@levie: 只有一小部分有用数据存在于开放网络上,可供所有模型用于训练或供代理使用…
摘要
Aaron Levie 认为,最有价值的数据存在于组织内部,而非开放网络。如何将这些数据有效传递给AI代理,将决定未来的竞争优势。
查看缓存全文
缓存时间: 2026/07/08 07:45
仅有很小一部分有用数据存在于开放网络上,可供所有模型用于训练或供智能体操作。大部分数据位于组织内部,通常存在于遗留系统中、人们的大脑里,或分散在企业各处。
这些数据包括营销计划、产品路线图、开发实践、合同、财务数据、战略以及每家公司赖以运营的通用企业知识。
无论是用于训练模型还是作为智能体的上下文,这些数据都将随着时间的推移变得越来越有价值。能够安全地将正确的数据提供给智能体进行操作,将成为未来公司运营和竞争的一个决定性特征。
人工智能在经济中的有效应用,很大程度上将取决于那些能够使智能体最好地理解其业务并为其做出正确决策的公司。数据确实是新的石油。
will depue (@willdepue): 数据的星际之门
各大实验室正朝着到2030年每年数据支出超过1000亿美元的方向发展。当我们启动万亿美元计算项目时,我们需要为另一个核心要素——数据——考虑同等规模的文明级工程。
在规模化基础之上
相似文章
@rohanpaul_ai: 确实是一个公平的观点,来自@naval:如果AI公司(Anthropic/OpenAI)在开放网络上训练数据,或许它们应该被要求…
Naval Ravikant建议,基于开放网络数据训练的AI公司应在一定期限后开放其模型,以防止垄断控制并确保公平访问。
@levie: 在一个存在强大开源替代方案且仅略逊于前沿模型的世界里,你让你的……
一篇评论文章指出,限制对前沿AI模型的访问而偏向闭源替代方案适得其反,因为强大的开源模型正在缩小差距,而外国生态系统则从开放性中受益。
@levie: AI在现实世界中的扩散仍有巨大机会。大多数企业将需要大量……
Aaron Levie讨论了应用AI层的必要性,该层连接AI模型突破与企业工作流程,强调随着模型改进,更宏大的自动化成为可能,为专业公司创造了持续的机会。
@levie:关于当AI模型在各公司间共享并承载了该行业大量智能时,未来竞争优势需深思的一些动态的精彩帖子
关于当AI模型在各行业广泛可用时,企业如何保持竞争优势的思考,强调了模型智能、专有数据、工作流程与员工互动之间的强化循环。
@levie: 要继续获得大规模智能体采用,最佳方式是持续降低智能成本…
Levie认为,降低人工智能(token)成本是扩大智能体大规模采用的关键,并预测未来大多数信息工作将涉及智能体,同时提到开放和封闭模型均在创新。