麦肯锡的 Lilli 案例为企业 AI 市场提供了哪些发展思路?
撰文:Haotian
麦肯锡的 Lilli 案例为企业 AI 市场提供了关键发展思路:边缘计算 + 小模型潜在的市场机会。这个整合了 10 万份内部文档的 AI 助手,不仅获得了 70% 员工的采用率,而且平均每周使用 17 次,这种产品粘性在企业工具中实属罕见。以下,谈谈我的思考:
1)企业数据安全是痛点:麦肯锡 100 年积累的核心知识资产以及一些中小企业积累的特定数据都有极强数据敏感性,都不是和在公共云上处理。如何探索一种“数据不出本地,AI 能力不打折”的平衡状态,就是实际市场刚需。边缘计算是个探索方向;
2)专业小模型会取代通用大模型:企业用户需要的不是"百亿参数、全能型"的通用模型,而是能精准解答特定领域问题的专业助手。相比之下,大模型的通用性与专业深度之间存在天然矛盾,企业场景下往往更看重小模型;
3)自建 AI infra 和 API 调用的成本平衡:尽管边缘计算和小模型的组合虽然前期投入较大,但长期运营成本显著降低。试想若 45000 名员工高频使用的 AI 大模型来自于 API 调用,这产生的依赖,使用规模和品论的增加都会使得自建 AI infra 成为大中型企业的理性选择;
4)边缘硬件市场的新机会:大模型训练离不开高端 GPU,但边缘推理对硬件的要求则完全不同。高通、联发科等芯片厂商针对边缘 AI 优化的处理器正迎来市场良机。当每个企业都想打造自己的"Lilli",专为低功耗、高效率设计的边缘 AI 芯片将成为基础设施的必需品;
5)去中心化 web3 AI 市场也同步增强:一旦企业在小模型上的算力、微调、算法等需求被带动起来,如何平衡资源调度就会成为问题,传统的中心化的资源调度会成为难题,这直接会给 web3AI 去中心化小模型微调网络,去中心化算力服务平台等等带来很大的市场需求;
当市场还在讨论 AGI 的通用能力边界时,更喜闻乐见看到很多企业端用户已经在挖掘 AI 的实用价值。显然,相比过去比拼算力、算法的资源垄断式跃进,当市场把重心放到边缘计算 + 小模型方式时,会带来更大的市场活力。
(责任编辑:理财)
-
不在VIP的站点,内容优质,可以被展示到时效性中;而VIP垂类开放,是针对优质的原创时效性站点,我们将会给到VIP服务,主要看内容是否优质了。...[详细]
-
另外,前几年央视大数据的调查也发现,“收入多少”与“幸福感”会呈一种“正相关”的关系,但是,年收入在30万形成了一个幸福的拐...[详细]
-
著名的领导力大师诺尔·蒂奇把讲出来教别人称之为领导力的关键要素之一——可教。...[详细]
-
如果你希望在接下来五年,或者终其一生成为中国的Salesforce,下一个滴滴,美团……等估值百亿的公司,这是合理的逻辑。...[详细]
-
但该公司销售的产品包括来自日本核污染地区禁止销售的卡乐比麦片。...[详细]
-
缺乏资金,让友友用车无法将这套模式持续实践下去,也永远无法证明到底何时才能将其真正跑通。...[详细]
-
” 那次沟通比较成功,双方达成了K12直播方面的战略合作,由疯狂老师提供师资、课程资源,腾讯出流量和技术,共同合作一款产品,即后来的叮当课堂。...[详细]
-
虚拟歌手、宅舞、MAD,各种新事物在这里诞生 “初音未来作为由用户培养起来的第一个角色,在一百年后也不会被人遗忘。...[详细]
-
而微信指数主要是帮助大家了解基于微信本身的某个关键词的热度,比如某一个事件频繁在公众号、朋友圈中出现,过去我们只知道这个词可能要火,但没有具体的数值来把‘火’的程度表现出来。...[详细]
-
将信息根据关系和属性分割成不同的组,能够让用户更容易分辨。...[详细]