AI-Großmodellbranche diskutieren: Überraschungen und langfristige Überlegungen | WISE2024 König des Geschäfts

Die Umwelt verändert sich ständig, und die Zeiten unterliegen kontinuierlichem Wandel. Die "Könige des Geschäfts" folgen den Strömungen der Zeit, beharren auf Kreativität und suchen nach neuen Impulsen. Im Kontext des tiefgreifenden Wandels der chinesischen Wirtschaft veranstaltet die WISE2024 King of Business Konferenz ein Treffen, um die wirklich widerstandsfähigen "Könige des Geschäfts" zu entdecken und das "Richtige zu tun" in der chinesischen Geschäftswelt aufzuspüren.

Am 28. und 29. November findet die zweitägige 36Kr WISE2024 King of Business Konferenz in Peking statt. Als All-Star-Event im chinesischen Geschäftsbereich ist die WISE-Konferenz nun zum zwölften Mal in einem sich ständig verändernden Zeitalter ein Zeuge für die Widerstandsfähigkeit und das Potenzial des chinesischen Geschäftswesens.

2024 ist ein Jahr, das eher unscharf und von Veränderungen als von Stabilität geprägt ist. Im Vergleich zu den letzten zehn Jahren verlangsamt sich der Schritt der Menschen, und die Entwicklung wird vernünftiger. 2024 ist auch ein Jahr der Suche nach neuen wirtschaftlichen Antriebskräften. Die Veränderungen in der Industrie stellen höhere Anforderungen an die Anpassungsfähigkeit jedes einzelnen Akteurs. Die WISE-Konferenz steht dieses Jahr unter dem Motto "Hard But Right Thing". Was bedeutet das "Richtige" im Jahr 2024? Dies ist ein Thema, das wir gerne diskutieren möchten.

Roboter, künstliche Intelligenz und Datentechnologien fördern durch Empowerment und Optimierung Effizienzsprünge und Kreativität: Technologie-Empowerment treibt das umfassende Upgrade von intelligenten Gemeinschaften bis zum Geschäftsbetrieb voran; intelligente Produkte schaffen bequemere und persönlichere Dienstleistungen für die Gesellschaft; gleichzeitig wird KI zum Innovationsbeschleuniger, der neue Grenzen menschlicher Kreativität auslöst.

Am 28. November in der UP-Runde diskutierten fünf Gäste von Elephant Robotics, Trend Science and Technology, Shui On Xintiandi, CAS Intelligence und NetEase Youdao aus der Perspektive der KI-Industrie über den industriellen Wert von KI-Großmodellen.

Von der intelligenten Gemeinschaft bis zur Umgestaltung von Geschäftsmodellen: Technologie nähert sich nicht nur dem täglichen Leben der Menschen, schafft Wärme und wertvolle Verbindungen, sondern deckt auch die Geschichten hinter den Informationen auf und fördert den kontinuierlichen Fortschritt der Gesellschaft. Die Zukunft der Technologie liegt darin, menschliche Kreativität zu ermöglichen und zu verstärken, anstatt sie zu ersetzen.

Quelle: 36Kr

Folgendes ist eine bearbeitete Mitschrift des Gesprächs, bearbeitet von 36Kr:

Der Aufstieg chinesischer Chips ist nicht nur ein starker Beweis für die technologische Unabhängigkeit und Stärke unseres Landes, sondern bietet auch für viele Spitzentechnologien eine solide Hardware-Unterstützung.

Wenn es um Spitzentechnologien geht, muss man die in den letzten Jahren viel beachtete Großmodell-Technologie erwähnen. In den letzten Jahren ist die künstliche Intelligenztechnologie, repräsentiert durch Großmodelle, zum Kernantrieb für die nächste Generation von Industriewandel geworden. Die Kombination mit den tatsächlichen Anwendungsszenarien in Produktion und Leben, um verschiedenen Industrien Mehrwert und Effizienz zu verleihen, ist die unvermeidliche Entwicklungsrichtung von KI-Großmodellen.

