大型模型仍然必须在行业中进行三个级别的集成

贾李 目前，人工智能模型正在从一般变成垂直，这已成为工业变革的重大变化。这种变化已从实验室转变为实际的应用情况 - 大型模型扎根于许多行业（例如生产线和服务柜台）的各个方面。 加速创新的突破和垂直大型模型的深刻应用不仅是推动我国行业朝着情报和高端发展的主要工具，而且是占据全球人工智能竞争风景的战略高度顺序的重要成功。但是，实施大型模型的方法不是一条平稳的道路。在工业“纹理”中包括teknology如何深入？五月的认为，行业中的所有各方仍然需要解决三个主要问题。 首先，增加“基本燃料”的高质量供应。数据是AI应用的主要燃料。目前，HI的供应GH质量的垂直数据仍然不够。例如，中国的垂直数据占全球数据培训集，低私人行业数据和某些模型的比例较低，具有“营养不良”。但是实际上，我的国家拥有丰富的行业数据和应用程序情况，这是开发垂直大型模型的重要基础。 五月集认为，当地人可以与领先的企业和科学机构合作，以建立Acoard Field共享场，通过“ Data Sandbox”实现以下循环，并增强垂直场景行业模型的知识和适应性。例如，上海的“ Mospeed Space”通过支持政策优先级来促进了43个注册模型的实施，并且可以复制和建立“政府 - 企业研究”合作。从“模块速度空间”到400家公司的收藏，可以生成一个完整的工业链到应用程序n在医疗，金融保健等领域出现的有组织的方案。 其次，促进准确的应用是AI转换的重要机器。确定风险预言的大型财务模型的实践，使用标准化来适应实际情况仍然不足，并且某些应用程序很难创造其适当的价值。 作者认为，地方可以加速建立特定于行业的评估系统，以澄清诸如准确性和安全性等不良指标，以促进在应用领域中准确实施垂直大型模型。同时，该行业以方案需求为指导，探索联合研发模型，并促进了AI从“功能叠加”变为“本地企业”，这可以培养应用程序生态系统的真正变化，再到该行业疾病的点。 第三，在垂直情况下，大量的小型和Mediu由于计算强度的成本，M型金融机构仍然依靠Panu Enginesfocus而不是AI模型。五月的认为，该行业应加速轻型特殊模型的发展，并避免域知识和计算边缘计算，从而大大降低扩展成本，同时确保绩效。地方还可以根据自己的有益行业开发垂直的工业公园，结合智能计算中心的资源，并为中小型企业提供低成本计算服务。通过验证大学和商业促进，我们是第一个开发出诸如农业和车辆等福利的项目的人。 垂直大型模型的真正价值在于计算的强度，以促进行业的“生产力新质量”的发展。只需专注于疼痛点，务实的且在深度种植中，我们就可以实现跳跃从垂直大型模型的生态发展中的单点成功。