νέα

από τότε που το chatgpt πυροδότησε εντελώς την εναρκτήρια έκθεση τεχνητής νοημοσύνης (ai) πέρυσι, άνθρωποι σε όλο τον κόσμο ανακάλυψαν ότι καμία τεχνολογία δεν ήταν ποτέ τόσο «μεταβαλλόμενη κάθε μέρα» όσο η ai: είτε πρόκειται για ένα μεγάλο μοντέλο είτε για ένα τσιπ, είναι αναβαθμίζεται και επαναλαμβάνεται με εκπληκτική ταχύτητα με την κίνα και τις ηνωμένες πολιτείες να αναλαμβάνουν το προβάδισμα, ολόκληρη η βιομηχανία έχει δείξει ένα μεγαλειώδες θέαμα με χιλιάδες πανιά που ανταγωνίζονται. με την ταχεία επανάληψη της τεχνολογίας και τις βαθιές αλλαγές στην αγορά, η εναρκτήρια έκθεση θα φτάσει τελικά στο τέλος της και το πραγματικό ερώτημα θα είναι τελικά μπροστά σε όλους: πώς να το εφαρμόσετε; πώς να κερδίσετε χρήματα;

ως αποτέλεσμα, διαμορφώνεται σταδιακά μια σαφής συναίνεση: η ανάπτυξη της τεχνητής νοημοσύνης πέρασε από το στάδιο του απλού «μεγάλου μοντέλου εξοπλισμού αγώνα» και εισήλθε επίσημα στο δεύτερο μισό του «deep mining of stage applications» και του «innovative concept guidance».

σε αυτό το νέο στάδιο ανάπτυξης, πώς να βρείτε την καλύτερη ισορροπία μεταξύ της τεχνολογικής καινοτομίας και της εμπορικής εφαρμογής; πώς να αναζητήσετε ευκαιρίες συνεργασίας σε σκληρό ανταγωνισμό; πώς να ανακαλύψετε και να αξιοποιήσετε ευκαιρίες ανάπτυξης εν μέσω προκλήσεων; αυτές οι ερωτήσεις έχουν γίνει βασικά θέματα για να εξετάσουν οι επαγγελματίες και να δώσουν απαντήσεις. ως ηγέτες, η κίνα και οι ηνωμένες πολιτείες έχουν προσελκύσει αναμφίβολα την προσοχή του κόσμου. οι στρατηγικές επιλογές, οι τεχνολογικές επενδύσεις και η δυναμική της αγοράς των δύο χωρών διαμορφώνουν την αναπτυξιακή τροχιά και το ανταγωνιστικό τοπίο της παγκόσμιας τεχνητής νοημοσύνης με άνευ προηγουμένου τρόπο.

1

αμερικανική προοπτική: δίλημμα επενδυτικής ομίχλης και εμπορευματοποίησης

οι ηνωμένες πολιτείες, ως η γενέτειρα της τεχνολογίας ai, έχουν επενδύσει τεράστια στην έρευνα και ανάπτυξη μεγάλων μοντέλων, αλλά η διαδικασία εμπορευματοποίησής τους παραπαίει και αντιμετωπίζει τον κίνδυνο χαμηλής απόδοσης επένδυσης και φούσκες στην αγορά.

κάτω από την τρέλα της ai, η αγορά έχει δείξει μεγάλο ενθουσιασμό. η nvidia, η meta, η tesla, η amazon, η μητρική εταιρεία google alphabet, η microsoft και η apple, αυτοί οι επτά τεχνολογικοί γίγαντες γνωστοί ως "magna 7", θα λάμψουν στο χρηματιστήριο το 2023, με τις τιμές των μετοχών τους να εκτοξεύονται αντίστοιχα κατά 239%, 194% , 102%, 81%, 59%, 57% και 48%.

