समाचारं

पाठ |

अधुना एव एकः मित्रः मम प्रतिक्रियाम् अददात्-किमिविज्ञापनं वस्तुतः उग्रं भवति।

NetEase Music श्रुत्वा अथवा bilibili ब्राउज् कुर्वन् भवन्तः तत् द्रष्टुं शक्नुवन्ति इति कथ्यते यत् उत्पादः सामान्यप्रयोक्तृणां कृते अस्ति। तथापि अगस्तमासस्य अर्धभागः एव अस्ति, किमी इत्यस्याः केचन क्रियाः जनान् किञ्चित् भिन्नं अनुभवन्ति ।

किं भेदः ?

एकतः अगस्तमासस्य २ दिनाङ्के किमी इत्यस्य मूलकम्पनीचन्द्रस्य कृष्णपक्षः(Moonshot AI) इत्यनेन किमी इत्यस्य उद्यमस्तरीयस्य एपिआइ इत्यस्य आधिकारिकविमोचनं घोषितम् । इदं उद्यमस्तरीयं प्रतिरूपं साधारणस्य उपयोक्तृसंस्करणस्य अपेक्षया दृढतरं आँकडासुरक्षासंरक्षणं द्रुततरं प्रक्रियावेगं च प्रदाति, तथा च उद्यमानाम् जटिलकार्यं, बृहत्मात्रायां दत्तांशं च नियन्त्रयितुं साहाय्यं कर्तुं शक्नोति

तदनन्तरं तत्क्षणमेव ते घोषितवन्तः यत् ते किमी मुक्तमञ्चस्य Cache प्रौद्योगिक्याः सन्दर्भसञ्चयस्य मूल्यं मूलतः 10 युआन् प्रति 1M टोकनतः 5 युआन् प्रतिनिमेषं यावत् न्यूनीकरिष्यन्ति। अहं ज्ञातवान् यत् एतत् मूल्यकमीकरणं जुलैमासस्य प्रथमदिनात् आरभ्य मुक्तमञ्चे सार्वजनिकबीटारूपेण अस्ति।

एतत् पठित्वा भवान् जिज्ञासुः भवेत्, Cache इति वस्तुतः किम्?

सरलतया वक्तुं शक्यते यत् तस्य कार्यं पूर्वमेव पाठं वा दत्तांशं वा संग्रहीतुं भवति यस्य उपयोगः पुनः पुनः बहुधा पृष्टः भवितुम् अर्हति, तस्मात् व्ययस्य वृद्धिं विना मॉडलस्य तर्कदक्षतायां सुधारः भवति

अतः एतानि क्रियाणि मां चिन्तयन्ति यत्, किं AI इत्यनेन B2B क्षेत्रे प्रभावी मार्गः प्राप्तः? संशोधनस्य चक्रस्य अनन्तरं अहं चिन्तयामि : आम्।

01

प्रथमं उद्योगसहमतेः विषये वदामः :एआइ अनुप्रयोगः निःसंदेहं मॉडलस्य सफलतायाः कुञ्जी अस्ति ।

अस्मिन् वर्षे विश्वकृत्रिमबुद्धिसम्मेलने बैडु-सङ्घस्य मुख्याधिकारी रोबिन् ली इत्यनेन बृहत्-माडल-प्रयोगविषये स्वस्य केचन विचाराः चर्चा कृता । सः अवदत् यत् यद्यपि सी-पक्षस्य विकासः महत्त्वपूर्णः अस्ति तथापि बी-पक्षीय-अनुप्रयोग-परिदृश्याः सन्ति यत्र बृहत्-माडलाः उत्तमं परिणामं प्राप्तुं शक्नुवन्ति ।

