В 2024 году началось новое применение моделей AI. Такие технологии, как трансформер, продвигают индустрию от больших языковых моделей единого модального состояния к большим моделям многих модов. Индустр универсальн счита, что будущ от 3 до 5 год мы быстр в AI3.0 врем, в представля робот в и интеллект врем, когд больш гуманоид взял на борт, больш модальн модел, и взаимодействова физическ мир, то начина счита своё поведен переросл в больш модел, стал разум эволюц, дальн достижен AGI универсальн искусствен интеллект, Таким образом, открывается дверь четвертой промышленной революции. Председатель и генеральный директор компании «облачный путь» чэнь нин считает, что 80% мировых предприятий в течение следующих трех лет будут использовать большие модели, а число роботов и цифровых людей в течение следующих пяти лет будет превосходить человеческое число, и что к 2030 году промышленность достигнет универсального искусственного интеллекта, а ии будет обладать интеллектом, превосходящим комбинацию человеческого мозга. Он далее отметил, что у нас есть три года, прежде чем мы сможем перейти к эпохе больших моделей и присвоить энергетические предприятия с помощью изменений в производительности больших моделей. В таком случае, как бизнес может иметь большую модель, которая принадлежит ему, учебная программа становится одной из основных задач. В настоящее время в отраслях промышленности существует несколько предприятий, которые ввели в действие учебные программы, но в процессе подготовки к крупным моделям боль от них также проявляется. Стоимость является одним из ключевых вопросов, в которых основные учебные программы устанавливают цены на машины, которые широко распространены на миллионном уровне. Кроме того, существуют большие параметры, большая вычислительная сила, большие данные, профессиональные таланты и т. д., чтобы знать, что количество токена по модели GPT-4 достигло 130 миллиардов. Чтобы ускорить Ай-пуэйтизацию, необходимо повторение инструкций. Только в марте этого года, облачный полёт запустил «глубокую иллюзорную» коробку Ай-model, направленную на сценарий подготовки к периферийным тренировкам. Официально было заявлено, что в комплекте с процессором «DeepEdge10», предназначенном для самоисследования, находится 14 нм чиплет, находящийся на периферии микропроцессора «diepedge10», большая многомодовая модель, «облачная многомодовая», облачная чипитированная модель, основанная на облачных подвигах алгоритмической вычислительной мощности, была реализована алгоритмическая сцена, охватывающая более 90%, и более 90% с точностью алгоритма. Стоимость использования снижается на 90%. Среди них DeepEdge10 Макс адаптируется и может нести в себе такие большие модельные операции, как 1 миллиард уровней сэма, 10 миллиардов уровней Llama2. Стоит упомянуть, что «deep eye model box» продается на тысячном уровне. Можно сказать, что в какой-то степени побудительные полеты «сдвигают» учебную программу на «упал» с 1000 — километрового уровня, способствуют популяризации крупных моделей и решению проблем, связанных с крупными моделями в последнем километре от места падения сцены, помогая большему количеству клиентов МСП легко использовать большие модели. Существует еще очень много проблем, которые не были решены полностью, например, в случае с длиннохвостовым сценарием, когда только одна из моделей могла бы решить проблему межсценальной сцены, которая могла бы решить проблему фрагментации интеллектуального города по низкой цене. Катастроф в реальн вопрос, экстремальн сцен идентифицирова тренировк Дан почт пробел, моментальн LiFei виц-президент ро мо возьм заправк сцен кур идентифицирова представ, платформ больш модел способн, заправк на фон, в кур поведен окружа сред деятел, и для алгоритм Дан тренировк, заполн тренировк Дан пустот. «С помощью контролируемого генерации мы можем производить данные оптом для определенных сцен, частей, которые могут быть управляемыми, реалистичными, рациональными, высоконадежными и генерируемыми.» В настоящее