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)
-
到一个新市场,先做覆盖率。...[详细]
-
毕竟真正懂深度学习的人还不多,极为稀缺导致供需不平衡,当然这个不合理的价格也涉及到人才竞争。...[详细]
-
在这四件事里: “车”—— 需要有整车厂车辆的资源,例如绿狗租车的商业模式,虽然它的分时租赁在亏损,但它已经帮北汽卖掉上千辆车了,这个商业模式是对的...[详细]
-
(3)对站长来说,我的网站都有机会进行优质展示了,是好事。...[详细]
-
无印良品请了全日本第一流的设计师,包括原研哉、深泽直人、杉本贵志、小池一子,让他们去设计日常生活中最小、最不起眼的那些杂货。...[详细]
-
其实我并没有一个正确答案,神才能预测未来。...[详细]
-
那么,投资人会努力促成标的公司与行业上下游的企业进行合并,完善收购方的业务闭环,同时保证自己的回报。...[详细]
-
诸如在2016年的魏则西事件中,知乎平台就爆发出了巨大的社会影响力。...[详细]
-
内容创业未来的方向也包括品牌,只要媒体成为该行业的品牌,大家就会相信你有资源可以往别的方向延展,就可以往别的方向加入。...[详细]
-
变革之春 2016年底的某期节目里,罗振宇拖着发烧的身体,引述着BobDylan的诺贝尔获奖词,跟视频另一头数量高达860万的罗辑思维用户说他所认为的这一轮内容创业,或者说是自媒体人到底革新了什...[详细]