सः मन्यते यत् ए.आइ.युगे ये अनुप्रयोगाः उद्योगान् गभीररूपेण प्रभावितं कर्तुं शक्नुवन्ति, दक्षतायां महत्त्वपूर्णतया सुधारं कर्तुं शक्नुवन्ति, ते अधिकमूल्याः सन्ति इति सः पूर्वानुमानं करोति यत् चिकित्सा, वित्त, शिक्षा, निर्माण, परिवहन, कृषि इत्यादीनां क्षेत्रेषु अनुप्रयोगानाम् आधारेण विकासः भविष्यति स्वस्वलक्षणानाम् आँकडासंसाधनानाञ्च विषये अनुकूलितबुद्धिमान् एजेण्ट् भविष्ये कोटिकोटिपर्यन्तं प्राप्नुयुः, येन विशालः पारिस्थितिकीतन्त्रः निर्मास्यति।

अस्मिन् वर्षे बैडु-संस्थायाः चिकित्सासेवा, वित्त-ऊर्जा, पर्यावरणसंरक्षणं, परिवहनं च इत्यादिषु विविधक्षेत्रेषु १७ परियोजनासु विजयः प्राप्तः, येषु बृहत्-राज्यस्वामित्वयुक्ताः उद्यमाः, उद्योगस्य अग्रणीकम्पनयः च आच्छादिताः, तेषु राशिः अपि अतीव पर्याप्तः आसीत्

स्पष्टतया, रोबिन् ली इत्यस्य मतं यत् एआइ-अनुप्रयोगाः बुद्धिमान् एजेण्ट्-मध्ये शीघ्रमेव कार्यान्विताः भवेयुः ।

बुद्धिमान् निकायस्य विशिष्टतायां पतति वा इति मा वदामः एतावन्तः निविदादस्तावेजाः सन्ति येषां वितरणं सार्धवर्षेण न सम्पन्नं भवति तर्हि ग्राहकः अवश्यमेव इच्छुकः न भविष्यति

पश्यामः यत् Moonshot AI इत्यस्य संस्थापकः Yang Zhilin इत्ययं तस्य विषये किं चिन्तयति ।

जूनमासे गीक् पार्कस्य संस्थापकस्य झाङ्ग पेङ्गस्य याङ्ग झीलिन् च मध्ये वार्तालापस्य समये याङ्गः उल्लेखितवान् यत् ते बी-पक्षं पूर्णतया न बहिष्कृतवन्तः, अपितु मुख्यतया सी-पक्षे एव ध्यानं दत्तवन्तः तस्य उत्पादः किमी एआइ क्षेत्रे शीर्ष यातायातस्य उपयोगं च प्राप्तवान् अस्ति ।

तदपि उपयोक्तारः प्रायः शिखरसमये अपर्याप्तगणनाशक्तिः इति कारणेन समस्यां अनुभवन्ति । एतस्याः स्थितिः सामना कर्तुं तेषां परिचालनव्ययस्य न्यूनीकरणाय, कार्यक्षमतां वर्धयितुं च अनेकाः उपायाः कृताः सन्ति ।

तेषु एकं कैशिंग् प्रौद्योगिक्याः माध्यमेन मॉडलस्य अनुमानप्रदर्शनस्य अनुकूलनं भवति एषा प्रौद्योगिकी जटिलनिवेदनानां संसाधनकाले किमी इत्यस्य शीघ्रं प्रतिक्रियां दातुं शक्नोति तथा च पुनरावृत्तिगणनायाः आवश्यकतां न्यूनीकरोति

एतत् सुधारं न केवलं प्रणाल्याः प्रतिक्रियावेगं प्रसंस्करणदक्षतां च सुदृढं करोति, अपितु संवादस्य अथवा पाठजननस्य सुसंगततां सटीकतां च सुनिश्चितं करोति यदा भविष्ये बी-पक्षीयव्यापारस्य सम्भावनायाः सम्मुखीभवति तथा च एतत् अतीव महत्त्वपूर्णं प्रतीयते; दत्तांश-अनुरोधस्य बहूनां केन्द्रीकृत-प्रक्रियाकरणं विशेषतया महत्त्वपूर्णम् ।

