Ia mungkin datang daripada guna AI lebih sedikit, tetapi dengan lebih bijak.
Perbezaan ini makin penting bila syarikat beralih daripada fasa eksperimen AI ke production. Matlamatnya bukan untuk jadikan setiap langkah aliran kerja bergantung pada model. Matlamatnya ialah reka sistem yang guna AI di tempat ia beri nilai paling tinggi, dan perisian deterministik di semua tempat lain.
Prinsip kami mudah:
Guna AI secara agresif untuk bina sistem, automasi dan logik. Bila sistem dah matang, biar perisian deterministik uruskan kerja berulang 24/7. Bawa AI balik hanya bila penaakulan sebenar benar-benar diperlukan.
Saya sendiri nampak peralihan ini di AINNA. Penggunaan kami turun daripada kira-kira 32 bilion token semasa pembangunan kepada sekitar 3 bilion token sebulan selepas sistem teras mula beroperasi.
Ini bukan sekadar penambahbaikan kecekapan. Ia mengubah ekonomi AI.
Kurang komputasi.
Kos operasi lebih rendah.
Lebih mudah diskalakan.
利润率 lebih kukuh.
Infrastruktur lebih mampan.
Prinsipnya mudah:
Guna AI untuk bina mesin. Lepas itu, biar mesin buat kerja.
Syarikat yang belajar skalakan kecerdasan tanpa skalakan komputasi pada kadar yang sama boleh bina kelebihan daya saing yang besar. Lama-kelamaan, kelebihan itu boleh diterjemah kepada bilion dolar dalam nilai perusahaan dan pelaburan masa depan.
Masa depan AI tidak akan ditentukan semata-mata oleh model yang lebih besar atau token yang lebih banyak.
Ia akan ditentukan oleh seni bina yang lebih baik, dan dengan tahu bila tidak perlu guna AI langsung.
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
关于perbezaan ini makin penting bila的说明很完整，基础部分尤其清楚。
关于ini bukan sekadar penambahbaikan kecekapan的实际落地部分最吸引我。
关于bawa AI balik hanya bila的例子很实用，适合团队继续讨论。