Mentionsy

Witam serdecznie w Data Zen AI Podcast.

Bo wiesz, ta odpowiedź rzutuje potem na koszty, na bezpieczeństwo, elastyczność, w zasadzie na cały projekt AI.

Tak dla tych, którzy może dopiero zaczynają swoją przygodę z AI.

Myślę, że każdy słyszał o modelach z serii GPT od OpenAI, prawda?

Korzystamy z usług gigantów jak OpenAI, Google Cloud AI, Microsoft Azure, Amazon Bedrock.

Serce systemu AI.

Ludzi, którzy potrafią nie tylko zainstalować i skonfigurować te skomplikowane systemy, ale też je potem monitorować, zarządzać nimi, aktualizować, dbać o bezpieczeństwo i, co bardzo ważne, skalować w środowisku produkcyjnym.

Te, które chcą szybko wprowadzić funkcję AI bez dużych inwestycji początkowych.

To też dobra opcja dla zespołów, które nie mają jeszcze rozbudowanej ekspertyzy w AI czy MLOps.

Po stronie chmury mamy te znane API od OpenAI, Anthropic, Google.

Z kolei narzędzia jak OpenLLM pozwalają na wystawienie lokalnie uruchomionego modelu jako punkt końcowy API, często kompatybilny ze standardem OpenAI.

Czyli można udawać API OpenAI lokalnie.

To jest prawdziwe centrum wszechświata Open Source AI.

Badania rynkowe pokazują, że większość firm, zdrażających generatywną AI na poważnie, korzysta właśnie z jakiejś formy podejścia hybrydowego.

Pojawiają się też nowe architektury sprzętowe, nowe koncepcje, jak na przykład Edge AI, czyli uruchamianie modeli jeszcze bliżej użytkownika końcowego.

Dziękujemy, że spędziliście z nami czas w Data Zen AI Podcast.

Mamy nadzieję, że ta rozmowa rzuciła trochę światła na dylemat lokalnie czy w chmurze i pomoże podjąć najlepszą decyzję dla Waszych projektów AI.

Jeśli macie sugestie tematów na kolejne odcinki, piszcie śmiało na adres e-mail podany w opisie odcinka.