بعد انتشار Jev، ما هي الأسهم الأمريكية المرتبطة به؟
Blockbeatsفي الأيام الأخيرة، ظهر اسم جديد بشكل متكرر على الخط الزمني لمطوري الذكاء الاصطناعي: Jev.
البعض يستخدمه لتصنيف الأوراق البحثية، والبعض الآخر لاختيار الأدوات التي يجب على Agent استدعاؤها، وآخرون قاموا بدمجه في محاكي الطائرات بدون طيار ليتيح للطائرة اختيار الحركة لتجنب العقبات. كما قامت منصات مثل OpenRouter وCloudflare بدمج هذا النموذج الجديد، وتتوالى العروض التطبيقية حول Jev.
إذا كان JEV يجعل اتخاذ القرارات بالذكاء الاصطناعي أسرع وأرخص، فما هي الشركات الأمريكية التي قد تستفيد من ذلك؟
قبل فهم منطق الاستثمار، يجب أولاً توضيح ما هو Jev بالضبط.
حل أسئلة الاختيار
Jev هو نموذج قرارات أطلقته TypeSafe AI في 15 سبتمبر. تصنفه الشركة ضمن فئة تسمى System One، أي "النظام الأول"، مستعيرة مفهوم الحكم السريع من كتاب "التفكير، السريع والبطيء" الرائد في الاقتصاد السلوكي. يمكنه فهم الأوصاف النصية، ويُخرج بشكل أساسي خيارات وتقييمات واحتمالات لتتم معالجتها بواسطة البرمجيات.
على سبيل المثال، يتلقى متجر إلكتروني رسالة: "اشتريت كوبًا بالأمس، ويبدو أنه تم خصم المبلغ مرتين، هل يمكنك التحقق؟"
هناك عدة أسئلة صغيرة يجب على النظام حلها: هل هذه المسألة تخص خدمة ما بعد البيع أم الشؤون المالية؟ هل يستفسر المستخدم عن الفاتورة أم يطلب استرداد الأموال؟ هل تُظهر السجلات الحالية خصمًا مكررًا؟
يمكن للمطور تحديد الخيارات مسبقًا ليجيب Jev عليها بشكل منفصل. بعد ذلك، يتحقق البرنامج من الطلب وسجلات الدفع ويدخل في مسار المعالجة المناسب؛ وعند الحاجة إلى شرح للعميل، يتم تحويله إلى نموذج يجيد التعبير.
هذا هو الاستخدام الأساسي لـ Jev: أعطه الموقف، وحدد الأسئلة، ودعه يختار.
النموذج اللغوي الكبير العام يمكنه أيضًا إنجاز هذه المهام. تكمن جاذبية Jev في تحسينه المتخصص للتصنيف والتقييم والاختيار، مما يقلل الوقت والتكلفة اللازمين لحكم صغير. إنه يسلم النتيجة مباشرة إلى البرنامج، متجاوزًا عملية توليد شرح.
وبالتوسع، إذا كنت تتلقى آلاف الرسائل الصناعية يوميًا، فإن ما يستحق القراءة المتعمقة حقًا هو بضع عشرات فقط. يمكنك أولاً جعل Jev يحكم على ما إذا كانت كل رسالة تتعلق بشركة تهمك وما إذا كانت تحتوي على معلومات جديدة، ثم جعل النموذج العام يلخص المحتوى المصفى. بهذه الطريقة، يعالج النموذج العام فقط الأجزاء التي تستحق القراءة المتعمقة، بينما تُترك الأحكام البسيطة الكثيرة لـ Jev الأقل تكلفة.
وقد امتدت محاولات مماثلة إلى سيناريوهات تشغيل المتصفح والبحث والألعاب. وقد نظم تقرير Beating الخاص بـ Jev هذه المشاريع حسب الاستخدام، موضحًا الأحكام التي يتولاها Jev فيها، مع إرفاق الشيفرة المصدرية وبعض روابط العروض. وبمقارنة الحالات المحددة، يسهل فهم أين يمكن استخدام هذه القدرة على "حل أسئلة الاختيار".
