McKinsey'nin Lilli vakası, işletmeler için AI pazarında önemli gelişim fikirleri sunuyor: Uç Bilişim + küçük modellerin potansiyel pazar fırsatları. 100.000'den fazla iç belgeyi entegre eden bu AI asistanı, sadece %70 çalışan kabul oranı elde etmekle kalmıyor, aynı zamanda haftada ortalama 17 kez kullanılıyor; bu tür bir ürün bağlılığı kurumsal araçlar arasında oldukça nadirdir. Aşağıda düşüncelerimi paylaşmak istiyorum:
Kurumsal veri güvenliği bir acı noktasıdır: McKinsey'nin 100 yıllık birikimi olan temel bilgi varlıkları ve bazı küçük ve orta ölçekli işletmelerin biriktirdiği belirli veriler son derece hassas verilerdir ve bu veriler kamu bulutunda işlenemez. "Verilerin yerel çıkmadan, AI yeteneklerinin kısıtlanmadığı" bir denge durumunu keşfetmek, gerçek pazarın acil ihtiyacıdır. Uç Bilişim bir keşif yönüdür;
2）Uzman küçük modeller genel büyük modelleri yerinden edecek: Kurumsal kullanıcıların ihtiyaç duyduğu şey "yüz milyar parametreli, çok yönlü" genel model değil, belirli alan sorunlarına hassas yanıtlar verebilen uzman asistanlardır. Buna karşılık, büyük modellerin çok yönlülüğü ile uzmanlık derinliği arasında doğal bir çelişki bulunmaktadır; kurumsal senaryolarda genellikle küçük modellere daha fazla önem verilmektedir;
3）Kendi AI altyapısını inşa etme ve API çağırma maliyet dengesi: Uç Bilişim ve küçük modellerin birleşimi başlangıçta büyük bir yatırım gerektirse de, uzun vadede işletme maliyetleri önemli ölçüde azalır. 45000 çalışanının yüksek sıklıkta kullandığı bir AI büyük modelinin API çağrılarıyla sağlandığını düşünün; bu bağımlılık, kullanım ölçeği ve yorumların artması, kendi AI altyapısını inşa etmeyi büyük ve orta ölçekli işletmeler için mantıklı bir seçim haline getirecektir;
Uç Bilişim donanım pazarındaki yeni fırsatlar: Büyük model eğitimi yüksek kaliteli GPU'lara bağımlıdır, ancak uç tahminin donanım gereksinimleri tamamen farklıdır. Qualcomm, MediaTek gibi çip üreticileri, uç AI için optimize edilmiş işlemcilerle pazar fırsatlarını yakalamaktadır. Her şirket kendi "Lilli"sini geliştirmek istediğinde, düşük güç tüketimi ve yüksek verimlilikle tasarlanmış uç AI çipleri altyapının gereklilikleri haline gelecektir;
5）Merkeziyetsiz web3 AI pazarı da senkronize olarak güçleniyor: Bir kez işletmeler küçük modeller üzerindeki hesaplama gücü, ince ayar, algoritmalar gibi ihtiyaçları tetiklendiğinde, kaynakların dengelenmesi sorunu ortaya çıkacak, geleneksel merkezi kaynak yönetimi zorlayıcı hale gelecektir. Bu durum, web3AI merkeziyetsiz küçük model ince ayar ağı, merkeziyetsiz hesaplama hizmeti platformları vb. için büyük bir pazar talebi doğuracaktır;
Pazar AGI'nin genel yetenek sınırlarını tartışırken, birçok kurumsal kullanıcının AI'nın pratik değerini keşfetmesini görmek daha keyif verici. Açıkça, geçmişte hesaplama gücü ve algoritmaların kaynak tekeliyle kıyaslandığında, pazarın odak noktasını Uç Bilişim + küçük modeller yöntemine kaydırması, daha büyük bir piyasa canlılığı getirecektir.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
McKinsey'nin Lilli'sinin Kısa Analizi: Şirketlere AI pazarında hangi gelişim fikirlerini sundu?
McKinsey'nin Lilli vakası, işletmeler için AI pazarında önemli gelişim fikirleri sunuyor: Uç Bilişim + küçük modellerin potansiyel pazar fırsatları. 100.000'den fazla iç belgeyi entegre eden bu AI asistanı, sadece %70 çalışan kabul oranı elde etmekle kalmıyor, aynı zamanda haftada ortalama 17 kez kullanılıyor; bu tür bir ürün bağlılığı kurumsal araçlar arasında oldukça nadirdir. Aşağıda düşüncelerimi paylaşmak istiyorum:
2）Uzman küçük modeller genel büyük modelleri yerinden edecek: Kurumsal kullanıcıların ihtiyaç duyduğu şey "yüz milyar parametreli, çok yönlü" genel model değil, belirli alan sorunlarına hassas yanıtlar verebilen uzman asistanlardır. Buna karşılık, büyük modellerin çok yönlülüğü ile uzmanlık derinliği arasında doğal bir çelişki bulunmaktadır; kurumsal senaryolarda genellikle küçük modellere daha fazla önem verilmektedir;
3）Kendi AI altyapısını inşa etme ve API çağırma maliyet dengesi: Uç Bilişim ve küçük modellerin birleşimi başlangıçta büyük bir yatırım gerektirse de, uzun vadede işletme maliyetleri önemli ölçüde azalır. 45000 çalışanının yüksek sıklıkta kullandığı bir AI büyük modelinin API çağrılarıyla sağlandığını düşünün; bu bağımlılık, kullanım ölçeği ve yorumların artması, kendi AI altyapısını inşa etmeyi büyük ve orta ölçekli işletmeler için mantıklı bir seçim haline getirecektir;
5）Merkeziyetsiz web3 AI pazarı da senkronize olarak güçleniyor: Bir kez işletmeler küçük modeller üzerindeki hesaplama gücü, ince ayar, algoritmalar gibi ihtiyaçları tetiklendiğinde, kaynakların dengelenmesi sorunu ortaya çıkacak, geleneksel merkezi kaynak yönetimi zorlayıcı hale gelecektir. Bu durum, web3AI merkeziyetsiz küçük model ince ayar ağı, merkeziyetsiz hesaplama hizmeti platformları vb. için büyük bir pazar talebi doğuracaktır;
Pazar AGI'nin genel yetenek sınırlarını tartışırken, birçok kurumsal kullanıcının AI'nın pratik değerini keşfetmesini görmek daha keyif verici. Açıkça, geçmişte hesaplama gücü ve algoritmaların kaynak tekeliyle kıyaslandığında, pazarın odak noktasını Uç Bilişim + küçük modeller yöntemine kaydırması, daha büyük bir piyasa canlılığı getirecektir.