Nachricht

Yunzhong stammte aus dem Aofei-Tempel
Qubits |. Öffentliches Konto QbitAI

Das Open-Source-Großmodell Llama 3 von Meta war auf dem Markt schleppend, was den Fokus auf die Debatte zwischen Open Source und Closed Source für große Modelle noch verstärkte.

Laut den ausländischen Medien „The Information“ war es für Metas großes Open-Source-Modell Llama 3 schwierig, die Aufmerksamkeit von Amazons AWS, dem weltweit größten Cloud-Anbieter von AWS, zu gewinnenVerwenden Sie lieber das Closed-Source-Großmodell Claude von Anthropic。

Laut Microsoft-InsidernLama ist auch nicht die beste Verkaufsoption von Microsoft, empfehlen sie Llama eher Unternehmen mit Datenkompetenz, beispielsweise Unternehmen mit eigenen Ingenieuren und Datenwissenschaftlern.

Meta steht nun vor Herausforderungen, die Meta möglicherweise dazu inspirieren, ein eigenes Vertriebsteam für KI-Produkte aufzubauen, um den Anforderungen von Unternehmen gerecht zu werden. Diese Problematik verdeutlicht auch die Schwierigkeiten bei der Kommerzialisierung großer Open-Source-Modelle. Aus Sicht der Marktauswahl entsprechen die tatsächlichen Auswirkungen und kommerziellen Erträge des Open-Source-Modells möglicherweise nicht den Erwartungen von Unternehmenskunden.

Gesicht"Open Source oder Closed Source„Zu diesem Thema haben die großen inländischen Modellhersteller aufgrund ihrer eigenen technischen Wege und Geschäftsstrategien völlig unterschiedliche Positionen eingenommen. Wie sollten Unternehmen also große Modelle auswählen und wie kann man die beste Balance zwischen beiden finden?

In diesem ZusammenhangXin Zhou, General Manager von Baidu Intelligent Cloud AI und Large Model PlatformEr wurde von den Medien interviewt und analysierte detailliert die zugrunde liegende Logik, Geschäftsstrategien und Vorhersagen des zukünftigen Marktes in der Debatte zwischen Open Source und Closed Source.

Xinzhou glaubt, dassEs gibt einen wesentlichen Unterschied zwischen Open Source für große Modelle und Open Source für Software –Da das Open-Source-Modell den Trainingsquellcode, die Daten vor dem Training und die Feinabstimmung sowie andere wichtige Informationen, die sich auf den Modelleffekt auswirken, nicht öffnet, kann es nicht wie Open-Source-Software auf die Beteiligung von Community-Entwicklern angewiesen sein, um den Effekt und die Leistung zu verbessern Die Ausbildung des Basismodells kann jedoch nur in den Händen der Hersteller selbst liegen.

Als er darüber sprach: „Wer ist teurer, das Open-Source-Modell oder das Closed-Source-Modell?“, sagte Xin Zhou, dass das Open-Source-Modell kostenlos sei und den Leuten den Eindruck von niedrigen Kosten erweckeBei der Anwendung großer Modelle handelt es sich nicht nur um eine einzelne Technologie, sondern um eine Komplettlösung, die „Technologie + Dienste“ abdeckt, und Unternehmen müssen das „Hauptbuch“ berechnen. Wenn das Unternehmen tatsächlich implementiert wird und das Open-Source-Modell den gleichen Effekt wie das Closed-Source-Modell erzielen möchte, sind große Folgeinvestitionen in Personal, Geld und Zeit erforderlich, und die Gesamtkosten sind höher.。

Für welche Szenarien eignen sich Open-Source- und Closed-Source-Modelle? Xinzhou glaubt, dassDas Open-Source-Modell eignet sich besser für die akademische Forschung, ist jedoch nicht für kommerzielle Großprojekte geeignet, die Dienstleistungen für die Außenwelt bereitstellen. Bei einigen ernsthaften Projekten mit Millionen- oder sogar Dutzenden Millionen Investitionen ist das Closed-Source-Modell immer noch geeignet der Protagonist.。

„Das Open-Source-Modell ist nicht billig“

Das Folgende ist der bearbeitete vollständige Text des Interviews:

1. Welche Rolle spielen die einzelnen Modellhersteller auf dem großen Modellmarkt? Was ist das Geschäftsmodell?

Xinzhou: In diesem Fest der großen Modelle sind die Positionierung und das Geschäftsmodell jedes Herstellers unterschiedlich und lassen sich grob in drei Kategorien einteilen:

Bei der ersten Art von Rolle, für Cloud-Anbieter, besteht das Geschäftsmodell tatsächlich darin, Rechenressourcen zu verkaufen. Reduzieren Sie Kosten und verbessern Sie die Ressourcenelastizität durch Skalierung, um Rentabilität zu erzielen. Dies ist das dauerhafte Modell von Cloud-Anbietern. Unabhängig davon, ob es sich um ein Open-Source-Modell oder ein Closed-Source-Modell handelt, kann der Cloud-Anbieter Geld verdienen, solange es vom Cloud-Anbieter gehostet wird.