In diesem von KI-Großmodellen angeführten Industriewandel, welche aufregenden Überraschungen haben wir geerntet? Und wie können wir vorbereitet sein, um möglichen Herausforderungen und Risiken angemessen zu begegnen? Als nächstes gehen wir in die "UP"-Session über und überlassen den Bühnenplatz Frau Deng Yongyi, einer erfahrenen Autorin von 36Kr, und bitten Herrn Chen Haotian, CMO von Elephant Robotics, Herrn Ai Zhiyuan, CEO von Trend Science and Technology, Frau Wei Tiantian, stellvertretende General Managerin für Community Innovation bei Shui On Xintiandi, Herrn Wen Hao, Vizepräsident von CAS Intelligence, und Herrn Zhou Dan, stellvertretender General Manager bei NetEase Youdao, um uns ein thematisches Sharing zu bieten. Bitte schön!

Deng Yongyi: Willkommen auf der WISE-Konferenz, vielen Dank an euch alle. Ich bin Deng Yongyi von 36Kr. Die WISE-Konferenz ist ein besonderes Ereignis, und in zwei Tagen ist es das zweijährige Jubiläum der Veröffentlichung von OpenAI. Ich glaube, dass die gesamte Welt in diesen zwei Jahren den Wert von KI gespürt hat, und für Menschen in der Branche ist der Antrieb stärker geworden. Oftmals sagen mir meine Interviewpartner: Man wacht auf und die Welt hat sich verändert, man weiß nicht, wie man arbeiten soll.

Heute freue ich mich sehr, fünf Gäste eingeladen zu haben, um mit uns zu teilen, was sie in Bezug auf KI bei der Umsetzung erlebt und beobachtet haben.

Für den Anfang möchte ich die fünf Gäste bitten, sich selbst vorzustellen und zu erzählen, was sie in den letzten zwei Jahren gesehen haben, wie KI das Leben oder beeindruckende Momente in der Arbeit verändert hat.

Chen Haotian, CMO von Elephant Robotics

Chen Haotian: Hallo zusammen! Ich bin der CMO von Elephant Robotics. Elephant Robotics hat drei Produktlinien für Industrie-, Gewerbe- und Konsumzwecke entwickelt: Assistenz-Mechanikarme, Simulationshaustiere und humanoide Roboterprodukte. In der Vergangenheit hatten wir viele Berührungspunkte mit künstlicher Intelligenz und möchten zwei Punkte teilen:

Erstens, innerhalb von weniger als zwei Monaten nach der Einführung von OpenAI's ChatGPT veröffentlichte Microsoft offiziell einen Fall. Was machte dieser Fall? Er verwendet ChatGPT, um automatisch Code zu schreiben, Modelle automatisch zu trainieren und Mechanikarme zur Musteranalyse zu nutzen.

Zweitens, das Konzept der räumlichen Intelligenz. Was macht es? Es ermöglicht Robotern, wahrzunehmen, zu verstehen und sogar zu schließen, um dann autonom Bewegungen in der physischen Welt auszuführen und entsprechende Aufgaben zu erledigen. Dieses Konzept steht in engem Zusammenhang mit dem Bereich, in dem wir mit Robotern tätig sind. In diesem Jahr in China hat das Tongji-Team ebenfalls einen solchen Fall reproduziert und basierend auf unseren Mechanikarmprodukten auf der diesjährigen A.I. Konferenz in Shanghai ein solches DEMO veröffentlicht. Diese Fälle können auf Bilibili und der Unternehmens-Microsite geteilt werden.

Ai Zhiyuan, CEO von Trend Science and Technology

Ai Zhiyuan: Ich komme von Trend Science and Technology, einem Unternehmen aus dem Tsinghua-Franchise, das sich auf die Beschleunigung der Großmodell-Inferenz spezialisiert hat.

Vielleicht ist dieser Bereich nicht besonders bekannt. Jetzt gibt es Basischips und viele Großmodelle, aber wie lässt man ein Großmodell auf einem Chip schneller laufen? Dafür sind Inferenzoptimierungen erforderlich, und das ist das, was wir bei unserer Firma tun. Zum Beispiel Kimi, das dank der Mooncake-Inferenzarchitektur in der Lage ist, den Traffic um mehr als 75% zu steigern.

Unser Ziel ist es, die Eintrittsbarriere für den Einsatz von Billionen-großen Modellen zu senken, damit sie in einer Vielzahl von Unternehmen und Einheiten verwendet werden können.

Meiner Ansicht nach erreichen die Großmodelle derzeit noch nicht das Niveau, um unsere Arbeit vollständig zu ersetzen, aber sie können repetitive Aufgaben, die im Alltag anfallen, unterstützen oder bearbeiten.