अतः याङ्ग झीलिन् इत्यस्य मतं यत् यदि भवान् B-पक्षं गन्तुम् इच्छति तर्हि प्रथमं कम्प्यूटिंग्-शक्ति-समस्यायाः समाधानं करणीयम्, कम्प्यूटिंग्-शक्ति-स्थिरतां सुनिश्चित्य च आधारः अस्ति

अपरपक्षे अहं मन्ये यत् C-end व्यापारं करणं तावत् कामुकं नास्ति यत् इदं मुख्यतया परिवर्तनं प्राप्तुं विज्ञापनस्य उपयोगं करोति।

मया अनेकेषां विज्ञापन-अभ्यासकानां कृते ज्ञातं यत् २०२४ तमस्य वर्षस्य प्रथमार्धात् आरभ्य प्रत्येकस्य किमी-पीसी-उपयोक्तुः रूपान्तरण-व्ययः मूलतः ४० युआन्/व्यक्तिं यावत् प्राप्स्यति मया एतत् आँकडा आधिकारिकतया सत्यापितं नास्ति।

तथापि सामान्यप्रवृत्तिं दृष्ट्वा सी-अन्तपरिदृश्येषु एआइ-विपण्ये प्रतिस्पर्धायाः वर्धमानः व्ययः निःसंदेहं बहवः एआइ-कम्पनयः स्वस्य विपण्य-रणनीत्यानां पुनर्मूल्यांकनार्थं प्रेरयिष्यति

अतः यद्यपि सी-पक्षीय-बाजारस्य महती क्षमता अस्ति तथापि बृहत्-माडलस्य गहन-प्रभावं कुशल-परिणामं च प्राप्तुं बी-पक्षीय-अनुप्रयोग-परिदृश्याः प्रमुखाः क्षेत्राणि सन्ति, सर्वथा, उद्यमानाम् कृते वास्तविक-व्यय-कमीकरणं, दक्षता-सुधारं च प्राप्त्वा एव वयं कर्तुं शक्नुमः | उद्योगस्य प्रगतिम् अपि च सम्पूर्णस्य उद्योगस्य प्रवर्धनं कुर्वन्ति .

02

यतः सम्मतिः सम्यक् अस्ति। अतः, एजेण्ट्, अथवा एआइ, अथवा बृहत् (लघु) मॉडल् कथं प्रभावीरूपेण B2B क्षेत्रे प्रवेशं कर्तुं शक्नुवन्ति?प्रथमः मार्गः ख-पक्षस्य उपरिभागः भवितुं भवति ।

किम् इत्यर्थः ?

तथाकथितः B-पक्षः उपरि प्रवाहः आपूर्तिशृङ्खलायाः स्रोतः अस्ति । यथा : मानातु यत् एतादृशी औषधकम्पनी अस्ति यस्याः एआइ-उपयोगाय आवश्यकताः अनुप्रयोगपरिदृश्याः च सन्ति, परन्तु बृहत् आदर्शकम्पनीं भग्नं कर्तुं कठिनम् अस्ति।

अस्मिन् समये भवन्तः पश्यन्ति यत् औषधकम्पनी केनचित् प्रकारेण SaaS सॉफ्टवेयरस्य उपयोगं करोति बृहत् AI मॉडलकम्पनी सॉफ्टवेयर आपूर्तिकर्ताना सह सहकार्यं कर्तुं विचारयितुं शक्नोति एवं प्रकारेण, AI विद्यमानसॉफ्टवेयर उत्पादेषु योजयितुं शक्नोति, औषधकम्पनी च कर्तुं शक्नोति सॉफ्टवेयरस्य उपयोगं कुर्वन्तु।तत्सह, AI इत्यस्य उपयोगाय सुचारुतया संक्रमणं कुर्वन्तु।

