AI Eğitimi, Dağıtık Strateji ile 10 kat Daha Hızlı, %95 Daha Ucuz Hale Geliyor 0GgettyYapay zekanın temellerinde sessiz bir değişim (AI) meydana gelebilir ve bu, bir hiperskal veri merkezinde gerçekleşmiyor.
0G Labs, ilk merkeziyetsiz AI protokolü (AIP), Çin Mobil ile işbirliği içinde, işletmelerin büyük dil modellerine erişim ve bunları kullanma biçimlerini derinden etkileyecek teknik bir atılım duyurdu. Yenilikleri, 100 milyardan fazla parametreye sahip devasa AI modellerinin, genellikle gerekli olan ultra yüksek hızlı internet veya pahalı merkezi altyapılara ihtiyaç duymadan eğitilmesi için yeni bir yöntemdir.
İlk bakışta, bu mühendislik dünyası için bir zafer gibi görünebilir.
Ama asıl hikaye ekonomik ve stratejik. 0G Labs'ın başardığı, AI inşa etme maliyetini düşürebilir, kontrolü işletmelerin eline geri verebilir ve yeni oyuncuların bu alana girmesi için kapıyı açabilir.
AI Eğitimi İçin Ne Anlama Geliyor
Değişimi anlamak için, büyük ölçekli AI modellerinin şu anda nasıl eğitildiğine yeniden göz atmak faydalı olacaktır.
OpenAI’nin GPT-4 veya Anthropic’in Claude gibi modeller, büyük bir hesaplama gücü ve ağ çıkışı gerektirir. Geleneksel olarak, bu, onları Amazon Web Services, Google Cloud veya Microsoft Azure gibi şirketlerden sahip olunan veya kiralanan yüksek hızlı, merkezi veri merkezlerine bağlı güçlü GPU'lar üzerinde eğitmeyi ifade eder.
Bu rakamlar, devasa GPU kümelemeleri, yüksek bant genişliğine sahip ağlar ve milyonlarca dolarlık donanım ve personel maliyetleri gerektiren merkezi bulut tabanlı veya hiperskal veri merkezi eğitimini yansıtmaktadır. Sandy Carter 2025'in başlarında, OpenAI'nin liderliği, Sam Altman dahil olmak üzere, GPT-4'ün eğitim maliyetinin 100 milyon dolardan fazla olduğunu kamuoyuna açıkladı. Bu, resmi açıklamalar ve son AI analiz raporlarındaki birden fazla maliyet modeli tarafından desteklenmektedir. Bu, birkaç organizasyonun karşılayabileceği sermaye, yetenek ve altyapı talep eden bir modeldir.
DAHA FAZLA SİZİN İÇİN## 0G Labs, AI Eğitimi İçin Bu Varsayımı Sorguluyor
Yeni yayımlanan çerçeveleri, DiLoCoX adı verilen, yüksek bant genişliği bağlantısı ihtiyacını dramatik bir şekilde azaltan düşük iletişimli eğitim yöntemini tanıtıyor. Pratikte, merkezi olmayan kümeleri kullanarak 1 Gbps ağda 107 milyar parametreli bir modeli başarıyla eğittiler. Bu rekor, önceki rekorun 10 kat iyileştirilmesi ve bunun ilk kez mümkün olmasını sağlayan 300 kat hız artışıdır. Bu, tipik bir ofis internet bağlantısının bant genişliğine yaklaşık olarak eşittir.
Her şeyi tek bir devasa hesaplama merkezinde inşa etmek yerine, onların yaklaşımı daha küçük, dağıtılmış makineleri bir araya getirir ve aralarındaki bilgi paylaşımını optimize eder. Sonuç olarak, geleneksel bulutun dışında devasa modelleri eğitmek için son derece ölçeklenebilir, maliyet etkin bir yol ortaya çıkar.
0G laboratuvarlarından merkeziyetsiz AI şampiyonu. Kurucu ve CEO Michael Heinrich, AI Eğitimi'ndeki ilerlemeler hakkında yorum yapıyor. 0G Laboratuvarları 0G laboratuvarlarının kurucusu ve CEO'su Michael Heinrich ile konuştuğunda, “DiLoCoX, LLM eğitimini demokratikleştirmede önemli bir adımı temsil ediyor: büyük temel modeller ile yavaş, güvenilmez ağlarla bağlı merkeziyetsiz kümeler arasındaki uçurumu kapatıyor. Boru hattı paralelliği, gecikmeye dayanıklı iletişim örtüşmesi ve uyarlamalı gradyan sıkıştırmasını birleştirerek, bu çerçeve daha önce yüksek bant genişliğine sahip veri merkezlerine özgü olduğu düşünülen ölçek ve hızı sunuyor. Bu, büyük ölçekli AI eğitiminin artık merkezi altyapıya bağlı olmadığı yeni bir dönemi başlatacak.
