据点：微软勿需一箭多雕的战略要地占有据点能回复小队举动资源，微软勿需直接出动军队能省去赶路耗费，还能防止敌方从据点刷援兵给小队带来精力耗费和逝世危险。

丨从头预练习、缝隙继续练习企业直接用自己的私有数据结合底座模型来从头练习自己的笔直模型，缝隙这在现在看明显最不实践，因而在一般企业用户里边运用的事例无疑最少，除了算力和本钱要素外，还有以下原因：从头练习的私有数据和通用数据集的量与质量的配比很难把握，这是底座大模型厂商的最中心隐秘和护城河。OpenAI与它的同行们误以为自己发明了相似苹果这样的的渠道即OS，用户但事实上仅仅发明了相似思科的Infra。

因而具有数据的场景方和具有练习算法的底座方在实践中发生了分裂，慌张大模型技能栈的上下两层不只没有相互促进而发生飞轮效应，反而互为约束。丨Agent大范畴上可归类于后练习的高档手法，微软勿需其间包含Langchain等编列一起结合反思、微软勿需规划、回忆、东西运用、协平等发生LLM屡次调用的办法，以及包含进阶RAG里边运用的许多手法。其时干流GPT架构之下日益攀高的算力本钱压力和单一供货商依托构成的焦虑，缝隙将协助新式GPU公司打破英伟达的CUDA设定的禁区，缝隙然后在某些范畴推翻英伟达的独占。

但这些收入都是在极度昂扬的算力、用户研制和运营本钱根底上完结的，并且细看最近OpenAI的开展，也很难称得上顺畅。无疑这些笔直范畴的许多企业现已具有许多前史堆集的私有数据，慌张即企业自有数据或专业的职业数据。

01、微软勿需AI出资逻辑困局现在AI范畴出资人以及创业者(特别在国内)首要分红下面两个门户:运用场景派持这个观念的出资人，微软勿需其出资标的是依托对底座模型的调用完结笔直职业大模型商业化的公司，创始人通常是场景侧或产品布景，关于底座模型的深化了解并非必要。

虽然业界有观念以为企业用私有数据从头练习相对RAG和微调优势并不大，缝隙但应该无人彻底否定这个优势。用户仁济医院信息中心主任郑涛表明:在实际运用中已感受到大规模分布式存储计划在应对高数据量和高并发方面的优势,特别是针对医学印象数据的特色进行优化后的功用体现较为杰出。

放眼未来,仁济医院正在推动信息化评级等高质量开展规划,也对信息体系数据互联互通提出了更高的要求,一同医院具有国家临床要点专科多,科研项目逐年递加,临床事务科室也会不定期、慌张继续提出不同的数据资源需求,而信息科需求不断收购、慌张布置、办理不同存储,疲于应对当时和未来的各种需求。添加快、微软勿需价值高,医疗数据需求更才智的存储仁济医院在2004年就开端投进科室级PACS,当年首要运用的是国外磁带库;2007年从放射科PACS扩展晋级至全院PACS,此刻存储也晋级成了会集式SAN存储。

缝隙医院数据量越来越大,累计会集的印象数据总量已到达PB级,并且每年数据增量超百TB,未来添加态势显着。用户跟着国内印象设备和印象体系软件的立异开展运用,特别是在多芯资源可选的建造趋势下,医院存储的打造多芯资源也将成为必不可少的一环。