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。