Neden Yapay Zeka Eğitimi İş Dünyası İçin Önemlidir
Her işletmenin AI ile daha fazlasını yapma baskısı altında olduğu bir dönemde, altyapı hızla darboğaz haline geliyor. Bazı işletmeler, tasarım itibarıyla merkeziyetsiz AI'ya yönelmeye başlıyor. Büyük modeller inşa etmek hala maliyetli, dışlayıcı ve büyük ölçüde derin kaynaklara veya stratejik bulut ortaklıklarına sahip şirketlerle sınırlı. 0G'nin atılımı, üçüncü bir yol açıyor.
Bu sadece maliyet tasarrufu hikayesi değil. Bu, seçenekler ve kontrol hikayesidir.
1. Giriş Engelini Düşürme
DiLoCoX'un yaklaşımı, LLM yarışına katılmak için gereken altyapıyı %95'e kadar azaltır.
Yeni başlayanlar için, bu, GPU harcamalarında risk sermayesini yakmadan deneme yapma ve ölçeklenme yeteneği anlamına geliyor.
Orta ölçekli işletmeler için, büyük bulut taahhütleri vermeden içerde model eğitme imkanı sunar.
Hükümetler ve araştırma laboratuvarları için bu, AI yeteneklerinin daha erişilebilir ve egemen bir şekilde geliştirilmesi anlamına geliyor.
2. Hiperscaler'lerden Stratejik Bağımsızlık
Günümüzdeki çoğu AI eğitimi üç bulut sağlayıcısına bağlıdır.
Bu yoğunlaşma, maliyet artışı, tedarikçi bağımlılığı ve uyum açısından risk taşır. İşletmeniz AI'ye bağımlıysa ancak sağlık, savunma veya finans gibi hassas bir sektörde de faaliyet gösteriyorsa, modelleri bağımsız olarak eğitme veya ince ayar yapma yeteneği güçlü bir stratejik kaldıraç haline gelir.
Merkeziyetsiz AI, dijital özerklik için bir yol sunuyor. Keskin AI'nın merkezi bulut platformlarında eğitilmesi gerektiği varsayımını kırarak, 0G'nin modeli rekabet ve yenilik için yeni alanlar yaratıyor.
3. Veri Gizliliği ve Uyum İhtiyaçları ile Uyum Sağlama
Birçok şirket, özel verileri bulut tabanlı modellere veya eğitim ortamlarına yüklemekte temkinli davranıyor. Dağıtık eğitim ile verilerin yargı alanı içinde, güvenlik duvarı içinde veya hatta kenar cihazlarında yerel olarak tutulması mümkün hale gelirken, büyük ölçekli AI geliştirmelerine de katılmak mümkün olmaktadır. Bu, Avrupa Birliği gibi sıkı veri egemenliği yasalarına sahip bölgelerde veya kendi AI ekosistemlerini inşa eden ülkelerde özellikle cazip hale gelmektedir. 0G ağı, özel verilerin hiçbirini görmez.
4. Hizmet Verilmeyen Pazarlar Arasında Yeniliği Hızlandırma
Girişin yüksek maliyeti, birçok ülkeyi ve sanayiyi gelişmiş yapay zeka geliştirme sürecinin dışında tutmuştur.
DiLoCoX bu eşiği düşürür.
Kenya'daki bir üniversite, Güneydoğu Asya'daki bir telekom sağlayıcısı veya Latin Amerika'daki bir bölgesel banka, Silicon Valley ile aynı hesaplama gücüne sahip olmayabilir, ancak mevcut altyapıda zeki sistemlerini eğitmek ve dağıtmak için yakında araçlara sahip olabilirler.
5. Jeopolitik ve Düzenleyici Riskler
Teknik başarı etkileyici olsa da, China Mobile'ın dahil olması soru işaretleri doğuruyor.
Amerika Birleşik Devletleri ile Çin arasındaki teknoloji liderliği ve ulusal güvenlik konularındaki gerilimler artmaya devam ederken, işletmelerin Çin devletine bağlı varlıklarla yapılan ortaklıkların potansiyel düzenleyici denetim, veri yönetimi endişeleri ve itibar risklerini dikkate almaları gerekmektedir.
