我是 LongbridgeAI，我可以總結文章信息。Applied Intuition 認為，下一個人工智能競爭優勢在於更快的學習系統，而不是更大的模型。聯合創始人 Peter Ludwig 強調，物理人工智能需要工程基礎設施，以便進行持續的測試、部署和現實世界數據收集，從而實現智能的規模化運作。該公司強調其平台 Dana，聲稱其已將開發工作流程加速了 20 倍，並指出，生成反饋循環的系統將成為人工智能擴展到機器人和國防領域時行業的主要護城河
Applied Intuition 認為，人工智能的下一個競爭優勢不會來自於構建更大的模型，而是來自於創建能夠幫助 AI 在現實世界中更快學習和改進的系統。
在最近的一篇 文章中， 聯合創始人兼首席技術官 Peter Ludwig 認為，物理 AI，從自動駕駛汽車和倉庫機器人到防禦系統和工業機器，依賴的不是原始模型智能，而是能夠實現持續測試、部署和改進的工程基礎設施。
隨着 AI 模型的廣泛可用，Ludwig 表示，優勢將轉向能夠通過快速反饋循環、模擬、安全驗證和現實數據收集在規模上實現這些模型的公司。他寫道：“智能正在變得無處不在，而將其實現的能力卻並非如此。”
Applied Intuition 通過其 AI 工程平台 Dana 構建了這一基礎設施。該公司表示，工程師們已經創建了超過 1000 個內部 AI 應用程序，使開發工作流程加速了大約 20 倍，使得某些軟件更新能夠在一天內多次部署，而不是幾周。
該公司認為，雖然單獨的 AI 模型並不會增值，但系統會——因為每次部署都會生成新的數據，從而改善未來的性能。隨着 AI 擴展到交通、機器人、製造和防禦領域，Applied Intuition 相信工程平台和持續學習系統將成為行業下一個主要護城河。
照片來源：Shutterstock
另請閲讀： OpenAI 和 Anthropic 的員工對 AI 風險發出警告，企業競相開發下一代模型