片及其标签来训练非常优秀的图像识别算

这是一个需要生成的数据例子。 退一步讲，首先需要在数据上取得的进展是增加数据的复杂性，朝前沿数据迈进。其次是增加数据的生产量，捕捉更多人类在实际工作中的行为。 David George： 更多捕捉人类在工作中的。

是的，捕捉更多人类的操作

行为，同时投资于合成数据或混合数据。利用合成数据，同时让人类参与其中，从而生成更高质量的数据。我们需要像对待芯片生产一样看待数据生产。 就像我们讨论芯片生产的边界，确保有足够的生产能力来制造芯片。对于数据也是一样的，我们需要有效的数据生产边界，能够生成海量数据来支持模型训练。 最后一个经常被忽视的方面是对模型的测量，确保我们能够科学地分析模型的不足之处，从而精确确定需要添加哪种数据来提高模型的性能。 David George： 大科技公司相对于独立实验室，在数据资源上有多大的优势呢？ 大公司在利用现有数据资源时面临很多监管问题。你可以看到，在生成式  之前。

 曾利用所有公开

使用经过验证的电话列表的主要好处之一是最大 whatsapp 号码数据 限度地减少浪费的精力。您的团队不会浪费时间拨打错误的号码，从而可以与真正的潜在客户进行更有成效的对话。电话号码在电话营销活动的成功中起着关键作用。它们确保您联系的是有效的号码，这直接影响您产生优质潜在客户的能力。对于使用短信营销的企业来说，经过验证的电话号码至关重要。

法，但这在欧洲遇到了许多监管问题，最终变得非常麻烦。 所以如何处理这些数据优势从监管角度来看，特别是在欧洲，还需要进一步观察。我认为大实验室的真正优势在于它们有非常盈利的业务，能够为  项目提供几乎无限的资金来源。对此，我非常关注，也很好奇它将如何。

发展 行业中有一个问题是，是否大

公司在  领域投入过多。如果你听他 工作场所破冰活动：提出正确的问题来了解您的团队！  们的财报电话会议，他们会说，我们的风险在于投入不足，而不是投入过多。对此你怎么看？  是的，没错。你可以想象一下，站在这些 CEO 的角度，比如 Sundar Pich 、或者位置上。正如你所说，如果他们真正抓住了  的机会，他们可能很容易地为公司增加一万亿美元的市值。 如果他们真的领先竞争对手，并以。

好的方式将  产品化，这几乎是显而

易见的。而如果他们没有投入额外的 200～300 亿 电话号码 香港 美元的资本支出，却因此错失了这个机会，后果可能是存在性风险。 ： 对于这些大公司来说，每家企业的业务都有可能被  技术深度颠覆。所以对他们来说，风险和回报非常清晰。更战术层面上，他们也能够轻松收回资本支出。最坏的情况下，他们可以通过使核心业务更高效来实现这一点。 ： 比如说，Facebook 广告中的 GPU 利用率？  是的，比如 或 ，他们的广告系统只要稍微改进一点，就可以回收数十。

亿美元的成本过更好的性能

是的，苹果也可以通过推动一个设备升级周期轻松回收投资。我认为这些都相当清晰。 David George： 从整个行业来看，这些公司投入大量资本对行业是有益的，尤其是像 Google 和微软这样的公司，它们还在出租计算资源。  而且，这些模型已经在逐渐普及。比如 Llama 3.1 已经是开源的。所有这些投资的成果正在变得越来越广泛可用。开源模型所产生的溢出效应。

实在是令人难以置信

这是一个很好的过渡，谈到市场结构，你怎么看待未来几年的发展？会不会是几个已经确定的玩家彼此竞争？你觉得这是个盈利的业务吗？开源对业务质量的影响是什么？请你展望一下未来几年的市场情况。 是的，过去的一年半里，模型推理的定价已经急剧下降，下降了两个数量级。令人惊讶的是，智能可能成为一种商品。我认为，纯粹依靠模型租赁业务在长期可能并不是最优的商业模式，这可能。

只是一个相对平庸的业务

这或许取决于早期提到的突破点。如果有人真的取得了持久的突破，市场结构可能会有所不同。  有两件事。第一，如果 Meta 继续开源模型，那么模型的价值上限会被大大压低。第二，如果几家实验室能够达到类似的性能，这也会显著改变定价策略。所以我认为，虽然不确定，但纯粹的模型租赁业务可能不是最有价值的业务，更优质的业务机会在模型的上层和下层。 下层，比如 Nvidia 显然是一个。

非常出色的业务，云服务提供

商也拥有很好的业务，因为搭建大规模的 GPU 集群实际上是相当复杂的，云提供商在租赁这些资源时拥有不错的利润率。 David George： 传统的数据中心业务本质上也是规模游戏。因此，相比于较小的玩家，他们得到了极大的好处。  是的，正是如此。所以在模型层之下有很好的业务机会。在模型之上，如果你在构建应用程序，比如 就是一个很好的业务，许多初创公司开发的应用程序也表现得不错。 虽然没有哪家公司的规模能与 相比，但如果这些应用能够在早期找到产品市场契合点，它们就能成为很好的业务。因为如果用户体验做得好，应用程序为客户创造的价值远远超过了模型的推理。

成本。 还有一些有趣的事情，比如 在 中引入的功能是一个信号，表明各大实验室都在深入推动产品集成，以提升业务质量。我认为未来我们将在产品层面看到大量迭代。 简单的聊天机器人绝不是最终产品，那将是一个令人失望的结果。所以产品的创新周期是难以预测的，正如我们没想到  会如此受欢迎。 我认为没人能确切预测。

下一个增长点在哪个产品上，但可以肯定的是， 和有能力打造伟大的应用程序业务，实现长期独立和可持续发展。 ： 那么竞争优势的推动力是什么？显然你需要模型，与之紧密集成的产品，以及从此衍生出的传统护城河，比如工作流程、集成等。 是的，你可以看到， 和 几乎在同一时间都聘请了首席产品官，他们正在逐步摸索。