Verabschieden Sie sich von der KI-Ära der Handwebstühle

In den 1760er Jahren, als die Dampfmaschine erfunden wurde, wussten die meisten Menschen nicht, dass die „Industrielle Revolution“ kommen würde.

Als ENIAC 1946 herauskam, wussten die Menschen auch nicht, dass Computer ein halbes Jahrhundert später zu Computern werden würden. Die Infrastruktur, die soziale Operationen und technologische Innovation unterstützt;

Selbst im Jahr 2005 konnten sich die Menschen nicht vorstellen, dass fast alle Bedürfnisse in Bezug auf Nahrung, Kleidung, Wohnen und Transport mit nur einem Mobiltelefon ohne separate Kamera gedeckt werden könnten; Sie können die Dinge um Sie herum jederzeit und überall in Teilen aufzeichnen.

Wann immer eine disruptive Technologie geboren wird, werden die Menschen ihre Auswirkungen auf die Sozialwirtschaft immer unterschätzen. Ihr Wert wird erst definiert, wenn die Geschichte Jahrzehnte später zusammengefasst wird.

Wie Bill Gates sagte: Wir überschätzen immer, was wir in einem Jahr erreichen können, und unterschätzen, was wir in fünf oder zehn Jahren erreichen können.

Jetzt ist der Protagonist „künstliche Intelligenz“.

Im Jahr 2022 wird die KI-Industriekette zunächst verbessert, und die Nachfrage aus verschiedenen Branchen wird weiterhin steigen. Praktiker halten das Banner „KI dringt in Tausende von Branchen vor“ hoch, um den Markt zu erweitern, und einige Pioniere haben dies erfolgreich getan Börsengang.

Kostensenkung und Effizienzsteigerung, digitale Transformation, digitale Wirtschaft ... sind zu heißen Schlagworten im Zusammenhang mit der aktuellen KI-Industrialisierung geworden. Diese Werte der KI, die die vierte industrielle Revolution und die Iteration der Produktivität anführen, werden von vielen Parteien anerkannt.

Aber niemand kann die KI-Landschaft in 10 oder 50 Jahren klar beschreiben. Ob die Entwicklung der KI das sein wird, was wir heute vorhersagen und definieren –

Mit unserer aktuellen Vision können wir keine genaue Antwort geben.

Mit Blick auf das Sternenmeer und die Sterne der KI haben wir gerade die Erdoberfläche verlassen.

Im Strudel des industriellen Wandels mag es schwierig sein, das Ende der KI zu erkennen, aber der „ultragroße Maßstab“ und die „Verfeinerung“ von KI-Algorithmen sind zumindest der einzige Weg zu diesem Ziel.

Angesichts des Trends zu extrem großem Maßstab und Verfeinerung braucht die KI dringend die industrielle Revolution Wie die Zahl der APPs, die in Produktion und Arbeit eindringen, ist jedes Detail des Lebens zu einem wichtigen Vermögenswert für das Stadtmanagement und die Unternehmensentwicklung geworden.

So wie es heutzutage Millionen von APP-Typen in den Smartphone-App-Stores gibt, decken Algorithmen nahezu alle Bedürfnisse aller Arten von Menschen und aller Lebensbereiche ab. Viele von ihnen sind Teil unseres täglichen Lebens geworden. Die sogenannte Verfeinerung bedeutet, dass die Funktionen eines einzelnen KI-Algorithmus immer weiter unterteilt werden und unzählige kleine KI-Algorithmen zu hochkomplexen KI-Anwendungen kombiniert werden, basierend auf den Nutzungsanforderungen verschiedener Branchen, unterschiedlicher Szenarien und unterschiedlicher Geräte. .

Dieser Trend könnte bald dazu führen, dass jede KI-Anwendung, die wir für selbstverständlich halten, zu einem komplexen intelligenten Agenten wird, der aus Hunderten oder Tausenden von Algorithmen besteht.