एषः एव अनेकेषां पारम्परिकानां बी-पक्षीयव्यापारिणां चिन्तनस्य मार्गः अस्ति ।

वस्तुतः B2B सॉफ्टवेयर् मध्ये बहुविधाः परिनियोजनप्रपत्राणि सन्ति । प्रथमं स्थानीयकृतनियोजनं, यत्र ग्राहकस्य स्वस्य सर्वरे वा उपकरणे वा सॉफ्टवेयरं संस्थापितं भवति, येन ग्राहकाय आँकडानां सुरक्षायाश्च नियन्त्रणं भवति ।

अस्मिन् पद्धत्या नियमितरूपेण उन्नयनस्य आवश्यकता भवति, यस्य परिपालनं कष्टप्रदं, महत्त्वपूर्णं च भवति । यथा, पूर्वं मर्सिडीज-बेन्ज्, बीएमडब्ल्यू इत्यादयः बृहत्निर्मातारः एजेण्ट्-प्रबन्धनार्थं स्थानीयनियोजनाय पारम्परिक-सीआरएम-प्रणालीनां उपयोगं कुर्वन्ति स्म

परन्तु एआइ एकीकरणस्य कार्यान्वयनसमये स्थानीयकृतनियोजनं बहुधा आव्हानानां सामनां करोति, विशेषतः पूर्वप्रशिक्षितानां प्रतिमानानाम् एकवारं एतादृशाः प्रतिरूपाः स्थापिताः भवन्ति चेत्, ते अन्तर्जालसङ्गणकेन सह न सम्बद्धाः अपि ग्राहकानाम् पृच्छानां प्रतिक्रियां दातुं शक्नुवन्ति

यद्यपि बहवः ToB कम्पनयः प्रयासं कर्तुं रुचिं लभन्ते तथापि वास्तविकसञ्चालनस्य जटिलता अतीव अधिका अस्ति । यथा, औषधसमूहेषु अथवा चिकित्सालयेषु विशालाः आँकडाप्रबन्धनस्य आवश्यकताः सन्ति एकदा नूतनानां AI कार्याणां एकीकरणाय सॉफ्टवेयरस्य अद्यतनीकरणस्य आवश्यकता भवति तदा सम्पूर्णा प्रक्रिया अत्यन्तं जटिला भविष्यति।

तदतिरिक्तं परियोजनानेतृणां कृते तेषां प्रमुखान् व्याख्यातव्यं यत् एआइ-कार्यं प्रवर्तयितुं तेषां बहु धनं किमर्थं व्ययितव्यम् इति ।

उदाहरणतया:

एकं मॉडलं निर्मातुं द्विकरोडं व्यययन्तु। इदं महान् ध्वन्यते, अस्माकं एआइ क्षमता अस्ति, परन्तु वास्तविकस्थितिः जनान् चिन्तयितुं प्रेरयितुं शक्नोति यत् एषा केवलं एआइ ज्ञानप्रश्नाउत्तरप्रणाली एव अस्ति। एवं पश्यन् सर्वदा न सद्भावः इव अनुभूयते ।

अन्यः विषयः अस्ति यत्, यदि कश्चन कम्पनी आदर्शं प्रवर्तयति चेदपि यदि कर्मचारीः तस्य उपयोगं कर्तुं न शक्नुवन्ति तर्हि किम्? तर्हि एतत् धनं न व्यर्थं भविष्यति वा ?अस्य कृते कोऽपि गणना उचितः नास्ति अवश्यं केषाञ्चन कम्पनीनां ज्ञानस्य आधारः अपि नास्ति, तथा च AI क्षमतां प्रवर्तयितुं आवश्यकता नास्ति ।

SaaS मॉडल्, अन्यरूपेण, उपयोक्तृभ्यः सदस्यतायाः माध्यमेन शुल्कं दातुं शक्नोति, यथा Feishu इत्यादीनां सहकार्यसाधनानाम् । अस्य मॉडलस्य अन्तर्गतं SaaS कम्पनयः प्रत्यक्षतया AI कार्याणि एकीकृत्य स्थापयितुं शक्नुवन्ति अपि च प्रक्रियाणां परिवर्तनार्थं लघुमाडलकम्पनीनां बाईपासं कृत्वा बृहत् मॉडलकम्पनीभ्यः प्रत्यक्षतया सेवां क्रेतुं क्षमता अपि भवति

