AI 高管表示，“最先進” 的模型在處理基本的辦公室工作時可能會遇到困難

美國一家頂級人工智能獨角獸公司的高管表示，最先進的（Sota）人工智能模型在解決複雜的奧林匹克數學問題方面表現出色，但在日常企業任務中仍然存在困難。美國數據處理和分析公司 Databricks 的產品高級副總裁 David Meyer 在最近接受《南華早報》採訪時表示，使模型達到最先進水平的特性可能會在基本辦公室工作中造成問題。例如，當被要求識別發票上的錯誤數字時，Sota 模型 “往往會修正錯誤”，而不是簡單地提取錯誤以供後續修正。他表示，這種差異在其他高度技術領域也存在。根據 Meyer 的説法，儘管像 Anthropic 的 Claude 這樣的高級模型在編碼方面非常強大，但在數據工程等任務上卻可能落後於在該領域接受了顯著更多專業訓練和數據的模型。數據工程涉及大規模轉換數據集和執行清理任務，例如處理空值和零。他説：“單一模型，無論多大，無法在所有方面都表現出色。” 為了更高效地解決這些特定複雜性，Meyer 指出可以使用經過強化學習優化的小型開源模型。這種方法的訓練成本 “比 Sota 模型低幾個數量級”。這一策略已經在公司的工具中得到了體現。Databricks 的 Genie 是一個將自然語言翻譯為數據查詢的 AI 助手，支持一套代理和 AI 模型，提供了一個更廣泛行業趨勢的窗口。Meyer 注意到，通過觀察客户與平台的互動，越來越多的人傾向於選擇小型模型而非 Sota 替代品。這些使用顯著更少參數的精簡模型正在獲得關注，受到低成本和低延遲的推動。Meyer 表示：“小型模型在首次令牌生成時間和響應時間上本質上要快得多。” 當應用程序擴展以處理 “驚人的每秒查詢量” 時，公司需要便宜的模型來應對這種數量。然而，尋找這些高效、具成本效益的模型存在地理限制。Meyer 觀察到，儘管 “人們對 Qwen 模型非常興奮”，而且中國的開源模型在 “能力、低延遲和成本方面都很出色”，但監管和合規問題目前限制了它們在企業環境中的使用。Qwen 模型系列由阿里巴巴集團控股的阿里雲開發，阿里巴巴集團擁有《南華早報》。這種受限的環境並沒有抑制企業對 AI 整合的整體熱潮。Meyer 表示：“很多人害怕被落在後面，因此他們希望儘快推動 AI 的發展。” 他補充説，上市公司通常對 AI 支出如何影響其資產負債表更加謹慎，而私營公司則更願意花費。藉助這一行業範圍內的投資，Databricks 在 2 月份宣佈已完成約 50 億美元的股權融資，估值為 1340 億美元。在 2025 年最後一個季度同比增長超過 65% 之後，該公司現在有望在接下來的 12 個月內產生 54 億美元的收入。