Amerika Birleşik Devletleri'nde bulunan veya müttefik pazarlarda faaliyet gösteren şirketler için, Çin ile bağlantılı altyapı veya araştırma entegrasyonları ihracat kontrolleri, yasal kısıtlamalar veya kamu tepkisi ile karşılaşabilir. Dağıtık yapay zeka çözümleri araştıran organizasyonlar, yalnızca performansı ve maliyeti değil, aynı zamanda siyasi uyumu, uyum çerçevelerini ve uzun vadeli sürdürülebilirliği de göz önünde bulundurmalıdır.
Ancak, DiLoCoX'in güvenilir olmayan bir ağda merkeziyetsiz bir altyapıda olmasıyla, bu bir endişe değildir çünkü China Mobile verilerinizi asla görmez ve sistem sonuçlar için onlara bağlı değildir.
AI'nin İş Modelini Yeniden Çerçeveleme
Eğer DiLoCoX yaygın olarak benimsenirse, bu daha geniş AI ekosisteminde dalga etkileri yaratabilir.
Bulut gelir modelleri, şu anda AI yükleri tarafından destekleniyor, yeni fiyat baskısıyla karşılaşabilir. AI-hizmet olarak platformlar, hibrit veya merkeziyetsiz dağıtımları desteklemek için yeniden yapılandırma gerektirebilir. Açık kaynaklı çerçeveler, merkeziyetsizleşmenin etkileşilebilirlik ve yerel kontrolü vurgulamasıyla etkisini artırabilir. Kurumsal yazılım satıcıları, daha dağıtılmış bir hesaplama manzarasını yansıtmak için AI stratejilerini yeniden düşünmek zorunda kalabilir.
Bu değişim, AI'nın herkes için geçerli olan daha geniş eğilimiyle de uyumludur. Düşük kodlu ajan oluşturuculardan kenar tabanlı çıkarıma kadar, hareket daha erişilebilir, modüler ve özelleştirilebilir AI yığınlarına doğru ilerliyor. Merkeziyetsiz eğitim, bu felsefenin doğal bir uzantısıdır.
CIO'lar ve CTO'lar için Bir AI Sinyali
Kurumsal liderler için, 0G’nin çalışması, hemen bir bozulma değil, yakın gelecekteki bir fırsatın sinyali olarak hizmet ediyor. AI, kritik başlangıcından evrim geçiriyor.
Şimdi altyapı stratejisini yeniden değerlendirme zamanı. Kuruluşunuz, bulut tabanlı model barındırmaya yatırım yapmaya devam mı etmelidir, yoksa merkeziyetsiz alternatifleri keşfetmeye mi başlamalıdır?
İç veri merkezi, dağıtık bir eğitim sisteminde bir düğüm olarak hizmet edebilir mi? Dağıtık federated öğrenme, hastanelerin bir kanser teşhis modeli eğitmesi gibi, ağa bağlı farklı taraflardan özel verilere erişmenin harika bir yoludur. Sektörünüzdeki diğerleriyle, dağıtık protokoller kullanarak modelleri birlikte geliştirmek için işbirliği yapmayı düşünebilir misiniz?
Bugün cevap evet olmasa bile, DiLoCoX gibi çerçevelerin ortaya çıkışı, AI altyapı planlamasını stratejik gündemde daha yukarılara itmelidir. Bu değişime hazırlanan, iç kapasite oluşturan, ortakları değerlendiren ve teknik yığını anlayan işletmeler, ekonomik dengeler kendi lehlerine döndüğünde hareket etmeye en iyi şekilde hazırlanmış olacaklardır.
Farklı Şekilde İnşa Edilen Bir Gelecek AI
0G Labs ve China Mobile'ın gösterdiği şey sadece bir teknik kavram kanıtından daha fazlasıdır. Bu, zekanın nasıl inşa edildiği, eğitildiği ve dağıtıldığı konusunda yeni bir düşünme biçimidir. 100 milyar parametreli modellerin merkezi süper bilgisayarlar olmadan eğitilebileceğini göstererek, sadece ölçek sınırlarını zorlamakla kalmıyorlar. Erişimi genişletiyorlar.
Bu, iş dünyası için AI'nın yakında en büyük veri merkezine sahip olan kim olduğunu değil, en akıllı sistemleri en fazla esneklikle inşa edebilen kim olduğunu daha fazla önemseyeceği anlamına geliyor.