एतेषु सर्वेषु रूपेषु SaaS मॉडल् AI कार्याणि एकीकृत्य सर्वाधिकं सुलभं भवति, यतः सेवाप्रदातारः AI कार्याणि पृष्ठभागे एकरूपेण अद्यतनं कर्तुं परिपालयितुं च शक्नुवन्ति, ग्राहकानाम् तान्त्रिकविवरणानां विषये चिन्ता कर्तुं आवश्यकता नास्ति

अतः उपरि-अधः दृष्ट्या एआइ-समाधानं प्रदातुं ये कम्पनयः केचन आदेशाः जितुम् अर्हन्ति, परन्तु ग्राहकानाम् सफलतां यथार्थतया कर्तुं प्रक्रिया अत्यन्तं कठिना भवितुम् अर्हति, तथा च प्रयत्नाः लाभाः च प्रायः आनुपातिकाः न भवन्ति

03

अतः, नूतनः समाधानः अस्ति वा ? अस्ति। अधस्तात् उपरि पश्यामः ।

अस्माभिः नूतना अवगमनं स्थापनीयम् : १.

कम्पनीयां एआइ इत्यस्य उपयोगेन वस्तुतः एकः सफलता प्राप्ता अस्ति यत् एतत् मुख्यतया अस्मान् कार्याणि कर्तुं कार्यक्षमतां सुधारयितुम् सहायकं भवति।

स्वच्छः आरम्भः किम् ?

अर्थात् कार्यप्रवाहस्य अथवा परियोजनाप्रबन्धनस्य सन्दर्भे किमपि विद्यमानसंरचनानां योजनानां च उपरि अवलम्बं विना, आद्यतः एव पूर्णतया पुनः परिकल्पना, अस्य अर्थः अस्ति यत् पुरातनपद्धतीनां प्रणालीनां च परित्यागः, समस्यायाः समाधानार्थं वा निष्पादनार्थं वा सर्वथा नवीनपद्धतीनां स्वीकरणं करणीयम् a task.

यथा, एकः कम्पनी मूलतः अतीव पारम्परिकग्राहकसम्बन्धप्रबन्धनव्यवस्थायाः (CRM) उपयोगं करोति स्म । यथा यथा समयः गच्छति स्म, व्यापारः वर्धते स्म, तथैव एषा व्यवस्था कम्पनीयाः आवश्यकतां पूरयितुं न शक्नोति स्म ।

कम्पनी पुरातनप्रणाल्याः परिवर्तनं वा उन्नयनं वा न कर्तुं निश्चयं कृतवती, अपितु नूतनं CRM प्रणालीं शुद्धतः एव विकसितुं शक्नोति एषा नूतना प्रणाली नवीनतमप्रौद्योगिकी ढेरस्य उपयोगं करिष्यति, डिजाइनकार्यं यत् आधुनिकव्यापारप्रक्रियाभिः सह अधिकं सङ्गतं भवति, नवीनतमं च उत्तमरीत्या एकीकृत्य कर्तुं शक्नोति दत्तांशविश्लेषणसाधनम्।

एतत् "स्वच्छस्य आरम्भस्य" उदाहरणम् अस्ति । परन्तु, भवन्तः किं जानन्ति ?ए.आइ.

किम् इत्यर्थः ?

