マッキンゼーのLilliを浅く分析すると、企業のAI市場にどのような発展のアイデアを提供しているのか？

マッキンゼーのLilliケースは、企業AI市場における重要な発展のアイデアを提供しました：エッジコンピューティング + 小規模モデルの潜在的な市場機会。この10万件の内部文書を統合したAIアシスタントは、70%の従業員の採用率を獲得し、平均して毎週17回使用されており、この製品の粘着性は企業ツールの中では非常に珍しいものです。以下、私の考えについてお話しします：

1）企業データの安全性は痛点：マッキンゼーが100年にわたって蓄積した核心的な知識資産や、中小企業が蓄積した特定のデータは非常に強いデータの敏感性を持っており、公共クラウド上で処理することはできない。データがローカルから出ず、AIの能力が妥協されないバランス状態を探ることは、実際の市場の切実なニーズである。エッジコンピューティングは一つの探索方向である；

2）専門的な小モデルが汎用の大モデルに取って代わる：企業ユーザーが求めるのは「百億パラメータ、万能型」の汎用モデルではなく、特定の分野の問題に対して正確に回答できる専門的なアシスタントです。対照的に、大モデルの汎用性と専門的な深さの間には自然な矛盾があります。企業のシーンでは、小モデルの方が重視されることが多いです；

3）自社でのAIインフラとAPI呼び出しのコストバランス：エッジコンピューティングと小モデルの組み合わせは初期投資が大きいものの、長期的な運用コストは著しく低下します。45000名の従業員が高頻度で利用するAI大モデルがAPI呼び出しから供給される場合、その依存度、使用規模、そして評価の増加は、自社でのAIインフラを中大企業にとって理にかなった選択肢にするでしょう；

4）エッジハードウェア市場の新しい機会：大規模モデルのトレーニングは高性能GPUに依存していますが、エッジ推論に対するハードウェアの要求はまったく異なります。クアルコムやメディアテックなどのチップメーカーは、エッジAI向けに最適化されたプロセッサーが市場の好機を迎えています。すべての企業が自社の"Lilli"を作りたいと考える中、低消費電力、高効率で設計されたエッジAIチップはインフラの必需品となるでしょう；

5）分散型のweb3 AIマーケットも同時に強化される：企業が小規模モデルにおける計算力、微調整、アルゴリズムなどのニーズを引き起こすと、リソースの調整をどのようにバランスを取るかが問題となる。従来の集中型リソース調整は課題となり、これは直接的にweb3AIの分散型小規模モデル微調整ネットワークや分散型計算サービスプラットフォームなどに大きな市場需要をもたらす。

市場がAGIの汎用能力の限界について議論している間、企業のエンドユーザーがAIの実用的価値を掘り下げているのを見て喜ばしく思います。明らかに、過去の計算能力やアルゴリズムのリソース独占的な飛躍に比べて、市場がエッジコンピューティング + 小モデル方式に重点を置くと、より大きな市場の活力をもたらすでしょう。