ωστόσο, πίσω από αυτή την τρέλα, υπάρχει μια σκιά που δεν μπορεί να αγνοηθεί. στα τέλη ιουνίου του τρέχοντος έτους, ένα άρθρο της goldman sachs με τίτλο «υπερβολικά πολλές επενδύσεις, πολύ μικρές αποδόσεις» έφερε στο προσκήνιο τη θεωρία της τεχνητής νοημοσύνης. σχετικούς τομείς τα επόμενα χρόνια, αλλά εκτός από μια ελαφρά βελτίωση στην παραγωγικότητα των προγραμματιστών, δεν παρατηρήθηκαν άλλα σημαντικά αποτελέσματα. η sequoia capital πιστεύει επίσης ότι η φούσκα του κλάδου της τεχνητής νοημοσύνης εντείνεται και το χάσμα ζήτησης για την κερδοφορία της τεχνητής νοημοσύνης συνεχίζει να διευρύνεται. πολλά ιδρύματα έχουν εκδώσει προειδοποιήσεις: η έρευνα και η ανάπτυξη μεγάλων μοντέλων τεχνητής νοημοσύνης αντιμετωπίζει άνευ προηγουμένου προκλήσεις. αν και οι επενδύσεις κεφαλαίου συνεχίζουν να αυξάνονται, η διαδικασία εμπορευματοποίησης απέχει πολύ από το αναμενόμενο, η αύξηση των εσόδων είναι ασθενής και οι προοπτικές κέρδους ανησυχητικές. το πιο σοβαρό είναι ότι ο κίνδυνος των φυσαλίδων του κλάδου έχει γίνει ολοένα και πιο εμφανής και η απόδοση της επένδυσης ήταν υποτονική, προκαλώντας βαθιές ανησυχίες για τη βιωσιμότητα του κλάδου της τεχνητής νοημοσύνης.

συγκεκριμένα, το πρώτο ζήτημα είναι η εμπορευματοποίηση και τα θέματα εισροών-εκροών. επί του παρόντος, οι επενδύσεις σε μεγάλης κλίμακας μοντέλα ε&α συνεχίζουν να αυξάνονται, αλλά η πορεία εμπορευματοποίησης δεν είναι ακόμη σαφής, με αποτέλεσμα μια σοβαρή ανισορροπία στην αναλογία εισροών-εκροών. οι προοπτικές ανάπτυξης της πίστας είναι ασαφείς, αφήνοντας τους επενδυτές και τους προγραμματιστές να αντιμετωπίζουν τεράστια αβεβαιότητα. επιπλέον, η αύξηση των εσόδων των μεγάλων μοντέλων τεχνητής νοημοσύνης είναι ανεπαρκής και οι προοπτικές κέρδους είναι ανησυχητικές, επιδεινώνοντας περαιτέρω το άγχος της αγοράς. ειδικά με την πρόοδο της τεχνολογίας, το κόστος εκπαίδευσης των μοντέλων τεχνητής νοημοσύνης συνεχίζει να αυξάνεται. για παράδειγμα, η «έκθεση τεχνητής νοημοσύνης 2024» αναφέρει ότι το κόστος εκπαίδευσης του μοντέλου gpt-4 του openai αναμένεται να φτάσει τα 78 εκατομμύρια δολάρια ηπα. , και το μοντέλο geminiultra της google φτάνει τα 1,91 δισεκατομμύρια δολάρια. τέτοιο υψηλό κόστος αντιπροσωπεύει σημαντική επιβάρυνση για πολλές επιχειρήσεις, ειδικά όταν οι αποδόσεις είναι ασαφείς.

από την άλλη πλευρά, η πραγματική ανάπτυξη εφαρμογών ai είναι επίσης ανησυχητική. αν και τα μεγάλα μοντέλα έχουν σημειώσει σημαντική τεχνική πρόοδο, η εφαρμογή τους ήταν πολύ πιο αργή από τις προσδοκίες της αγοράς. αν και η τεχνολογία ai έχει ξεπεράσει την ανθρώπινη απόδοση σε εργασίες όπως η ταξινόμηση εικόνων, ο οπτικός συλλογισμός και η κατανόηση των αγγλικών, εξακολουθεί να υστερεί σε σχέση με τους ανθρώπους σε πιο σύνθετες εργασίες, όπως ανταγωνιστικά μαθηματικά, οπτική λογική κοινής λογικής και σχεδιασμό. αυτή η υστέρηση στην ανάπτυξη όχι μόνο επηρεάζει την εμπιστοσύνη της αγοράς, αλλά επίσης εντείνει το άγχος στον κλάδο, αναγκάζοντας τους ανθρώπους να αρχίσουν να επανεξετάζουν την πορεία ανάπτυξης της τεχνολογίας ai.