यदा कम्पनी एआइ मॉडल् इत्यस्य उपयोगं आरभते तदा एतानि मॉडल् कम्पनीयाः स्वस्य कार्यप्रवाहेन सह निकटतया एकीकृतानि भवितुमर्हन्ति । यथा, केचन कम्पनयः चिकित्साक्षेत्रे अथवा शिक्षाक्षेत्रे केचन उन्नताः बृहत्प्रतिमानाः उपयोक्तुं इच्छन्ति, परन्तु अस्याः प्रक्रियायाः अनेकाः कष्टाः भवितुम् अर्हन्ति ।

यतो हि प्रत्येकस्य कम्पनीयाः व्यवसायः प्रक्रियाश्च अद्वितीयाः सन्ति, तथा च एआइ द्वारा अपेक्षिताः आँकडा: अपि अद्वितीयाः सन्ति, सामान्यं बृहत् प्रतिरूपं उपयुक्तं न भवितुम् अर्हति यत् एताः व्यापकाः अवधारणाः कम्पनीयां यथार्थतया प्रयोक्तुं प्रायः कठिनं भवति

किं कर्तव्यम् ?अस्मिन् समये लघु मॉडलः सहायकः च भवितुं सुकरं स्यात् ।

उदाहरणतया:

लघुमध्यम-उद्यमानां लेखाधिकारिणः प्रायः किङ्ग्डी, यूएफआईडीए, चन्जेट् इत्यादीनां सॉफ्टवेयरस्य उपयोगं कुर्वन्ति । एतेषु सॉफ्टवेयर् मध्ये पूर्वमेव बहु दत्तांशः संगृहीतः अस्ति, ते केवलं AI इत्यस्य शक्तिं शीघ्रं दत्तांशस्य एकं भागं अन्वेष्टुं वा निष्कर्षं कर्तुं वा इच्छन्ति, मूलसॉफ्टवेयरस्य प्रमुखं परिवर्तनं न करणीयम्

अतः, व्यावसायिक (ToB) परिदृश्येषु AI प्रयोक्तुं एकः उत्तमः उपायः अस्ति यत् जटिलव्यापारप्रक्रियाः अनेकेषु लघुकार्येषु, अथवा विशिष्टेषु लघुपरिदृश्येषु विभज्य, ततः प्रत्येकं लघुपरिदृश्यं सुधारयितुम् AI इत्यस्य उपयोगः भवति

वयम् अपि पश्यामः यत् Microsoft इत्यादीनि कम्पनयःOpenAIनिवेशकाः, तथैव सीआरएम-उद्योगे अग्रणीः सेल्स्फोर्स्-इत्यनेन नूतनानां उत्पादानाम् विकासाय एआइ-इत्यस्य उपयोगः न कृतः ।

यद्यपि ते उत्पादानाम् उपरि नूतनविशेषताभिः लेबलं निरन्तरं कुर्वन्ति तथापि वस्तुतः ते विद्यमानव्यापारप्रक्रियाणां वा उत्पादकार्यस्य वा सहायतायै वर्धनाय च बृहत्प्रतिमानानाम् उपयोगं कुर्वन्ति ।

अन्येषु शब्देषु, ते लघुप्रतिरूपं सहायकरूपेण, अथवा वर्धने परिष्कृत्य, यत् विद्यमानप्रणालीषु पूर्णतया प्रतिस्थापनं न कृत्वा, तेषां मध्ये उत्तमरीत्या एकीकरणं अनुकूलनं च कर्तुं शक्नोति

इदं किञ्चित् प्लग्-इन् इव अस्ति यत् अधुना बहवः एआइ-कम्पनयः PC पक्षे कृतवन्तः । भवद्भिः केवलं मूषकं मन्दं स्लाइड् कर्तुं वा शॉर्टकट् कीलं नुदितुं वा आवश्यकं, ततः AI सहायतार्थं पॉप अप भविष्यति । तेषां मूलकार्यं अस्मान् उत्तमनिर्णयेषु सहायतां कर्तुं वर्तते।

04

यदि भवान् न विश्वसिति तर्हि भवान् अपि चिन्तयितुं शक्नोति यत् ToB कम्पनीभ्यः वास्तवतः AI इत्यस्य किं कर्तुं आवश्यकता वर्तते?

