Το AI ανοικτής πηγής είναι ήσυχα αναμορφώνει τις επιχειρηματικές στοίβες – και ένα νέο Ίδρυμα McKinsey, Mozilla και Patrick J. McGovern Foundation επισκόπηση Από τους 700 ηγέτες της τεχνολογίας δείχνει γιατί το κόστος, ο έλεγχος και η κοινότητα ανατρέπουν τις κλίμακες. Όταν μια παγκόσμια τράπεζα χρειάστηκε πλήρη διαφάνεια για ένα μοντέλο -scoring κινδύνου, παρέλειψε τα κλειστά API και το λεπτό -tuned LLAMA 3 στους δικούς της διακομιστές. Αυτή η ιστορία δεν είναι πλέον η απόκλιση. Είναι το αναδυόμενο μοτίβο.
Η ανοικτή πηγή συναντά το AI Gold Rush
Τα τελευταία δύο χρόνια έχουν προκαλέσει μια αύξηση της ευαισθητοποίησης, του πειραματισμού και της χρηματοδότησης γύρω από γενετικά AI και μεγάλα γλωσσικά μοντέλα. Οι επιχειρήσεις θέλουν τα αποτελέσματα γρήγορα, αλλά χρειάζονται επίσης χώρο για tinker. Τα ανοιχτά αποθετήρια παραδίδουν και τα δύο. Ένα ενιαίο τράβηγμα Git μπορεί να γυρίσει ένα μοντέλο εργασίας μέσα σε λίγα λεπτά, επιτρέποντας στους μηχανικούς να εξερευνήσουν αρχιτεκτονικές, παραμέτρους τσίμπημα και δείκτες αναφοράς χωρίς καθυστερήσεις στις προμήθειες. Αυτή η ταχύτητα Do -It -yourself εξηγεί γιατί τα έργα όπως το LLAMA της Meta, οι οικογένειες της Google Gemma, Deepseek -R και της Alibaba έχουν προσγειωθεί σε αγωγούς παραγωγής παρά την αποποίηση ευθυνών της έρευνας. Τα κενά απόδοσης με ιδιόκτητους τιτάνες όπως το GPT -4 συρρικνώνονται. Η ελευθερία επιθεώρησης και τροποποίησης του κώδικα παραμένει ανεκτίμητη.
Τι αποκαλύπτει η έρευνα
Για να ποσοτικοποιήσει τη μετατόπιση, ο McKinsey συνεργάστηκε με το Ίδρυμα Mozilla και το Ίδρυμα Patrick J. McGovern, διεξάγοντας 41 χώρες και περισσότερους από 700 ανώτερους προγραμματιστές, CIO και CTOs. Η μελέτη, με τίτλο “Ανοιχτή πηγή στην εποχή του AI”είναι το μεγαλύτερο στιγμιότυπο για τον τρόπο με τον οποίο οι επιχειρήσεις συνδυάζουν ανοιχτές και κλειστές λύσεις καθώς μετακινούνται από πιλοτικά έργα για να καταγράψουν αξία σε κλίμακα. Οι ερωτηθέντες καλύπτουν τις βιομηχανίες από τη χρηματοδότηση στην υγειονομική περίθαλψη, την κατασκευή στον δημόσιο τομέα, δίνοντας τα δεδομένα ευρεία σημασία. Ενώ η πλήρης αναφορά φτάνει τον Μάρτιο, οι αριθμοί προεπισκόπησης αυξάνουν ήδη μερικές υποθέσεις σχετικά με το τι μοιάζει με το “Enterprise -Grade” AI το 2025.
Σε πολλαπλά στρώματα της στοίβας τεχνολογίας AI, περισσότεροι από τους μισούς οργανισμούς που διερευνώνται χρησιμοποιούν τουλάχιστον ένα στοιχείο ανοικτής πηγής – συχνά δίπλα σε ένα εμπορικό κλειδί API.
- Μηχανική δεδομένων & χαρακτηριστικών: Το 58 % βασίζεται σε ανοικτές βιβλιοθήκες για κατάποση, επισήμανση ή διανυσματοποίηση.
- Στρώμα μοντέλου: Το 63 % εκτελεί ένα ανοιχτό μοντέλο όπως το Llama 2, το Gemma ή το Mistral στην παραγωγή. Η φιγούρα πηδά στο 72 % των εταιρειών τεχνολογίας.
