osservazione finanziaria di xinhuanet｜implementazione e applicazione di modelli di grandi dimensioni: difficoltà e scoperte
2024-09-18
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
xinhuanet, pechino, 18 settembre domanda: osservazione sull'applicazione dell'implementazione di modelli di grandi dimensioni: difficoltà e scoperte
i giornalisti ran xiaoning, chen tingyu, ling jiwei, zhao qiuyue
esistono troppi modelli di grandi dimensioni, ma è necessario eseguire e utilizzare troppo poche applicazioni. come percorrere con successo "l'ultimo miglio" dell'implementazione di modelli di grandi dimensioni è diventato il fulcro delle recenti discussioni all'interno e all'esterno del settore.
l'inizio della "battaglia dei 100 modelli" non è un'esagerazione. attualmente ci sono più di 190 modelli di grandi dimensioni registrati presso la cyberspace administration of china, con oltre 600 milioni di utenti registrati. quest'anno, le principali società di modellismo hanno ridotto i prezzi su tutta la linea e hanno persino offerto chiamate gratuite al prezzo più basso. "non arrotolare il modello, arrotolare la domanda." una nota azienda ha espresso più volte questo punto di vista, riflettendo che la concorrenza nel settore dei modelli di grandi dimensioni è entrata in una nuova fase di costruzione dell'ecologia e di "acquisizione di clienti" .
dal far sbocciare un centinaio di fiori alla scena, quali sfide devono affrontare le applicazioni di modelli di grandi dimensioni e come risolvere i problemi e attivare l'ecosistema? di recente, i giornalisti hanno intervistato grandi società di sviluppo di modelli, istituti di progettazione e ricerca e sviluppo, aziende manifatturiere e produttori di terminali per esplorare le storie dietro il modo in cui i modelli di grandi dimensioni promuovono la ricerca e lo sviluppo, migliorano la qualità e l’efficienza della produzione e consentono al lato c di migliorare l’esperienza dell’utente.
il modello di grandi dimensioni ricostruisce i rapporti tra ricerca scientifica e produzione
ci troviamo attualmente in un periodo critico in cui l’ai determina la ricostruzione dei rapporti di produttività e produzione per la ricerca scientifica. da quando è stata proposta per la prima volta nel 2018, l’ai for science ha raggiunto un consenso nella comunità accademica come un nuovo paradigma di ricerca scientifica che ha portato un impatto rivoluzionario nel campo della ricerca scientifica. il potenziamento delle nuove tecnologie ha migliorato l’efficienza della ricerca scientifica, promosso l’innovazione originale nella ricerca scientifica e dimostrato l’enorme valore che l’intelligenza artificiale apporta alla ricerca scientifica. il gruppo di ricerca scientifica che guida il grande modello dell’ia ha ottenuto risultati fruttuosi.
tian zhongqun, accademico dell'accademia cinese delle scienze e direttore onorario del jiageng innovation laboratory, ha affermato che l'intelligenza artificiale ha creato possibilità per calcoli teorici. il perfezionamento degli algoritmi e il miglioramento della potenza di calcolo hanno notevolmente migliorato l'efficienza del calcolo. ha usato un'analogia per dire: "fare ricerca scientifica di base è come trovarsi su un'isola isolata con solo scogliere e nessun sentiero. oggi, l'intelligenza artificiale fornisce uno strumento che può aiutare i ricercatori scientifici ad avere l'opportunità di cavalcare le onde e scalare le scogliere".
nel campo dell’elettrochimica la ricerca scientifica deve risolvere il problema dell’industrializzazione delle nuove energie. ad esempio, se si verificano problemi di sicurezza nelle nuove centrali elettriche di accumulo di energia, in particolare nelle centrali elettriche di accumulo di energia su larga scala, le conseguenze saranno molto gravi. la tecnologia ai per l’elettrochimica offre maggiori garanzie per la sicurezza energetica e può rilevare, controllare, feedback e controllo meglio. per fare un altro esempio, nel sistema di accumulo dell’energia della batteria, la raccolta, l’elaborazione e il feedback dei parametri comportano enormi quantità di dati. affidarsi ai tradizionali metodi di elaborazione manuale può richiedere giorni al massimo. ma per l’intelligenza artificiale potrebbero bastare ore, minuti o addirittura secondi.
