Perlumbaan AI Sebenar dalam Logistik Mungkin Bukan Tentang 模型 Lebih Besar, Mungkin Tentang Kecerdasan Lebih Murah✎ Edit

👁 370 views
Perlumbaan AI Sebenar dalam Logistik Mungkin Bukan Tentang Model Lebih Besar, Mungkin Tentang Kecerdasan Lebih Murah

Perlumbaan AI Sebenar dalam Logistik Mungkin Bukan Tentang 模型 Lebih Besar  Mungkin Tentang Kecerdasan Lebih Murah

Di AINNA, apabila saya lihat perbandingan ini, bahagian yang menarik bukan sekadar nama model.

Cerita yang lebih besar ialah keluk kos.

Dalam susunan ini, harga turun daripada kira-kira $0.20/M input dan $1.20/M output kepada $0.10/M input dan $0.50/M output, sambil mengekalkan tetingkap konteks dan keupayaan alat yang sama seperti dinyatakan.

Jika trend ini berterusan, ia mengubah ekonomi pembinaan sistem AI untuk operasi logistik di AINNA dan industri.

Bagi saya, ini satu lagi alasan kuat untuk bulk-distill LLM tempatan  dan mungkin SLM juga.

Daripada terus bergantung pada inference luaran yang mahal untuk kerja harian, kita boleh menggunakan model yang semakin dioptimumkan sebagai guru untuk menjana data latihan, memperhalusi workflow, membina corak penaakulan khusus domain, dan menambah baik model tempatan kita secara berterusan.

Matlamatnya bukan semestinya membina model terbesar.

Matlamatnya ialah membina model yang cukup optimum untuk kerja sebenar di lapangan.

Dalam konteks logistik dan perniagaan, ini bermakna model lebih kecil boleh mengendalikan perakaunan, inventori, operasi gudang, perkhidmatan pelanggan, kawalan mesin, pemprosesan dokumen seperti DO, invoice dan ePOD, atau automasi dalaman, manakala model luaran yang lebih besar hanya digunakan apabila benar-benar perlu.

Saya harap trend harga ini berterusan.

Sekurang-kurangnya sehingga LLM tempatan kita cukup matang untuk mengendalikan sebahagian besar beban kerja logistik secara berdikari.

Guna model yang dioptimumkan untuk bina. Distill apa yang penting. Kurangkan kebergantungan dari semasa ke semasa.

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Arjun India

我特别喜欢matlamatnya bukan semestinya membina model这一部分,内容没有把实施过程说得太简单。

Julin Kadazan, 马来西亚

收藏了,主要是为了daripada terus bergantung pada inference。

Ginsang Kadazan, 马来西亚

如果有更多kita boleh menggunakan model yang的数据和结果会更完整。

Dimas Indonesia

Cerita yang lebih besar ialah这个说法我要拿回去跟同事讨论。

Ayu Indonesia

关于dan menambah baik model tempatan的实际落地部分最吸引我。

人工智能

Article image
边缘 AI 边缘的 IoT 与嵌入式 Linux 智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
IC 设计运营 可重复性、可追溯性与验证智能 21 个独立服务 → 85% 无需 LLM 探索 →
NeuralOps 托管 infrastructure for 中小企业, without 企业 overhead 从 RM499/year · scoped after assessment 探索 plans →
AINNA 商店

Produk Pilihan

3 produk rawak daripada kedai AINNA, lengkap dengan statistik.

AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Hakim AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

504 installs
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。