Die Verfeinerung wird auch die Szeneisierung von KI bewirken. Mit anderen Worten: Es ist notwendig, KI-Algorithmen zu trainieren, die für verschiedene vertikale und segmentierte Szenarien geeignet sind, basierend auf der tatsächlichen Situation und den Nachfragemerkmalen der Kunden.

Da jedoch immer mehr Szenarien entdeckt werden, wird auch die Zahl der kundenspezifischen Anforderungen der Kunden rapide ansteigen, was die Implementierung von KI vor größere Herausforderungen stellen wird. Spezielle Anpassungen für jede Anforderung werden nicht nur die Kosten erhöhen, sondern auch verlangsamen der Umsetzungszyklus.

Wenn man sich nur den Bereich des Community-Managements ansieht, umfassen die Algorithmusanforderungen eine Vielzahl detaillierter Anforderungen wie Müllüberlauf, hochgeschleuderte Gegenstände, Maskenerkennung, Identifizierung illegaler Parkplätze bei Fahrzeugen, Einfahren von Elektrofahrzeugen in Aufzüge, Stürze von Bewohnern und eingeschlossene Personen in Aufzügen. Das Gleiche gilt für Fertigung, Energie und andere Bereiche.

Das gleiche Modell ist in verschiedenen Szenarien unterschiedlich anwendbar.

Nehmen Sie die Flammen- und Raucherkennung, wenn sie auf einer Gemeinschaftsstraße platziert wird, besteht keine Notwendigkeit, die Polizei zu rufen, wenn jemand eine Zigarette anzündet. Wenn sie auf einer Baustelle platziert wird, besteht keine Notwendigkeit, sie zu alarmieren Wenn die Funken jedoch so groß sind wie beim Elektroschweißen, wird die Nachfrage sogar zu einem Funken und kann nicht mehr losgelassen werden.

Obwohl diese Szenarien viele fragmentierte Long-Tail-Anforderungen an den Algorithmus mit sich bringen, sind sie dennoch ein unverzichtbarer Bestandteil eines intelligenten Community-Managements.

Diese Art von Long-Tail-Szenario weist jedoch ein wesentliches Merkmal auf: Beispieldaten sind knapp und hochwertige Datensätze, die für das Training verwendet werden können, sind noch luxuriöser.

Daher ist es während des Entwicklungsprozesses häufig erforderlich, Daten für das erste Training vor Ort zu sammeln und nach dem Start des Algorithmus mit der Iteration fortzufahren. Nur erfahrene Algorithmeningenieure können einen Algorithmus mit guter Genauigkeit unter einer begrenzten Datenmenge trainieren.

Unter dem Trend des „ultragroßen Maßstabs“ und der „Verfeinerung“ ist die Anpassung von KI-Algorithmen im Terminaleinsatz zu einem weiteren versteckten Problempunkt bei der Implementierung von KI geworden.

Um den Algorithmus effektiv nutzen zu können, ist die Chipanpassung ein notwendiger Prozess.

Diese Arbeit umfasst das Schreiben von Entwicklungs-Toolkits für verschiedene Toolketten für verschiedene Chips sowie quantitative Anpassungen der Terminal-Chipleistung, um die Chipauslastung zu maximieren.

Derzeit passen sich die meisten KI-Unternehmen auf dem Markt nur an Mainstream-Marken wie NVIDIA und Qualcomm sowie an selbst entwickelte Chips an. Wenn der vom Benutzer verwendete Chip nicht im Anpassungsbereich liegt, dauert es mindestens 2 bis 3 Monate für die unabhängige Anpassung. Dennoch kann die Auslastung des Chips immer noch unter 10 % liegen, was zu einer enormen Ressourcenverschwendung führt.