Zhiyuan इत्यस्य शोधस्य अनुसारं ते मुख्यतया परिचालने, प्रबन्धने, निर्णयनिर्माणे, विपणने च निर्णयेषु सहायतार्थं आँकडानां उपयोगं कुर्वन्ति ।अतः एआइ-कम्पनीनां कृते ते कथं व्यावहारिकाः अपि च व्यय-प्रभाविणः च भवितुम् अर्हन्ति ? द्रुतप्रतिकृतिं प्राप्तुं बहुविधपरिदृश्यानि च अत्यल्पव्ययेन आच्छादयितुं मुख्यम् अस्ति ।

प्रतिलिपिः कथं करणीयम् ?

एकः उपायः अस्ति यत् AI इत्येतत् एकस्मिन् बुद्धिमान् एजेण्टे समाहितं करणीयम् यत् स्थानीयदत्तांशं आह्वयितुं शक्नोति ।अत एव Kimi Chat इत्यनेन Cache इत्यस्य कैशिंग् इत्यस्य व्ययः न्यूनीकरिष्यते यतः बहुधा प्रयुक्तं स्थानीयपाठं रक्षित्वा सहायकस्य सटीकतायां सुधारं कर्तुं साहाय्यं कर्तुं शक्यते ।

परन्तु अत्र एकः प्रश्नः अस्ति यत्, कथं तत् एकस्मिन् समये समीचीनं, बहुमुखी, अल्पव्यययुक्तं च करणीयम्?

अस्मिन् विषये वयं "उच्चसटीकता" इति परिभाषितुं शक्नुमः यथा -यावत् व्यापारः उपयोगी भवति, तथा च सटीकता पर्याप्तं उच्चा भवति, यद्यपि यदा कदा त्रुटिः भवति तथापि उपयोक्तारः तत् चिन्तयित्वा किमर्थं भवति इति व्याख्यातुं शक्नुवन्ति

"कमव्ययः" इत्यस्य अर्थः अस्ति यत् परियोजनायाः आरम्भिकव्ययः न्यूनः भवितुमर्हति, एकस्मिन् यन्त्रे नियोक्तुं शक्यते, तस्य उपयोगः, परिपालनं च सरलं भवितुमर्हति ।अधुना अनेकेषां बृहत्माडलानाम् हार्डवेयरव्ययः अतीव अधिकः भवति यदि कम्पनी कियत् धनं प्राप्तुं शक्नोति इति निश्चितं न भवति तर्हि निश्चितरूपेण अधिकं निवेशं कर्तुं न इच्छति।

बृहत् मॉडल् इत्यस्य लाभः अस्ति यत् ते प्रारम्भिकानां एआइ एल्गोरिदम् इत्यस्य बहुमुखीतासमस्यायाः समाधानं कुर्वन्ति ।

सिद्धान्ततः एकः प्रतिरूपः सर्वान् परिदृश्यान् सम्भालितुं शक्नोति, अस्माभिः तस्य सूक्ष्म-समायोजनं कर्तव्यम् । अतः वयं "उच्चबहुमुख्यता" इति परिभाषयामः यत् साधनीकरणं स्वचालनं च कार्यान्वितुं समर्थः भवति, येन तस्य प्रतिकृतिः बृहत्प्रमाणेन भवति, न्यूनव्ययेन च कार्यान्वितुं शक्यते

१० कोटिपरिमाणेन विशालेन प्रतिरूपेण ९५% अधिका सटीकता प्राप्ता ततः, अस्माभिः अस्मात् बृहत्प्रतिरूपात् लघुप्रतिरूपं व्युत्पन्नं कृत्वा सहायकरूपेण समाहितं कृतम्, अतः प्रवेशद्वारस्य उपयोगस्य समस्यायाः समाधानं जातम्

