企业不需要通用人工智能,它们需要的是特定人工智能
企业部署 AI 的问题在于工具的基准从未与实际的业务需求对齐,而非模型本身不够好或企业不会使用。AI 实验室追求通用人工智能,但其模型缺乏企业的深层领域知识,无法应对具体的使用场景与工作流。企业应当编写自己的成功定义、选用能反映真实复杂度的试点、利用上下文工程并把掌握知识的人纳入试点中。
企业部署 AI 的问题在于工具的基准从未与实际的业务需求对齐,而非模型本身不够好或企业不会使用。AI 实验室追求通用人工智能,但其模型缺乏企业的深层领域知识,无法应对具体的使用场景与工作流。企业应当编写自己的成功定义、选用能反映真实复杂度的试点、利用上下文工程并把掌握知识的人纳入试点中。
IBM、SAP 和 Meta 等科技公司高管表示,企业内部及客户对开源模型的采用正在加速,主要因其能够以更低成本实现接近前沿模型约 90% 的效能。企业正通过管理模型组合来优化成本与性能,避免过度锁定单一模型提供商。开源模型的普及与主权 AI 及本地部署趋势紧密相关,企业正积极削减前沿模型的高昂开销。
SAP 推出 SAP-RPT-1.6 等表格基础模型,旨在解决传统大模型在表格推理和结构化数据处理上的局限,帮助企业利用业务数据及上下文进行风险与趋势预测。
推荐理由:原文介绍了 SAP 面向结构化数据的表格基础模型及 SAP-RPT-1.6 的发布,企业可以据此了解大模型在表格推理上的局限以及表格 AI 在业务预测中的应用价值。