详细内容或原文请订阅后点击阅览
寻找跨行业人工智能投资的回报
市场正式在 ChatGPT 发布三年后到来，许多专家的署名已转向使用“泡沫”等术语来表明生成式 AI 在少数技术供应商之外无法实现物质回报的原因。 9 月份，麻省理工学院 NANDA 报告引起了轰动，因为每位作者和影响者都注意到了......
来源:MIT Technology Review _人工智能大多数企业会自动优先考虑数据的保密性，并设计业务工作流程来维护商业秘密。从经济价值的角度来看，特别是考虑到每个模型 API 调用的实际成本，将选择性访问数据换取服务或价格抵消可能是正确的策略。不要将模型购买/入职视为典型的供应商/采购活动，而是要考虑在推进供应商模型和企业采用该模型的过程中实现互惠互利的潜力。
人工智能的第二条原则：设计带来无聊
据《Information is Beautiful》报道，仅 2024 年，就有 182 个新的生成式 AI 模型被引入市场。当 GPT5 于 2025 年进入市场时，许多 12 至 24 个月前的模型都变得不可用，直到订阅客户威胁取消为止。他们之前稳定的人工智能工作流程是建立在不再有效的模型之上的。他们的技术提供商认为客户会对最新型号感到兴奋，但没有意识到业务工作流程对稳定性的重视。视频游戏玩家很乐意在游戏装备中系统组件的整个生命周期内升级他们的定制版本，并且会升级整个系统只是为了玩新发布的游戏。
信息是美丽的但是，行为并不转化为业务运行率操作。虽然许多员工可能会使用最新的模型来处理文档或生成内容，但后台运营无法维持每周三次更换技术堆栈以跟上最新模型的更新。后台工作本来就很无聊。
人工智能第三原理：小货车经济学
避免经济颠倒的最佳方法是设计符合用户而不是供应商规格和基准的系统。