Die zweite Art von Rolle ist sowohl ein Cloud-Anbieter als auch ein Modellanbieter. Sie hoffen, das Geschäft durch den Einsatz von Modellen in die Cloud zu verlagern. Derzeit ist der Gewinn durch die ausschließliche Verwendung von Modell-API-Aufrufen noch sehr gering. Sie hoffen derzeit, einen günstigen Marktanteil zu erobern und weiterhin nach neuen Expansionsmöglichkeiten auf dem großen Modelltisch zu suchen.

Die dritte Art von Rolle betrifft Hersteller unternehmerischer Modelle. Nachdem große Cloud-Anbieter Modellpreissenkungen angekündigt hatten, sank ihr Anrufvolumen stark. Der Bereich der großen Modelle wird bald zu einem Kampf zwischen mehreren großen Cloud-Anbietern werden. Große Modell-Startups werden sich entweder auf bestimmte Branchen konzentrieren, ToB-Projekte privatisieren oder sich in ToC-Produkte umwandeln.

2. Warum heißt es, dass „das Open-Source-Modell nicht billig ist und die Technologie immer rückständiger wird“?

Xinzhou: Lassen Sie uns zunächst über das Problem der rückständigen Technologie sprechen.

Erstens kann Open Source für große Modelle die Modellleistung nicht verbessern.。

KontrastOpen-Source-Software, wie das mobile Betriebssystem Android und die Datenbanksoftware MySQL. Alle Quellcodes dieser Open-Source-Software sind offen und Entwickler aus der ganzen Gesellschaft können sich an der Entwicklung des Codes beteiligen. Dies kann nicht nur die Softwareentwicklungskosten senken, sondern auch die Softwareiteration beschleunigen und die Softwaresicherheit verbessern. Das ist der Wert von Open Source für Software.

Das Open-Source-Modell ist viel komplexer, die Open Source sein kann, einschließlich Quellcode für das Modelltraining, Parametergewichtungen, Trainingsdaten usw.Allerdings sind Modellhersteller derzeit in der Regel nur Open-Source-Parametergewichte, der Trainingsquellcode, die Trainingsdaten usw. sind jedoch nicht Open-Source. Dies macht es Entwicklern nicht möglich, sie zu verbessern und zur Wirksamkeit des Open-Source-Modells beizutragen.。

Für Llama beispielsweise ist jede Verbesserung der Modellleistung tatsächlich das Ergebnis von Metas eigenem Training und nicht das Ergebnis der Entwicklerbeteiligung. Es gibt keinen großen Unterschied zwischen Llama2 und Llama3 in Bezug auf die Netzwerkstruktur. Was optimiert es? Einerseits wird der Prozess der Trainingsphase optimiert, andererseits werden viele Daten zu Llama2 und Llama3 hinzugefügt Mit der Zeit können bessere Ergebnisse für das Modell erzielt werden.

Aber diese guten Effekte werden alle von Meta selbst erzeugt, und es gibt keine Möglichkeit, die Macht der Entwickler zu nutzen, geschweige denn den Prozess des Community-Feedbacks wie bei Open-Source-Software.

Zweitens wird das Open-Source-Modell immer weiter ins Hintertreffen geraten, weil es kein gutes Geschäftsmodell gibt, das eine kontinuierliche Iteration des Modells gewährleistet.。

Modellschulung und Datenannotation sind sehr teuer, wenn es keine starken Unternehmensressourcen wie Meta gibt, die die nachhaltige Entwicklung von Open-Source-Modellen unterstützen. Wenn es sich um ein Start-up-Unternehmen mit Open-Source-Modellen handelt, ist es nicht in der Lage, ein geschlossenes Unternehmen zu gründen Schleife. Gleichzeitig können Entwickler nicht zur Wirksamkeit Ihres Modells beitragen, sodass Startups dabei immer mehr ins Hintertreffen geraten müssen. Den Ergebnissen nach zu urteilen, ist Open AI tatsächlich das beste Modell, und die Modelle an der Spitze der aktuellen Bewertungsliste sind allesamt Closed-Source-Modelle.