время облачный мотивационный перелет генерирует миллионы уровней данных для обучения различным алгоритмам, а полученные данные могут использоваться не только для обучения алгоритмам, но и для тестирования способностей алгоритма. «Этот замкнутый круг прокладывает путь от образования к обнаружению и закладывает основу для самообучения в будущем». Ром снова в памяти. Использование синтетических данных ии для обучения алгоритмов постепенно становится одним из способов обучения новых алгоритмов и повышения точности алгоритма в эпоху больших моделей. Рассужден одн из развит ключев чип будет — јй больш модел будущ, искусствен интеллект развит должн применим больш модел состо в снижен затрат рассужден, Chen Ning в интерв электрон энтузиаст сет средств массов информац заяв, что о больш модел тренировк, индустр цен градус уж выш, GPU карточк трудн умоля, кита такж подня чжи, бол предприят участвова в интеллект счита во врем строительств сил, Мотивационный полёт также воспользовался возможностью. «Мы считаем, что в 2024 году, если бы это был год применения большой модели, рассуждения стали бы более важными». Облачный мотивационный перелет определил Ай-чипы в применении дедукции с самого начала своего создания, и в этот раз его накопление глубоких технологий в области дедукции дало возможность «взглянуть глубже». «Глубок.» встроен с созда SPACE подготовк рассужден двигател, ро мо заяв, что «мы позвол больш модел на гран боков беж, не тольк рассужден, способн определен тренировк, чтоб повыс ег точност, во-перв реш проблем со скорост, убед, что тренировк эффективн предпосылк, пок образц меньш подготовк, для сцен адаптивн.» В соответствии с представлением, эффективная тренировочная архитектура, основанная на тренировках для размышлений на космическом пространстве, контрастна с полной нагрузкой, скорость обучения в 100 раз выше, чем в случае с «глубокоглазными» моделями AI и снижением потребления памяти в 20 раз. С помощью смешанной подготовки к точности, 99% вычислений модели используют int8+fP16 для подготовки к точности, при помощи которой менее 1% вычислений используют точность fp32. Кроме того, было достигнуто значительное снижение в хранении и потреблении энергии, поскольку скорость дедукции увеличилась на 50% в равной степени, а стоимость дедукции в 10 раз меньше. С помощью космических двигателей дедукции и архитектуры нейронных процессоров, «deep eye» также может быть реализована в ограниченной вычислительной силе на краевом конце 48T — 64T, и может быть модифицирована и обучена. Чэнь нин отметил, что облачный мотивационный полет, ориентированный на пограничные сцены, усилил способность многомодальных сцен обобщить их, а также онлайн-обучение и обучение, с помощью серии улучшений производительности решить проблему замкнутого кольца ценности сцены. Как правило, Ай-чипы можно разделить на два типа: чип дедукции, обучающий чип. «Но подготовка алгоритмов — не цель, а конечная цель — применение аргументов в тысячах секторов, в которых гуманики, дроны, беспилотные машины, носимые устройства, айпк, айай-Ай-мобили и т.д., а интеллектуальное оборудование «хоум-юнайд» требует одного или нескольких чипов дедуктивности для процессоров нейронных сетей», — говорит ченнинг. В 2024 году в секторе ии появились новые достижения в области чипов дедукции. Например, новый искусственный чип AI, который сам по себе разрабатывается компанией Groq — Language Processing Units (Language Processing Units), был создан специально для ии. Публичные данные показывают, что Meta Llama 2, управляемая Groq LPU, может быть в 18 раз лучше, чем производитель облачных вычислений. Nvidia также выпустила на GTC 2024 новый чип GPU— Blackwell чип, который в 30 раз мощнее хопера. Сегодн, рассужден чип не монопольн в област гигант, умствен чип триллион из чип взросл син океа рынк, и китайск рынк богат сцен, будущ чип будет прикладн в различн индустр, реш пробл различн сцен, внутрен искусствен интеллект чип предприят такж в рассужден чип област нов прогресс.