i卡會員

人工智慧(AI)模型近年發展歷程演變快速，大語言模型(LLM)的湧現能力(Emergent Abilities)成為模型效能提升焦點，然而，小型化大語言模型(sLLM)的優勢有具備輕量級的模型參數、訓練與推理成本低、部署容易且彈性，有助於發揮邊緣AI應用之最佳效果，成為企業部署AI、導入落地應用的新焦點，也成為推動企業數位轉型、提升競爭力的新動能。本研究提出企業運用小型化大語言模型部署邊緣AI之建議做法面向，包含選擇合適的終端設備、資料管理和安全措施、持續優化和更新模型、應用場景的選擇和優化，以及與雲端AI的協同工作。

【內容大綱】

• 一、人工智慧(AI)模型發展趨勢
  • (一)人工智慧(AI)模型近年發展歷程演變快速，大語言模型(LLM)的湧現能力(Emergent Abilities)成為模型效能提升焦點
  • (二)小型化大語言模型(sLLM)有助於發揮邊緣AI應用最佳效果，成為模型變現、落地應用之新焦點
• 二、人工智慧(AI)賦能企業數位轉型之新動能與競爭力
  • (一)AI機遇雷達圖剖析企業運用AI能夠達成的競爭力增長面向
  • (二)AI應用賦能各行業效率優化與能力創新—以製造業、銀行業為例
• 三、企業運用小型化大語言模型部署邊緣AI之建議做法
  • (一)選擇合適的終端設備和基礎設施
  • (二)資料管理和安全措施
  • (三)持續優化和更新模型
  • (四)應用場景的選擇和優化
  • (五)與雲端AI的協同工作
• IEKView

【圖表大綱】

• 表1、AI模型開發大廠於大語言模型(LLM)之2024年發展最新進程
• 表2、大語言模型與小型化大語言模型之條件與效益比較
• 圖1、AI機遇雷達圖
• 圖2、AI賦能製造業
• 圖3、AI賦能銀行業