"l'intelligenza artificiale aiuta gli scienziati a scoprire i problemi più velocemente, ad analizzarli, a fornire feedback sui problemi e a condurre un controllo attivo per formare un circuito chiuso, migliorando efficacemente la sicurezza e l'efficienza", ha affermato tanakaqun.
le proteine sono la base materiale di tutte le attività della vita e possono essere definite il "gioiello della corona" della biologia molecolare. basato sul modello di conformazione molecolare uni-mol su larga scala rilasciato da shenzhen technology, può realizzare una varietà di capacità generali come la generazione di molecole e la previsione delle proprietà. nel campo della scoperta di farmaci, vd-gen, un metodo di generazione di molecole dinamiche virtuali sviluppato sulla base di uni-mol, può generare direttamente molecole con elevata affinità di legame nella cavità bersaglio della proteina.
sun weijie, co-fondatore e ceo di shenzhen technology, ha introdotto che negli ultimi anni shenzhen technology e i suoi collaboratori hanno lanciato un grande modello di simulazione molecolare dpa, un grande modello di conformazione molecolare uni-mol, un grande modello di uni-fold ripiegamento proteico e un modello di grandi dimensioni della sequenza del gene uni-rna una serie di modelli scientifici di grandi dimensioni e motori sottostanti come modelli di grandi dimensioni, motore di docking molecolare ad alte prestazioni uni-dock e modelli di grandi dimensioni multimodali della letteratura scientifica uni-smart.
sistema modello scientifico di shenzhen shi yuzhi (foto per gentile concessione di shenzhen shi technology)
attualmente ci sono circa 200 milioni di proteine conosciute sulla terra e ciascuna proteina ha una struttura spaziale unica. dopo un lungo processo di evoluzione della vita in natura, le molecole proteiche possono completare spontaneamente l'intero processo di ripiegamento in un istante. ma se gli scienziati volessero calcolare le interazioni tra le molecole di amminoacidi per prevedere come si ripiegano, ci vorrebbe più tempo dell’età dell’intero universo per esaurire tutte le possibili configurazioni proteiche.
"ora, utilizzando la tecnologia dell'intelligenza artificiale, la conformazione tridimensionale delle proteine può essere calcolata con precisione in un tempo molto breve. gli scienziati stanno inoltre esplorando ulteriormente l'uso dell'intelligenza artificiale per progettare proteine che non esistono in natura o modificare proteine esistenti in base a specifiche funzioni funzionali. requisiti." il professore di biologia computazionale xu jinbo, scienziato, fondatore e capo scienziato di molecular heart, ha affermato: "prevedere le strutture proteiche attraverso l'intelligenza artificiale ha notevolmente migliorato la comprensione delle proteine, la comprensione di come le proteine svolgono le loro funzioni biologiche e la comprensione delle interazioni tra le proteine. e non proteiche. ciò consente alle persone di comprendere meglio i processi molecolari della vita, il che ha un impatto importante sui campi della biologia, della medicina e della farmacia. ad esempio, attraverso la previsione della struttura delle proteine tramite l'intelligenza artificiale, è possibile trovare obiettivi proteici accurati più rapidamente aiutare gli sviluppatori di farmaci a progettare molecole farmaceutiche più efficaci”.
xu jinbo ritiene che i grandi modelli di intelligenza artificiale siano particolarmente adatti per risolvere i problemi nelle scienze della vita. "l'esempio di maggior successo della combinazione tra informatica e biologia è la previsione della struttura delle proteine tramite l'intelligenza artificiale. questo è di gran lunga il più grande contributo dell'intelligenza artificiale alla biologia e persino all'intera comunità scientifica. ma questo è solo l'inizio, ed è ben lungi dall'essere la fine. "
neworigin (darwin), un grande modello di generazione di proteine ai sviluppato in modo indipendente da molecular heart, è un grande modello di base di proteine ai che integra sequenza, struttura, funzione ed evoluzione e ha appreso una grande quantità di dati multimodali altamente professionali e complessi possono essere utilizzate in base alla richiesta delle applicazioni industriali, proteine funzionali “su misura”. allo stato attuale, il modello di grandi dimensioni neworigin è stato ampiamente utilizzato nei campi della ricerca e dello sviluppo di farmaci innovativi, dei materiali, dell'alimentazione, dell'industria chimica, dell'agricoltura, ecc., nella progettazione di farmaci macromolecolari, nell'ottimizzazione della stabilità proteica in ambienti estremi, nell'ottimizzazione dell'attività enzimatica, nell'ottimizzazione aggancio del substrato specifico, proteine fai passi avanti in molti tipi di compiti industriali difficili come la progettazione de novo.