خفض التكلفة إلى الحد الأدنى
وفقًا للأسعار التي أعلنتها TypeSafe، يتقاضى Jev 0.042 دولار لكل مليون توكن إدخال، والإخراج مجاني.
تكمن أهمية خفض التكلفة في أن بعض الأعمال التي كانت تُفحص بالعينات فقط أصبحت قادرة على الفحص الشامل. يمكن تصنيف سجلات خدمة العملاء واحدًا تلو الآخر، ويمكن الحكم على مدى صلة البيانات المسترجعة واحدًا تلو الآخر، ويمكن للوكيل الذكي إجراء فحص إضافي قبل كل استدعاء أداة.
على سبيل المثال، برنامج تحليل أخبار كان يختار يوميًا المقالات الأكثر رواجًا فقط لإرسالها إلى الذكاء الاصطناعي، أصبح الآن قادرًا على فحص جميع المقالات أولاً ثم تصنيفها حسب الشركة والمنتج والطلبات والتغييرات الإدارية. المعلومات التي ليست رائجة جدًا ولكنها مرتبطة مباشرة بشركة مهمة قد تُكتشف أيضًا.
اسم Jev مأخوذ من الاقتصادي جيفونز، وأشهر إنجازاته هو طرح "مفارقة جيفونس". يأمل المطورون أنه بعد أن يصبح الحكم رخيصًا، ستستخدمه البرمجيات بشكل أكثر تكرارًا. الأماكن التي لم تكن تستحق استدعاء نموذج كبير منفصل في الماضي يمكن إعادة حساب تكلفتها الآن.
Jev والأجهزة الفيزيائية
قام المطور Roman Slack بإنشاء مشروع طائرة بدون طيار: في محاكي الفيزياء MuJoCo، تتبع طائرة رباعية المراوح هدفًا أمامها، عابرة أعمدة وعوارض وعقبات متحركة على طول الطريق.
يقوم البرنامج أولاً بتحويل بيانات العمق والتقسيم التي تحصل عليها الكاميرا إلى بيانات، ويخبر Jev ما إذا كان الطريق أمامه مسدودًا، وأي جانب أيمن أو أيسر توجد به فجوة، ومدى ارتفاع العقبة. ثم يختار Jev من بين حركات مثل الحفاظ على المسار، الالتفاف يسارًا، الالتفاف يمينًا، الصعود، أو الفرملة.
على سبيل المثال، عارضة تسد الممر بالكامل، ولا يمكن الالتفاف من اليسار أو اليمين، لكن توجد مساحة في الأعلى. يمكن لـ Jev اختيار الصعود، ثم يحول برنامج التحكم هذا الاختيار إلى أوامر حركة للطائرة بدون طيار.
أثناء الطيران، تؤدي الوحدات المختلفة أدوارها. Jev يحكم إلى أين يتجه، وبرنامج التحكم مسؤول عن الحفاظ على التوازن وضبط دفع المحركات وتجنب العقبات الطارئ. الكاميرا توفر معلومات البيئة، ونموذج القرار يختار الحركة، ووحدة التحكم تنفذ الحركة.
يمكن فهم نفس التقسيم من خلال ذراع ميكانيكية تلتقط كوبًا. الكاميرا تحدد موقع الكوب، والمستشعرات تقيس المسافة والقوة، ووحدة التحكم تضبط حركة الأصابع، ونموذج القرار يشارك في الحكم على أي كوب يلتقط أولاً وماذا يفعل عند مواجهة عقبة.
إذا أصبحت هذه الأحكام رخيصة وسهلة الدمج، فقد تنخفض تكلفة تطوير معدات التشغيل الآلي. المعدات التي كانت غير مجدية اقتصاديًا بسبب ارتفاع تكلفة تطوير البرمجيات وصغر سيناريوهات الاستخدام ستحظى بمساحة تجارية جديدة.