Aber was mich wirklich überrascht hat ist, dass viele unserer Programmierer, die ja bekanntermaßen schwer zu überzeugen sind, Geld auszugeben, nun tatsächlich dazu bereit sind, indem sie monatlich ein OpenAI GPT-Abonnement abonnieren. Das veränderte Konsumverhalten zeigt, dass GPT für sie tatsächlich nützlich und hilfreich ist.

Die Einführung von Großmodellen zeigt, dass die Menschen ein solches Werkzeug im täglichen Arbeitsprozess benötigen, um zu unterstützen und zu beschleunigen, anstatt es vollständig zu ersetzen, was für mich einen großen Einfluss gehabt hat.

Wei Tiantian, Stellvertretende General Managerin für Community Innovation bei Shui On Xintiandi

Wei Tiantian: Unser Unternehmen heißt Shui On Xintiandi, ein Unternehmen aus Hongkong, das Projekte wie das Shanghai Xintiandi entwickelt. In meiner Abteilung widmen wir uns der kommerziellen Innovation und dem Risikokapital für Gemeinden, so dass wir uns auf die strukturellen Veränderungen der Städte der Zukunft konzentrieren. Wir fokussieren uns auf eine nachhaltigere, intelligentere und auf den Menschen zentrierte Stadt, um kommerzielle Inhalte zu inkubieren und in frühzeitige Technologieprojekte zu investieren.

Ein interessanter Punkt ist, dass wir KI oft aus der Anwendungsperspektive oder der Verbraucherbedarf-Perspektive betrachten. Die Haustierwirtschaft boomt in den letzten zwei Jahren, und wir wissen alle, dass sich offline viele Veränderungen ergeben haben. Ich habe von einem Team im Silicon Valley gelesen, das mit einem beeindruckenden Video für Aufsehen sorgte: Ein Moderator sprach in der Sprache der Menschen mit GPT und es wurde für einen Hund in Hundesprache übersetzt; der Hund verstand die Nachricht und brachte die Fernbedienung zurück.

Solche Szenarien begeistern uns sehr, denn aus unserer Sicht erkennen wir zum ersten Mal den technologischen Fortschritt — er berücksichtigt menschliche Bedürfnisse nicht nur auf funktionaler, sondern auch auf emotionaler Ebene. Dies ist auch der Punkt, den wir beobachten und als spannend empfinden, wenn wir an der Schnittstelle von Menschlichkeit, Fürsorge und Technologie nach neuen Möglichkeiten suchen.

Wen Hao, Vizepräsident von CAS Intelligence

Wen Hao: Hallo zusammen, die, die noch dabei sind, sind wirklich treue Fans.

Ich bin Wen Hao von CAS Intelligence. CAS Intelligence wurde durch die Geschichte eines Lehrers gegründet, der Studenten in der Unternehmensgründung führte. Dieser Lehrer gehörte zur Klasse 1985 des Jugendraums der Universität Chinas und ging 1995 in die USA, um künstliche Intelligenz zu studieren, unter Anleitung von Professorin Katia, einer bedeutenden Figur in der Forschung zu Multi-Agent-Systemen. Schon 1995 veröffentlichte er akademische Arbeiten zu Themen wie Reinforcement Learning, Bayes Lernen und Multi-Agent-Systemen, die tausende Male zitiert wurden und die Forschung in verwandten Bereichen bedeutend vorangetrieben haben. Nach seiner Rückkehr nach China im Jahr 2007 begann er, viele Studenten zu führen, darunter den Vorsitzenden und CEO von CAS Intelligence, und übernahm mehrere nationale Großdatenprojekte, wobei er verschiedene Regierungsbehörden weiterhin unterstützt.

An dieser Stelle möchte ich ein Beispiel teilen — das Medienprojekt der Xinhua Nachrichtenagentur. Die Xinhua Nachrichtenagentur verfügt über Reporter in über 100 Ländern weltweit und bietet eine Medienplattform zur Content-Erstellung und Veröffentlichung. Dies ist ein kleiner Ausschnitt des Industrialisierungsprozesses des Projektteams. Im Jahr 2017, als der Staat Innovation und Unternehmertum förderte, gründete das Team auf Basis der bisherigen Forschungs- und Entwicklungsergebnisse CAS Intelligence. Seit der Gründung hat unser Unternehmen kontinuierlich Fortschritte in den Bereichen Big Data, Kleinmodelle, KI-Großmodelle, Sprach-Großmodelle und Multi-Modal-Videografikmodellierung gemacht.