l’ausilio di grandi modelli di ia alla ricerca scientifica si sta spostando dalla terra allo spazio profondo, svolgendo un ruolo importante nel campo dell’esplorazione dello spazio profondo. ouyang ziyuan, accademico dell’accademia cinese delle scienze e primo scienziato capo del china lunar exploration project, ha affermato che con il rapido progresso delle attività umane di esplorazione dello spazio profondo, i dati di rilevamento sono cresciuti in modo esponenziale. in termini di gestione dei dati, il nostro paese ha ottenuto il vantaggio di essere il primo a muoversi in termini di applicazione dei dati, il nostro paese deve sfruttare appieno i vantaggi esistenti della tecnologia di intelligenza artificiale;
oltre al rilevamento dei campioni restituiti, la ricerca umana sull’evoluzione geologica della luna si basa principalmente sullo studio degli oggetti geologici lunari, come l’identificazione dei crateri da impatto. la dimensione, la profondità, la forma e altre caratteristiche dei crateri da impatto sono una base importante per studiare l'evoluzione geologica della luna. secondo le statistiche, il numero di crateri da impatto lunare con un diametro superiore a un chilometro sulla luna attualmente supera 1 milione e il numero di crateri da impatto con un diametro inferiore a un chilometro non è stato ancora determinato. è “quasi impossibile” completare l’identificazione di tutti i crateri da impatto lunare se si fa affidamento interamente sul lavoro manuale.
all'expo digitale del 2024, l'istituto di geochimica dell'accademia cinese delle scienze e alibaba cloud hanno rilasciato congiuntamente il primo "modello professionale multimodale di grandi dimensioni per le scienze lunari" (denominato "modello professionale lunare di grandi dimensioni"). questo modello di grandi dimensioni è costruito sulla base dei modelli della serie alibaba cloud tongyi. attualmente, il tasso di precisione nell'identificazione dell'età e della forma dei crateri da impatto lunare ha raggiunto oltre l'80%. l'applicazione del grande modello professionale lunare ha notevolmente migliorato l'efficienza della ricerca scientifica: i ricercatori scientifici devono solo inserire le immagini dei crateri da impatto lunare e le domande correlate, e il modello professionale lunare di grandi dimensioni può richiamare la visione generale e i modelli multimodali per generare dati da 17 tipi di dati multimodali (compresi spettro, elevazione, gravità e altri dati) per determinare il tipo modale corrispondente all'immagine.
l’implementazione di modelli di ricerca scientifica su larga scala richiede la comprensione delle leggi scientifiche sottostanti
sebbene i grandi modelli di intelligenza artificiale abbiano apportato un grande valore alla ricerca scientifica, l’implementazione di grandi modelli di ricerca scientifica nelle industrie a valle deve ancora affrontare una serie di sfide di scenario correlate.
xu jinbo ritiene che oltre alle necessarie condizioni di base quali algoritmi, potenza di calcolo e dati, lo sviluppo di modelli di produzione di proteine su larga scala richieda anche due importanti capacità professionali avanzate: in primo luogo, l'integrazione di computer, biologia, fisica e altri discipline e familiarità con l'intelligenza artificiale, la dinamica molecolare, ecc. scienza, calcolo quantistico e altri metodi, e può considerare in parallelo le capacità di integrazione trasversale di sequenza e struttura, catena principale e catena laterale, evoluzione e omiche nella pratica. la seconda è la capacità di uscire dal laboratorio, calarsi nel reale ambiente industriale, ed essere vicini alle reali esigenze industriali in termini di domanda, verifica e attuazione. attualmente, i team di talenti con queste capacità e condizioni sono molto scarsi.
sun weijie ritiene che l’intelligenza artificiale debba prima apprendere le leggi scientifiche e la distribuzione matematica dell’universo delle particelle microscopiche prima di poter tentare di risolvere importanti problemi nel mondo microscopico.