Im traditionellen Entwicklungsmodell, von der Definition von Geschäftsproblemen über die Sammlung und Kennzeichnung von Daten, den Entwurf, die Parameteranpassung, das Training und die Abstimmung von Algorithmusmodellen bis hin zur Chipanpassung und Leistungsbewertung des Modells – —# 🎜🎜#

Die gesamte Kette ist nicht nur kompliziert und hat einen langen Zyklus, sondern erfordert auch viel manuelle Beteiligung. Der gesamte Prozess dauert normalerweise mehrere Monate. Die Unsicherheit der Algorithmusnutzung wird die Kosten für Rechenleistung erhöhen.

Dieser handwerkliche Geist, der „künstlich sein muss, um intelligent zu sein“, wird der massiven Nachfrage in Zukunft nicht mehr gewachsen sein.

Es ist unmöglich, die Erdoberfläche zu verlassen, indem man ein Boot von Hand rudert. Jeder geht davon aus, dass KI die vierte industrielle Revolution herbeiführen und arbeitsintensivere Arbeitsplätze schaffen wird, aber KI selbst ist zu einer arbeitsintensiven Industrie geworden. Wer wird die repetitive Arbeit einer großen Zahl von Forschungsinstituten und Ingenieuren befreien?

Darüber hinaus erfordert eine tiefgreifende industrielle Umsetzung auch die Wahl zwischen Standardisierung und Individualisierung.

Zuvor waren Algorithmen-SDKs und SaaS-Dienste beliebt, und viele Unternehmen hofften, ihre Produkte schrittweise zu standardisieren und eine skalierbare Entwicklung zu erreichen. Es stellt sich heraus, dass die Nachfrage umso fragmentierter und nicht standardisierter wird, je tiefer die KI in die Branche eindringt. Sich auf ein einziges Modell zur universellen Lösung aller Probleme zu verlassen, ist ein undurchführbares Geschäftsmodell.

Die Umsetzung maßgeschneiderter Lösungen und allgemeiner Vertragsintegrationsprojekte wird jedoch in das Dilemma hoher Kosten, geringer Gewinne und fehlendem Geld geraten, was es zu einer schwierigen Aufgabe macht, die KI-Unternehmen nicht übernehmen wollen.

Die große Kluft zwischen Angebot und Nachfrage der KI-Industrialisierung und den Zwängen von Geschäftsmodellen erfordert den Umbau von Produktivität und Produktionsbeziehungen. Auch die KI selbst braucht eine industrielle Revolution.

AutoML, verabschieden Sie sich von der KI-Ära der Handwebstühle

Tatsächlich haben Spitzenspieler dieses Zeichen sehr früh erkannt und begonnen, es zu lösen.

Einige Leute schickten zusätzliche Arbeitskräfte, um tief in die Branche einzutauchen, nacheinander neue Algorithmen zu entwickeln, sich dem Spiel anzuschließen und die Branche stark zu binden, und machten sich daran, in einem frühen Stadium einen Bildungsmarkt für Komplettlösungen aufzubauen , aber am Ende habe ich viel Integrationsarbeit geleistet.

Es gibt auch Leute, die Supercomputing-Zentren eingerichtet haben, um große Modelle und große Geräte zu bauen, in der Hoffnung, alle Probleme auf einmal zu lösen.

Es gibt auch einen neuen Weg, der nicht nur eine „Kostenreduzierung und Effizienzsteigerung“ der KI-Entwicklung erreicht, sondern auch die Einsatzschwelle senkt und sie in der Branche bekannt macht –

#🎜 🎜#mit KI Diese Methode löst KI-Anforderungen und die zugrunde liegende Technologie stammt von AutoML und konzentriert sich auf zwei Wörter: hohe Effizienz.

Wie der Name schon sagt, bezieht sich AutoML auf die Reduzierung der manuellen Beteiligung in jeder Phase des maschinellen Lernens und verwandelt „von Handwerkern handgefertigt“ in „automatisierte Fließbandvorgänge“.

Vom strukturellen Design des Modells bis zur Hyperparameteranpassung, vom Training bis zur Modelloptimierung und -komprimierung sowie Chipanpassung und -bereitstellung ... Automatisierungslösungen werden in verschiedenen Phasen eingeführt, sodass Maschinen manuelle ersetzen können Arbeitsaufwand für die Parameteranpassung, Datenverarbeitung und andere komplizierte Arbeiten.

