Дом
Компания Lingxi Technology преодолела препятствия на пути коммерциализации ИИ с помощью большой каузальной модели, обеспечив масштабируемую рентабельность

Стартап Lingxi Technology, специализирующийся на искусственном интеллекте, недавно использовал свою собственную каузальную крупномасштабную модель, чтобы замкнуть цикл от технологии до бизнес-результатов в таких секторах с высокими входными барьерами, как страхование и финансы. Компания заявляет, что рассчитывает достичь масштабной рентабельности и положительного денежного потока к 2025 году, предлагая новую модель внедрения крупномасштабных моделей в реальных условиях.
В течение некоторого времени корпоративные клиенты испытывали лишь ограниченный успех при применении крупных моделей. Хотя общие модели отлично справляются с пониманием разговорной речи, в профессиональных контекстах продаж, основанных на логике, таких как страхование и финансы, они часто генерируют «галлюцинации» и противоречивые решения, что делает их ненадежными для прямой замены человека в сложных сделках. Многие компании сталкиваются с «высокими затратами, сложностями внедрения и нестабильными результатами», при этом крупные модели, используемые на передовой, часто рассматриваются лишь как инструменты для чата, не способные обеспечить реальную эффективность.
Чтобы решить эту проблему, компания Lingxi Technology отказалась от типичной гонки за созданием всё более крупных моделей и вместо этого сосредоточилась на улучшении причинно-следственного мышления и принятия решений ИИ. Их основной подход основан на «причинно-следственном ИИ» и «посттренировке крупных моделей». Закодировав экспертную логику продаж в причинно-следственные критерии, ИИ выходит за рамки механического повторения сценариев. Он учится улавливать невысказанные потребности клиентов, как лучшие специалисты по продажам, постоянно переоценивая свои пути принятия решений. Этот метод дообучения позволяет модели усваивать отраслевые знания и одновременно осваивать сложную логику принятия бизнес-решений.
С коммерческой точки зрения компания Lingxi внедрила модель «Результаты как услуга» (RaaS), которая напрямую связывает её успех с ростом клиентов. В отличие от традиционного SaaS, где оплата взимается заранее, а на результаты можно только надеяться, модель RaaS оценивает ИИ на основе измеримых бизнес-показателей, таких как рост премий и увеличение выручки. Данные показывают, что после внедрения «агента по продажам» клиентами из страховой отрасли объем новых премий за год достиг 2 миллиардов юаней. По мере повышения автономности модели коэффициент замещения задач в вертикальных отраслях вырос с первоначальных 30 % до почти полной независимости во всех процессах.
В настоящее время решение Customer Engagement Agent (ACE) широко внедряется в автомобильной, банковской, образовательной и других отраслях в сотрудничестве с такими партнерами, как Chery и Gaochu. Основной состав команды Lingxi сформирован из сотрудников отдела искусственного интеллекта компании Baidu, обладающих более чем десятилетним практическим опытом в области ИИ.
Отраслевые аналитики отмечают, что истинная ценность ИИ заключается не в размере параметров, а в его способности генерировать дополнительную ценность в реальной экономике. Пример Lingxi показывает, что когда ИИ переходит от статуса «инструмента» к статусу реальной «производительности» и напрямую влияет на бизнес-результаты, проблемы коммерциализации крупных моделей можно преодолеть. По мере бурного роста применения крупных моделей в Китае первыми начинают получать отдачу от инвестиций именно те предприятия, которые ориентированы на результат.
Связанная статья
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства
Соблюдение требований к автономным транспортным средствам в Калифорнии: новая эра штрафов, геозоны и 1 млн миль
Компания Guident эксплуатирует шаттл AuveTech в Южной Флориде, обслуживая маршрут протяженностью четыре мили в Вест-Палм-Бич и маршрут протяженностью одну милю в Бока-Ратоне с использованием своей тех
Рекомендации по связанным специальным темам
Комментарии (0)

Стартап Lingxi Technology, специализирующийся на искусственном интеллекте, недавно использовал свою собственную каузальную крупномасштабную модель, чтобы замкнуть цикл от технологии до бизнес-результатов в таких секторах с высокими входными барьерами, как страхование и финансы. Компания заявляет, что рассчитывает достичь масштабной рентабельности и положительного денежного потока к 2025 году, предлагая новую модель внедрения крупномасштабных моделей в реальных условиях.
В течение некоторого времени корпоративные клиенты испытывали лишь ограниченный успех при применении крупных моделей. Хотя общие модели отлично справляются с пониманием разговорной речи, в профессиональных контекстах продаж, основанных на логике, таких как страхование и финансы, они часто генерируют «галлюцинации» и противоречивые решения, что делает их ненадежными для прямой замены человека в сложных сделках. Многие компании сталкиваются с «высокими затратами, сложностями внедрения и нестабильными результатами», при этом крупные модели, используемые на передовой, часто рассматриваются лишь как инструменты для чата, не способные обеспечить реальную эффективность.
Чтобы решить эту проблему, компания Lingxi Technology отказалась от типичной гонки за созданием всё более крупных моделей и вместо этого сосредоточилась на улучшении причинно-следственного мышления и принятия решений ИИ. Их основной подход основан на «причинно-следственном ИИ» и «посттренировке крупных моделей». Закодировав экспертную логику продаж в причинно-следственные критерии, ИИ выходит за рамки механического повторения сценариев. Он учится улавливать невысказанные потребности клиентов, как лучшие специалисты по продажам, постоянно переоценивая свои пути принятия решений. Этот метод дообучения позволяет модели усваивать отраслевые знания и одновременно осваивать сложную логику принятия бизнес-решений.
С коммерческой точки зрения компания Lingxi внедрила модель «Результаты как услуга» (RaaS), которая напрямую связывает её успех с ростом клиентов. В отличие от традиционного SaaS, где оплата взимается заранее, а на результаты можно только надеяться, модель RaaS оценивает ИИ на основе измеримых бизнес-показателей, таких как рост премий и увеличение выручки. Данные показывают, что после внедрения «агента по продажам» клиентами из страховой отрасли объем новых премий за год достиг 2 миллиардов юаней. По мере повышения автономности модели коэффициент замещения задач в вертикальных отраслях вырос с первоначальных 30 % до почти полной независимости во всех процессах.
В настоящее время решение Customer Engagement Agent (ACE) широко внедряется в автомобильной, банковской, образовательной и других отраслях в сотрудничестве с такими партнерами, как Chery и Gaochu. Основной состав команды Lingxi сформирован из сотрудников отдела искусственного интеллекта компании Baidu, обладающих более чем десятилетним практическим опытом в области ИИ.
Отраслевые аналитики отмечают, что истинная ценность ИИ заключается не в размере параметров, а в его способности генерировать дополнительную ценность в реальной экономике. Пример Lingxi показывает, что когда ИИ переходит от статуса «инструмента» к статусу реальной «производительности» и напрямую влияет на бизнес-результаты, проблемы коммерциализации крупных моделей можно преодолеть. По мере бурного роста применения крупных моделей в Китае первыми начинают получать отдачу от инвестиций именно те предприятия, которые ориентированы на результат.
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства











