observation financière xinhuanet｜mise en œuvre et application d'un grand modèle : difficultés et avancées
2024-09-18
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
xinhuanet, pékin, 18 septembre question : observation sur l'application de la mise en œuvre de grands modèles : difficultés et avancées
les journalistes ran xiaoning, chen tingyu, ling jiwei, zhao qiuyue
il existe trop de grands modèles, mais trop peu d'applications. les grands modèles doivent être exécutés et utilisés... la manière de parcourir avec succès le « dernier kilomètre » de la mise en œuvre des grands modèles est devenue le centre de discussions récentes au sein et à l'extérieur de l'industrie.
le début de la « bataille des 100 modèles » n’est pas une exagération. actuellement, il existe plus de 190 grands modèles enregistrés auprès de l'administration chinoise du cyberespace, avec plus de 600 millions d'utilisateurs enregistrés. cette année, les grandes entreprises modèles ont réduit leurs prix dans tous les domaines et ont même proposé des appels gratuits au prix le plus bas. « ne roulez pas le modèle, roulez l'application. » une entreprise bien connue a exprimé ce point de vue à plusieurs reprises, reflétant que la concurrence dans le secteur des grands modèles est entrée dans une nouvelle étape de construction de l'écologie et « d'acquisition de clients ». .
qu'il s'agisse de laisser fleurir une centaine de fleurs sur la scène, à quels défis les applications de grands modèles sont-elles confrontées, et comment résoudre les problèmes et activer l'écosystème ? récemment, des journalistes ont interviewé de grandes sociétés de développement de modèles, des institutions de conception et de r&d, des entreprises manufacturières et des fabricants de terminaux pour explorer les histoires qui expliquent comment les grands modèles favorisent la r&d, améliorent la qualité et l'efficacité de la production et permettent au côté c d'améliorer l'expérience utilisateur.
un grand modèle reconstitue les relations entre la recherche scientifique et la production
nous traversons actuellement une période critique où l’ia entraîne la reconstruction des rapports de productivité et de production pour la recherche scientifique. depuis sa première proposition en 2018, l’ia pour la science a atteint un consensus au sein de la communauté universitaire car un nouveau paradigme de recherche scientifique a apporté un impact révolutionnaire dans le domaine de la recherche scientifique. l'autonomisation des nouvelles technologies a amélioré l'efficacité de la recherche scientifique, favorisé l'innovation originale dans la recherche scientifique et démontré l'énorme valeur que l'intelligence artificielle apporte à la recherche scientifique. l'équipe de recherche scientifique à la tête du grand modèle d'ia a obtenu des résultats fructueux.
tian zhongqun, académicien de l'académie chinoise des sciences et directeur honoraire du laboratoire d'innovation de jiageng, a déclaré que l'ia a créé des possibilités de calculs théoriques. le raffinement des algorithmes et l'amélioration de la puissance de calcul ont considérablement amélioré l'efficacité du calcul. il a utilisé une analogie pour dire : « faire de la recherche scientifique fondamentale, c'est comme être sur une île isolée avec seulement des falaises et aucun chemin. aujourd'hui, l'ia fournit un outil qui peut aider les chercheurs scientifiques à avoir la possibilité de surfer sur les vagues et d'escalader les falaises. »
dans le domaine de l’électrochimie, la recherche scientifique doit résoudre le problème de l’industrialisation des nouvelles énergies. par exemple, si des problèmes de sécurité surviennent dans les nouvelles centrales électriques de stockage d'énergie, en particulier dans les centrales électriques de stockage d'énergie à grande échelle, les conséquences seront très graves. la technologie de l'ia pour l'électrochimie offre davantage de garanties en matière de sécurité énergétique et permet de mieux détecter, contrôler, renvoyer et contrôler. pour un autre exemple, dans le système de stockage d’énergie par batterie, la collecte, le traitement et la rétroaction des paramètres impliquent d’énormes quantités de données. s’appuyer sur les méthodes de traitement manuel traditionnelles peut prendre au plus des jours. mais pour l’ia, des heures, des minutes voire des secondes peuvent suffire.
"l'ia aide les scientifiques à découvrir les problèmes plus rapidement, à les analyser, à donner leur avis sur les problèmes et à effectuer un contrôle actif pour former une boucle fermée, améliorant ainsi efficacement la sécurité et l'efficacité."
les protéines constituent la base matérielle de toutes les activités vitales et peuvent être qualifiées de « joyau » de la biologie moléculaire. basé sur le modèle de conformation moléculaire uni-mol à grande échelle publié par shenzhen technology, il peut réaliser diverses capacités générales telles que la génération de molécules et la prédiction de propriétés. dans le domaine de la découverte de médicaments, vd-gen, une méthode de génération de molécules dynamiques virtuelles développée sur la base d'uni-mol, peut générer directement des molécules ayant une affinité de liaison élevée dans la cavité cible de la protéine.
sun weijie, co-fondateur et pdg de shenzhen technology, a annoncé qu'au cours des dernières années, shenzhen technology et ses collaborateurs avaient lancé un grand modèle de simulation moléculaire dpa, un grand modèle de conformation moléculaire uni-mol, un grand modèle d'uni-fold le repliement des protéines et un grand modèle de séquence génétique uni-arn. une série de grands modèles scientifiques et de moteurs sous-jacents tels que de grands modèles, le moteur d'amarrage moléculaire haute performance uni-dock et les grands modèles multimodaux de littérature scientifique uni-smart.
système grand modèle scientifique shenzhen shi yuzhi (photo fournie par shenzhen shi technology)
il existe actuellement environ 200 millions de protéines connues sur terre, et chaque protéine possède une structure spatiale unique. après un long processus d'évolution de la vie dans la nature, les molécules de protéines peuvent spontanément compléter l'ensemble du processus de repliement en un instant. mais si les scientifiques voulaient calculer les interactions entre les molécules d’acides aminés pour prédire comment elles se replient, il faudrait plus de temps que l’âge de l’univers entier pour épuiser toutes les configurations protéiques possibles.
"maintenant, grâce à l'utilisation de la technologie de l'ia, la conformation tridimensionnelle des protéines peut être calculée avec précision et en très peu de temps. les scientifiques explorent également davantage l'utilisation de l'ia pour concevoir des protéines qui n'existent pas dans la nature ou modifier des protéines existantes en fonction de fonctions spécifiques. " le professeur de biologie computationnelle xu jinbo, scientifique, fondateur et scientifique en chef de molecular heart, a déclaré : " la prévision des structures protéiques grâce à l'ia a considérablement amélioré la compréhension des protéines, la façon dont les protéines remplissent leurs fonctions biologiques et la compréhension des interactions entre les protéines. et les non-protéines. cela permet aux gens de mieux comprendre les processus moléculaires de la vie, ce qui a un impact important sur les domaines de la biologie, de la médecine et de la pharmacie. par exemple, grâce à la prédiction de la structure des protéines par l’ia, des cibles protéiques précises peuvent être trouvées plus rapidement et plus rapidement. aider les développeurs de médicaments à concevoir des molécules médicamenteuses plus efficaces.
xu jinbo estime que les grands modèles d'ia sont particulièrement adaptés à la résolution de problèmes dans le domaine des sciences de la vie. "l'exemple le plus réussi de combinaison de l'informatique et de la biologie est la prédiction de la structure des protéines de l'ia. il s'agit de loin de la plus grande contribution de l'ia à la biologie et même à l'ensemble de la communauté scientifique. mais ce n'est que le début, et c'est loin d'être la fin. »
neworigin (darwin), un grand modèle de génération de protéines d'ia développé indépendamment par molecular heart, est un grand modèle de base de protéines d'ia qui intègre la séquence, la structure, la fonction et l'évolution. il a appris une grande quantité de données multimodales hautement professionnelles et complexes. peuvent être utilisées selon la demande des applications industrielles, des protéines fonctionnelles « sur mesure ». à l'heure actuelle, le grand modèle neworigin a été largement utilisé dans les domaines de la recherche et du développement de médicaments innovants, des matériaux, de l'alimentation, de l'industrie chimique, de l'agriculture, etc., dans la conception de médicaments macromoléculaires, l'optimisation de la stabilité des protéines dans des environnements extrêmes, l'optimisation de l'activité enzymatique, l'optimisation des enzymes. -amarrage de substrat spécifique, protéine réalisez des percées dans de nombreux types de tâches industrielles difficiles telles que la conception de novo.
l'assistance des grands modèles d'ia à la recherche scientifique se déplace de la terre vers l'espace lointain, jouant un rôle important dans le domaine de l'exploration de l'espace lointain. ouyang ziyuan, académicien de l'académie chinoise des sciences et premier scientifique en chef du projet d'exploration lunaire de chine, a déclaré qu'avec l'avancement rapide des activités humaines d'exploration de l'espace lointain, les données de détection ont augmenté de façon exponentielle. en termes de gestion des données, notre pays a acquis l'avantage de jouer un rôle de pionnier ; en termes d'application des données, notre pays doit tirer pleinement parti de ses avantages technologiques existants en matière d'intelligence artificielle.
outre la détection des échantillons restitués, la recherche humaine sur l’évolution géologique de la lune s’appuie principalement sur l’étude des objets géologiques lunaires comme l’identification des cratères d’impact. la taille, la profondeur, la forme et d’autres caractéristiques des cratères d’impact constituent une base importante pour étudier l’évolution géologique de la lune. selon les statistiques, le nombre de cratères d'impact lunaires d'un diamètre supérieur à un kilomètre sur la lune dépasse actuellement le million, et le nombre de cratères d'impact d'un diamètre inférieur à un kilomètre n'a pas encore été déterminé. il est « presque impossible » d’achever l’identification de tous les cratères d’impact lunaire si elle repose entièrement sur le travail manuel.
lors de l'exposition numérique 2024, l'institut de géochimie de l'académie chinoise des sciences et alibaba cloud ont lancé conjointement le premier « grand modèle professionnel multimodal de science lunaire » au monde (appelé « grand modèle professionnel lunaire »). ce grand modèle est construit sur la base des modèles de la série alibaba cloud tongyi. actuellement, le taux de précision dans l'identification de l'âge et de la forme des cratères d'impact lunaire a atteint plus de 80 %. l'application du grand modèle lunaire professionnel a considérablement amélioré l'efficacité de la recherche scientifique : les chercheurs scientifiques n'ont qu'à saisir des images du cratère d'impact lunaire et des questions connexes, et le grand modèle lunaire professionnel peut appeler la vision générale et les modèles multimodaux pour générer des données. à partir de 17 types de données multimodales (y compris le spectre, l'élévation, la gravité et d'autres données) pour déterminer le type modal correspondant à l'image.
la mise en œuvre de modèles de recherche scientifique à grande échelle nécessite une compréhension des lois scientifiques sous-jacentes
bien que les grands modèles d'ia aient apporté une grande valeur à la recherche scientifique, la mise en œuvre de grands modèles de recherche scientifique dans les industries en aval est toujours confrontée à une série de défis de scénario connexes.
xu jinbo estime qu'en plus des conditions de base nécessaires telles que les algorithmes, la puissance de calcul et les données, le développement de modèles de production de protéines à grande échelle nécessite également deux capacités professionnelles avancées majeures : premièrement, l'intégration des ordinateurs, de la biologie, de la physique et d'autres disciplines et familiarité avec l'ia, la dynamique moléculaire, etc., la science, l'informatique quantique et d'autres méthodes, et peut considérer les capacités d'intégration inter-domaines de la séquence et de la structure, de la chaîne principale et de la chaîne latérale, de l'évolution et de l'omique en parallèle dans la pratique. la seconde est la capacité de sortir du laboratoire, de s'immerger dans l'environnement industriel réel et d'être proche des besoins industriels réels en termes de demande, de vérification et de mise en œuvre. actuellement, les équipes talentueuses possédant ces capacités et ces conditions sont très rares.
sun weijie estime que l'ia doit d'abord apprendre les lois scientifiques et la distribution mathématique de l'univers des particules microscopiques avant de pouvoir tenter de résoudre des problèmes importants dans le monde microscopique.
"ce que le système d'algorithmes et le système de modèles existants apportent, c'est une opportunité de véritablement reconstruire le monde à partir de l'atome. l'explosion de l'ia a offert à la recherche scientifique une opportunité systématique de reconstruire les outils de production, la productivité et les relations de production. à partir de l'atome, les logiciels, les données, la représentation et les liens finaux de fabrication seront tous reconstruits. bien que la prospérité du monde numérique ait favorisé le développement de grands modèles, il convient d'accorder davantage d'attention à la fin du jeu à long terme et à la fin du jeu de la reconstruction de l'ia. de la productivité de la recherche scientifique sera vers l'ère de la « fabrication d'atomes intelligents » », a-t-il déclaré.
« le monde physique est composé de particules microscopiques, et ce qui est concerné, c'est la structure moléculaire, la séquence des gènes des protéines, la simulation moléculaire, etc. au niveau microscopique. ces nouveaux modes ne peuvent pas être couverts et traités dans les grands modèles classiques et dans le passé. les grands modèles ne sont pas encore capables de les couvrir et de les gérer. c'est un moyen de véritablement comprendre les lois scientifiques sous-jacentes à tout ce qui existe dans l'univers", a déclaré sun weijie.
il a en outre expliqué que les grands modèles d'ia doivent comprendre l'univers des particules microscopiques et tenter de résoudre les problèmes du monde microscopique. il y a souvent un manque de données très efficaces car le monde des particules microscopiques est invisible et intangible. "dans le monde microscopique, la méthode la meilleure et éprouvée actuellement est l'ia pour la science. l'ia pour la science ouvre un nouveau paradigme de recherche scientifique, intégrant étroitement l'intelligence artificielle à la recherche scientifique fondamentale et donnant à l'ia la capacité de comprendre le monde microscopique. physique les trois piliers du modèle mondial, le modèle mondial numérique et le modèle d'intelligence incarnée constituent aujourd'hui les trois principales pistes de travail et d'entrepreneuriat dans le domaine de l'ia. l'ia pour la science est l'un des trois piliers de l'ia et en est la porte d'entrée. à agi. le seul moyen", a déclaré sun weijie.
la fabrication basée sur de grands modèles nécessite une intégration et une application plus approfondies
les grands modèles d'ia pénètrent progressivement dans tous les aspects de l'industrie manufacturière et deviennent l'une des technologies de base conduisant à l'intelligence, à la flexibilité et à l'automatisation dans l'industrie manufacturière, ouvrant ainsi de nouvelles opportunités à l'industrie manufacturière.
le niveau gouvernemental promeut activement l'application spécifique et l'innovation des grands modèles dans le domaine de la fabrication. en avril de cette année, le département des sciences et technologies du ministère de l'industrie et des technologies de l'information a proposé de promouvoir l'utilisation généralisée de l'intelligence artificielle dans la production et la fabrication, et a souligné que « prendre l'intégration profonde de l'intelligence artificielle et de la fabrication comme axe principal , établissant de grands modèles généraux et de grands modèles industriels, accélérant l'intelligence artificielle et favorisant une nouvelle industrialisation ».
sous la direction de cette tendance, de nombreuses industries telles que celles de l’électroménager, de l’automobile et de la chimie ont exploré l’application de grands modèles d’ia.
le moulage par injection est un processus important pour la production de machines à laver. le processus de production semble n'être rien d'autre que l'ouverture et la fermeture du moule, mais il implique des processus et des paramètres complexes tels que la température, la pression, le cycle de moulage, l'état du moule, la consommation d'énergie, etc. dans le passé, le débogage ne pouvait s'appuyer que sur une expérience manuelle. aujourd’hui, le problème de la « boîte noire » du processus de moulage par injection a été résolu.
en entrant dans l'usine d'interconnexion de machines à laver haier tianjin, vous constaterez que le modèle industriel de tianzhi développé indépendamment par cosmoplat transforme l'expérience industrielle des maîtres du moulage par injection en données et indicateurs quantifiables. le responsable concerné a déclaré que grâce à l'adaptation raisonnable du grand modèle de moulage par injection et du modèle expert, la consommation d'énergie globale de la machine de moulage par injection peut être optimisée et réduite de 6 à 10 %, et le temps de cycle de production peut être augmenté de 5 à 12 %. il est entendu que le grand modèle industriel de tianzhi peut lire le langage industriel, comprendre les processus et mécanismes industriels, générer des instructions d'exécution industrielle et exécuter le contrôle des machines industrielles. il a été utilisé dans les usines d'interconnexion de machines à laver de haier à tianjin et foshan.
la photo montre l'équipement de moulage par injection de l'usine d'interconnexion de machines à laver de haier à tianjin (photo fournie par kaos)
« dans les scénarios et les processus industriels de la production et de la fabrication automobiles, il existe des problèmes courants tels qu'une utilisation élevée de colle, des coûts de main-d'œuvre élevés, une planification de la production qui doit être optimisée et une conception des processus difficile à obtenir manuellement. l'institut chinois de recherche sur l'internet industriel lors de l'événement d'amarrage de l'offre et de la demande et de transformation des réalisations « intelligence artificielle générative + automobile » 2024, de nombreux constructeurs automobiles ont mentionné une série de problèmes auxquels l'industrie est confrontée.
« la technologie d'intelligence artificielle générative aide à organiser automatiquement les processus de soudage et les projets d'assemblage de programmes, obtenant ainsi un équilibrage de charge optimal et améliorant l'efficacité de la préparation des documents de processus. » a déclaré zheng chunqi, directeur général adjoint de gac aian new energy vehicle co., ltd. ye tongsheng, directeur de l'industrie automobile de yuncong technology group co., ltd., a en outre ajouté que les capacités d'analyse des grands modèles peuvent surveiller la qualité de l'ensemble du processus de production de véhicules.
en termes d'intelligentisation de l'industrie pétrochimique, d'intelligentisation des équipements industriels et de haute efficacité de la recherche expérimentale, la technologie de prévision intelligente pour la cokéfaction par décantation par craquage catalytique peut résoudre le problème de la cokéfaction par décantation par craquage catalytique. selon deng chun, professeur au laboratoire national clé du pétrole lourd de l'université chinoise du pétrole, l'intelligence artificielle générative favorise l'application du fonctionnement intelligent des équipements industriels dans l'industrie chimique à travers la perception des matériaux, les mécanismes de réaction, les équipements de base, l'optimisation des processus, et l'optimisation du système.
cependant, la mise en œuvre de grands modèles d’ia au niveau de la fabrication ne s’est pas déroulée sans heurts. l'enquête a révélé que les entreprises manufacturières disposent d'énormes quantités de données et sont très fragmentées, ce qui rend difficile leur agrégation efficace et leur valorisation. de plus, le coût de la puissance de calcul, le coût de déploiement et le coût des essais et erreurs des grands modèles sont relativement élevés, et il existe une pénurie particulière de talents techniques en ia industrielle.
« l'application de grands modèles dans les entreprises manufacturières nécessite les efforts conjoints des ingénieurs en algorithmes, des ingénieurs de données et des chefs d'entreprise de première ligne. en particulier, beaucoup d'énergie et de temps doivent être investis dans la collecte et l'annotation des données, le réglage fin des modèles. et l'optimisation des processus. sun linjun, vice-président de l'association d'intelligence artificielle de hainan, membre du comité numérique de la fédération de l'industrie et du commerce du zhejiang et fondateur de la société de technologie d'ia real intelligence, a déclaré que face aux chaînes d'approvisionnement complexes dans le secteur manufacturier. les entreprises, l'intelligence real agent peut intégrer et optimiser les données à l'aide des ressources rpa, des interfaces alternatives à faible coût à l'aide de grands modèles, le seuil d'utilisation des données peut être réduit, les opérations commerciales complexes peuvent être décomposées grâce au raisonnement et à la rpa ; est programmé pour terminer automatiquement les opérations commerciales, puis les coûts et les ressources informatiques peuvent être déployés grâce à un contrôle raisonnable du modèle, qui peut être appliqué à l'approvisionnement en matières premières. il joue un très bon rôle dans la réduction des coûts et l'augmentation de l'efficacité dans divers liens commerciaux et des processus tels que la gestion des stocks, la planification de la production et la distribution logistique.
