科技巨頭上萬人的AI戰隊,為何尬不過100多人的OpenAI?勝負關鍵在這裡
科技巨頭上萬人的AI戰隊,為何尬不過100多人的OpenAI?勝負關鍵在這裡

最新數據顯示,亞馬遜、微軟和谷歌都有幾千名甚至上萬名人工智慧專家,但他們仍然趕不上OpenAI的一個小團隊。這主要是因為相對於OpenAI,這些大企業在將人工智慧技術轉化為產品方面更為緩慢和謹慎。

五大科技巨頭,有3.3萬人在拚AI

ChatGPT熱潮引來一連串關於未來人工智慧未來的問題,其中之一仍然在矽谷迴盪:業內那些大科技公司都有世界上最大的人工智慧團隊,卻為什麼無法推出像ChatGPT這種影響力的創新服務?

Glass. ai是來自英國倫敦的一家分析公司,其最新數據顯示,蘋果、谷歌、亞馬遜、微軟、Meta五大科技公司估計有3.3萬人直接從事人工智慧研發工作,其中亞馬遜從事人工智慧領域的員工最多,有10,113人;微軟在人工智慧領域有7133名員工,而谷歌有4970名。 Glass. ai利用機器學習技術遍歷了這些科技公司的網站和招聘平台LinkedIn上幾千名從事人工智慧研究的員工個人資料,從而得到上述數據。這些統計數字可能不包括亞馬遜最近宣布的裁員計劃,但也可能不包括那些實際上也在從事人工智慧工作的軟體工程師。

亞馬遜 Amazon
亞馬遜從事人工智慧領域的員工,有高達萬人。
圖/ shutterstock

這些數字不僅說明世界上那些最大科技公司在人工智慧領域的研究工作是多麼認真,而且也證實這些公司在利用人工智慧技術開發服務方面又是多麼緩慢謹慎。

OpenAI僅僅公開發布ChatGPT幾個月後,這款人工智慧聊天機器人就成為有史以來增長最快的在線服務,結果促使谷歌和微軟競相將生成式人工智慧技術插入到軟體產品之中。與此同時,Adobe公司推出類似於DALL-E 2的人工智慧圖像生成器,Snap公司最近發布了一款類似於ChatGPT的聊天機器人,Facebook母公司Meta也在打造類似的「人工智慧角色」。這些產品中的絕大多數都是因OpenAI人工智慧專家團隊的工作而起。但據Glass.ai稱,OpenAI的團隊只有154人。

OpenAI贏過科技巨頭之處:規模小

人工智慧領域傳言,OpenAI的成功實際上歸結於巧妙行銷。過去兩年,這家公司的確一直在大力宣傳語言模型GPT-3和文本生成圖像系統DALL-E 2等早期項目,但事實上OpenAI的成功還在於最專業的研究人員能夠直接接觸到公眾。

OpenAI不是一家產品公司,而是一家研發實驗室。這意味著,公司在發布ChatGPT時,沒有大批工程師和產品經理參與其中。在不少大型科技公司,這些工程師和產品經理往往會插手產品開發,不經意間製造瓶頸,阻礙新技術的發展。

OpenAI
OpenAI不是一家產品公司,而是一家研發實驗室。
圖/ Cymetrics

亞馬遜在將人工智慧研究轉化為成功產品方面就有這樣的反面例子。儘管擁有業內最大的人工智慧研究團隊,但亞馬遜在將人工智慧研究成果轉化為主流或創新產品的努力成敗參半。

近十年前,亞馬遜將虛擬數字助理Alexa推向全世界,公司通過售價99美元的Echo音箱向用戶免費提供這項服務。但Alexa在某種程度上是個失敗產品,燒掉了亞馬遜幾十億美元的資金。 Alexa的許多客戶只是把它當作音樂播放器或是計時器使用。

為什麼Alexa和蘋果Siri以及谷歌Assistant等語音助理的功能如此有限,而ChatGPT等聊天機器人的功能卻如此多樣?這是因為後者背後的大型語言模型可以根據網路上的龐大數據集自動生成文本。相比之下,Alexa是基於命令數量很有限的指揮控制系統,只能識別出「現在幾點了」等固定命令。

反觀亞馬遜,為何AI之路困難重重?

亞馬遜一位發言人表示,公司不認為亞馬遜能力有限。她補充說,人工智慧已經滲透到亞馬遜日常運營的方方面面,在產品推薦、亞馬遜網路服務和倉庫物流系統等諸多領域都有人工智慧參與其中。

亞馬遜網路服務最近與機器學習領域的熱門公司建立了合作關係,Stability AI就使用亞馬遜網路服務的雲計算設施開發部署自家圖像生成工具Stable Diffusion。今年2月份,亞馬遜還與法國人工智慧新創Huging Face開展合作,在亞馬遜網路服務上開發ChatGPT競品。

此前亞馬遜在開發大規模人工智慧服務方面困難重重,但這些合作夥伴關係可能會為亞馬遜開闢一條新的戰略道路。

上週一,亞馬遜宣布將在未來幾週內再裁員9000人,此前公司已經宣布裁員1.8萬人。但多年來,亞馬遜一直在擴展人工智慧員工隊伍,過去五年時間裡還進行了大規模招聘。 Glass. ai的數據顯示,2018年之後,亞馬遜在人工智慧領域僱用了更多員工,遠遠領先於谷歌、微軟、Meta和蘋果。

亞馬遜最近的裁員可能會集中在已經陷入困境的Alexa業務上。據報導,早在2022年11月份,亞馬遜就有大約1萬名員工開發Alexa,但其中可能包括許多銷售和行銷人員。 OpenAI直接將人工智慧技術推向市場的方法也有缺點,那就是向公眾發布了一個基本上未經測試的強大工具。公司將首批幾百萬用戶視為試驗品,有可能造成自己都預料不到的社會危害。據悉,OpenAI最新語言模型GPT-4在發布之前經歷過六個月的安全測試,但目前尚不清楚這些工具傳播錯誤信息、顛覆傳統生計或被不良行為者濫用的可能性到底有多大。

亞馬遜執行長安迪·賈西(Andy Jassy)現在正在精簡亞馬遜,想讓公司流程和OpenAI一樣高效。他可能需要更仔細考慮如何領導旗下的人工智慧專業團隊,但保持謹慎也不見得是壞事。

本文授權轉載自:網易科技

責任編輯:傅珮晴、錢玉紘

關鍵字: #openai
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