Lassen Sie uns darüber sprechen, warum das Open-Source-Modell nicht billig ist.Die Anwendung großer Modelle ist eine Komplettlösung aus „Technologie + Dienstleistungen“. Unternehmen, die große Modelle anwenden, müssen „das Hauptbuch berechnen“.. Wie berechnet man das Hauptbuch?

Die erste Ebene besteht darin, die Kosten für Hardwareressourcen zu berechnen.. Da Closed-Source-Geschäftsmodelle mit entsprechenden Toolketten ausgestattet werden, einschließlich Trainings-Toolketten und Inferenz-Toolketten, ist die Leistung dieser Toolketten besser als bei Open-Source-Modellen. Für Kunden können durch Schulungen etwa 10 bis 20 % der Hardwarekosten eingespart werden. , sparen Sie beim Denken mehr, und je größer der Geschäftsumfang, desto mehr sparen Sie.

Die zweite Ebene besteht darin, die geschäftlichen Vorteile zu untersuchen, die das Modell mit sich bringt. Bei Modellen mit derselben Parameterskala sind Closed-Source-Ergebnisse besser. Einige Kunden reagieren nicht so empfindlich auf eine Genauigkeit von 90 % oder 95 %. Aber es gibt einige Unternehmen, wie z. B. kommerzielle Werbung, bei denen der CPM und die CTR nur einen Punkt voneinander entfernt sind. Bei der Werbeplattform kann es derzeit zu zig Millionen Abweichungen kommen, Unternehmen mit höheren Anforderungen an Modelleffekte sind eher bereit, ein Closed-Source-Modell zu kaufen, das besser funktioniert.

Die dritte Ebene umfasst Opportunitätskosten und Arbeitskosten.. Wenn Sie für eine schnellere Konvergenz ein Closed-Source-Geschäftsmodell nutzen, können Sie neue Produkte schneller auf den Markt bringen als Ihre Konkurrenten. Bei einem Closed-Source-Geschäftsmodell hat der Hersteller das Modell und die Hardware an den optimalen Zustand angepasst, und Kunden können das ausgereifte Erlebnis einfach kopieren. Wenn Sie jedoch Open Source verwenden, müssen Sie es selbst anpassen, und die Kosten für Rechenleistung und Ingenieure sind höher.

Daher sagen wir, dass Unternehmensanwendungsmodelle „das Hauptbuch berechnen“ müssen und die Berechnung dieses Hauptbuchs sehr unterschiedlich sein wird.

3. Warum ist Open Source im Hinblick auf die Hardwarekosten so viel teurer als Closed Source?
Xinzhou: Die meisten Unternehmenskunden kaufen zwei oder mehr Arten von Hardware, da sie die Sicherheit und Flexibilität der Lieferkette berücksichtigen müssen. Wenn das Open-Source-Modell für jede Hardware angepasst werden muss, sind die Kosten sehr hoch.

Dies spiegelt die Vorteile des Closed-Source-Geschäftsmodells wider, da es die Kosten für Software- und Hardwareanpassungen durch groß angelegte Verkäufe teilen kann. Darüber hinaus ist die Multicore-Anpassung eine sehr technische AngelegenheitHeterogene Computerplattform von BaigeViele Optimierungen wurden speziell für die Multi-Core-Heterogenität vorgenommen und sind für verschiedene Hardware geeignet. Baige selbst kann verschiedene Unterschiede in der Hardwareschicht abschirmen. Es gibt viele Beschleunigungsbibliotheken, Inferenzbibliotheken und Trainingsbibliotheken, die auch eine End-to-End-Optimierung für das große Wenxin-Modell bieten.

Der Vorteil für Kunden besteht darin, dass sie unabhängig von der verwendeten Hardware schnell ausgeführt werden können und die Zeit- und Arbeitskostenersparnis sehr hoch ist.

4. Für welche Szenarien eignen sich das Open-Source-Modell bzw. das Closed-Source-Modell?

Xinzhou: Die allgemeine Idee ist: Wenn Sie es in einzelnen Geschäftsszenarien ausprobieren und überprüfen möchten, können Sie es zunächst mit einem Closed-Source-Modell ausführen, es sofort ausführen und es dann schnell in einigen seriösen Unternehmen überprüfen, die Millionen oder mehr kosten Dutzende Millionen Dollar. Bei Projekten, die einen hohen Umfang und Präzision erfordern, sind Closed-Source-Geschäftsmodelle immer noch die beste Wahl für Unternehmen. Nur in einigen Geschäftsszenarien, die keine hohen Anforderungen an Effekte und Leistung stellen, aber eine private Bereitstellung erfordern und besonders preissensibel sind, sollte der Einsatz des Open-Source-Modells in Betracht gezogen werden.

