Kami telah berjaya membina AINNA智能体 untuk operasi logistik kami.
Langkah seterusnya sedang dijalankan: menyuling model bahasa kami sendiri, dengan matlamat jangka panjang untuk menjalankan AINNA SLM yang ringan terus pada peranti Android dan iPhone pekerja lapangan.
Di sinilah arah kami menjadi lebih besar daripada sekadar membina satu lagi pembantu AI.
Kami percaya telefon pekerja lapangan akhirnya boleh berkembang daripada peranti yang hanya menjalankan aplikasi menjadi perkhidmat AI peribadi bergerak - mengendalikan inferens tempatan, memori privasi, automasi, identiti, storan dan kawalan peranti.
Apabila setiap telefon menjadi nod pintar, lapisan operasi seterusnya menjadi mungkin.
Bayangkan berjuta, dan akhirnya berbilion, telefon di seluruh rantaian bekalan berkomunikasi antara satu sama lain secara selamat. 负载 kerja besar seperti penalaan laluan, pengesanan inventori dan pemprosesan imej boleh dibahagikan merentasi peranti yang dipercayai, diproses secara kolektif, disahkan dan digabungkan semula.
Bukan lagi segala-galanya bergantung kepada:
Telefon → 互联网 → Pusat 数据 → AI → Telefon
masa hadapan boleh semakin beroperasi seperti:
Telefon → AI Tempatan → Rangkaian P2P Dipercayai → Awan hanya apabila perlu.
Ini boleh mengurangkan pergantungan pada pusat data berpusat untuk banyak kerja-kerja operasi harian. Komputeran, storan dan pemprosesan AI boleh semakin bergerak ke arah infrastruktur tempatan, edge dan tersebar.
Pusat data tetap penting untuk latihan berskala besar, sistem kritikal dan kerja-kerja ketersediaan tinggi. Tetapi ia mungkin tidak lagi perlu memproses setiap tugasan kecil yang dihasilkan oleh berbilion peranti.
Visi yang lebih besar merentasi lagi jauh.
Telefon pekerja operasi akhirnya boleh menjadi satah kawalan AI untuk dunia fizikal.
Kenderaan, gudang, CCTV, peralatan, mesin, robot dan peranti IoT mungkin tidak lagi memerlukan berpuluh-puluh aplikasi berasingan yang menghadap pengguna. Mereka hanya memerlukan antara muka selamat yang AI peribadi pekerja boleh faham dan kawal - sama ada di dalam lori, di baris rak, atau di atas lantai pengeluaran.
Kepintaran kekal lebih rapat dengan individu yang menjalankan operasi.
Kami telah membina agen itu.
Kami kini sedang menyuling model.
SLM hanyalah permulaan.
Destinasinya ialah infrastruktur kepintaran peribadi yang terdesentralisasi.
Satu Pekerja Operasi. Satu AI. Satu Nod. Berbilian Bersambung.
#AINNA #AgenticAI #SLM #LocalAI #EdgeAI #DistributedAI #P2P #AIInfrastructure #NeuralOps #FutureOfAI
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
我会把pengesanan inventori dan pemprosesan imej这一段分享给需要了解技术的同事。
看第二遍才注意到telefon di seluruh rantaian bekalan的细节。
这篇内容让我更容易理解为什么langkah seterusnya sedang dijalankan值得关注。 读完之后还有一些疑问。
如果可以继续说明automasi, identiti, storan dan kawalan的真实案例，我会想继续阅读。
总结部分让mengendalikan inferens tempatan, memori的重点更加清楚。
Di sinilah arah kami menjadi这个说法我要拿回去跟同事讨论。
文章对bayangkan berjuta, dan akhirnya berbilion的结论比较平衡，不只是强调好处。
这篇文章对ini boleh mengurangkan pergantungan pada的解释很清楚，实际操作的重点也很容易理解。
文章把bukan lagi segala-galanya bergantung kepada和日常运营联系起来，这一点很有帮助。
我特别喜欢lapisan operasi seterusnya menjadi mungkin这一部分，内容没有把实施过程说得太简单。 这个部分我还需要再想一下。
关于负载 kerja besar seperti penalaan的风险和限制还可以再展开，不过基础说明已经很好。
我对diproses secara kolektif, disahkan dan还有问题，但文章已经提供了很好的起点。