Wenn es um die praktische Anwendung von Künstlicher Intelligenz geht, können wir die traditionelle chinesische Medizin nicht außer Acht lassen. Die traditionelle chinesische Medizin, ein Schatz der chinesischen Kultur, hat uns in der Geschichte schon oft geholfen, Epidemien zu überwinden, und einen einzigartigen therapeutischen Wert bewiesen. Letztes Jahr haben wir gemeinsam mit der Chinesischen Akademie für traditionelle chinesische Medizin das "Great Physician's Golden Cabinet"-Großmodell entwickelt und erfolgreich die traditionelle "Black Box"-Diagnosetechnik mit KI kombiniert, um ein neues Anwendungsmodell zu schaffen. Bemerkenswert ist, dass das "Great Physician's Golden Cabinet" beim Test der Berufslizenz für chinesische Ärzte mit hohen Punkten abgeschnitten hat.

Basierend auf dem "Great Physician's Golden Cabinet"-Großmodell haben wir eine entsprechende TCM-Diagnose-App entwickelt. Ein Nutzer berichtete nach der Anwendung der App, dass er wegen Fiebersymptomen mehrere Arztbesuche hinter sich hatte, und durch die Erstdiagnose wurde er auf eine Erkältung durch Kälte aufmerksam gemacht, nicht auf eine Erkältung durch Wärme, und ihm wurden entsprechende Ernährungsberatung und OTC-Medikamente empfohlen, die seine Symptome nach der Einnahme linderte, woraufhin er unsere Dienstleistung lobend hervorhob.

Künstliche Intelligenz bringt uns kontinuierlich neue Überraschungen, und wir freuen uns auf die technologische Entwicklung in der Zukunft. Vielen Dank an alle!

Zhou Dan, stellvertretender General Manager bei NetEase Youdao

Zhou Dan: Hallo! Ich bin Zhou Dan von NetEase Youdao. Wir, bei NetEase Youdao, sind ein SaaS-Betreiber für Unternehmen und haben 2016 ein eigenes intelligentes Kundendienstprodukt herausgebracht, das viele von Ihnen in ihrem Alltag und ihrer Arbeit mehr oder weniger genutzt haben.

Bei der internen Initiierung des Projekts im Jahr 2016 hat unsere Unternehmensgruppe bereits Intelligenz und KI als Unterscheidungsmerkmal gesetzt. Möglicherweise aufgrund dieser Strategie hat sich unser Kundendienstprodukt durch mehrere Iterationen entwickeln können.

Im dritten Quartal 2023 haben wir Großmodelle in unsere Produkte integriert und im September veröffentlichten wir das erste vertikale Großmodell im Kundenservice — das Shang und Großmodell. NetEase Youdao ist bekannt für die Erstellung hochwertiger Produkte, und wir glauben, dass unsere Herangehensweise kontinuierlich stabil und nachhaltig ist.

Es gibt zwei wesentliche Punkte, die mir in Erinnerung geblieben sind. Erstens kaufen unsere Mitarbeiter, Produktmanager und Entwickler, während sie das Großmodellprodukt entwickeln, selbstständig KI-Tools, was uns zeigt, dass sie tatsächlich die persönliche Effizienz steigern können. Zweitens, wenn die KI wirklich in der Organisation läuft, bemerkt man ein Phänomen: Wissen im Kopf der Mitarbeiter kann schnell zum gemeinsamen Vermögen der Organisation werden, die Fähigkeiten oder das Wissen herausragender Mitarbeiter können von anderen aufgenommen werden und werden somit zum Kapital der Organisation. Unser CEO sprach letztes Jahr darüber, dass Organisationen wie KI kontinuierlich sich selbst iterieren und erneuern sollten. Bei der Entwicklung des KI-Produkts hat sich auch unsere Organisation entsprechend weiterentwickelt, was mich beeindruckt hat.

Wie gelangt KI von der Online-Welt in die reale Welt?