- Ενορχήστρωση και εργαλεία: Το 55 % χρησιμοποιεί ανοικτά πλαίσια όπως το Langchain, το Ray ή το KServe για δρομολόγηση και κλιμάκωση.
- Στρώμα εφαρμογής: 51 % ενσωματώνει ανοιχτά εξαρτήματα σε chatbots, copilots ή αναλυτικούς πίνακες ελέγχου.
Αυτά τα ποσοστά ανεβαίνουν ακόμη υψηλότερα μέσα σε οργανισμούς που βαθμολογούν το AI ως “κρίσιμο για το ανταγωνιστικό πλεονέκτημα”. Σε αυτή την ομάδα, οι ηγέτες είναι 40 % πιο πιθανό από τους συνομηλίκους να ενσωματώσουν ανοιχτά μοντέλα και βιβλιοθήκες, υπογραμμίζοντας ένα απλό γεγονός: όταν το AI είναι στρατηγικό, έλεγχο και ευελιξία.
- Χαμηλότερο συνολικό κόστος ιδιοκτησίας. Εξήντα τοις εκατό των υπευθύνων λήψης αποφάσεων λένε ότι το κόστος εφαρμογής είναι χαμηλότερο με ανοιχτά εργαλεία από ό, τι με συγκρίσιμες ιδιόκτητες υπηρεσίες. Η εκτέλεση ενός λεπτού μοντέλου παραμέτρων 7 δισεκατομμυρίων σε GPU μπορεί να υποβαθμίσει την τιμολόγηση API με τάξεις μεγέθους όταν η χρήση είναι σταθερή.
- Βαθύτερη διαφάνεια και προσαρμογή. Οι ομάδες που εργάζονται σε ρυθμιζόμενους φόρτους εργασίας – σκέφτονται τη διάγνωση της υγειονομικής περίθαλψης ή τους αλγόριθμους συναλλαγών – εκτιμούν την ικανότητα να ελέγχουν βάρη, να εντοπίζουν τη γενεαλογία δεδομένων και να περάσουν τα τρωτά σημεία χωρίς να περιμένουν έναν κύκλο απελευθέρωσης προμηθευτή. Τα ανοιχτά βάρη το καθιστούν εφικτό.
- Μαγνητισμός ταλέντων. Το ογδόντα ένα τοις εκατό των προγραμματιστών και των τεχνολόγων αναφέρουν ότι η ευχέρεια ανοικτής πηγής είναι πολύ εκτιμημένη στον τομέα τους. Οι μηχανικοί θέλουν να συνεισφέρουν ανάντη, να προβάλλουν χαρτοφυλάκια GitHub και να αποφεύγουν τα αδιέξοδο του μαύρου κουτιού. Οι επιχειρήσεις που φουσκώνουν ότι η πισίνα ταλέντων στηρίζεται σε επιτρεπόμενες άδειες και όχι σε περιφραγμένους κήπους.
Τα ανοιχτά εργαλεία δεν είναι πανάκεια. Όταν ρωτήθηκαν για τα εμπόδια υιοθεσίας, το 56 % των ερωτηθέντων αναφέρει τις ανησυχίες για την ασφάλεια και τη συμμόρφωση, ενώ το 45 % ανησυχούν για τη μακροπρόθεσμη υποστήριξη. Οι ιδιόκτητοι πωλητές βαθμολογούν υψηλότερα στο “Time to Value” και “Ease of aseance” επειδή δεσμεύουν τη φιλοξενία, την παρακολούθηση και τα προστατευτικά μηνύματα. Και όταν τα στελέχη προτιμούν κλειστά συστήματα, το κάνουν για έναν κυρίαρχο λόγο: το 72 % λέει ότι οι ιδιόκτητες λύσεις προσφέρουν αυστηρότερο έλεγχο του κινδύνου και της διακυβέρνησης. Με άλλα λόγια, οι επιχειρήσεις ζυγίζουν το άνοιγμα ενάντια στην επιχειρησιακή βεβαιότητα σε σχέση με τη βάση.