σε αυτό το υπόβαθρο, το αμερικανικό πεδίο ai υφίσταται βαθύ προβληματισμό και μετασχηματισμό. από έναν καθαρά τεχνολογικό διαγωνισμό σε μια εις βάθος εξερεύνηση των μονοπατιών εμπορευματοποίησης, από την τυφλή αισιοδοξία στην ανάπτυξη μεγάλων μοντέλων έως την επείγουσα ανάγκη για εφαρμογή εφαρμογών σεναρίου.

2

η ολοένα και πιο ακριβή πίστα πρέπει να βρει μια νέα κατεύθυνση

στο ταραχώδες κύμα της τεχνητής νοημοσύνης, τα μεγάλα μοντέλα έχουν γίνει αναμφίβολα τα εκθαμβωτικά αστέρια, οι ισχυρές τους δυνατότητες παραγωγής και οι ευρείες προοπτικές εφαρμογής τα καθιστούν ένα καυτό επενδυτικό έργο. ωστόσο, η τρέχουσα κατάσταση της μεγάλης βιομηχανίας μοντέλων μοιάζει με «πάγο και φωτιά», αφενός, υπάρχουν ραγδαίες τεχνολογικές ανακαλύψεις και ραγδαία επενδυτική έκρηξη, αφετέρου, υπάρχουν πολλές προκλήσεις και διλήμματα που αντιμετωπίζουν οι επιχειρήσεις .

από τη γέννηση του chatgpt, η τεχνολογία μεγάλων μοντέλων έχει αναπτυχθεί με ανησυχητικό ρυθμό, διευρύνοντας συνεχώς τα γνωστικά όρια της τεχνητής νοημοσύνης. οι τεχνολογικοί γίγαντες όπως η google, η microsoft και η meta έχουν αυξήσει τις επενδύσεις τους στον τομέα της τεχνητής νοημοσύνης και ανταγωνίζονται για την κατασκευή κέντρων δεδομένων ο ανταγωνισμός για υπολογιστικούς πόρους έχει γίνει ολοένα και πιο έντονος και έχει γίνει το επίκεντρο της βιομηχανίας. ωστόσο, η έκθεση της wall street journal στις 31 μαρτίου ήταν σαν να της έριξε κρύο νερό, αποκαλύπτοντας μια σκληρή πραγματικότητα: η βιομηχανία ai ξόδεψε 50 δισεκατομμύρια δολάρια μόνο σε τσιπ nvidia πέρυσι για να εκπαιδεύσει μεγάλα μοντέλα, ενώ τα έσοδά της ήταν μόνο 3 δισεκατομμύρια δολάρια ηπα, που δείχνει το τεράστιο χάσμα μεταξύ των υψηλών επενδύσεων και των πενιχρών αποδόσεων.

η κλίμακα των δαπανών τεχνητής νοημοσύνης από τους τεχνολογικούς γίγαντες αποδεικνύει επίσης αυτό το σημείο. σύμφωνα με δημοσιεύματα μέσων ενημέρωσης, η meta αναμένει ότι οι δαπάνες για τεχνητή νοημοσύνη θα αυξηθούν έως και 10 δισεκατομμύρια δολάρια φέτος, με την google να επενδύει περίπου 12 δισεκατομμύρια δολάρια ανά τρίμηνο και τη microsoft να δαπανά 14 δισεκατομμύρια δολάρια σε ένα τρίμηνο, υποδεικνύοντας ότι αυτές οι δαπάνες θα συνεχίσουν να αυξάνονται σημαντικά. με την ταχεία άνοδο των πολύ μεγάλων κέντρων δεδομένων, η synergy research group προβλέπει ότι περισσότερα από 120 έως 130 εξαιρετικά μεγάλα κέντρα δεδομένων με κόστος 100 εκατομμυρίων δολαρίων θα έρχονται στο διαδίκτυο κάθε χρόνο στο μέλλον και το κόστος κάθε κέντρου δεδομένων είναι σε 100 εκατομμύρια δολάρια ηπα.