Open Source ist wertvoll für die Förderung von Wissenschaft und Forschung, z. B. für die technische Leistungsoptimierung von Inferenzen, die Auswirkung von Vortrainings- und Feinabstimmungsdaten auf Ergebnisse usw. Wenn mehr Dinge als Open Source verfügbar sind, z. B. Trainingscode, Trainingsdaten, und Feinabstimmung des Unterrichts. Die Daten usw. sind ebenfalls offen, und ihr Wert für die akademische Forschung und die technologische Entwicklung wird größer sein. Selbst wenn nur die Modellgewichte geöffnet werden, steht den Forschern ein gutes Basismodell zur Verfügung.

5. Einige Hersteller hoffen, dass sowohl Open Source als auch Closed Source gleichzeitig verfolgt werden können. Das heißt, das Open Source-Modell lockt Benutzer zur Erweiterung des Ökosystems, während das Closed Source-Modell für die Kommerzialisierung verantwortlich ist.

Xinzhou: Wenn Sie es nicht geübt haben, scheint es machbar. Aber die Realität ist:

In der öffentlichen Cloud ist bei den von verschiedenen Herstellern angekündigten Anrufen das Anrufvolumen des Closed-Source-Modells deutlich höher als das des Open-Source-Modells, was zeigt, dass das Open-Source-Modell eigentlich keine Rolle bei der Anziehung spielt Benutzer können das Ökosystem in der öffentlichen Cloud erweitern.. Darüber hinaus können bei der Feinabstimmung in der öffentlichen Cloud sowohl Open-Source- als auch Closed-Source-Modelle implementiert werden, sodass Kunden direkt das beste Modell in der öffentlichen Cloud auswählen.

Im Hinblick auf den privatisierten Einsatz ist diese Logik bis zu einem gewissen Grad sinnvoll.. Viele Unternehmen beginnen zunächst mit Open-Source-Modellen zum Testen. Später stellen sie fest, dass die Ergebnisse gut sind, und möchten sie kaufen. Sie wählen das Open-Source-Modell, das dem Closed-Source-Modell des Herstellers entspricht, da das gleiche Quellmodell besser anpassbar ist In diesem Fall trifft diese Logik zu.Doch dieser Wert sinkt allmählich. Da sich die allgemeinen Fähigkeiten der Modelle jedes Herstellers rasch verbessern, werden die Umstellungskosten immer geringer, wodurch das Erbe dieses Modells allmählich ausgelöscht wird.

Es gibt auch einige Hersteller, die Open-Source-Modelle auf den Markt bringen, um für Hardware zu werben. Nvidia bringt beispielsweise ein Open-Source-Modell auf den Markt. Die Geschäftslogik ist sehr einfach und Sie müssen eine Karte kaufen, um das Modell zu verwenden.

6. Warum hat Baidu kein Open-Source-Modell eingeführt?

Xin Zhou: Anhand des Bereitstellungsvolumens verschiedener Hersteller lässt sich deutlich erkennen, dass die kommerziellen Closed-Source-Modelle mit dem größten Bereitstellungsvolumen in der Public Cloud keine großen Auswirkungen auf die Public Cloud haben.

Da sich auf dem privatisierten Markt das Bewusstsein der Kunden für große Modelle weiter verbessert, werden Open Source und Closed Source nach und nach nicht mehr zu einem Schlüsselfaktor.. Nach der Kommunikation mit vielen großen Unternehmenskunden habe ich herausgefunden, dass es viele Faktoren gibt, die bestimmen, ob Unternehmensleiter ein Modell verwenden sollten. Die Reihenfolge der Priorität ist normalerweise: Wirkung, Leistung, Sicherheit und Preis. Ob ein Modell Open Source oder Closed Source ist, ist kein entscheidender Faktor.

7. Sie haben erwähnt, dass die wichtigsten Dinge für Unternehmen bei der Auswahl von Modellen Wirkung, Leistung, Sicherheit und Preis sind. Ist die von Baidu Cloud eingeführte „Qianfan Large Model All-in-one Machine“ ein neues Geschäftsmodell, das Software integriert? Hardware?

