يُساء فهم تحديد المشروع بشكل عام: هذا ليس ببساطة إنشاء تطبيق ذكاء اصطناعي أو منتج وكيل ذكاء اصطناعي. المنطق الأساسي هو بناء طبقة تنسيق موارد الذكاء الاصطناعي.
غالبًا ما يتم تجاهل النقاط الحقيقية لمشكلة آلية السوق. لا يقتصر العقبة الرئيسية في صناعة الذكاء الاصطناعي الحالية على تطور نماذج الخوارزميات أو إمدادات قوة الحوسبة GPU، بل الأهم هو كيفية تنسيق الموارد بكفاءة وجدولتها.
مقارنة بمسار تطور عصر Web2: قامت شركة Scale AI من خلال المعالجة المنهجية لمراحل وضع العلامات على البيانات، وتنظيف البيانات، وتحسين مجموعات البيانات، بإنشاء نظام تنسيق وتحسين البيانات من النهاية إلى النهاية، وأصبح هذا البنية التحتية الأساسية لأنابيب تدريب البيانات. نفس المنطق ينطبق على جانب إمدادات موارد الحوسبة للذكاء الاصطناعي الحالية — من يستطيع تنسيق الموارد المتنوعة للذكاء الاصطناعي بشكل أفضل وزيادة كفاءتها، سيكون هو الذي يبرز من بين هذه الموجة.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 7
أعجبني
7
7
إعادة النشر
مشاركة
تعليق
0/400
wagmi_eventually
· منذ 9 س
آه، بعد كل الحديث، لا زالت أعمال البنية التحتية هي الحاجة الحقيقية
شاهد النسخة الأصليةرد0
ReverseTradingGuru
· منذ 9 س
أوه فهمت، فكرة طبقة تنسيق الموارد فعلاً تم التقليل من شأنها
الربح الحقيقي دائماً يأتي من البنية التحتية، وليس من التطبيقات
باختصار، من يستطيع دمج GPU وقوة الحوسبة وكل هذه الأشياء المبعثرة بشكل أكثر سلاسة، هو الفائز
أشعر أن هذه هي المنطق وراء العملة التي ستضاعف قيمتها عشر مرات التالية
شاهد النسخة الأصليةرد0
GasFeeLover
· منذ 10 س
أوه، فهمت الآن، ببساطة هو مستوى تنظيم الموارد، وليس تطبيقات الذكاء الاصطناعي بحد ذاتها
حقًا، الجميع يركز على النموذج والقدرة الحاسوبية، ويتجاهلون الكفاءة التنسيقية كعامل رئيسي
منطق Scale AI هنا، من يسيطر على سلطة التنسيق هو الذي يفوز، الأمر مثير للاهتمام
لكن هل يمكن تحقيق هذا، يبدو أن الكلام أسهل من التنفيذ
طبقة التنسيق تحتاج إلى عدد كبير من العقد وآليات الثقة، ربما تم التقليل من صعوبة الأمر
شاهد النسخة الأصليةرد0
BTCRetirementFund
· منذ 10 س
إيه، بصراحة، مفهوم طبقة التنسيق كان من المفترض أن يكون موجودًا منذ فترة، والآن أدركنا أن تراكم وحدات معالجة الرسومات (GPU) ليس له معنى
شاهد النسخة الأصليةرد0
DisillusiionOracle
· منذ 10 س
آه، مرة أخرى تلك الحجة حول طبقة التنسيق، تبدو جذابة ولكن هل يمكن حقًا تحقيقها؟
شاهد النسخة الأصليةرد0
SandwichTrader
· منذ 10 س
آه، اتضح أن الأمر يتعلق بتنظيم الموارد، وليس مجرد تطبيق آخر للذكاء الاصطناعي
لا عجب أن الكثير من الناس فهموه بشكل خاطئ، يبدو أنه يجب أن نشرح هذا المفهوم بشكل جيد
شاهد النسخة الأصليةرد0
LiquidationKing
· منذ 10 س
يا لها من مفاجأة، بنية تحتية أخرى يُعتقد خطأً أنها وكيل، وتنسيق الموارد هو حقًا نقطة الضعف
يُساء فهم تحديد المشروع بشكل عام: هذا ليس ببساطة إنشاء تطبيق ذكاء اصطناعي أو منتج وكيل ذكاء اصطناعي. المنطق الأساسي هو بناء طبقة تنسيق موارد الذكاء الاصطناعي.
غالبًا ما يتم تجاهل النقاط الحقيقية لمشكلة آلية السوق. لا يقتصر العقبة الرئيسية في صناعة الذكاء الاصطناعي الحالية على تطور نماذج الخوارزميات أو إمدادات قوة الحوسبة GPU، بل الأهم هو كيفية تنسيق الموارد بكفاءة وجدولتها.
مقارنة بمسار تطور عصر Web2: قامت شركة Scale AI من خلال المعالجة المنهجية لمراحل وضع العلامات على البيانات، وتنظيف البيانات، وتحسين مجموعات البيانات، بإنشاء نظام تنسيق وتحسين البيانات من النهاية إلى النهاية، وأصبح هذا البنية التحتية الأساسية لأنابيب تدريب البيانات. نفس المنطق ينطبق على جانب إمدادات موارد الحوسبة للذكاء الاصطناعي الحالية — من يستطيع تنسيق الموارد المتنوعة للذكاء الاصطناعي بشكل أفضل وزيادة كفاءتها، سيكون هو الذي يبرز من بين هذه الموجة.