熱門標籤

最近幾個月，一家名為DeepSeek 的中國人工智慧新創公司透過挑戰矽谷在人工智慧領域的主導地位引起了全球關注。這家新創公司的創新方法震驚了科技業（和股票市場），展示了其以比 OpenAI 和 谷歌 等老牌美國公司更低的成本製作人工智慧模型的能力。   DeepSeek 的革命性 AI 模型 DeepSeek 突破的核心是其 R1 模型，這是一個大型語言模型 (LLM)，可與其競爭對手開發的領先 AI 系統的能力相媲美。 R1 的與眾不同之處在於它能夠在最少的人為幹預下自主學習和改進——這一特性標誌著向通用人工智慧 (AGI) 的飛躍。   同樣值得注意的是，DeepSeek 聲稱已經使用低成本 CPU 訓練了 R1 模型（據報道，使用售價 10,000 美元的 Nvidia A100 Tensor Core GPU，而美國競爭對手則依賴售價 70,000 美元以上的 Nvidia H800 GPU）。據稱，DeepSeek 花費了相當於 560 萬美元的成本來啟動和運行 R1 模型——與美國科技巨頭花費的數億美元（甚至數十億美元）相比，這只是九牛一毛。這種具有成本效益的策略引發了全球關於人工智慧基礎設施和創新能力未來的爭論，更不用說在此過程中對英偉達和其他科技股的股價產生了負面影響。   R1 模型也受惠於該公司使用的模型提煉——將大型複雜模型簡化為較小版本，同時保留其大部分性能的過程。這種技術使 DeepSeek 能夠優化其資源，同時保持競爭優勢。   對全球人工智慧競爭的影響 更讓DeepSeek的AI模型感到驚訝的是，該公司的成功是在美國對先進晶片出口實施限制的背景下，而DeepSeek成功優化了可用資源並了解了GPU的利用率。 DeepSeek 的出現對 Nvidia 的市場主導地位提出了顯著挑戰。透過展示利用不太複雜的 GPU 實現高效能的能力，該公司可能會鼓勵其他開發商針對低成本硬體進行最佳化，這可能會影響 Nvidia 的收入成長。   然而，DeepSeek 的成功引發了人們對Meta 、Google和 OpenAI等技術領導者的競爭優勢的擔憂。有人猜測，DeepSeek 的開源模式可能會推動美國公司加速其人工智慧開發力度並改善其成本結構。雖然 DeepSeek 受益於其開源基礎，但美國公司正在大力投資專有系統，以期主導 AGI 市場。   關鍵點情報觀點 儘管 DeepSeek 取得了令人矚目的進步，但它仍可能面臨一些重大障礙。隨著美國科技巨頭建立大規模運算集群並在人工智慧基礎設施上投資數十億美元，資源可用性的差距可能會擴大。這引出了一個問題：隨著該領域的發展，DeepSeek 的經濟高效模型是否能夠保持競爭力。   總體而言，DeepSeek 的崛起標誌著全球人工智慧格局的顯著轉變。透過證明在精簡預算下實現尖端創新的可行性，它挑戰了龐大的基礎設施和資金資源是市場成功的先決條件這一觀念。隨著 AGI 競賽愈演愈烈，看看 DeepSeek 如何繼續推動技術進步將會很有趣。   瀏覽我們的行業報告頁面 以獲取最新見解，從而 在不斷發展的印刷行業中保持領先地位。 登入資訊中心， 透過我們的人工智慧諮詢服務查看有關 AI 和 LLMS 的研究和調查。 登入 bliQ 取得產品級研究、報告和規格。還不是訂閱者？ 如需更多信息，請聯繫我們 。   內容來源: https://keypointintelligence.com/

任何不熟悉資料管理和人工智慧的人，在過去幾年可能都過得非常艱難。不可否認，它們影響我們生活的方方面面，從人際互動到商業交易。標籤和包裝行業也不例外。 印刷聯盟首席經濟學家安迪‧帕帕羅齊指出，影響力並不限於單一領域。 “從品質控製到供應鏈管理，從客戶偏好分析到基於這些偏好的個性化，每項關鍵任務功能都受益於人工智能和卓越的數據管理——即創建、維護和訪問相關且強大的數據庫。” 「我不知道大家是否意識到這種變化有多快，」Imagine AI Live 聯合創始人兼執行長 Steve Metcalf 指出。 「但我首先要說的是，[在印刷和包裝行業]，在為客戶管理數據方面已經積累了豐富的專業知識。例如，如果你為製藥公司打印標籤，你必須確保所有標籤都正確無誤。印刷和加工企業需要處理海量數據和信任。對於這類新興能力，隨著推理中的生成式人工智能以及我們耳熟詳、詳詳並且 Paparozzi 指出，我們可以將資料分為三大類，在每類中，資料管理都是必需的，但人工智慧在資料管理方式方面正在取得巨大進步。 結構化資料（例如財務資料、市場人口統計和客戶資料）可以完美地融入傳統的電腦電子表格中。 電子表格無法很好處理的非結構化數據，例如音訊檔案、視訊檔案和文字檔案。 半結構化數據，例如物聯網 (IoT) 感測器產生的數據，是兩者的混合。 他強調，人工智慧可以幫助分析所有這些信息，幫助確保包裝印刷商做出全面的最佳決策，而不是僅僅依靠「直覺」或猜測。 那麼它下一步會走向何方呢？這很難預測，尤其是考慮到人工智慧領域似乎每天都在快速發展。 梅特卡夫特別指出，他認為產業最大的變革將更多來自於意識而非其他因素。