បន្ទាប់ពីការប្រកួតប្រជែងជាច្រើនឆ្នាំដើម្បីបង្កើតគំរូ AI ធំជាងមុន អ្នកស្រាវជ្រាវ និងអ្នកផ្តល់ហេដ្ឋារចនាសម្ព័ន្ធកំពុងផ្តោតកាន់តែខ្លាំងលើបញ្ហាថ្មីមួយ៖ តើធ្វើដូចម្តេចដើម្បីធ្វើឱ្យប្រព័ន្ធទាំងនេះមានតម្លៃសមរម្យគ្រប់គ្រាន់ដើម្បីដាក់ពង្រាយតាមខ្នាត?
Sara Hooker សហស្ថាបនិក និងជានាយកប្រតិបត្តិនៃ startup AI lab ADAPTATION បានប្រាប់ទស្សនិកជននៅ Fortune Brainstorm Tech កាលពីថ្ងៃអង្គារថា AI សព្វថ្ងៃនេះភាគច្រើនគឺ “monolithic” — ឬជាប់គាំងនៅក្នុងពេលវេលា។ នោះគឺនៅពេលដែលគំរូមួយត្រូវបានបណ្តុះបណ្តាល ចំណេះដឹង និងជំនាញរបស់គំរូត្រូវបានជួសជុលយ៉ាងសំខាន់។ ប្រសិនបើអ្វីមួយផ្លាស់ប្តូរនៅក្នុងពិភពលោក ឬគំរូរៀនអ្វីមួយដែលមានប្រយោជន៍ពីអ្នកប្រើប្រាស់ ចំណេះដឹងនោះមិនក្លាយជាផ្នែកនៃគំរូដោយស្វ័យប្រវត្តិនោះទេ។
នាងបានពន្យល់ថា “អ្នកត្រូវការគំរូដែលអាចវិវឌ្ឍ បើមិនដូច្នេះទេ វានឹងមានភាពមិនមានប្រសិទ្ធភាពដ៏ធំ”។
Rodrigo Liang នាយកប្រតិបត្តិនៃក្រុមហ៊ុនបន្ទះសៀគ្វី AI SambaNova បាននិយាយថា ទោះបីជាយ៉ាងណាក៏ដោយ សម្រាប់ពេលនេះ បញ្ហាទំហំ – ហើយម៉ូដែលធំជាងគេនឹងមិនបាត់ទៅណាឡើយក្នុងពេលឆាប់ៗនេះ។ សម្រាប់ពេលនេះ លោកបានពន្យល់ថា អតិថិជនត្រូវប្រឈមមុខនឹងការចំណាយលើគំរូនៃការធ្វើមាត្រដ្ឋាន។ ជាមួយនឹងហេដ្ឋារចនាសម្ព័ន្ធដែលស្រេកឃ្លានថាមពល; និងជាមួយនឹងការស្វែងរកសមត្ថភាព AI គ្រប់គ្រាន់។
ប៉ុន្តែ Hooker បានផ្តោតលើអ្វីដែលកើតឡើងបន្ទាប់ដោយនិយាយថាយើងស្ថិតនៅ “ចំណុចចាប់ផ្តើមជាមួយនឹងភាពបន្ទាន់យ៉ាងខ្លាំងក្នុងការផ្លាស់ប្តូរខ្សែកោងនោះ” ឬទំហំគំរូ។ អ្នកស្រីបានពន្យល់ថា មនុស្សភាគច្រើនយល់ដោយវិចារណញាណថា អ្នកមិនគួរគ្រាន់តែអនុវត្តគំរូដូចគ្នាចំពោះបញ្ហាទាំងអស់នោះទេ។ “ប្រហែលជា 90% នៃបញ្ហាគឺសាមញ្ញណាស់ – រឿងជាច្រើនដែលអ្នកធ្វើក្នុងដំណើរការដ៏ធំ ឧទាហរណ៍ អ្នកមិនគួរដាក់បន្ទុកខ្លួនឯងជាមួយនឹងគំរូដ៏ធំនោះទេ។”