Bu, hazırlanmayı gerektiren bir AI geleceğidir.
View Original
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Merkeziyetsiz Strateji ile AI Eğitimi 10 Kat Daha Hızlı, %95 Daha Uygun Fiyatlı
0G Labs, ilk merkeziyetsiz AI protokolü (AIP), Çin Mobil ile işbirliği içinde, işletmelerin büyük dil modellerine erişim ve bunları kullanma biçimlerini derinden etkileyecek teknik bir atılım duyurdu. Yenilikleri, 100 milyardan fazla parametreye sahip devasa AI modellerinin, genellikle gerekli olan ultra yüksek hızlı internet veya pahalı merkezi altyapılara ihtiyaç duymadan eğitilmesi için yeni bir yöntemdir.
İlk bakışta, bu mühendislik dünyası için bir zafer gibi görünebilir.
Ama asıl hikaye ekonomik ve stratejik. 0G Labs'ın başardığı, AI inşa etme maliyetini düşürebilir, kontrolü işletmelerin eline geri verebilir ve yeni oyuncuların bu alana girmesi için kapıyı açabilir.
AI Eğitimi İçin Ne Anlama Geliyor
Değişimi anlamak için, büyük ölçekli AI modellerinin şu anda nasıl eğitildiğine yeniden göz atmak faydalı olacaktır.
OpenAI’nin GPT-4 veya Anthropic’in Claude gibi modeller, büyük bir hesaplama gücü ve ağ çıkışı gerektirir. Geleneksel olarak, bu, onları Amazon Web Services, Google Cloud veya Microsoft Azure gibi şirketlerden sahip olunan veya kiralanan yüksek hızlı, merkezi veri merkezlerine bağlı güçlü GPU'lar üzerinde eğitmeyi ifade eder.
Bu rakamlar, devasa GPU kümelemeleri, yüksek bant genişliğine sahip ağlar ve milyonlarca dolarlık donanım ve personel maliyetleri gerektiren merkezi bulut tabanlı veya hiperskal veri merkezi eğitimini yansıtmaktadır. Sandy Carter 2025'in başlarında, OpenAI'nin liderliği, Sam Altman dahil olmak üzere, GPT-4'ün eğitim maliyetinin 100 milyon dolardan fazla olduğunu kamuoyuna açıkladı. Bu, resmi açıklamalar ve son AI analiz raporlarındaki birden fazla maliyet modeli tarafından desteklenmektedir. Bu, birkaç organizasyonun karşılayabileceği sermaye, yetenek ve altyapı talep eden bir modeldir.
DAHA FAZLA SİZİN İÇİN## 0G Labs, AI Eğitimi İçin Bu Varsayımı Sorguluyor
Yeni yayımlanan çerçeveleri, DiLoCoX adı verilen, yüksek bant genişliği bağlantısı ihtiyacını dramatik bir şekilde azaltan düşük iletişimli eğitim yöntemini tanıtıyor. Pratikte, merkezi olmayan kümeleri kullanarak 1 Gbps ağda 107 milyar parametreli bir modeli başarıyla eğittiler. Bu rekor, önceki rekorun 10 kat iyileştirilmesi ve bunun ilk kez mümkün olmasını sağlayan 300 kat hız artışıdır. Bu, tipik bir ofis internet bağlantısının bant genişliğine yaklaşık olarak eşittir.
Her şeyi tek bir devasa hesaplama merkezinde inşa etmek yerine, onların yaklaşımı daha küçük, dağıtılmış makineleri bir araya getirir ve aralarındaki bilgi paylaşımını optimize eder. Sonuç olarak, geleneksel bulutun dışında devasa modelleri eğitmek için son derece ölçeklenebilir, maliyet etkin bir yol ortaya çıkar.
0G laboratuvarlarından merkeziyetsiz AI şampiyonu. Kurucu ve CEO Michael Heinrich, AI Eğitimi'ndeki ilerlemeler hakkında yorum yapıyor. 0G Laboratuvarları 0G laboratuvarlarının kurucusu ve CEO'su Michael Heinrich ile konuştuğunda, “DiLoCoX, LLM eğitimini demokratikleştirmede önemli bir adımı temsil ediyor: büyük temel modeller ile yavaş, güvenilmez ağlarla bağlı merkeziyetsiz kümeler arasındaki uçurumu kapatıyor. Boru hattı paralelliği, gecikmeye dayanıklı iletişim örtüşmesi ve uyarlamalı gradyan sıkıştırmasını birleştirerek, bu çerçeve daha önce yüksek bant genişliğine sahip veri merkezlerine özgü olduğu düşünülen ölçek ve hızı sunuyor. Bu, büyük ölçekli AI eğitiminin artık merkezi altyapıya bağlı olmadığı yeni bir dönemi başlatacak.