وهذا يربط Jev ببعض الشركات. دخول المزيد من المعدات إلى المصانع والمستودعات والمنازل يعني زيادة الطلب على الاستشعار والتغذية الكهربائية والحوسبة والتحكم في الحركة.
ما هي الأصول التي قد تستفيد
بالنظر إلى هذا المنطق، فإن ما يستحق الاهتمام هو المكونات التي تحتاجها المعدات من استشعار البيئة إلى تنفيذ الحركة. بغض النظر عن النموذج الذي تختاره البرمجيات، يحتاج الروبوت إلى معرفة موقعه وما حوله، وتحويل الطاقة الكهربائية إلى حركة دقيقة.
Texas Instruments (TXN)، تغطية الاستشعار والتنفيذ
الرقائق التناظرية مسؤولة عن معالجة الإشارات المتغيرة باستمرار مثل الجهد والتيار، كما تتولى مهام التغذية الكهربائية والقيادة. تغطي منتجات TXN للروبوتات جمع الإشارات والتحكم في المحركات وإمدادات الطاقة والمعالجة المدمجة.
بعد أن يقرر الروبوت رفع يده، فإن كيفية إيصال التيار إلى المحرك وكيفية التحكم في القوة تتطلب هذه المكونات. إذا جلبت الأتمتة الأرخص المزيد من الروبوتات والأذرع الميكانيكية والأجهزة الذكية، فستتاح لـ TXN فرصة بيع المزيد من الرقائق المرافقة لهذه المعدات.
Analog Devices (ADI)، للاستشعار والحركة الأكثر دقة.
تشمل حلول ADI للروبوتات الاستشعار بالقصور الذاتي واتصال الكاميرات والاتصالات الصناعية وواجهات التحكم في الحركة. على سبيل المثال، عندما يدخل روبوت مستودع ممرًا ضعيف الإضاءة، يحتاج إلى دمج معلومات القصور الذاتي للحكم على حركته؛ وعندما تعمل عدة كاميرات ومستشعرات في وقت واحد، يجب مزامنة البيانات وإرسالها إلى المعالج.
كلما زادت تعقيد المهام التي تؤديها المعدات، زادت متطلبات دقة الاستشعار واستقرار الاتصال والتحكم في الحركة. منطق استفادة ADI هو توفير هذه المكونات في المزيد من الأجهزة المستقلة.
STMicroelectronics (STM)، للذكاء الاصطناعي على الأجهزة منخفضة الطاقة.
ما يسمى بالذكاء الاصطناعي الطرفي هو جعل الجهاز يعالج جزءًا من البيانات محليًا. وحدة التحكم الدقيقة STM32N6 من STM تدمج بالفعل مسرعًا لحسابات الشبكات العصبية، موجهة للتطبيقات الحساسة للتكلفة والطاقة مثل الرؤية والصوت.
على سبيل المثال، يمكن لجهاز تصوير صغير التعرف على الأشياء محليًا، ويمكن لمعدة صناعية الحكم على ما إذا كان التشغيل غير طبيعي بناءً على الصوت. النقاش حول Jev يوجه انتباه المستثمرين إلى هذا النوع من الاستخدامات: الكثير من المهام الذكية البسيطة والمتكررة يمكن أن تدخل أجهزة أرخص وأصغر حجمًا. توفر STM بالضبط قدرة المعالجة التي تحتاجها هذه الأجهزة.
ON Semiconductor (ON)، للرؤية ومكونات الطاقة.
تشمل منتجات ON للروبوتات مستشعرات الصور ومستشعرات العمق وترانزستورات الطاقة ورقائق تشغيل المحركات. النوعان الأولان مسؤولان عن جمع بيانات الصور والمسافات، والنوعان الأخيران يتعاونان للتحكم في التيار اللازم للمحركات.