Das Kernkonzept besteht darin, KI zum Trainieren von KI zu nutzen.

Da AutoML das ursprüngliche zugrunde liegende Framework und Kooperationsmodell umgestalten wird, nennen es einige Insider: ein Zeichen für das Stadium der künstlichen Intelligenz 2.0.

Als Antragsteller und Erstanwender von AutoML hat Google schnell entsprechende Vorkehrungen getroffen, und einige Start-up-Unternehmen haben auch aktiv AutoML-Innovationen durchgeführt und sind zu Praktikern in der KI-Branche geworden, die verschiedene Branchen stärken.

Innovation der Produktivität und Produktionsbeziehungen von KI

Wie effizient ist AutoML, wenn es sich in tatsächlichen industriellen Anwendungen widerspiegelt?

Basierend auf der automatisierten Trainingsplattform des Unternehmens haben zwei Produktmanager des Shenzhener Start-up-Unternehmens „Gongda Di“ in nur 2 bis 3 Wochen schnell mehr als 100 Algorithmen trainiert, die fünf Hauptkategorien abdecken Die Anzahl visueller Algorithmen, darunter Tracking, Bildklassifizierung, semantische Segmentierung, Haltungserkennung und 3D-Erkennung, decken über 80 fragmentierte Anwendungsszenarien und über 70 KI-Chips ab.

Vereinfacht ausgedrückt dauerte es ursprünglich mindestens ein halbes Jahr von der Algorithmusentwicklung bis zur Bereitstellung. Jetzt kann es automatisiert in einem halben Tag abgeschlossen werden, und die Effizienz ist exponentiell gestiegen.

Um AutoML jedoch vollständig auf den kommerziellen Markt zu bringen, müssen wir vom Standpunkt des Kundennutzens ausgehen, den Kunden einen schnellen Einstieg zu geringeren Kosten ermöglichen und gleichzeitig Produktivitätsinnovationen schaffen. Verknüpfen Sie die vor- und nachgelagerten Bereiche der Branche, um die Branche zu optimieren. Das Angebots- und Nachfragesystem realisiert die Neugestaltung der Produktionsbeziehungen.

Zuallererst ist es die Innovation der Produktivität.

Obwohl AutoML als „automatisch“ bekannt ist, ist es für Produktmanager, Datenanalysten und andere Gruppen mit Nicht-KI-Technologie-Hintergrund immer noch ein Kopfschmerzen-Tool, das „nicht verstanden“ werden kann.

Anders als Technologiegiganten, die es nur zur Verbesserung der Arbeitseffizienz des internen technischen Personals nutzen, führt Gongdadi eine vollständige Automatisierungstransformation in der Entwicklungspipeline durch, sodass auch Geschäftsmitarbeiter, die KI nicht verstehen, dies tun können Nutzen Sie KI, wodurch die Kosten für den Einsatz von KI und die unbegrenzte KI-Produktivität von Unternehmen erheblich gesenkt werden.

Wie aus dem Bild ersichtlich ist, hat der gesamte Prozess von Gongdadi 0 Code und einen niedrigen Schwellenwert erreicht, um die KI zu trainieren Wenn Sie möchten, müssen Benutzer nur auf eine Schaltfläche klicken, um Trainingsdaten entsprechend ihren eigenen Anforderungen hochzuladen. Die Plattform kann das Modelldesign, das Training und die Parameteranpassung unabhängig durchführen und einen hochwertigen KI-Vision-Algorithmus trainieren kurze Zeit.