कल्पयतु यत् एकस्याः बृहत्-माडल-कम्पन्योः सुपर-शक्तिशाली बृहत्-माडल-समाधानं भवति यत् मातापितृ-माडल-वत् कार्यं करोति, सम्पूर्ण-उद्यमस्य व्यापक-आवश्यकतानां समर्थनं करोति ।

इदं विशालं प्रतिरूपं विशेषतया शक्तिशाली अस्ति तथा च जटिलदत्तांशविश्लेषणं सम्भालितुं शक्नोति, अतीव सटीकं अन्वेषणं च दातुं शक्नोति । विशेषतया B-पक्षीयकम्पनीनां कृते उपयुक्तम् अस्ति येषां कृते बृहत् परिमाणेन कम्प्यूटिंग् संसाधनानाम् आवश्यकता भवति तथा च बृहत्-परिमाणस्य आँकडा-संसाधनस्य आवश्यकता भवति । परन्तु वस्तुतः सर्वेषां बी-पक्षीयकम्पनीनां कृते एतादृशी विशालव्यवस्थायाः आवश्यकता नास्ति।

अधिकलघुमध्यमव्यापाराणां कृते लघुतरं, अधिकं केन्द्रितं प्रतिरूपं पर्याप्तं भविष्यति। वयं तत् बृहत्तरस्य आदर्शस्य "उप-प्रतिरूपम्" इति चिन्तयितुं शक्नुमः ।

एते लघुमाडलाः बृहत्तरमाडलात् मूलक्षमतां उत्तराधिकारं प्राप्नुवन्ति, परन्तु अनुकूलिताः, ट्यून् च भवन्ति येन ते विशिष्टव्यापारआवश्यकतासु लघु-परिमाणे परिचालनवातावरणेषु च उत्तमरीत्या उपयुक्ताः भवन्ति

लघुप्रतिरूपेषु बृहत्प्रतिमानानाम् इव गणनाशक्तिः आवश्यकी नास्ति, परन्तु विशिष्टकार्येषु केन्द्रीभूता भवति तथा च भिन्न-भिन्न-आवश्यकतानां अनुसारं समायोजितुं शक्यते, यथा बुद्धिमान् विश्लेषण-प्रतिवेदनानि जनयितुं वा बुद्धिमान् विश्लेषणं कर्तुं वा

एतेन सीमितसंसाधनयुक्ताः लघुव्यापाराः कार्यदक्षतां निर्णयगुणवत्तां च सुधारयितुम् एआइ-उपयोगं कर्तुं शक्नुवन्ति ।

अतः लघुप्रतिरूपं बृहत्प्रतिरूपात् निष्कासितस्य सारस्य इव अस्ति अस्य केवलं मूलभूतज्ञानमूलक्षमतानां आवश्यकता वर्तते कुञ्जी अस्ति यत् तत् लघुसहायकं कृत्वा उपयोगाय साधने निहितं करणीयम्।

भवतः तर्कः सम्यक् इति कदापि मा चिन्तयतु । Zhiyuan इत्यस्य शोधस्य अनन्तरं AI उत्पादाः B-पक्षीय-उद्यमेषु पूर्वमेव कार्यान्विताः सन्ति अतः TOB कृते AI अनुप्रयोग-परिदृश्याः एजेण्ट्-प्लग-इन् च सन्ति

एतस्य लाभः अपि अस्ति यत् महत् व्ययस्य निवेशं विना सुलभं वितरणं भवति ।

सारांशं कुरुत

TOB AI पुरातनमार्गं न अनुसरति।

यदि लघुमाडलाः TOB इत्यस्य मुख्यबिन्दुः सन्ति, तर्हि तान् बुद्धिमान् एजेण्ट्-सहायकान् च करणं TOB इत्यस्य अन्तिममाइलं संयोजयितुं प्रमुखः कडिः अस्ति ।किन्तु अधः-ऊर्ध्वं जन- कार्य-केन्द्रितं च, न तु सॉफ्टवेयर-केन्द्रितम् ।