Deng Yongyi: Vielen Dank an die Gäste für ihre Beiträge. Von einzelnen Personen bis hin zu ganzen Organisationen kann der Wert der KI gespürt werden. Heute kommen die fünf Gäste aus vielfältigen Bereichen; wir sehen etwa Chen, der aus dem Hardware-Bereich stammt, Ai, Wen und Zhou, die den Wert von KI auf Model- oder Anwendungsebene erforschen, während Wei in den Offline-Geschäftsbereichen tätig ist.

Als zweite Frage möchte ich die Gäste bitten, darüber zu sprechen, wie sie den Wert der KI in ihren jeweiligen Bereichen in den letzten zwei Jahren erkannt haben. Könnten Sie beschreiben, welche KI-Explorationen Sie in den letzten zwei Jahren unternommen haben und welchen tatsächlichen Wert die KI gebracht hat?

Zhou Dan: KI ist schon früh angekommen. Als wir das Produkt auf den Markt brachten, waren KI-Fähigkeiten der Schlüssel. Die KI-Technologie bestand hauptsächlich aus NLP-Suchtechniken, die Fähigkeiten wie Kategorisierung und Zusammenfassung boten, jedoch noch ziemlich einfach waren. Also konnten wir nur einfache Frage-Antworten machen und noch nicht die ChatGPT-Erfahrung bieten. Nach der Einführung des Großmodells, wenn es um Zusammenfassen, Verstehen und Inhaltserstellung geht, konnten wir Prozesse im Kundenserviceteam verbessern.

Ein Beispiel: Nachdem ein Kundenservice-Mitarbeiter einen Kunden bedient hat, muss er Folgendes zusammenfassen: Was war das Problem des Kunden? Was war die Lösung? Wurde das Problem des Kunden behoben? War er zufrieden? Gibt es Informationen, die an den Kundenservice weitergegeben werden müssen? Ursprünglich dauerte dies 30 bis 40 Sekunden, und die Zusammenfassungen waren möglicherweise nicht vollständig, aber mit KI können wir es zu 80 und 90 Prozent bewältigen und klareres Feedback geben.

In einer späteren Phase und durch die Kombination mit Agent-Frameworks hat die KI Entscheidungs- und Autonomiefähigkeiten, damit können wir noch komplexere Aufgaben, die ein gewisses Erfahrungswissen erfordern, der KI überlassen.

Ein weiteres Beispiel: Im E-Commerce-Szenario gibt es Aufgaben mit komplexen Regeln wie das Retourenmanagement oder autonomes Produktmarketing und -vertrieb. Ursprünglich konnte KI das nicht, weil für die Programmierung menschliches Eingreifen notwendig ist; jede Erstellung lässt sich nicht vollständig durchprogrammieren. Mit Agent-unterstützter KI ist dies jedoch möglich, und KI kann komplexere Aufgaben übernehmen.

Deng Yongyi: Haben Sie nach der Integration des Großmodells eine Steigerung der Gesamtproduktivität festgestellt? Wie viel konnte der Einsatz von menschlichen Mitarbeitern reduziert werden?

Zhou Dan: Die Effizienzsteigerung ist offensichtlich: Typische Kunden erzielen 50 bis 70 Prozent Steigerung, aber die Personalkapazität wird nicht unbedingt reduziert. KI übernimmt Aufgaben wie Kontrolle, Anpassung und Inhaltsorganisation, sodass die Kundenserviceressourcen für die strategische Planung eingesetzt werden können.

Deng Yongyi: Sie müssen also nicht mehr die kleinen Dinge erledigen.

Wen Hao: Letztes Jahr hat CAS Intelligence erfolgreich das "Elegant"-Großmodell entwickelt und im September die Video-Plattform-Trainingseinheit abgeschlossen, um das "Graceful Model" auf den Markt zu bringen. Benutzer können auf dieser Plattform basierend auf einfachen Texteingaben Videos oder Bilder generieren, um die Produktionseffizienz erheblich zu steigern. Bisher haben über 500 County Media Centers auf Landesebene diese Plattform in ihren Arbeitsprozessen eingesetzt und die Arbeitseffizienz erheblich verbessert. Dies ist unser praktisches Anwendungsszenario im Medienbereich.