"ciò che il sistema di algoritmi e modelli esistenti offre è l'opportunità di ricostruire veramente il mondo a partire dall'atomo. l'esplosione dell'intelligenza artificiale ha offerto alla ricerca scientifica un'opportunità sistematica di ricostruire gli strumenti di produzione, la produttività e i rapporti di produzione. partendo dall'atomo, software, dati, rappresentazione e collegamenti finali alla produzione saranno tutti ricostruiti. sebbene la prosperità del mondo digitale abbia promosso lo sviluppo di modelli di grandi dimensioni, ciò a cui occorre prestare maggiore attenzione è il risultato finale a lungo termine e il risultato finale della ricostruzione dell'intelligenza artificiale. della produttività della ricerca scientifica. verso l’era della “produzione di atomi intelligenti”", ha affermato.
“il mondo fisico è composto da particelle microscopiche e ciò che interessa è la struttura molecolare, la sequenza dei geni proteici, la simulazione molecolare, ecc. a livello microscopico, queste nuove modalità non possono essere coperte ed elaborate nei classici modelli di grandi dimensioni e nel passato i modelli di grandi dimensioni non sono ancora stati in grado di coprirli e gestirli. questo è un modo per comprendere veramente le leggi scientifiche alla base di ogni cosa nell’universo”, ha affermato sun weijie.
ha ulteriormente spiegato che i grandi modelli di intelligenza artificiale devono comprendere l’universo delle particelle microscopiche e cercare di risolvere i problemi nel mondo microscopico. spesso mancano dati molto efficaci perché il mondo delle particelle microscopiche è invisibile e intangibile. "nel mondo microscopico, il metodo migliore e collaudato attualmente è ai for science. ai for science sta aprendo un nuovo paradigma di ricerca scientifica, integrando strettamente l'intelligenza artificiale con la ricerca scientifica di base e dando all'ia la capacità di comprendere il mondo microscopico. fisica i tre pilastri del modello mondiale, del modello mondiale digitale e del modello dell’intelligenza incarnata costituiscono oggi i tre percorsi principali per il lavoro e l’imprenditorialità nel campo dell’intelligenza artificiale. l’ai for science è uno dei tre pilastri dell’intelligenza artificiale e ne rappresenta la porta d’accesso all'agi. l'unico modo", ha detto sun weijie.
la produzione su larga scala basata su modelli richiede un’integrazione e un’applicazione più profonde
i grandi modelli di intelligenza artificiale stanno gradualmente penetrando in tutti gli aspetti dell’industria manifatturiera e diventando una delle tecnologie chiave che portano all’intelligenza, alla flessibilità e all’automazione nel settore manifatturiero, offrendo nuove opportunità all’industria manifatturiera.
il livello governativo promuove attivamente l'applicazione specifica e l'innovazione di modelli di grandi dimensioni nel campo della produzione. nell'aprile di quest'anno, il dipartimento di scienza e tecnologia del ministero dell'industria e dell'informazione ha proposto di promuovere l'uso diffuso dell'intelligenza artificiale nella produzione e nel manifatturiero, e ha sottolineato che "prendendo la profonda integrazione dell'intelligenza artificiale e della produzione come linea principale , delineando grandi modelli generali e grandi modelli di settore, accelerando l’intelligenza artificiale potenziando la nuova industrializzazione”.
sotto la guida di questa tendenza, molti settori come quello degli elettrodomestici, delle automobili e dei prodotti chimici hanno esplorato l’applicazione di grandi modelli di intelligenza artificiale.
lo stampaggio a iniezione è un processo importante per la produzione di lavatrici. il processo produttivo sembra non essere altro che l'apertura e la chiusura dello stampo, ma dietro di esso si celano processi e parametri complessi come temperatura, pressione, ciclo di stampaggio, stato dello stampo, consumo energetico, ecc. in passato, per il debug poteva fare affidamento solo sull'esperienza manuale. oggi il problema della "scatola nera" del processo di stampaggio a iniezione è stato risolto.
