AI 高管表示，“最先进” 的模型在处理基本的办公室工作时可能会遇到困难

美国一家顶级人工智能独角兽公司的高管表示，最先进的（Sota）人工智能模型在解决复杂的奥林匹克数学问题方面表现出色，但在日常企业任务中仍然存在困难。美国数据处理和分析公司 Databricks 的产品高级副总裁 David Meyer 在最近接受《南华早报》采访时表示，使模型达到最先进水平的特性可能会在基本办公室工作中造成问题。例如，当被要求识别发票上的错误数字时，Sota 模型 “往往会修正错误”，而不是简单地提取错误以供后续修正。他表示，这种差异在其他高度技术领域也存在。根据 Meyer 的说法，尽管像 Anthropic 的 Claude 这样的高级模型在编码方面非常强大，但在数据工程等任务上却可能落后于在该领域接受了显著更多专业训练和数据的模型。数据工程涉及大规模转换数据集和执行清理任务，例如处理空值和零。他说：“单一模型，无论多大，无法在所有方面都表现出色。” 为了更高效地解决这些特定复杂性，Meyer 指出可以使用经过强化学习优化的小型开源模型。这种方法的训练成本 “比 Sota 模型低几个数量级”。这一策略已经在公司的工具中得到了体现。Databricks 的 Genie 是一个将自然语言翻译为数据查询的 AI 助手，支持一套代理和 AI 模型，提供了一个更广泛行业趋势的窗口。Meyer 注意到，通过观察客户与平台的互动，越来越多的人倾向于选择小型模型而非 Sota 替代品。这些使用显著更少参数的精简模型正在获得关注，受到低成本和低延迟的推动。Meyer 表示：“小型模型在首次令牌生成时间和响应时间上本质上要快得多。” 当应用程序扩展以处理 “惊人的每秒查询量” 时，公司需要便宜的模型来应对这种数量。然而，寻找这些高效、具成本效益的模型存在地理限制。Meyer 观察到，尽管 “人们对 Qwen 模型非常兴奋”，而且中国的开源模型在 “能力、低延迟和成本方面都很出色”，但监管和合规问题目前限制了它们在企业环境中的使用。Qwen 模型系列由阿里巴巴集团控股的阿里云开发，阿里巴巴集团拥有《南华早报》。这种受限的环境并没有抑制企业对 AI 整合的整体热潮。Meyer 表示：“很多人害怕被落在后面，因此他们希望尽快推动 AI 的发展。” 他补充说，上市公司通常对 AI 支出如何影响其资产负债表更加谨慎，而私营公司则更愿意花费。借助这一行业范围内的投资，Databricks 在 2 月份宣布已完成约 50 亿美元的股权融资，估值为 1340 亿美元。在 2025 年最后一个季度同比增长超过 65% 之后，该公司现在有望在接下来的 12 个月内产生 54 亿美元的收入。