على سبيل المثال، في روبوت نقل المستودعات، يلتقط مستشعر الصور في الكاميرا صورة الرفوف الأمامية، ويقيس مستشعر العمق المسافة إلى العقبات، وتتعاون رقاقة تشغيل المحرك مع ترانزستور الطاقة للتحكم في التيار لتدوير العجلات. مع دخول المزيد من الروبوتات وأجهزة التصوير الذكية إلى الخدمة، ستزداد فرص الطلب على هذه المستشعرات والرقائق.
بالإضافة إلى هذه الشركات الأربع، هناك ثلاث شركات أخرى يمكن وضعها في قائمة المراقبة.
NXP Semiconductors (NXPI)
الأعمال ذات الصلة: معالجات i.MX، وحدات التحكم الدقيقة، منتجات الاتصال والتحكم
منطق الاستفادة: توفير قدرات الحوسبة والاتصال والتحكم لمزيد من الروبوتات والمعدات الصناعية
Qualcomm (QCOM)
الأعمال ذات الصلة: منصة Dragonwing للروبوتات والطائرات بدون طيار والذكاء الاصطناعي على الأجهزة
منطق الاستفادة: تلبية الطلب على معالجة الرؤية والحوسبة والاتصال محليًا على الأجهزة
Cloudflare (NET)
الأعمال ذات الصلة: توفير الوصول إلى نموذج Jev التابع لجهة خارجية واستدعائه
منطق الاستفادة: عندما يستخدم المطورون Jev لتوجيه خدمة العملاء وتصفية البيانات وجدولة الوكلاء، فإنهم يحتاجون أيضًا إلى نشر التطبيقات وربط البيانات وإدارة الاستدعاءات. فرصة Cloudflare هي إبقاء هذه التطبيقات تعمل على منصتها.
لا يزال في مرحلة مبكرة
لا تزال هناك مشكلات يجب حلها في Jev حاليًا، بما في ذلك دقة الحكم وتصميم الأسئلة وما إذا كانت الخدمة قادرة على دعم الأعمال طويلة الأجل.
أولاً، الدعاية حول "صفر هلوسة" لـ Jev قد تسبب سوء فهم. تقييده بالاختيار فقط من A وB وC يمكن أن يمنعه من إرجاع D الذي لا يتعرف عليه البرنامج، لكنه قد يظل يخطئ في الاختيار. بالعودة إلى مثال خدمة العملاء، قدرة البرنامج على قراءة "تحويل إلى الشؤون المالية" بسلاسة لا تعني أن هذه التذكرة يجب أن تعالجها الشؤون المالية فعلاً.
قام أحد المطورين باختبار Jev على ثماني فئات من المهام وأكمل 16,000 حكم، وأقر بمزايا سرعة وتكلفة Jev، لكنه وجد أن المشكلات والخيارات تحتاج إلى مزيد من التعديل لتغطية الحالات الفعلية. كما يأمل في الانتظار حتى يتراكم لدى المورد خبرة تشغيلية أكبر وتظهر بدائل في السوق قبل دمجه في أعمال الإنتاج.
لا يزال من غير المعروف مقدار العمل الذي يمكن أن يتحمله Jev، لكن اتجاهًا ظهر بالفعل: إسناد الكثير من الأحكام المتكررة إلى JEV، وترك المهام المعقدة للنماذج العامة.
عندما تنخفض تكلفة تطوير واستخدام الأتمتة، هل ستشهد الرقائق التناظرية والذكاء الاصطناعي الطرفي والأجهزة المستقلة لحظة ChatGPT الخاصة بها؟
هذا المحتوى لأغراض معلوماتية وتعليمية فقط، ولا يمثل نصيحة استثمارية تتعلق بـ BTCC. تبذل BTCC قصارى جهدها ولكنها لا تضمن صحة أو دقة أو أصالة المحتوى المذكور أعلاه.