Xinzhou: Derzeit befindet sich die Nutzung großer Modelle durch Unternehmen noch in der Erkundungsphase, und es besteht ein großer Bedarf an kostengünstigen, sofort einsatzbereiten Produkten, um die Nutzungsszenarien und Auswirkungen großer Modelle schnell zu überprüfen. „Qianfan Large Model All-in-One Machine“ eignet sich sehr gut für die aktuelle Phase, da in China viele Anforderungen an den privatisierten Einsatz bestehen. Unsere All-in-One-Maschine ist offen und kann an eine Vielzahl von Hardware-Integrationen angepasst werden alle gängigen Produkte auf dem Markt. Das große All-in-One-Gerät Qianfan von Baidu Smart Cloud bietet zwei Funktionen:

Stellen Sie zunächst eine integrierte Plattform für die Software- und Hardwareanpassung bereitDiese Plattform verfügt über integrierte Wenxin-Großmodelle und die branchenweit gängigen Open-Source-Großmodelle und Szenarioanwendungsbeispielräume. Auch beliebte Open-Source-Modelle wurden angepasst und optimiert. Anwender können diese direkt auf der All-in-One-Maschine ausführen, ohne die Modelle selbst anpassen zu müssen. Gleichzeitig kann die All-in-One-Maschine für große Modelle von Qianfan integrierte Software- und Hardwarelösungen für große Modelle bereitstellen, die von grundlegender Verwaltung und Steuerung über KI-Framework, Modellschulung, prädiktives Denken und Szenarioanwendung reichen und Kunden umfassende Software und Prozesse bieten Hardware-Dienstleistungen.

zweiteDas große All-in-One-Modell von Qianfan ist aufgrund der durchgängigen Leistungsoptimierung und der Möglichkeit, die gesamte Hardwareleistung herauszuholen, sehr kostengünstig. Kunden können es schnell und zu geringeren Kosten nutzen.

Bezogen auf den Gesamtpreis ist der Preis des Qianfan-All-in-One-Geräts viel niedriger als der separate Kauf von Server, großem Modell und Plattform. Für Kunden kann es direkt nach dem Auspacken verwendet werden.。

8. Heutzutage sind viele Menschen der Meinung, dass es nicht ausreicht, nur einfache große Modelle zu verwenden. Wir müssen immer noch Industriemodelle erstellen, um die industrielle Umsetzung großer Modelle wirklich zu realisieren. Wie viel kostet es derzeit für ein Unternehmen, ein Branchenmodell selbst zu trainieren?

Xinzhou: Die Kosten sind sehr hoch. Erstens steigen diese Kosten linear in Abhängigkeit von der Parametergröße des zu trainierenden Modells. Zweitens kommt es darauf an, wie groß das Datenvolumen ist. Schließlich gibt es noch die Kosten für die Datenkennzeichnung.

Wenn Sie ein 70b-Modell von Grund auf trainieren möchten, benötigen Sie möglicherweise 30 Millionen elastische Cloud-Ressourcen. Wenn Sie ein Modell mit einer größeren Anzahl von Parametern trainieren möchten, können die Kosten Hunderte Millionen betragen. Dies sollte von erfahrenen Personen geschult werden. Wenn Sie unerfahren sind und dabei einige Umwege in Kauf nehmen, sind die Kosten höher.

9. Wie kann ein Unternehmen bei so hohen Kosten feststellen, ob es ein Branchenmodell aufbauen muss?

Xinzhou: Wir empfehlen Kunden nicht, von Anfang an ein Branchenbasismodell aufzubauen, unabhängig vom Gewinn. Die Kosten müssen unabhängig vom Nutzen sehr hoch sein. Wir helfen Kunden zunächst bei der Analyse ihrer Bedürfnisse.

Wenn Sie beispielsweise ein Koordinatensystem zeichnen, ist die Abszisse die Empfindlichkeit der Aufgabe und die Ordinate der Bedarf an Branchendaten. Die sogenannte Sensibilität der Aufgabe bezieht sich darauf, ob das Szenario einen starken Branchen- und Geschäftsbezug hat. Im medizinischen Bereich handelt es sich beispielsweise um recht professionelle Themen. Die vertikale Achse ist die Nachfrage nach Branchendaten. Je geschlossener die Branche ist und je weniger Daten im öffentlichen Netzwerk vorhanden sind, desto mehr Vorschulung ist erforderlich. Im medizinischen Bereich müssen beispielsweise einige desensibilisierte Informationen aus Krankenakten vorab in das Modell eingearbeitet werden.