Αυτό το σημείο αναφοράς ρωτά αν το AI μπορεί να σκεφτεί σαν μηχανικός
Το Multimodel είναι το νέο φυσιολογικό
Τα δεδομένα του McKinsey αντανακλούν μια τάση που παρατηρείται στο cloud computing πριν από μια δεκαετία: οι υβριδικές αρχιτεκτονικές κερδίζουν. Λίγες εταιρείες θα πάνε όλα σε ανοιχτά ή ιδιόκτητα. Οι περισσότεροι θα αναμειγνύονται και θα ταιριάζουν. Ένα κλειστό μοντέλο θεμελίωσης μπορεί να τροφοδοτήσει ένα chatbot που αντιμετωπίζει τον πελάτη, ενώ μια ανοιχτή Llama -Variant χειρίζεται την εσωτερική αναζήτηση εγγράφων. Η επιλογή συχνά εξαρτάται από την καθυστέρηση, την ιδιωτική ζωή ή την εξειδίκευση του τομέα. Αναμείνετε τα μενού “Φέρτε το δικό σας μοντέλο” για να γίνετε τόσο στάνταρ όσο τα dashboards multi -cloud.
Playbook για CTOs
Με βάση τις ιδέες της έρευνας και τις συνεντεύξεις εμπειρογνωμόνων, ο McKinsey περιγράφει έναν ρεαλιστικό πίνακα απόφασης για τους ηγέτες της τεχνολογίας:
- Επιλέξτε ανοιχτό όταν Χρειάζεστε διαφάνεια πλήρους βάρους, επιθετική βελτιστοποίηση κόστους ή βαθιά πεδίο.
- Επιλέξτε ιδιόκτητο όταν Η ταχύτητα στην αγορά, η διαχειριζόμενη ασφάλεια ή η παγκόσμια κάλυψη γλωσσών υπερβαίνουν τις ανάγκες προσαρμογής.
- Συνδυάστε και τα δύο όταν Οι φόρτοι εργασίας ποικίλλουν: Διατηρήστε τις εμπειρίες δημόσιας όψης σε ένα διαχειριζόμενο API, εκτελήστε ευαίσθητο ή μεγάλο όγκο συμπερασμάτων σε ανοικτά μοντέλα που έχουν υποστεί αυτοεξυπηρέτηση.
- Επενδύστε σε ταλέντο και εργαλεία: Η ανοικτή επιτυχία εξαρτάται από τους αγωγούς MLOPS, τις σαρώσεις ασφαλείας μοντέλων και τους μηχανικούς που έχουν άπταιστα στο εξελισσόμενο οικοσύστημα.
Ένας συνέντευξη CIO το συνόψισε: “Αντιμετωπίζουμε μοντέλα όπως το Microservices. Μερικοί που χτίζουμε, μερικοί που αγοράζουμε, όλοι πρέπει να διανοήσουν”.
Γιατί έχει σημασία τώρα
Οι επιχειρήσεις αντιμετωπίζουν ένα στρατηγικό σταυροδρόμι. Στοιχηματίζοντας αποκλειστικά σε ιδιόκτητες πλατφόρμες κινδύνους από τον προμηθευτή κλειδώματος και την αδιαφανή συμπεριφορά μοντέλου. Πηγαίνοντας πλήρως ανοικτές απαιτήσεις εμπειρογνωμοσύνης στο σπίτι και αυστηρή στάση ασφαλείας. Τα στοιχεία της έρευνας υποδεικνύουν ότι το νικηφόρο παιχνίδι είναι η επιλογή: δημιουργήστε μια στοίβα που επιτρέπει στις ομάδες να ανταλλάσσουν μοντέλα τόσο γρήγορα όσο εξελίσσεται η αγορά. Η ανοιχτή πηγή δεν είναι πλέον η επιλογή ανταρτών. Γίνεται πολίτης πρώτης κατηγορίας στην επιχείρηση AI. Αγνοήστε το και μπορείτε να βρείτε τον ανταγωνισμό σας να επαναλαμβάνει ταχύτερα, να προσλαμβάνετε καλύτερα ταλέντα και να πληρώνετε λιγότερα για συμπεράσματα. Αγκαλιάστε το προσεκτικά, και κερδίζετε μόχλευση, διορατικότητα και μια κοινότητα που δεν σταματάει ποτέ τις βελτιώσεις της αποστολής.
Σύμφωνα με το “Open Source in the Age του AI” Το 76 % των ηγετών σχεδιάζει να επεκτείνει την ανοικτή χρήση της AI χρήσης τα επόμενα χρόνια. Η ηλικία του πολυμορφικού ρεαλισμού έχει φτάσει – ο Κώδικας είναι ανοιχτός, ο όρος παιχνιδιού είναι ευρύ και οι πιο έξυπνες οργανώσεις θα μάθουν να ευδοκιμούν και στους δύο κόσμους.
VIA: DataConomy.com
