今天看到一则消息,英伟达市值蒸发2790亿美元,为什么?大模型这个风口难道不再能支撑英伟达的股价了吗,当然这里面有政策因素影响,但是我却比较留意文中提到:每年要挣6000亿美元才能支付巨额的硬件支出,但是目前市场如OPENAI也只有34亿美元的收入,绝大部分大模型相关业务公司,可能一亿美元的收入都达不到。具体数值可能有偏差,但是的确是反映了大模型落地商业变现的窘境。
当然不能忽视的是大模型的技术发展的确带来了用户体验的提升,但是我这篇文章想要说的重点不是大模型,而是想提倡深度学习和传统算法其实还是很有竞争力的,且现在深度学习和传统算法在实体工业领域依然有着广泛应用且大部分都能给企业带来盈利。大模型我们需要学习,深度学习和传统算法我们也该因地因时联合使用。至少现在还不是将深度学习和传统算法放下或是忽略的时期。
另外最近我们也在尝试做着独立开发项目,准确的说它不属于开源项目而是一个商业项目,但是它有一部分功能的确是供大家免费使用的,这个项目暂时给它取名:“DataBall 数据球项目”。
数据可能未来在国家的科技竞争中属于战略资源,据说是Scale AI创始人曾经提到过,我个人非常的赞同这个观点,其实这里提到这个消息,意思只是想说数据地位的重要性。
其实市面上有很多的开源数据,对于一些行业内的人根据工作或是研究领域,去寻找或是使用这些资源是不算困难的。但是对于一些想入门的学生,企业对于相关项目评估,对于工程师的工作效率等等情况,要是能够将其开源数据以及商用进行整合,这里说的整合,不是简单的整合下载资源,而是包括不仅仅是数据的说明,而是还包括:数据使用的视频配套讲解,用脚本或是可视化工具解析运行数据及对应的标注。如果做到以上的整合程度对于使用它的人效率会明显提高,甚至将这些数据对接到对应的训练框架和推理框架,更甚者会提供部分行业落地方案参考,当然这需要时间一步步去完成。我们觉得它是有价值的,我们打算开始去完成这样一件事情,我们会整合开源数据,我们也会有自己的数据,对于自有数据计划提供1000样本,用于我们用户的评估。
我们希望通过“DataBall 数据球项目”,整合的资源像雪球一样越滚越大,希望用户在使用它时能够提高效率降低成本,相信如果它能成功也将让整个社会对于技术应用的时间成本降低。另外在商言商我们的盈利模式初步只是年度会员模式,其实也就几百块钱,因为我们需要日常维护和不断更新,视觉,语音,大模型等都会涉及。当然也有的人说我们这是整合开源资源自己开发也可以,没有必要购买我们的服务,我们也能理解。“DataBall 数据球项目”只是我们一次尝试,希望雪球越滚越大。