Neden Yapay Zeka Eğitimi İş Dünyası İçin Önemlidir
Her işletmenin AI ile daha fazlasını yapma baskısı altında olduğu bir dönemde, altyapı hızla darboğaz haline geliyor. Bazı işletmeler, tasarım itibarıyla merkeziyetsiz AI'ya yönelmeye başlıyor. Büyük modeller inşa etmek hala maliyetli, dışlayıcı ve büyük ölçüde derin kaynaklara veya stratejik bulut ortaklıklarına sahip şirketlerle sınırlı. 0G'nin atılımı, üçüncü bir yol açıyor.
Bu sadece maliyet tasarrufu hikayesi değil. Bu, seçenekler ve kontrol hikayesidir.
1. Giriş Engelini Düşürme
DiLoCoX'un yaklaşımı, LLM yarışına katılmak için gereken altyapıyı %95'e kadar azaltır.
Yeni başlayanlar için, bu, GPU harcamalarında risk sermayesini yakmadan deneme yapma ve ölçeklenme yeteneği anlamına geliyor.
Orta ölçekli işletmeler için, büyük bulut taahhütleri vermeden içerde model eğitme imkanı sunar.
Hükümetler ve araştırma laboratuvarları için bu, AI yeteneklerinin daha erişilebilir ve egemen bir şekilde geliştirilmesi anlamına geliyor.
2. Hiperscaler'lerden Stratejik Bağımsızlık
Günümüzdeki çoğu AI eğitimi üç bulut sağlayıcısına bağlıdır.
Bu yoğunlaşma, maliyet artışı, tedarikçi bağımlılığı ve uyum açısından risk taşır. İşletmeniz AI'ye bağımlıysa ancak sağlık, savunma veya finans gibi hassas bir sektörde de faaliyet gösteriyorsa, modelleri bağımsız olarak eğitme veya ince ayar yapma yeteneği güçlü bir stratejik kaldıraç haline gelir.
Merkeziyetsiz AI, dijital özerklik için bir yol sunuyor. Keskin AI'nın merkezi bulut platformlarında eğitilmesi gerektiği varsayımını kırarak, 0G'nin modeli rekabet ve yenilik için yeni alanlar yaratıyor.
3. Veri Gizliliği ve Uyum İhtiyaçları ile Uyum Sağlama
Birçok şirket, özel verileri bulut tabanlı modellere veya eğitim ortamlarına yüklemekte temkinli davranıyor. Dağıtık eğitim ile verilerin yargı alanı içinde, güvenlik duvarı içinde veya hatta kenar cihazlarında yerel olarak tutulması mümkün hale gelirken, büyük ölçekli AI geliştirmelerine de katılmak mümkün olmaktadır. Bu, Avrupa Birliği gibi sıkı veri egemenliği yasalarına sahip bölgelerde veya kendi AI ekosistemlerini inşa eden ülkelerde özellikle cazip hale gelmektedir. 0G ağı, özel verilerin hiçbirini görmez.
4. Hizmet Verilmeyen Pazarlar Arasında Yeniliği Hızlandırma
Girişin yüksek maliyeti, birçok ülkeyi ve sanayiyi gelişmiş yapay zeka geliştirme sürecinin dışında tutmuştur.
DiLoCoX bu eşiği düşürür.
Kenya'daki bir üniversite, Güneydoğu Asya'daki bir telekom sağlayıcısı veya Latin Amerika'daki bir bölgesel banka, Silicon Valley ile aynı hesaplama gücüne sahip olmayabilir, ancak mevcut altyapıda zeki sistemlerini eğitmek ve dağıtmak için yakında araçlara sahip olabilirler.
5. Jeopolitik ve Düzenleyici Riskler
Teknik başarı etkileyici olsa da, China Mobile'ın dahil olması soru işaretleri doğuruyor.
Amerika Birleşik Devletleri ile Çin arasındaki teknoloji liderliği ve ulusal güvenlik konularındaki gerilimler artmaya devam ederken, işletmelerin Çin devletine bağlı varlıklarla yapılan ortaklıkların potansiyel düzenleyici denetim, veri yönetimi endişeleri ve itibar risklerini dikkate almaları gerekmektedir.
