidak cukup untuk akses persekitaran AI peribadi. Satu lapisan pengesahan kedua diperlukan sebelum identity, knowledge atau permissions sensitif boleh dibuka.
Ini makin penting bila AI agent yang sama dijangka bergerak antara PC, server, embedded 系统 dan akhirnya mesin yang serasi.
Hala tuju jangka panjang kami adalah hybrid: guna kecerdasan lokal, rules dan komponen khusus bila boleh, dan hanya naik ke model lebih besar atau cloud compute bila perlu.
AINNA Stick kini sekitar 90% daripada sasaran pembangunan semasa kami. Setelah cukup melalui validasi, kami juga bercadang untuk meneruskan validasi teknologi formal, termasuk penilaian TRL9 bersama MOSTI pada masa hadapan.
Masa depan personal AI bukan sekadar mengecilkan model.
Ia tentang menjadikan kecerdasan mudah alih, dipercayai dan cukup mudah suai untuk bergerak bersama pemiliknya.
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
视觉和结构让cabaran bukan sekadar saiz的概念更容易掌握。
看第二遍才注意到kini sekitar 90% 90%的细节。
文章把tetapi bila ia perlu dipindah和日常运营联系起来，这一点很有帮助。
如果有更多itu cabaran kejuruteraan yang berbeza的数据和结果会更完整。