malgré de nombreux défis, la grande majorité des entreprises interrogées croient fermement que les perspectives d’application des grands modèles d’ia dans l’industrie manufacturière sont encore vastes.
xu xiaolan, président de l'institut chinois d'électronique, a suggéré que la chine devrait exploiter pleinement ses avantages tels qu'un système industriel complet, une grande échelle industrielle, des scénarios d'application riches et de riches talents d'ingénierie, et s'efforcer de consolider les fondations de l'ia. technologie, approfondir les applications intégrées de l'ia, améliorer l'écologie du développement industriel et approfondir grâce à la technologie de l'intelligence artificielle, nous accélérerons le développement de nouvelles forces productives et promouvrons une nouvelle industrialisation.
l’introduction de grands modèles dans les terminaux favorise la vulgarisation à grande échelle de l’ia
si le modèle du grand cloud démontre les puissantes capacités techniques de l’ia, alors l’ia intégrée aux appareils est le vecteur qui accélère la diffusion des dividendes de la technologie de l’ia.
pourquoi l’ia sur appareil est-elle si populaire ? citic construction investment a publié un rapport de recherche indiquant que l'ia sur appareil est la prochaine étape du développement de l'ia. en dotant les grands modèles d'un matériel terminal, elle devrait lancer une vague d'applications d'ia.
d'après la configuration des fabricants de terminaux, oppo a proposé d'équiper cette année les téléphones mobiles d'environ 50 millions d'utilisateurs avec des fonctions d'ia. lenovo a pleinement promu la stratégie de terminal intelligent aipc « tout-en-un et multi-terminal » dont xiaomi su7 est équipé. avec de grands modèles d'ia, et de nombreuses séries de téléviseurs changhong sont équipées de changhong yunfan ai. grands modèles... on peut voir que l'entrée des grands modèles du côté des terminaux s'est accélérée.
l'image montre la répartition et le positionnement des grands modèles côté terminal (source : iresearch)
placer de grands modèles dans de petits terminaux présente des perspectives et des défis illimités. selon zhang peng, pdg de zhipu ai, comment rendre le modèle plus intelligent sur la base d'un volume de transmission plus faible et comment fournir des ressources uniques sur le terminal mobile pour prendre en charge le fonctionnement des grands modèles sont l'un des problèmes majeurs rencontrés par les grands modèles. problème d'entrée dans le terminal.
zhipu ai, fondée il y a seulement 5 ans, est désormais devenue une étoile montante dans le domaine du développement de modèles. lorsqu'il s'agit de créer un espace pour la mise en œuvre de grands modèles, zhang peng estime que la coopération est la clé. « d'une part, les grands modèles doivent être entièrement auto-recherchés et les fabricants de matériel et d'algorithmes de modèles doivent fonctionner. les systèmes et une série de fabricants de technologies écologiques doivent travailler ensemble. « zhipu ai a coopéré avec intel, qualcomm, etc. pour permettre aux grands modèles de fonctionner sur divers terminaux tels que les pc, les téléphones mobiles et les automobiles.
« éteignez la caméra frontale », « coupez le volume de l'ordinateur », « générez un résumé en fonction de mes habitudes de lecture »... les consommateurs ont constaté qu'il est plus facile d'utiliser un nouvel ordinateur d'une certaine marque. en ayant une simple conversation avec l’ordinateur, des opérations complexes peuvent être remplacées. selon le fabricant, avec les futures itérations de la version, il pourra même aider les utilisateurs à mettre en œuvre des fonctions plus difficiles telles que l'édition et l'envoi d'e-mails, la création d'affiches personnalisées et la compréhension de la signification contenue dans une image.