entrando nello stabilimento di interconnessione delle lavatrici haier tianjin, puoi vedere che il modello industriale di tianzhi sviluppato in modo indipendente da cosmoplat trasforma l'esperienza industriale dei maestri dello stampaggio a iniezione in dati e indicatori quantificabili. la persona interessata ha affermato che attraverso il ragionevole adattamento del modello di stampaggio a iniezione di grandi dimensioni e del modello esperto, il consumo energetico complessivo della macchina per lo stampaggio a iniezione può essere ottimizzato e ridotto del 6%-10% e il tempo del ciclo di produzione può essere ridotto aumentato del 5%-12%. resta inteso che il grande modello industriale di tianzhi è in grado di leggere il linguaggio industriale, comprendere processi e meccanismi industriali, generare istruzioni di esecuzione industriale ed eseguire il controllo di macchinari industriali. è stato utilizzato negli stabilimenti di interconnessione di lavatrici haier a tianjin e foshan.
l'immagine mostra l'attrezzatura per lo stampaggio a iniezione della fabbrica di interconnessione di lavatrici haier di tianjin (foto fornita da kaos)
"negli scenari e nei processi industriali della produzione e della produzione automobilistica, ci sono punti critici comuni come l'elevato utilizzo di colla, gli elevati costi di manodopera, la pianificazione della produzione che deve essere ottimizzata e la progettazione del processo che è difficile da ottenere manualmente all'evento di docking della domanda e dell'offerta e di trasformazione dei risultati tenutosi nel 2024 "generative artificial intelligence + automobile" del china industrial internet research institute, molte case automobilistiche hanno menzionato una serie di punti critici che il settore deve affrontare.
"la tecnologia generativa dell'intelligenza artificiale aiuta a organizzare automaticamente i processi di saldatura e a programmare progetti di assemblaggio, ottenendo così un bilanciamento ottimale del carico e migliorando l'efficienza della preparazione dei documenti di processo", ha affermato zheng chunqi, vice direttore generale di gac aian new energy vehicle co., ltd. ye tongsheng, direttore dell'industria automobilistica di yuncong technology group co., ltd., ha inoltre aggiunto che le capacità di analisi di modelli di grandi dimensioni possono monitorare la qualità dell'intero processo di produzione del veicolo.
in termini di intelligenizzazione dell'industria petrolchimica, di intelligenizzazione delle apparecchiature industriali e di alta efficienza della ricerca sperimentale, la tecnologia di previsione intelligente per il coking con sedimentatore da cracking catalitico può risolvere il problema del coking con sedimentatore da cracking catalitico. secondo deng chun, professore presso il national key laboratory of heavy oil presso la china university of petroleum, l'intelligenza artificiale generativa promuove l'applicazione del funzionamento intelligente delle apparecchiature industriali nell'industria chimica attraverso la percezione dei materiali, i meccanismi di reazione, le apparecchiature principali, l'ottimizzazione dei processi, e ottimizzazione del sistema.
tuttavia, l’implementazione di grandi modelli di intelligenza artificiale a livello produttivo non è andata bene. l’indagine ha rivelato che le aziende manifatturiere dispongono di enormi quantità di dati e sono gravemente frammentate, rendendo difficile l’aggregazione efficace dei dati e il loro valore. inoltre, il costo della potenza di calcolo, il costo di implementazione e il costo di tentativi ed errori di modelli di grandi dimensioni sono relativamente elevati e vi è una particolare carenza di talenti tecnici di ia industriale.
“l’applicazione di modelli di grandi dimensioni nelle imprese manifatturiere richiede gli sforzi congiunti di ingegneri di algoritmi, ingegneri di dati e manager aziendali in prima linea. in particolare, è necessario investire molta energia e tempo nella raccolta e nell’annotazione dei dati, nella messa a punto dei modelli e nella messa a punto dei modelli. e ottimizzazione dei processi, sun linjun, vicepresidente della hainan artificial intelligence association, membro del comitato digitale della federazione dell'industria e del commercio di zhejiang e fondatore della società di tecnologia ai real intelligence, ha affermato che a fronte delle complesse catene di approvvigionamento nel settore manifatturiero. le aziende, l'intelligenza di real agent possono integrare e ottimizzare i dati con l'aiuto di risorse rpa, interfacce alternative a basso costo, con l'aiuto di modelli di grandi dimensioni, la soglia di utilizzo dei dati può essere ridotta, operazioni aziendali complesse possono essere scomposte attraverso il ragionamento e l'rpa; è programmato per completare automaticamente le operazioni aziendali, quindi i costi e le risorse informatiche possono essere distribuiti attraverso un controllo ragionevole del modello, che può essere applicato all'approvvigionamento di materie prime. svolge un ottimo ruolo nel ridurre i costi e aumentare l'efficienza in vari collegamenti commerciali e processi quali la gestione delle scorte, la pianificazione della produzione e la distribuzione logistica.