នាងបានប្រកែកថាប្រព័ន្ធ AI នាពេលអនាគតនឹងត្រូវបន្តសម្របខ្លួនទៅនឹងព័ត៌មានថ្មី និងផ្លាស់ប្តូរអាកប្បកិរិយារបស់ពួកគេយ៉ាងឆាប់រហ័ស ជាជាងការពឹងផ្អែកលើការហៅម្តងហើយម្តងទៀតចំពោះគំរូថេរ – ថាមវន្តដែលនាងបាននិយាយថាកំពុងរួមចំណែកដល់ការកើនឡើងនៃវិក័យប័ត្រ API ដែលក្រុមហ៊ុនជាច្រើនកំពុងប្រឈមមុខនាពេលបច្ចុប្បន្ន។ សព្វថ្ងៃនេះ ក្រុមហ៊ុននានាប្រើប្រាស់ភ្នាក់ងារយ៉ាងទូលំទូលាយ ប៉ុន្តែពួកគេច្រើនតែមិនរៀនពីកំហុសរបស់ពួកគេ ដោយទុកឱ្យក្រុមហ៊ុនបង់ប្រាក់សម្រាប់កំហុសដដែលៗម្តងហើយម្តងទៀត – ក្នុងថាមពលកុំព្យូទ័រ ការហៅ API និងថ្លៃហេដ្ឋារចនាសម្ព័ន្ធ។
ខណៈពេលដែលអ្នកអភិវឌ្ឍន៍គំរូដូចជា Hooker ផ្តោតលើការកសាងប្រព័ន្ធ AI ដែលមានអនុភាព និងប្រសិទ្ធភាពជាងមុន លោក Liang និយាយថា បញ្ហាប្រឈមភ្លាមៗរបស់ឧស្សាហកម្មគឺការដំណើរការគំរូដ៏ធំនាពេលបច្ចុប្បន្ននេះប្រកបដោយប្រសិទ្ធភាពគ្រប់គ្រាន់ដើម្បីធ្វើឱ្យការដាក់ពង្រាយក្នុងពិភពពិតប្រកបដោយប្រសិទ្ធភាពសេដ្ឋកិច្ច។ ដោយលើកហេតុផលថាគំរូប៉ារ៉ាម៉ែតពាន់ពាន់លាននៅតែថ្លៃពេក និងស្រេកឃ្លានថាមពល គាត់បាននិយាយថាយុទ្ធសាស្រ្តរបស់ SambaNova ផ្តោតលើការផ្តល់នូវការសន្និដ្ឋានលឿនជាងមុនជាមួយនឹងការប្រើប្រាស់ថាមពលទាបតាមរយៈផ្នែករឹងដែលត្រូវបានរចនាឡើងជាពិសេសសម្រាប់បន្ទុកគំរូធំ។
គាត់បាននិយាយថា “យើងទទួលបានដំណើរការល្អជាង 2 ទៅ 3 ដងជាង (Nvidia) Blackwells (GPUs) ជាមួយនឹងម៉ូដែលដូចគ្នាពិតប្រាកដ ដូច្នេះយើងគិតថានោះជាឱកាសក្នុងកម្រិតមួយយ៉ាងហោចណាស់ដើម្បីកាត់បន្ថយការចំណាយ” ។
ច្រើនទៀតពី Fortune’s 25th Brainstorm Tech:
លោក Boris Cherny នៃ Anthropic ដែលជាអ្នកបង្កើត Claude Code និយាយថាមានថ្ងៃដែលគាត់គ្រប់គ្រងភ្នាក់ងារ AI រាប់ម៉ឺននាក់ក្នុងពេលតែមួយ
‘មិនមែនជាពេល Allbirds’: នាយកប្រតិបត្តិថ្មីរបស់ Xbox និយាយថានាងកំពុងផ្អែកលើកុងសូលនៅលើឫសហ្គេមមិនមែន AI ទេ
លោក Brian Schimpf នាយកប្រតិបត្តិក្រុមហ៊ុន Anduril មានប្រសាសន៍ថា សង្គ្រាមសេដ្ឋកិច្ចគឺជា “ធម្មតាថ្មី” សម្រាប់ជម្លោះយោធា ហើយសហរដ្ឋអាមេរិកត្រូវការធ្វើឱ្យធ្ងន់ធ្ងរ។
