本土人工智能技术初创公司可以度过经济核冬天
无法参加 Transform 2022？立即在我们的点播库中查看所有峰会会议！看这里。
最近，我为 VentureBeat 写了一篇文章，区分了 以 AI 为核心的公司和仅将 AI 用作其整体产品的一项功能或一小部分的公司。为了描述旧的公司，我创造了“AI-Native”这个词。
作为一名技术专家和投资者，最近的市场低迷让我开始思考那些有望在 AI 的寒冬中幸存下来的技术，这些技术是由投资减少、股市暂时不景气、可能导致通胀加剧的衰退以及甚至客户也不愿涉足有前途的新技术，因为害怕错过（FOMO）。
你可以看到我来自哪里。我认为 AI 原生企业在经济低迷后处于健康发展甚至增长的有利位置。毕竟，许多伟大的公司都是在停机期间诞生的：Instagram、Netflix、Uber、Slack 和 Square 都是我想到的。
但是，尽管一家名不见经传的 AI 原生公司可能会成为 2030 年代的 Google，但断言所有 AI 原生公司都注定要成功既不准确也不明智。
事件元节拍 2022
MetaBeat 将于 10 月 4 日在加利福尼亚州旧金山汇聚思想领袖，就元界技术将如何改变所有行业的沟通和开展业务的方式提出建议。
在这里注册事实上，AI 原生公司在运营方式上需要特别谨慎和战略性。为什么？因为经营 AI 业务的成本很高：人才、基础设施和开发过程都很昂贵，因此效率对其生存至关重要。
需要勒紧腰带吗？有一个应用程序效率并不总是那么容易，但幸运的是，有一个 AI 生态系统已经酝酿了足够长的时间，可以为您的特定技术堆栈提供良好、有用的解决方案。
让我们从训练模型开始。它很昂贵，因为模型变得更大。最近，微软和英伟达在 560 台英伟达 DGX A100 服务器上训练了他们的威震天图灵自然语言生成 (MT-NLG) 模型，每台服务器包含 8 块英伟达 A100 80GB GPU，耗资数百万美元。
幸运的是，由于硬件和软件的进步，成本正在下降。而微软的MosaicML、DeepSpeed等算法和系统的方法提高了模型训练的效率。
下一步是标签和数据开发，[剧透警告]也很昂贵。据旨在解决此问题的公司 Hasty.ai 称，“数据标记占项目预算的 35% 到 80%”。
现在让我们谈谈创建模板。这是一项艰巨的工作。这需要专业的人才、大量的研究以及无休止的反复试验。构建模型的一大挑战是数据是特定于上下文的。这已经有一段时间了。微软有 Azure AutoML，AWS 有 Sagemaker；谷歌云有 AutoML。还有像 Hugging Face 这样的库和协作平台，使创建模型比往年容易得多。
不只是在野外发布模式现在您已经创建了模型，您需要部署它。今天，这个过程非常缓慢，有三分之二...
无法参加 Transform 2022？立即在我们的点播库中查看所有峰会会议！看这里。
最近，我为 VentureBeat 写了一篇文章，区分了 以 AI 为核心的公司和仅将 AI 用作其整体产品的一项功能或一小部分的公司。为了描述旧的公司，我创造了“AI-Native”这个词。
作为一名技术专家和投资者，最近的市场低迷让我开始思考那些有望在 AI 的寒冬中幸存下来的技术，这些技术是由投资减少、股市暂时不景气、可能导致通胀加剧的衰退以及甚至客户也不愿涉足有前途的新技术，因为害怕错过（FOMO）。
你可以看到我来自哪里。我认为 AI 原生企业在经济低迷后处于健康发展甚至增长的有利位置。毕竟，许多伟大的公司都是在停机期间诞生的：Instagram、Netflix、Uber、Slack 和 Square 都是我想到的。
但是，尽管一家名不见经传的 AI 原生公司可能会成为 2030 年代的 Google，但断言所有 AI 原生公司都注定要成功既不准确也不明智。
事件元节拍 2022
MetaBeat 将于 10 月 4 日在加利福尼亚州旧金山汇聚思想领袖，就元界技术将如何改变所有行业的沟通和开展业务的方式提出建议。
在这里注册事实上，AI 原生公司在运营方式上需要特别谨慎和战略性。为什么？因为经营 AI 业务的成本很高：人才、基础设施和开发过程都很昂贵，因此效率对其生存至关重要。
需要勒紧腰带吗？有一个应用程序效率并不总是那么容易，但幸运的是，有一个 AI 生态系统已经酝酿了足够长的时间，可以为您的特定技术堆栈提供良好、有用的解决方案。
让我们从训练模型开始。它很昂贵，因为模型变得更大。最近，微软和英伟达在 560 台英伟达 DGX A100 服务器上训练了他们的威震天图灵自然语言生成 (MT-NLG) 模型，每台服务器包含 8 块英伟达 A100 80GB GPU，耗资数百万美元。
幸运的是，由于硬件和软件的进步，成本正在下降。而微软的MosaicML、DeepSpeed等算法和系统的方法提高了模型训练的效率。
下一步是标签和数据开发，[剧透警告]也很昂贵。据旨在解决此问题的公司 Hasty.ai 称，“数据标记占项目预算的 35% 到 80%”。
现在让我们谈谈创建模板。这是一项艰巨的工作。这需要专业的人才、大量的研究以及无休止的反复试验。构建模型的一大挑战是数据是特定于上下文的。这已经有一段时间了。微软有 Azure AutoML，AWS 有 Sagemaker；谷歌云有 AutoML。还有像 Hugging Face 这样的库和协作平台，使创建模型比往年容易得多。
不只是在野外发布模式现在您已经创建了模型，您需要部署它。今天，这个过程非常缓慢，有三分之二...
What's Your Reaction?