nonostante le numerose sfide da affrontare, la stragrande maggioranza delle aziende intervistate crede fermamente che le prospettive di applicazione dei grandi modelli di intelligenza artificiale nel settore manifatturiero siano ancora ampie.
xu xiaolan, presidente del china institute of electronics, ha suggerito che il mio paese dovrebbe sfruttare appieno i suoi vantaggi, come un sistema industriale completo, una vasta scala industriale, ricchi scenari applicativi e ricchi talenti ingegneristici, e sforzarsi di consolidare le basi dell'intelligenza artificiale tecnologia, approfondire le applicazioni integrate dell'intelligenza artificiale, migliorare l'ecologia dello sviluppo industriale e approfondire potenziati dalla tecnologia dell'intelligenza artificiale, accelereremo lo sviluppo di nuove forze produttive e promuoveremo una nuova industrializzazione.
l’introduzione di modelli di grandi dimensioni nei terminali promuove la divulgazione su larga scala dell’intelligenza artificiale
se il modello cloud di grandi dimensioni dimostra le potenti capacità tecniche dell’intelligenza artificiale, allora l’intelligenza artificiale on-device è il vettore che accelera la diffusione dei dividendi della tecnologia ai.
perché l’intelligenza artificiale sul dispositivo è così popolare? citic construction investment ha pubblicato un rapporto di ricerca affermando che l’intelligenza artificiale su dispositivo è la fase successiva dello sviluppo dell’intelligenza artificiale, potenziando modelli di grandi dimensioni con hardware terminale, si prevede che avvierà un’ondata di applicazioni di intelligenza artificiale.
dal layout dei produttori di terminali, oppo ha proposto di dotare quest'anno circa 50 milioni di telefoni cellulari di utenti con funzioni ai. lenovo ha pienamente promosso la strategia aipc per i terminali intelligenti "all-in-one, multi-terminale" di cui è dotato lo xiaomi su7 con modelli ai di grandi dimensioni e molte serie di televisori changhong sono dotate di ai changhong yunfan modelli di grandi dimensioni... si può vedere che l'ingresso di modelli di grandi dimensioni nel lato terminale ha subito un'accelerazione.
l'immagine mostra la distribuzione e il posizionamento dei modelli di grandi dimensioni lato terminale (fonte: iresearch)
inserire modelli di grandi dimensioni in terminali piccoli presenta prospettive e sfide illimitate. secondo zhang peng, ceo di zhipu ai, come rendere il modello più intelligente in base a un volume di trasmissione inferiore e come fornire risorse uniche sul terminale mobile per supportare il funzionamento di modelli di grandi dimensioni sono uno dei principali problemi affrontati dai modelli di grandi dimensioni problema di ingresso nel terminale.
zhipu ai, fondata solo 5 anni fa, è ora diventata una stella nascente nel campo dello sviluppo di modelli. quando si tratta di creare spazio per l’implementazione di modelli di grandi dimensioni, zhang peng ritiene che la chiave sia la cooperazione: “da un lato, i modelli di grandi dimensioni devono essere completamente auto-ricercati, inoltre, i produttori di hardware, i produttori di algoritmi di modello, devono operare sistemi e una serie di produttori di tecnologie ecologiche devono lavorare insieme. "zhipu ai ha collaborato con intel, qualcomm, ecc. per consentire a modelli di grandi dimensioni di funzionare su vari terminali come pc, telefoni cellulari e automobili.
"spegni la fotocamera anteriore", "disattiva il volume del computer", "genera un riepilogo in base alle mie abitudini di lettura"... i consumatori hanno scoperto che è più facile utilizzare un nuovo computer di una determinata marca. con una semplice conversazione con il computer è possibile sostituire operazioni complesse. secondo il produttore, con le future iterazioni della versione, sarà anche in grado di aiutare gli utenti a implementare funzioni più difficili come la modifica e l'invio di e-mail, la creazione di poster personalizzati e la comprensione del significato contenuto in un'immagine.
