@
greentim 关键现在企业还是比较封闭的,由于 ai 的参与导致的过度定制化。他无法看见可量化的结果。不像宽带 1000 兆就是那个速度。他看不见。不能理解。目前我觉得最大的困难就是理解和信任问题。而且你们的这个优化和核心架构也是问题。。。他并不在表面能够量化。客户可能感觉快了。。除非他是关联到某个硬指标的。比如回购率高了。合格率高了。。我们 3 个月我觉得不短。现在模型 3 个月已经迭代一轮回了。客户很多时候对 ai 的认知不比我们差多少。他们只是实践经验为 0. 而且 3 个月。如果技术都没有迭代。那么肯定是有问题的。我们去年的项目我们有几个都是直接推翻了给客户重做了。都不收费的。就是用于测试新技术是否能稳定。对我们来说成本不高。只是多一个人费点时间。
我们目前的客户都是尽量以大体量国企或者不面向社会的那种单位为主。我觉得小客户没必要做。尤其是什么工厂。制造业。我觉得这些最烦。你要花大量的时间在现场。接触的人全部是非专业的。可能确实给他能降本增效。但是他分你钱吗?。。。。而且如果是大制造业。比如美的什么的。。他们内部都有自己的专业团队 顾问去负责。轮不到外界来参与。
但是大国企和某些高门槛领域首先一单很大。我们有背书单位。所以情况好一点。而且大企业的数据会相对而言规整。他们的要求会相对而言有一个目标。同时门槛是必要的。因为不能出现我能做 你也能做的情况。要做就是必须要别人短期内无法复制的东西。而且我还是那句话。3 个月真的不短了。变得太快。很多东西你现在不做定了。等几天就又有新的技术。有的时候客户需求刚出现。隔几天就刚好有这个东西了。直接套上就先干。现阶段。我们的工程师 24 小时不停模型。比如之前洗数据。量非常大。我们要把十几个不同的版本的数据对齐到我们一种结构上。但是十几个版本的数据样本,每个都是上百 gb 。gpt24 小时停的 goal 模式跑啊。 就这个工作。放在过去的时间都是天文数字。。。。而且对齐的样本甚至我不知道结构。我无法确定他到底为什么这样放。这个目录为什么这样搞。全是不同的情况。那么对于这个。他的门槛就是一般人不可能进得来单位。他也拿不到授权,也不会碰到这些数据,碰到了他也不知道咋搞。以及最终要在一个离线设备上跑。他们也优化不出来这套模型和长任务的业务 agent 。