Derzeit deckt die Plattform mehr als 90 % der gängigen Aufgaben in der Branche ab, wobei die Hauptkategorien Erkennung, Segmentierung, Klassifizierung, menschlicher Körper, 3D und andere Algorithmen umfassen. Die Datenerfassung und -anmerkung kann auch an Gongda-Partner übergeben werden. Produktmanager und Geschäftsexperten müssen nur für die Definition der Anforderungen verantwortlich sein und können die Implementierung schnell abschließen, da sie wissen, dass „Definition das ist, was Sie bekommen“.

Da in der Realität viele kleine und mittlere Unternehmen dringenden Bedarf an fragmentierten Szenario-Algorithmen haben, hat sich das Team auch mit Datenanbietern zusammengetan, um schnell einen automatisierten „Algorithmus“ auf den Markt zu bringen mall“——# 🎜🎜#

ermöglicht Kunden die schnelle Anwendung von KI-Algorithmen auf ihre eigenen Geschäftsketten im 0-Code-Plug-and-Play-Verfahren, um intelligente Upgrades zu erreichen.

Derzeit enthält dieses Einkaufszentrum fast hundert Szenarien und mehr als 5.000 hochpräzise Algorithmen, die an mehr als 70 Chiptypen zur direkten Nutzung durch Kunden angepasst sind.

Zweitens ist es die Neugestaltung der Produktionsbeziehungen.

Durch offenes Empowerment werden KI-Bereitstellungsmöglichkeiten an ein breites Spektrum ökologischer Partner weitergegeben, und wir praktizieren gemeinsam KI-Empowerment für alle Branchen.

Derzeit umfasst die KI-Industriekette die Rollen von Datenherstellern, Chipherstellern, Infrastrukturherstellern usw. Gongda Enterprise ist auf Offenheit ausgerichtet und gestaltet die Industriekette durch die neu Die AutoML-Plattform gewährleistet in allen Aspekten volle Offenheit für Partner.

Nehmen Sie als Beispiel die Anpassung für Chiphersteller.

Da verschiedene Chipplattformen ihre eigenen Toolketten basierend auf den Merkmalen ihrer eigenen Chip-Hardwarearchitektur entwickeln, muss bei der Generierung und Bereitstellung von KI-Modellen die Anpassungsfähigkeit und Nutzung der Hardware berücksichtigt werden jeder einzelnen Chipplattform.

Die KI-Plattform von Gongdadi wird verschiedene Toolketten auf SDK-Ebene integrieren, um die adaptive Konvertierung von Modellen in Terminalchips abzuschließen, sodass die von der AutoML-Trainingsplattform generierten Modelle mit einem Klick an Endgeräte übermittelt werden können und ermöglichen, dass KI-Algorithmusmodelle ihre volle Wirksamkeit entfalten.

Basierend auf der Effizienz von AutoML hat Gongda die Voranpassung fast aller gängigen Chips und Boxen abgeschlossen, wodurch die Chipauslastungsrate auf 50 bis 60 % erhöht werden kann, verglichen mit 10 % in der Branche Auslastungsrate auf universeller Ebene, wodurch die Rechenleistung erheblich verbessert wird.

Es ist nicht nur eine quantitative Veränderung, es ist eine Singularität im industriellen Wandel

In der Vergangenheit musste eine Gruppe von KI-Ingenieuren mehrere Monate lang einen Algorithmus entwickeln, bis heute Eine Person steht an vorderster Front des Unternehmens. Produktmanager, die sich nicht mit Algorithmenentwicklung oder Codeprogrammierung auskennen, können mit einem Klick und drei Verbindungen effizient und unabhängig hochwertige Algorithmen entsprechend ihren eigenen Anforderungen erstellen.

AutoML bringt nicht nur quantitative Veränderungen, sondern auch eine Singularität in der industriellen Transformation.

Derzeit beginnen immer mehr Unternehmen der Branche, die AutoML-Technologie einzusetzen, um das KI-Entwicklungsmodell zu ändern. Viele Unternehmen profitieren von der automatisierten Trainingsplattform und dem Algorithmus-Mall von Gongdadi.