« en 2022, lenovo a commencé à planifier le placement de grands modèles localement. » zheng aiguo, directeur général des produits et solutions mondiaux pour les petites et moyennes entreprises du groupe lenovo, a déclaré qu'à cette époque, les paramètres des grands modèles étaient trop grands et difficiles. à transporter localement. jusqu'à l'année dernière, les grandes sociétés de développement de modèles ont réduit leur concentration à 6-7b, et lenovo a commencé à se rendre compte que la mise en œuvre de plans locaux de grands modèles est devenue moins difficile. en mai de l'année dernière, lenovo a combiné le modèle d'ia côté client à grande échelle avec le projet pc.
wang bin, directeur du laboratoire d'ia du groupe xiaomi, estime que d'une part, les modèles deviennent plus petits, d'autre part, la puissance de calcul augmente et les capacités matérielles deviennent plus fortes. associées à diverses demandes, on s'attend à ce que cela se produise. seront des tueurs du côté des applications d'ia au niveau du terminal.
le journaliste a passé au peigne fin les produits de téléphonie mobile ia en vente sur une plateforme de commerce électronique et a constaté que la voix, l'image et l'assistant ia sont les trois points fonctionnels les plus concentrés des téléphones mobiles ia. à l'heure actuelle, les principaux fabricants de téléphones mobiles déploient activement des modèles légers et volumineux pour rendre l'ia inefficace et développent vigoureusement des scénarios d'application d'ia. certains rapports d’études de marché prédisent que les téléphones mobiles ia auront de plus grandes perspectives de valeur en termes d’assistants personnels intelligents et de capacités bureautiques améliorées. il devient une réalité que chaque terminal dispose de son propre assistant ia intégré, considéré comme un avenir ia dont tout le monde peut profiter.
les cas d'utilisation de l'ia côté extrémité tels que la reconnaissance d'images ia, le réveil vocal et la photographie informatique peuvent sembler simples, mais en fait, ils ont des exigences très strictes en matière de puissance de calcul et de bande passante ddr de la puce.
la croissance rapide des cas d’utilisation de l’ia sur les smartphones souligne l’importance de qualcomm en tant qu’entreprise. "qualcomm a intégré le concept de l'ia dans l'ensemble du soc dès le début de la conception." wan weixing, responsable de la technologie des produits ia de qualcomm en chine, a déclaré qu'en réponse au défi des grands modèles sur la bande passante ddr, qualcomm a développé technologie de quantification, technologie de compression pour réduire la taille du modèle ; pour les grands modèles nécessitant une puissance de calcul élevée, qualcomm a réalisé une conception très professionnelle sur le npu pour répondre aux divers besoins des différents cas d'utilisation.
de plus, des centaines de modèles fleurissent et les grands modèles d'extrémité sont subdivisés en de nombreuses catégories. cependant, à l'heure actuelle, les capacités de communication entre les modèles sur différents terminaux n'ont pas encore été établies. par conséquent, selon sun mingjun, directeur de l'institut de recherche sur l'intelligence artificielle intelligente de zhongguancun, « à l'avenir, l'unification et l'interopérabilité des normes techniques constitueront un problème technique très important qui devra être résolu par toutes les parties ».
"l'application est reine", ce concept est particulièrement important dans le développement et la mise en œuvre de technologies de grands modèles. au cours des recherches et des entretiens, les professionnels de l'industrie ont généralement convenu que la véritable valeur des grands modèles réside dans la résolution de problèmes pratiques et dans la création d'une réelle valeur pour les utilisateurs.
à mesure que l'action « intelligence artificielle + » progresse en profondeur, on s'attend à ce qu'avec la coopération de plusieurs parties, la technologie de modèle à grande échelle s'appuie sur « l'effet volant » pour non seulement responsabiliser des milliers d'industries, mais aussi accélérer la formation de nouvelles technologies productives. forces, mais fournissent également des commentaires grâce à une application continue. l'itération technologique et l'amélioration des performances ouvrent un nouveau domaine d'application de grands modèles.
