Η Accelerated Understanding υποστηρίζει ότι ανέπτυξε μια καθολική αρχιτεκτονική physical AI που μπορεί να επεξεργάζεται context άνω των 5 τρισ. tokens στην εξαγωγή συμπερασμάτων. Αν οι επιδόσεις επιβεβαιωθούν, το ενδιαφέρον δεν θα βρίσκεται στο μέγεθος μόνο, αλλά στην ικανότητα ενός μοντέλου να συνδέει ρομποτική, υλικά, ρευστά, καιρό και βιομηχανικό σχεδιασμό.
- Η εταιρεία χρησιμοποιεί neural operators, όχι κλασικό Transformer.
- Αναφέρει εκπαίδευση με context έως 1 τρισ. και inference άνω των 5 τρισ..
- Ένα δείγμα 5 τρισ. μπορεί να παράγει περίπου 22 TB εξόδου.
- Δοκιμές κλίμακας έφτασαν, κατά την εταιρεία, έως 35 τρισ. παραμέτρους.
- Οι ισχυρισμοί δεν έχουν ακόμη ανεξάρτητη πιστοποίηση.
Τι αλλάζει σε σχέση με τα γλωσσικά μοντέλα
Τα μεγάλα γλωσσικά μοντέλα προβλέπουν επόμενα σύμβολα σε μια ακολουθία. Οι neural operators στοχεύουν να μάθουν τη σχέση μεταξύ ολόκληρων φυσικών πεδίων: πώς αλλάζει η ροή αέρα γύρω από ένα σχήμα, πώς συμπεριφέρεται ένα υλικό ή πώς εξελίσσεται ένα καιρικό σύστημα.
Η οικονομική υπόσχεση
Αν ένα γενικό μοντέλο μειώσει τον χρόνο προσομοίωσης, μπορεί να συμπιέσει κύκλους R&D σε αυτοκίνητα, chips, ενέργεια, γεωλογία και φάρμακα. Η αξία θα προέλθει από λιγότερα φυσικά πρωτότυπα και γρηγορότερες σχεδιαστικές επαναλήψεις.
Γιατί χρειάζεται προσοχή
Μεγέθη όπως tokens και παράμετροι δεν μεταφράζονται αυτομάτως σε επιστημονική ακρίβεια. Χρειάζονται benchmarks ανά πεδίο, σύγκριση με καθιερωμένους solvers, ενεργειακό κόστος και έλεγχος γενίκευσης σε άγνωστες συνθήκες.
Για τον επενδυτή, η σωστή ερώτηση δεν είναι αν το μοντέλο είναι το μεγαλύτερο. Είναι αν λύνει ένα ακριβό φυσικό πρόβλημα καλύτερα, γρηγορότερα και με ελεγχόμενο σφάλμα.
The post Physical AI με 5 τρισ. δεδομένα: Η νέα αρχιτεκτονική που θέλει να προσομοιώσει τον φυσικό κόσμο appeared first on moneymatters.cy.