Durch Analyse weist die untere linke Ecke dieser Koordinatenachse weder Branchenmerkmale noch Branchendaten auf, sodass das allgemeine Modell direkt verwendet werden kann. Die obere rechte Ecke reagiert jedoch empfindlich auf die Geschäftsattribute dieser Branche und erfordert viele Branchendaten . Es ist Zeit, ein Branchenmodell aufzubauen.

Wir empfehlen Unternehmen in der Regel drei Schritte.

Der erste Schritt ist die Wertüberprüfung. Erster Aufbau einer Software- und Hardware-Infrastruktur für großmaßstäbliche Modelle und Aufbau vorläufiger großmaßstäblicher Industriemodelle. In Kombination mit der Anwendung relativ ausgereifter generativer KI sind schnell Ergebnisse sichtbar. Durch die leichtgewichtige Version der Qianfan-Großmodellplattform werden beispielsweise ausgereifte Anwendungen wie intelligenter Kundenservice, Unternehmenswissensmanagement und digitale Menschen hinzugefügt.

Der zweite Schritt besteht darin, verschiedene Anwendungen des Unternehmens tief zu vernetzen. Die Großmodell-Infrastruktur wurde weiter verbessert und auf die Qianfan Large Model Ultimate Edition erweitert. Zusätzlich zu den Schulungs- und Optimierungsmaßnahmen für Großmodelle umfasst sie auch eine Plattform für die Anwendungskonstruktion. Baidu und seine ökologischen Partner engagieren sich intensiv in der Schulung und dem Betrieb von Großmodellen innerhalb des Unternehmens, dem Aufbau einer technischen Atmosphäre, der Ausbildung relevanter Talente und der Zusammenarbeit mit dem Unternehmen, um schwierige Geschäftsprobleme zu lösen und mehr Wert für das Unternehmen zu schaffen.

Der dritte Schritt ist umfassende Innovation und unabhängige Steuerbarkeit. Das Unternehmen beherrscht die relevanten Technologien der großen Modell- und Anwendungsentwicklung und verfügt auch über die entsprechende Talentstufe, die es ihm ermöglicht, sich unabhängiger und kontrollierter zu entwickeln und umfassende Innovationen zu starten. Baidu wird langfristig als technischer Support und Berater fungieren, um die Entwicklung zu unterstützen und weiterhin neue Technologien und Lösungen in das Unternehmen einzuführen.

10. Wie beurteilen Sie den großen Modellmarkt im nächsten Jahr?

Xinzhou: Ich habe drei Urteile über den Entwicklungstrend im nächsten Jahr:

Erstens wird die Multimodalität zu einem neuen Hotspot auf dem Markt werden.

Zweitens wird es eine große Explosion bei Anwendungen geben, die auf großen Modellen basieren, und eine sehr wichtige Richtung ist Agent.. Wenn ein großes Modell nur die vorgeschriebenen Aktionen „Eingabe und Ausgabe“ ausführt, schränkt es seinen Wert erheblich ein. Es sollte eher wie ein Mensch sein, der in der Lage ist, Werkzeuge zu verwenden, zusammenzuarbeiten, zu planen und zu denken sowie zu reflektieren und zu iterieren . Es muss mit verschiedenen Komponenten und Plug-Ins kombiniert werden, um den Anforderungen spezifischer Geschäftsszenarien gerecht zu werden, damit Agent zum Schlüssel für die nächsten Modellhersteller wird.

Drittens wird es mehr Möglichkeiten für Unternehmensanwendungen geben, z. B. Wissensdatenbank, Kundenservice, digitale Menschen, Schreiben von Hilfscodes und andere Szenarien.Baidu verwendet beispielsweise große Modelle zum Schreiben von Code und verfügt über ein Produkt namens „Wenxin Quick Code“, das in Baidu weit verbreitet ist. Die Akzeptanzrate kann 46 % erreichen, und der Anteil des neu generierten Codes hat 30 % erreicht kann Unternehmen dabei helfen, ihre Entwicklungseffizienz erheblich zu verbessern. Gleichzeitig wird eine große Anzahl von Unternehmen entstehen, die sich mit der Entwicklung von KI-Anwendungen befassen. Diese Unternehmen können die Bereitstellungs- und Kopierkosten von Anwendungen auf ein ausreichend niedriges Niveau senken, solange die betriebliche Effizienz hoch genug ist.