Amerika Birleşik Devletleri'nde bulunan veya müttefik pazarlarda faaliyet gösteren şirketler için, Çin ile bağlantılı altyapı veya araştırma entegrasyonları ihracat kontrolleri, yasal kısıtlamalar veya kamu tepkisi ile karşılaşabilir. Dağıtık yapay zeka çözümleri araştıran organizasyonlar, yalnızca performansı ve maliyeti değil, aynı zamanda siyasi uyumu, uyum çerçevelerini ve uzun vadeli sürdürülebilirliği de göz önünde bulundurmalıdır.
Ancak, DiLoCoX'in güvenilir olmayan bir ağda merkeziyetsiz bir altyapıda olmasıyla, bu bir endişe değildir çünkü China Mobile verilerinizi asla görmez ve sistem sonuçlar için onlara bağlı değildir.
AI'nin İş Modelini Yeniden Çerçeveleme
Eğer DiLoCoX yaygın olarak benimsenirse, bu daha geniş AI ekosisteminde dalga etkileri yaratabilir.
Bulut gelir modelleri, şu anda AI yükleri tarafından destekleniyor, yeni fiyat baskısıyla karşılaşabilir. AI-hizmet olarak platformlar, hibrit veya merkeziyetsiz dağıtımları desteklemek için yeniden yapılandırma gerektirebilir. Açık kaynaklı çerçeveler, merkeziyetsizleşmenin etkileşilebilirlik ve yerel kontrolü vurgulamasıyla etkisini artırabilir. Kurumsal yazılım satıcıları, daha dağıtılmış bir hesaplama manzarasını yansıtmak için AI stratejilerini yeniden düşünmek zorunda kalabilir.
Bu değişim, AI'nın herkes için geçerli olan daha geniş eğilimiyle de uyumludur. Düşük kodlu ajan oluşturuculardan kenar tabanlı çıkarıma kadar, hareket daha erişilebilir, modüler ve özelleştirilebilir AI yığınlarına doğru ilerliyor. Merkeziyetsiz eğitim, bu felsefenin doğal bir uzantısıdır.
CIO'lar ve CTO'lar için Bir AI Sinyali
Kurumsal liderler için, 0G’nin çalışması, hemen bir bozulma değil, yakın gelecekteki bir fırsatın sinyali olarak hizmet ediyor. AI, kritik başlangıcından evrim geçiriyor.
Şimdi altyapı stratejisini yeniden değerlendirme zamanı. Kuruluşunuz, bulut tabanlı model barındırmaya yatırım yapmaya devam mı etmelidir, yoksa merkeziyetsiz alternatifleri keşfetmeye mi başlamalıdır?
İç veri merkezi, dağıtık bir eğitim sisteminde bir düğüm olarak hizmet edebilir mi? Dağıtık federated öğrenme, hastanelerin bir kanser teşhis modeli eğitmesi gibi, ağa bağlı farklı taraflardan özel verilere erişmenin harika bir yoludur. Sektörünüzdeki diğerleriyle, dağıtık protokoller kullanarak modelleri birlikte geliştirmek için işbirliği yapmayı düşünebilir misiniz?
Bugün cevap evet olmasa bile, DiLoCoX gibi çerçevelerin ortaya çıkışı, AI altyapı planlamasını stratejik gündemde daha yukarılara itmelidir. Bu değişime hazırlanan, iç kapasite oluşturan, ortakları değerlendiren ve teknik yığını anlayan işletmeler, ekonomik dengeler kendi lehlerine döndüğünde hareket etmeye en iyi şekilde hazırlanmış olacaklardır.
Farklı Şekilde İnşa Edilen Bir Gelecek AI
0G Labs ve China Mobile'ın gösterdiği şey sadece bir teknik kavram kanıtından daha fazlasıdır. Bu, zekanın nasıl inşa edildiği, eğitildiği ve dağıtıldığı konusunda yeni bir düşünme biçimidir. 100 milyar parametreli modellerin merkezi süper bilgisayarlar olmadan eğitilebileceğini göstererek, sadece ölçek sınırlarını zorlamakla kalmıyorlar. Erişimi genişletiyorlar.
Bu, iş dünyası için AI'nın yakında en büyük veri merkezine sahip olan kim olduğunu değil, en akıllı sistemleri en fazla esneklikle inşa edebilen kim olduğunu daha fazla önemseyeceği anlamına geliyor.
Bu, hazırlanmayı gerektiren bir AI geleceğidir.