Basierend auf der AutoML-Technologie erstellt und baut Gongdadi gemeinsam mit Kunden, um gemeinsam Geschäftsprobleme zu definieren und Kunden bei der Implementierung von Algorithmen für massive szenariobasierte KI-Anforderungen in vertikalen und unterteilten Bereichen in verschiedenen Branchen zu unterstützen Durch den Vertriebseinsatz können verschiedene individuelle Anforderungen schnell erfüllt, die Entwicklungseffizienz verbessert, Arbeits- und Forschungs- und Entwicklungskosten gesenkt und eine Win-Win-Zusammenarbeit mit Kunden erreicht werden.

Beispielsweise hat Ping An Smart City, ein städtisches Dienstleistungstechnologieunternehmen, das mit einem zentralen Unternehmen verbunden ist, damit begonnen, die AutoML-Technologie anzuwenden, um Multi-Szenario-Algorithmen dafür zu erstellen.

Durch die automatisierte Trainingsplattform von Gongdadi können Ping An Smart City-Entwickler auch die Erkennung fragmentierter Parkplätze, die Erkennung von Verlusten oder Schäden an Schachtabdeckungen, die Erkennung von Pyrotechnik und die Erkennung von Straßenbelegungsvorgängen ohne Codierung durchführen End-to-End-Bereitstellung mit einem Klick. Dieser Prozess kann von der Algorithmusentwicklung bis zur Bereitstellung nur wenige Stunden dauern.

Ein weiteres Beispiel: Im Anwendungsszenario des intelligenten Transports nutzte Qianshi die automatisierte Trainingsplattform AutoML von Gongdadi und passte eine Reihe verwandter KI-Visionen an, als die Verkehrsmanagementabteilung einer Stadt in der Provinz Hunan entsprechende Projekte baute Algorithmen im Zusammenhang mit sicherem Fahren wie „Fahren ohne Sicherheitsgurterkennung“ und „Fahren mit Telefonanruferkennung“.

Da fast keine Investitionen in KI-Algorithmus-Ingenieure getätigt wurden, wurde das Training des KI-Algorithmusmodells in verschiedenen komplexen Verkehrsszenarien innerhalb von zwei Wochen abgeschlossen.

Diese Fälle bestätigen auch deutlich die Unentbehrlichkeit von AutoML für die ultragroße und verfeinerte Entwicklung von KI –

Lassen Sie KI-Anwendungen aus nur wenigen Algorithmen integrieren Einfache Agenten Agenten, die nur eine einzelne Aufgabe erledigen können, haben sich nach und nach zu komplexen Agenten entwickelt, die aus massiven Algorithmen bestehen und über umfassende Fähigkeiten zur Ausführung einer Vielzahl komplexer Aufgaben verfügen.

Wenn KI mit einem Flugzeug verglichen wird, dann ähnelt die anfängliche KI-Anwendung dem ersten von den Gebrüdern Wright gebauten Flugzeug. Es hat eine einfache Struktur und kann nur 12 Sekunden fliegen. Künftige KI-Anwendungen, wie heutige Passagierflugzeuge, die Millionen von Teilen benötigen, können jeden Tag Menschen von einem Ende der Erde zu ihrem Ziel am anderen befördern.

So wie Gongdadis Unternehmen bedeutet, „gemeinsam das Ziel zu erreichen“ und gleichzeitig anderen zum Erfolg zu verhelfen, werden auch Sie selbst Erfolg haben.

In diesem Zusammenhang kommt Zhao Cong, Gründer und CEO von Gongdadi, zu einer interessanten Schlussfolgerung: Um KI zu betreiben, muss man nicht unbedingt ein KI-Team aufbauen.

Für Unternehmen können über die automatische Trainingsplattform von Gongda KI-Algorithmen für fragmentierte Mid- und Long-Tail-Szenarien schnell implementiert werden. Nach der Bereitstellung können sie auch schnell optimieren und iterieren und weiter aktualisieren. um kontinuierlich Mehrwert zu gewinnen.

