TRÊN MỌI MÔ HÌNH, DƯỚI MỌI TÁC NHÂN
Định vị của B.AI thật thú vị vì nó tập trung vào lớp nằm giữa các mô hình và các Agent.
Thay vì chỉ cạnh tranh ở cấp độ mô hình, B.AI hướng tới việc hợp nhất việc định tuyến mô hình, đo lường (metering) và thanh toán (billing) trong cùng một môi trường.
Hạ tầng đó ngày càng trở nên có giá trị khi các ứng dụng AI không còn phụ thuộc vào một mô hình duy nhất. Một Agent có thể cần một mô hình cho lập trình, một mô hình khác cho suy luận với ngữ cảnh dài và một mô hình khác nữa cho xử lý đa phương thức.
Một lớp thống nhất có thể giúp các chuyển đổi đó trở nên dễ dàng hơn đồng thời mang lại cho người dùng khả năng quan sát tốt hơn về cách trí tuệ được tiêu thụ và chi phí là bao nhiêu.
Vì vậy, tương lai của ngăn xếp AI có thể sẽ ít giống với việc một mô hình phục vụ một ứng dụng và nhiều hơn là một mạng lưới phối hợp các mô hình vận hành các quy trình làm việc tự động.
@Justin Sun孙宇晨 #TRONEcoStar @BAI_AGI
Định vị của B.AI thật thú vị vì nó tập trung vào lớp nằm giữa các mô hình và các Agent.
Thay vì chỉ cạnh tranh ở cấp độ mô hình, B.AI hướng tới việc hợp nhất việc định tuyến mô hình, đo lường (metering) và thanh toán (billing) trong cùng một môi trường.
Hạ tầng đó ngày càng trở nên có giá trị khi các ứng dụng AI không còn phụ thuộc vào một mô hình duy nhất. Một Agent có thể cần một mô hình cho lập trình, một mô hình khác cho suy luận với ngữ cảnh dài và một mô hình khác nữa cho xử lý đa phương thức.
Một lớp thống nhất có thể giúp các chuyển đổi đó trở nên dễ dàng hơn đồng thời mang lại cho người dùng khả năng quan sát tốt hơn về cách trí tuệ được tiêu thụ và chi phí là bao nhiêu.
Vì vậy, tương lai của ngăn xếp AI có thể sẽ ít giống với việc một mô hình phục vụ một ứng dụng và nhiều hơn là một mạng lưới phối hợp các mô hình vận hành các quy trình làm việc tự động.
@Justin Sun孙宇晨 #TRONEcoStar @BAI_AGI