"nel 2022, lenovo ha iniziato a pianificare il posizionamento locale di modelli di grandi dimensioni." zheng aiguo, direttore generale dei prodotti e delle soluzioni globali per le piccole e medie imprese del gruppo lenovo, ha affermato che a quel tempo i parametri dei modelli di grandi dimensioni erano troppo grandi e difficili. da trasportare localmente. fino all'anno scorso, le grandi società di sviluppo di modelli hanno abbassato la loro attenzione a 6-7 miliardi e lenovo ha iniziato a rendersi conto che l'implementazione di piani locali di modelli di grandi dimensioni è diventata meno difficile. nel maggio dello scorso anno, lenovo ha combinato il modello ai lato client su larga scala con il progetto pc.
wang bin, direttore del laboratorio ai del gruppo xiaomi, ritiene che da un lato i modelli stanno diventando più piccoli, dall'altro la potenza di calcolo sta diventando sempre più grande e le capacità hardware stanno diventando più forti. insieme a varie richieste, si prevede che lì ci saranno alcuni killer sul lato delle applicazioni ai a livello terminale.
il giornalista ha esaminato i prodotti di telefonia mobile ai in vendita su una piattaforma di e-commerce e ha scoperto che voce, immagine e assistente ai sono i tre punti funzionali più concentrati dei telefoni cellulari ai. al momento, i principali produttori di telefoni cellulari stanno implementando attivamente modelli leggeri e di grandi dimensioni per rendere l’intelligenza artificiale inefficace e sviluppare vigorosamente scenari applicativi dell’intelligenza artificiale. alcuni rapporti di ricerche di mercato prevedono che i telefoni cellulari dotati di intelligenza artificiale avranno prospettive di maggior valore in termini di assistenti personali intelligenti e migliori capacità di ufficio. sta diventando una realtà il fatto che ogni terminale abbia il proprio assistente ai integrato, considerato un futuro ai di cui tutti possono godere.
i casi d'uso dell'ia end-side come il riconoscimento delle immagini ai, il risveglio vocale e la fotografia computazionale possono sembrare semplici, ma in realtà hanno requisiti molto severi in termini di potenza di calcolo e larghezza di banda ddr del chip.
la rapida crescita dei casi d’uso dell’intelligenza artificiale sugli smartphone evidenzia l’importanza di qualcomm come azienda. "qualcomm ha integrato il concetto di intelligenza artificiale nell'intero soc fin dall'inizio della progettazione." wan weixing, responsabile della tecnologia dei prodotti ai di qualcomm in cina, ha affermato che in risposta alla sfida dei modelli di grandi dimensioni sulla larghezza di banda ddr, qualcomm ha sviluppato tecnologia di quantizzazione, tecnologia di compressione per ridurre le dimensioni del modello; per i modelli di grandi dimensioni che richiedono un'elevata potenza di calcolo, qualcomm ha realizzato un design molto professionale sulla npu per soddisfare le diverse esigenze dei diversi casi d'uso.
inoltre, stanno fiorendo centinaia di modelli e i modelli di grandi dimensioni sono suddivisi in molte categorie. tuttavia, attualmente, le capacità di comunicazione tra modelli su terminali diversi non sono ancora state stabilite. pertanto, secondo sun mingjun, direttore dell'istituto di ricerca sull'intelligenza artificiale intelligente di zhongguancun, "in futuro, l'unificazione e l'interoperabilità degli standard tecnici sarà un problema tecnico enorme che dovrà essere risolto da tutte le parti".
"l'applicazione è re", questo concetto è particolarmente importante nello sviluppo e nell'implementazione della tecnologia dei modelli di grandi dimensioni. durante la ricerca e le interviste, gli addetti ai lavori del settore hanno generalmente concordato sul fatto che il valore reale dei modelli di grandi dimensioni risiede nel risolvere problemi pratici e nel creare valore reale per gli utenti.
man mano che l'azione "intelligenza artificiale +" avanza in profondità, si prevede che, con la cooperazione di più parti, la tecnologia modello su larga scala si baserà sull'"effetto volano" non solo per potenziare migliaia di industrie, ma anche per accelerare la formazione di nuove realtà produttive. forze, ma forniscono anche feedback attraverso l’applicazione continua. l’iterazione della tecnologia e il miglioramento delle prestazioni aprono un nuovo regno di applicazione di modelli di grandi dimensioni.