0 Die niedrigschwellige Entwicklungsmethode des Codes senkt auch die Schwelle für KI-Talente auf das niedrigste Niveau und ermöglicht Integratoren, Lösungsanbietern und Kanalanbietern, schnell zuverlässige KI-Funktionen zu erwerben und so die Entwicklung von KI zu erleichtern Algorithmen werden nicht mehr zu einer Belastung für die Entwicklung, sondern zu einer Waffe zur Verbesserung der Wettbewerbsfähigkeit und Effizienz.

Darüber hinaus muss Gongdadi mit der automatisierten Trainingsplattform und dem Algorithmus-Einkaufszentrum nicht an die vorderste Front der Branche treten, um allgemeine Vertragsintegrationsprojekte durchzuführen oder die endgültige Anwendung zu berühren, sondern wird zum Algorithmus-Enabler dahinter Unternehmen, die KI nutzen. Veränderungen in der Produktivität und in den Produktionsbeziehungen schaffen neue Geschäftsmodelle –

Durch die Reduzierung der Stückanwendungskosten der KI-Technologie werden wir vor- und nachgelagerte Unternehmen schrittweise dabei unterstützen, die KI-Technologie zu stärken, und wir werden entstehen Verlassen Sie sich auf eine langfristige und intensive Zusammenarbeit, um in verschiedene Branchen einzusteigen, letztendlich Skaleneffekte zu erzielen und das Ziel zu erreichen, dass KI alle Branchen stärkt.

Reduzieren Sie die Stückkosten und nutzen Sie Skaleneffekte, um die Zukunft der KI zu beschreiben.

Rückblickend auf das, was am Anfang gesagt wurde, ist dies möglicherweise der Grund, warum Menschen den Wert von Disruption unterschätzen innovative Technologien ist Da diese Technologie noch keine Skaleneffekte erzielt hat, konnten die Kosten ihrer Anwendung nicht auf ein für die Industrie akzeptables Niveau gesenkt werden.

Das Buch „Prediction Machines“ erwähnt, dass sich die ganze Welt verändern kann, wenn der Preis eines bestimmten Grundprodukts deutlich sinkt.

Das Aufkommen der Dampfmaschine löste nicht sofort die industrielle Revolution aus, sondern erst nachdem die Stückkosten sanken und der Ersatz durch Maschinen weit verbreitet war begann Das Zeitalter der Handarbeit.

Das Aufkommen von Röhrencomputern löste nicht sofort eine technologische Revolution für die Menschheit aus. Erst mit der Entstehung sehr großer integrierter Schaltkreise und der schrittweisen Entwicklung der elektronischen Designautomatisierung wurden PCs wirklich gefördert in Tausende von Haushalten.

Im Zeitalter der KI ist diese Szene erneut passiert.

Angesichts des allgemeinen Trends zur groß angelegten Implementierung von KI und dem Ziel, alle Branchen zu stärken, sind Herausforderungen Chancen. Wenn der traditionelle Entwicklungspfad, der kostspielig und ineffizient ist, nicht vollständig geändert wird, wird die mangelnde Wirtschaftlichkeit die Entwicklung künstlicher Intelligenz ernsthaft behindern.

Mit bahnbrechenden Effizienzinnovationen können wir die Serien- und Großserienproduktion von KI-Algorithmen realisieren und diese schnell in die Kapillaren der Branche einbinden, um Kunden dabei zu helfen, ihre exponentielle Leistung zu verbessern und eine Plattform für die digitale Transformation aufzubauen. Nur mit Kernkompetenzen kann KI in alle Lebensbereiche vordringen.

Wir streben nicht ständig nach Glanz, sondern liefern bodenständig neue Ideen für die Branche. Durch den Einsatz technologischer Innovationen zur Erzielung von Skaleneffekten in der KI ist dies möglicherweise die Zukunft der KI, an die Gongda glaubt.

Das obige ist der detaillierte Inhalt vonVerabschieden Sie sich von der KI-Ära der Handwebstühle. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!