Ia mungkin datang daripada menggunakan AI yang lebih sedikit, tetapi dengan lebih bijak.
Perbezaan ini semakin penting dalam operasi logistik apabila syarikat beralih daripada eksperimen AI kepada produksi. Matlamatnya bukan untuk menjadikan setiap langkah dalam aliran kerja bergantung pada model. Matlamatnya adalah untuk membina sistem yang menggunakan AI di tempat yang memberi nilai paling tinggi, dan perisian deterministik di selebihnya.
Tesis 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.
Kami melihat peralihan ini secara langsung dalam operasi logistik kami. Penggunaan kami menurun daripada kira-kira 32 bilion token semasa pembangunan kepada sekitar 3 bilion token sebulan selepas sistem teras mula beroperasi.
Itu bukan sekadar penambahbaikan kecekapan. Ia mengubah ekonomi AI.
Kurang komputasi.
Kos operasi lebih rendah.
Skalabiliti lebih tinggi.
利润率 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 komputasi 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. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
看第二遍才注意到tetapi dengan lebih bijak的细节。
这篇文章对perbezaan ini semakin penting dalam的解释很清楚，实际操作的重点也很容易理解。
还在消化24这一段。
简单直接。24就能说明问题。