幾乎不可能跟上每一項創新，因此許多印刷企業甚至不知道某些功能的存在。他認為，這很可能是我們短期內（未來12-18個月）將看到的最大轉變。 「當我與印刷和包裝行業的領導者交談時，我認為這並不是說他們有錯。只是他們日常工作太忙，沒有意識到現在就可以做到這一點，而不必非得等MIS軟體供應商來提供。你不必等微軟。事實上，如果你等了，你會處於劣勢，」Metcalf強調。 “無論是少量注入AI諮詢，還是AI應用程式構建，或者其他什麼，你今天，比如今天下午，就可以開始解決這些問題。我認為人們甚至還沒有意識到這一切發生得有多快。” 這並不是說沒有需要關注的具體領域。 Paparozzi 指出，在接下來的 12-18 個月週期中，他最密切關注的領域集中在「營運創新——包括品質控制和預測性維護——因為我們的市場競爭過於激烈，無法將低效率轉嫁給客戶；自動化可以提高生產力和生產速度，並克服長期的勞動力短缺；市場分析和預測可以支持全公司範圍內持續做出卓越的決策；的一位參與者所說，‘無論你的企業現在做得多麼好，運營得多麼好，都可能瞬間發生轉變。 那麼，這對普通的標籤和包裝印刷企業意味著什麼？如果情況變化如此之快，你該如何做好準備——更不用說實施它了？首先，Metcalf 和 Paparozzi 都強調從小處著手——不要試圖一次完成所有事情。選擇營運中的一個環節進行分析－看看哪裡效率低。詢問員工討厭做哪些任務，哪些是重複性的或令人沮喪的。哪些任務與其他任務有重疊？哪些資料需要多次輸入才能在系統中傳輸？這些都是你開始使用人工智慧工具的地方——尋找簡化難題中一小部分的方法。 然後，你就可以在此基礎上開始建立流程了。哪些任務或部門與你剛剛增加了AI分析和自動化功能的任務或部門相關聯？這些任務或部門可以自動化嗎？或者它們可以受益於自身的AI分析工具嗎？最終，你可以擁有一個與業務各個部分緊密相連的系統，但不要試圖從現在開始，否則你很快就會不知所措。 其次，「垃圾進，垃圾出」這句老話在人工智慧和數據分析領域顯得格外重要。只有當資料品質良好時，你的工具才能在執行庫存管理、生產工作流程、預測性維護或任何其他任務時獲得良好的結果。如果數據不完整，或者存在錯誤，甚至同一組數據在兩個不同的系統中存在差異，那麼任何人工智慧工具都無法發揮其最大作用。如果你需要一個起點，那麼在探索人工智慧工具之前，務必確保資料乾淨清晰，並且你輸入和維護資料的政策已向組織中的每個人詳細說明。 最後，挑選一個人作為你的數據和人工智慧「專家」。光是跟上最新的創新步伐就可能成為一份全職工作，更不用說弄清楚如何以合理的方式實施它們了。指定一個人專門負責解答員工的問題，就企業應該投資什麼（或不應該投資什麼）提出建議，並作為關鍵人物檢查人工智慧得出的結果是否準確無誤，這對於確保一切順利至關重要。根據你營運的規模和範圍，你可能需要安排幾個人負責這個過程的不同部分，但事實上，你必須明確指出誰來負責。 關於這一點，梅特卡夫指出，承擔人工智慧和資料任務的人不必只專注於公司下一步該投資什麼——他們也可以使用一些工具並親自完成工作。 Metcalf 指出，你「現在可以把任何人變成數據分析師，然後圍繞他們開發應用程式來支持他們。這或許只是未來獲得更強大功能的墊腳石——我用的是「一次性應用程式」這個詞，意思是你現在可以創建一個一次性應用程序，讓你體驗一下自己能做什麼。也許這並非最終目標。也許你會花幾個小時他強調，這意味著，即使你最終決定開始探索不同供應商的解決方案，你也能更了解自己到底需要什麼，而不是隨機選擇一個 AI 工具，然後祈禱最好的結果。 人工智慧的優勢，尤其是在資料管理領域，正在日益顯現。 Paparozzi 指出：「擁抱人工智慧並以數據為驅動，各種類型和規模的公司都能透過自動化以前無法實現的全公司低附加價值任務來提高生產力，從而騰出時間用於為客戶、員工和公司創造最大價值的活動，並增強市場分析和預測能力。這在一個機會範圍不斷擴大但容錯率卻不斷下降的行業中至關重要。」 在深入人工智慧和資料管理領域時，Metcalf 和 Paparozzi 有什麼建議？ 梅特卡夫指出，對他來說，關鍵在於找到一個可以交流想法、激發熱情的社群。 「假設你在芝加哥、堪薩斯城、波士頓，或者其他任何地方。無論城市規模大小，都可以去看看你的同行群體。本地人工智能社區正在各地湧現。多花些時間與其他人工智能人士交流，了解其他人是如何應用和使用它的。他們每個月都會舉行會議，讓人工智能領域的人們聚在一起，互相學習。他們互相交流，汲取靈感。」 對於Paparozzi來說，這強調了你不能猶豫。拒絕與人工智慧合作不再是個選擇。他說：「聽聽PRINTING聯合聯盟行業現狀報告參與者的建議：『你不能對人工智能袖手旁觀，因為它將從根本上改變我們的業務，所以一定要學習它。它不會消失’，‘我們行業的最大贏家將在公司的各個層面掌握人工智能’，以及‘我們強烈要求我們的組織學習和使用人工智能，因為如果我們不這樣做，我們的競爭對手就會超越我們。’”   內容來源: https://www.packagingimpressions.com/