Сега комерсиализацията на големи модели отново е на масата.
Един от фактите е, че настоящото обучение на големи модели се нуждае от силна изчислителна поддръжка на мощността, особено моделът с голям брой параметри, което е изключително скъпо. Голямото обучение на модела изисква огромни суми пари за подкрепа.
След като инвестираха огромна сума пари, предприятията от една страна се надяват да комерсиализират възможно най-скоро, за да решат проблема с последващите средства за изследвания и развитие, от друга страна също се надяват да постигнат целта на печеленето на пари чрез комерсиализация.
Неизбежно е някои проблеми за безопасността и етичните да бъдат оставени настрана за момента и е по-вярно, че няма много да се мисли за пътя на развитие след бързата комерсиализация на големи модели, така че можем да видим, че много големи модели са само вкус и накрая водят до противоречие между комерсиализацията и нестопанската цел.
Първо, комерсиализацията на големи модели
Но въпреки това, комерсиализацията на домашни големи модели все още е в началния етап, а процесът на комерсиализация е изправен пред много предизвикателства.
Първо, разработването и прилагането на големи модели изисква голяма инвестиция на пари и време, а възвръщаемостта често е трудна за прогнозиране. Това накара много компании да се колебаят в процеса на комерсиализация и да пропуснат възможностите на пазара.
Второ, етичните и безопасните проблеми на големите модели също оказват натиск върху комерсиализацията. Понастоящем нуждите на приложението на повечето предприятия са концентрирани главно в областта на интелигентното обслужване на клиентите, интелигентната препоръка, интелигентният маркетинг и други области на приложение все още са в етапа на проучване. Това прави процеса на комерсиализация на големи модели сравнително бавен и труден за постигане на мащабно развитие.
По-забележителното е, че въпреки че Китай постигна значителен напредък в областта на изкуствения интелект, все още има известна разлика в вътрешните технологии с голям модел в сравнение с международното водещо ниво. Това прави вътрешните предприятия в неравностойно положение в конкуренцията на международния пазар и е трудно да се разшири до морето и трансграничната посока.
Комерсиализацията на големи модели трябва да реши проблема с това да позволи на предприятията и потребителите да разберат принципа по -малко и да използват резултатите по -просто и директно, така че потребителите да могат да се върнат към стойността и да решават собствените си бизнес проблеми. С други думи, това е "интегрираният модел на черната кутия" на големия модел.
В резултат на това някои от днешните бизнес модели са място за събиране на играчи и предприемачи с голям модел.
Второ, каква е трудността на комерсиализацията?
Като цяло пътят към комерсиализацията на големи модели не е най -добрият, но посоката е ясна. Но яснотата не означава кацане. За играчите на домашния голям модел, те все още са изправени пред много вътрешни и външни предизвикателства.
Като цяло комерсиализацията на световната индустрия за големи модели все още е в ранния етап на изследване.
От една страна, въпреки че изследователските и развойните институции са били доста зрели по отношение на технологията с голям модел, те не са достатъчно познати със сцената за кацане и все още не са формирали перфектен търговски модел. Следователно, те трябва да работят с предприятията за сценарии надолу по веригата, за да изградят съвместно големи модели на бизнес модели.
От друга страна, повечето предприятия за сценарий надолу по веригата все още не са формирали основните концепции и познанието на големи модели и им липсва изчислителната мощност, необходима за поддържане на модели на фина настройка, както и човешките ресурси и техническата сила, необходима за персонализиране и вторично разработване на модели.
Като цяло, въпреки че пътят на комерсиализацията на големи модели е сравнително ясен и вътрешните производители активно го изследват, комерсиализацията на големи модели не може да бъде ограничена до изследването на бизнес модели, но повече за решаване на основните проблеми на развитието на големи модели.