Thomson Reuters інвестує $40 млн у власну AI-модель замість оренди у OpenAI або Anthropic
Thomson Reuters оголошує про запуск власної AI-моделі «Thomson» на основі Qwen від Alibaba, інвестуючи $40 млн протягом двох років. Це дозволить компанії краще контролювати якість та конфіденційність AI-сервісів, особливо при роботі з власними даними, та зменшити залежність від зовнішніх постачальників.
🏗️ платформа Стратегічний крок. Для великих юридичних та фінансових компаній, які потребують повного контролю над даними та konfіденційності, власний модель виправданий при доступності бюджету на розробку.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Модель названа «Thomson» і базується на відкритій Qwen від Alibaba.
- •Інвестиція становить $40 млн протягом двох років, що включає розробку та інтеграцію.
- •Найкращі результати показує лише при поєднанні з власною юридичною базою даних Thomson Reuters (Westlaw).
- •Модель призначена для внутрішнього використання і не планується до зовнішнього ліцензування.
- •CTO Joel Hron підкреслює, що володіння AI важливіше за її абстрактний інтелект.
Як це змінить ваш ринок?
Для юридичних фірм та фінансових інститутів головним блокуєм є ризик передачі конфіденційних клієнтських даних зовнішнім AI-провайдерам. Власний модель дозволяє зберігати всю обробку всередині корпоративного периметра, зберігаючи сувору конфіденційність. Таким чином, компанії отримують можливість використовувати генеративний AI без порушення вимог захисту даних та регуляторних стандартів.
Визначення: Власний AI-модель — це велика мова-модель, розроблена та що працює виключно на інфраструктурі конкретної організації, без передачі даних або запитів до сторонніх сервісів.
Для кого це і за яких умов
Для компаній з ročним бюджетом на AI-розробку від $30 млн, які оперують у регульованих галузях (право, фінанси, охорона здоров’я) та мають доступ до великих власної структурованих даних. Потребує команди з 5-7 ML-інженерів та дата-саєнтистів, доступ до GPU-кластера (мінімум 4× NVIDIA A100 40GB) та 6-12 місяців на повний цикл розробки, тестування та впровадження. Для менших організацій такий підхід економічно нецільовий через вищі витрати на підтримку.
Альтернативи
| Продукт 1 | Продукт 2 | Продукт 3 | |
|---|---|---|---|
| Ціна | $0.03 за 1K токенів (GPT-4 API) | $0.008 за 1K токенів (Claude 2 API) | Безкоштовно (Llama 2 7B) + |
| Де працює | Хмарний API OpenAI | Хмарний API Anthropic | Власний сервер або хмарна інфраструктура (AWS, Azure, GCP) |
| Мін. вимоги | Інтернет-з’єднання, обліковий запис | Інтернет-з’єднання, обліковий запис | GPU 24GB+ для інференсу, навички адміністрування |
| Ключова різниця | Найвища загальна якість, швидкий старт | Сильна безпека даних, гнучкі ліцензії | Повний контроль над даними та моделею, без постоплат за токени |
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
The Decoder — оригіналНавчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live