ωστόσο, το κόστος της τεχνητής νοημοσύνης και των κομματιών μεγάλων μοντέλων δεν αντικατοπτρίζεται μόνο στην ταχύτητα καύσης χρημάτων, αλλά και στο γεγονός ότι είναι δύσκολο να ανακτηθεί το κεφάλαιο βραχυπρόθεσμα. αν και τα ετήσια έσοδα του openai έχουν ξεπεράσει τα 3,4 δισεκατομμύρια δολάρια ηπα, το υψηλό λειτουργικό κόστος και το έντονο ανταγωνιστικό περιβάλλον το έχουν διατηρήσει σε ζημία και η απώλεια αναμένεται να είναι κοντά στα 5 δισεκατομμύρια δολάρια μέχρι το τέλος του 2024.

αντιμέτωποι με αυτήν την κατάσταση, οι εγχώριοι κολοσσοί της τεχνολογίας επέδειξαν μια πιο συνετή και ρεαλιστική στάση και άρχισαν να μετατοπίζονται από την εκτεταμένη εξερεύνηση γενικών μεγάλων μοντέλων στη εις βάθος ανάπτυξη βιομηχανικών κάθετων μεγάλων μοντέλων. ως ακρογωνιαίος λίθος των μεγάλων μοντέλων γενικής χρήσης για την αντιμετώπιση ενός ευρέος φάσματος εργασιών, η σημασία τους δεν μπορεί να αγνοηθεί, ενώ τα κάθετα μεγάλα μοντέλα έχουν γίνει το νέο αγαπημένο της αγοράς λόγω της εις βάθος εξερεύνησής τους και της ακριβούς ικανοποίησης συγκεκριμένων βιομηχανιών. σε τομείς όπως η ιατρική περίθαλψη, τα οικονομικά, το δίκαιο και η εκπαίδευση, τα κάθετα μεγάλα μοντέλα παρουσιάζουν σταδιακά μεγάλες δυνατότητες εφαρμογής και αναδιαμορφώνουν το πρόσωπο του κλάδου.

αξίζει να τονιστεί ότι η ευρεία εφαρμογή μεγάλων μοντέλων δεν μπορεί να διαχωριστεί από τη σταθερή υποστήριξη υπολογιστικής ισχύος, δεδομένων και αλγορίθμων, που θέτει υψηλό όριο για τις μικρομεσαίες επιχειρήσεις ή τις επιχειρήσεις με περιορισμένους πόρους υπολογιστικής ισχύος. αλλά ακριβώς αυτές οι προκλήσεις είναι που ωθούν ολόκληρο τον κλάδο να συνεχίσει να εξερευνά και να καινοτομεί και να αναζητά πιο αποτελεσματικές και οικονομικές λύσεις για την προώθηση της εκλαΐκευσης και της εμβάθυνσης της τεχνολογίας ai.

3

breaking the game: στην κίνα, η τεχνητή νοημοσύνη αναδιαμορφώνει δεκάδες εκατομμύρια βιομηχανίες

ο λόγος για τον οποίο ευνοούνται τα κάθετα μεγάλα μοντέλα δεν είναι μόνο λόγω του σχετικά χαμηλού κόστους ανάπτυξης και της ελεγχόμενης δυσκολίας τους, αλλά και επειδή μπορούν να αποφέρουν διαφοροποιημένα ανταγωνιστικά πλεονεκτήματα στις επιχειρήσεις. μέσα από εντατικές προσπάθειες, οι εταιρείες μπορούν να βελτιώσουν σημαντικά το επίπεδο ευφυΐας των προϊόντων και των υπηρεσιών τους, ξεχωρίζοντας έτσι στον έντονο ανταγωνισμό της αγοράς. ωστόσο, το πεδίο των κατακόρυφων μεγάλων μοντέλων εξακολουθεί να είναι πρόσφορο έδαφος για ανάπτυξη λόγω παραγόντων όπως η αδύναμη βάση της πληροφορικής και η αναλογία εισροών-εκροών, οι παραδοσιακές επιχειρήσεις συχνά δυσκολεύονται να αναπτύξουν ανεξάρτητα μεγάλα μοντέλα και προτιμούν να βασίζονται σε εξωτερικές δυνάμεις. εξερευνήσουν από κοινού.

ακόμα κι αν το κάθετο μεγάλο μοντέλο χαμηλώσει το όριο, εξακολουθεί να αντιμετωπίζει δύο μεγάλες δυσκολίες στην πραγματική διαδικασία υλοποίησης: πρώτον, πώς να βρει τα κατάλληλα σενάρια εφαρμογής και να σχεδιάσει οικονομικά αποδοτικές φόρμες προϊόντων για να επιτύχει τα καλύτερα αποτελέσματα με το βέλτιστο κόστος ζητήματα σχεδιασμού και συμβατότητας με εγκαταστάσεις λογισμικού και υλικού, η ασάφεια των στόχων των πελατών, η έλλειψη τεχνικών γνώσεων και η πολυπλοκότητα της ολοκλήρωσης συστήματος αυξάνουν τη δυσκολία υλοποίησης μεγάλων μοντέλων.

οι εμπειρογνώμονες του κλάδου επεσήμαναν ότι ο στόχος των επιχειρήσεων θα πρέπει να είναι να χρησιμοποιούν την τεχνητή νοημοσύνη για την επίλυση πρακτικών προβλημάτων, αντί να επιδιώκουν απλώς την ενοποίηση με μεγάλα μοντέλα. ως εκ τούτου, οι εταιρείες πρέπει να σκεφτούν πώς οι άνθρωποι και οι μηχανές μπορούν να συνεργαστούν καλύτερα, να ξεκινήσουν από την επίλυση προβλημάτων και να αποφύγουν την τυφλή επιδίωξη μεγάλων μοντέλων. σε αυτό το πλαίσιο, οι εγχώριες κορυφαίες εταιρείες τεχνολογίας προσαρμόζουν ενεργά τις στρατηγικές τους κατευθύνσεις και στρέφουν την εστίασή τους στη βελτίωση και σε βάθος ανάπτυξη κάθετων μεγάλων μοντέλων, προσπαθώντας να μεγιστοποιήσουν την πρακτική αξία εφαρμογής μεγάλων μοντέλων και να βοηθήσουν τις εταιρείες να επιτύχουν ένα διπλό άλμα στην αποτελεσματικότητα. και αποτελεσματικότητα. στην κίνα, αυτή η τάση είναι ιδιαίτερα εμφανής. μεταξύ αυτών, οι τεχνολογίες και τα προϊόντα της huawei cloud βοηθούν διάφορες βιομηχανίες να επιτύχουν έξυπνο μετασχηματισμό.

στο παρελθόν, η έρευνα και ανάπτυξη νέων φαρμάκων ήταν ένα σύνθετο και μακροχρόνιο συστηματικό έργο. η φαρμακευτική βιομηχανία και η βιομηχανία υγείας αντιμετωπίζει εδώ και καιρό το δίλημμα των μακρών κύκλων ε&α, του υψηλού κόστους και των χαμηλών ποσοστών επιτυχίας για νέα φάρμακα. σύμφωνα με το παραδοσιακό μοντέλο, η έρευνα και η ανάπτυξη νέων φαρμάκων συχνά περιορίζεται από τον «νόμο του διπλού δέκα», που σημαίνει δέκα χρόνια, επένδυση ενός δισεκατομμυρίου δολαρίων ηπα και πολύ χαμηλό ποσοστό επιτυχίας. αυτό όχι μόνο περιορίζει τη φαρμακευτική καινοτομία της χώρας μου, αλλά κάνει επίσης πολλές φαρμακευτικές εταιρείες να αγωνίζονται στο δρόμο της έρευνας και της ανάπτυξης.

για τον ιατρικό κλάδο και τη βιομηχανία υγείας, η huawei cloud έχει λανσάρει μια ιατρική λύση και λύση υγείας με πυρήνα το μεγάλο μοντέλο pangu, το οποίο βελτιώνει την αποτελεσματικότητα του σχεδιασμού φαρμάκων κατά 33%, βελτιώνει τη βελτιστοποιημένη ενέργεια μοριακής δέσμευσης κατά περισσότερο από 40% και επιταχύνει η όλη διαδικασία στο πρώιμο στάδιο της έρευνας να λύσει προβλήματα για τα «καινοτόμα φάρμακα» έτσι ώστε ο «διπλός νόμος» να μην ενοχλεί πλέον την έρευνα και την ανάπτυξη φαρμάκων. με βάση το μεγάλο μοντέλο των μορίων του φαρμάκου pangu, το πρώτο συνεργαζόμενο νοσοκομείο του πανεπιστημίου xi'an jiaotong μείωσε επιτυχώς τον κύκλο έρευνας φαρμάκων από χρόνια σε εβδομάδες και μείωσε το 90% του κόστους κεφαλαίου και εργασίας του southeast university μόρια για εφαρμογή όργανου σε τσιπ τα πειράματα έχουν επαληθεύσει αποτελέσματα με πάνω από 80% συνέπεια ο tasly έμαθε 3,5 εκατομμύρια μοριακά δεδομένα φυσικών προϊόντων μέσω του μεγάλου μοντέλου του μορίου φαρμάκου pangu και δημιούργησε ένα «ψηφιακό ευφυές φυτικό μεγάλο μοντέλο» για να επιτύχει αύξηση 10%. αποτελέσματα πρόβλεψης και βελτιστοποίησης των χαρακτηριστικών φυσικού προϊόντος.

προκειμένου να ανοίξει το «τελευταίο μίλι» της εφαρμογής της τεχνητής νοημοσύνης, το huawei cloud παρέχει ιδέες επίλυσης προβλημάτων «βιομηχανίας ai+» που εμφανίζονται σε όλο και περισσότερες βιομηχανίες. για την υλοποίηση σεναρίων κατασκευής μεγάλης κλίμακας, ο όμιλος hailiang συνεργάστηκε με την huawei για τη δημιουργία ενός μοντέλου μεγάλης κλίμακας βελτιστοποίησης της διαδικασίας φύλλου χαλκού hailiang μέσω της βελτιστοποίησης της διαδικασίας, βελτιώνει την απόδοση της παραγωγής, η βελτιστοποίηση της φόρμουλας βελτιώνει την ποιότητα των προϊόντων και επιταχύνει την καινοτομία των προϊόντων. μέσω προσομοίωσης διαδικασίας. για την υλοποίηση μοντέλων μεγάλης κλίμακας στον κλάδο των logistics, η sf express, με την υποστήριξη της huawei cloud ascend cloud service, δημιούργησε το μοντέλο μεγάλης κλίμακας "fengyu" και κατασκεύασε μια μεγάλη διάταξη εφαρμογών aigc. μεταξύ αυτών, η huawei cloud ascend cloud service παρέχει υποστήριξη αυξανόμενης υπολογιστικής ισχύος και βοηθά στην αποτελεσματική ανάπτυξη και χρήση πόρων εφαρμογών τεχνητής νοημοσύνης μέσω αποδοτικών πλατφορμών δεδομένων, ανάπτυξης, εκπαίδευσης και συμπερασμάτων, δημιουργώντας μια σταθερή μεγάλη βάση μοντέλων.

σε βιομηχανίες έντασης γνώσης, η εφαρμογή μεγάλων μοντέλων οδηγεί σε μια αλλαγή παραδείγματος προς την «ευφυΐα ως υπηρεσία». στην αυτοκινητοβιομηχανία, το gac ai r&d assistant βασίζεται στο huawei cloud codearts για την κατασκευή ενός βοηθού κώδικα και ενός διαγνωστικού βοηθού για την αυτόματη εγγραφή και ανίχνευση κωδικών, καθώς και την αυτόματη διάγνωση σφαλμάτων έξυπνου αυτοκινήτου. εστιάζοντας στα προβλήματα δυσκολίας εφαρμογής και αναπαραγωγής τεχνητής νοημοσύνης στον τομέα της εξόρυξης, η yunding technology κατασκεύασε μια έξυπνη λύση με αρχιτεκτονική «1+4+n» βασισμένη στο μεγάλο μοντέλο pangu mine της huawei, δημιουργώντας το πρώτο μεγάλο μοντέλο της εξορυκτικής βιομηχανίας. στην κίνα. μέσω μιας πλατφόρμας ανάπτυξης τεχνητής νοημοσύνης και τεσσάρων δυνατοτήτων μεγάλων μοντέλων pangu, αναπτύσσονται n σενάρια εφαρμογών υψηλής αξίας για να υποστηρίξουν τη μεγάλης κλίμακας «κάτω τρύπα» της τεχνητής νοημοσύνης.

σήμερα, η εφαρμογή της τεχνολογίας ai έχει διεισδύσει σε όλα τα κοινωνικά στρώματα και έχει γίνει μια νέα μηχανή που οδηγεί την παγκόσμια οικονομική ανάπτυξη. ταυτόχρονα, αντιμετωπίζει επίσης πολλαπλές προκλήσεις, όπως η έλλειψη βασικών δεδομένων, η επαγγελματική αναγνώριση σκηνής και η ισορροπία μεταξύ απόδοσης μοντέλου και οικονομικής απόδοσης. ο αντιπρόεδρος της huawei και ο εκ περιτροπής πρόεδρος xu zhijun τόνισε στο συνέδριο huawei full connect του 2024 ότι η τεχνολογία ai γίνεται η τεχνολογία που έχει τον μεγαλύτερο αντίκτυπο στον κλάδο, θα αλλάξει τις μεθόδους παραγωγής του κλάδου και θα γίνει ο πυρήνας για διάφορους βιομηχανίες για να εισέλθουν στον έξυπνο κόσμο. πρότεινε ότι οι επιχειρήσεις στην ευφυή εποχή θα πρέπει να έχουν τα «έξι α» χαρακτηριστικά, συμπεριλαμβανομένης της προσαρμοστικής εμπειρίας, των αυτο-εξελισσόμενων προϊόντων, των αυτόνομων λειτουργιών, των ενισχυμένων εργαζομένων, της πλήρους συνδεσιμότητας όλων των παραγόντων και όλων των παραγόντων και της ευφυούς εγγενούς υποδομής.

ως η δεύτερη μεγαλύτερη οικονομία στον κόσμο, η κίνα διαθέτει άφθονους πόρους στην κατασκευή, την ιατρική, τη μεταφορά, το σπίτι και άλλα σενάρια και δεδομένα εφαρμογών, παρέχοντας ένα ευρύ πειραματικό πεδίο και χώρο εφαρμογής για την ανάπτυξη της τεχνητής νοημοσύνης. οι προοπτικές ανάπτυξης του τομέα τεχνητής νοημοσύνης της κίνας είναι ευρείες και γεμάτες ευκαιρίες. ωστόσο, μόνο εάν η βιομηχανία εξερευνήσει από κοινού λύσεις, μπορούμε πραγματικά να προωθήσουμε τη συντονισμένη ανάπτυξη τεχνολογίας και εφαρμογών. αντιμετωπίζοντας διάφορες προκλήσεις στην εποχή της τεχνητής νοημοσύνης, μόνο η βιομηχανική ολοκλήρωση και η πολυμερής συνεργασία μπορούν να επιτύχουν αποτελέσματα win-win. διερευνώντας σε βάθος τις εφαρμογές σεναρίων, η κίνα θα είναι σε θέση να απελευθερώνει συνεχώς τις δυνατότητες της τεχνολογίας ai και να προωθεί τον ψηφιακό μετασχηματισμό διαφόρων βιομηχανιών.

πηγή: global times

επεξεργαστής διαδικασίας: u022