Das zweite Anwendungsfeld ist der Finanzbereich. Mit den KI-Technologien haben wir zahlreiche Referenzprojekte auf dem Finanzmarkt geschaffen, insbesondere bei der Kreditvergabe-Prüfung. Für eine große Bank entwickelten wir ein Kreditvergabesystem, das mithilfe von Big Data die Kredithistorie und relevanten Transaktionen eines Kunden analysiert und rasch die Kreditwürdigkeit eines Kunden, mögliche Risiken und die Einhaltung von Kreditstandards bewertet, was die Arbeitseffizienz im Kreditbereich erheblich steigert. Dies ist unser Anwendungsfall im Finanzbereich.

Das dritte Feld betrifft die Regierungsführung. Der Bezirk Zhongguancun, bekannt als der akademikerreichste Straßenzug des Landes, beherbergt viele hoch qualifizierte Talente und viele normale Bürger. Aufgrund der vielfältigen Bedürfnisse der Bevölkerung im Bereich Sozialversicherung, Umweltschutz und Bildung stehen die Gemeindemitarbeiter vor der Herausforderung, eine Vielzahl an Informationen und Angelegenheiten zu bearbeiten. Deshalb haben wir drei Produkte entwickelt: "Kuanxin Customer Service", "Kuanxin Assistant" und "Kuanxin Smart Patrol". "Kuanxin Customer Service" bietet intelligentes Fragemanagement und Bürger können durch natürliche Sprachabfragen schnell Informationen während der Anmeldevorgänge erhalten, wodurch die Verwaltungsabläufe effizienter werden. Der "Kuanshin Assistant" bietet den Gemeindemitarbeitern ein intelligentes Wissensmanagement-Tool, um schnell Informationen zu Bildung, Sozialversicherung, Umweltschutz und weiteren politischen Maßnahmen zu sichten. "Kuanxin Smart Patrol" ermöglicht den Bürgern oder Aufsichtspersonen, Hygiene- oder Wetterprobleme in Echtzeit durch QR-Technologie zu melden, sodass Informationen zügig verarbeitet werden und die reibungslose soziale Verwaltung sichergestellt ist. Diese drei Anwendungsbereiche zeigen wirkungsvoll die signifikante Potenzial von KI bei der Verbesserung öffentlicher Dienstleistungen und Förderung der modernen Sozialverwaltung. Vielen Dank für Ihre Aufmerksamkeit!

Deng Yongyi: Wie eine externe Gehirnerweiterung — Menschen oder Bürger an vielen Orten können nun in nahezu jeder Angelegenheit mindestens einen Gang ins Büro sparen.

Wen Hao: Das stimmt.

Wei Tiantian: Die Immobilienbranche hat eine vergleichsweise durchgängige Wertschöpfungskette. Von Investitionen über die Expansion zur Finanzierung ist sie für viele geläufig. Dann kommt der eigentliche Bauprozess und letztlich das Management der Immobilienwerte.

In jedem dieser Bereiche kann man heutzutage KI erkennen. Neulich sah ich einen interessanten Bericht, laut dem führende Immobilienunternehmen in China KI gegenüber anderen in den letzten Jahren neuen technologischen Konzepten bevorzugen. 90% von ihnen glauben, dass KI unserem Sektor die größte Veränderung bringen kann.

Einige Beispiele aus unserer eigenen Praxis: Im Finanzierungsbereich kann KI bei der Überprüfung der Finanzierungsunterlagen und der Urkundsführung entscheidend helfen. Unternehmen wie wir, die auf Finanzierung angewiesen sind (letztes Jahr emittierten wir grüne Anleihen), benötigen während des Ausgabeverfahrens Unterstützung. Man muss wissen, wie nachhaltig das Unternehmen entlang der gesamten Wertschöpfungskette ist. Mit mehr als 5000 Zulieferern, sowohl upstream als auch downstream, hat man die Herausforderung, alles genau zu managen, wobei KI uns sehr geholfen hat. Deshalb haben wir unser eigenes Cloud-System zur Verwaltung der Lieferkette entwickelt.

Als zweites Thema: Bau. In den letzten Jahren haben sich intelligente Baustellenmanagement-Unternehmen essenziell mit Hochrisikoüberwachung und Sicherheit auf Baustellen befasst. Wir haben auch ein Unternehmen gegründet und unterstützt, begonnen von einem Professor der Tongji-Universität. Dieses Unternehmen erschließt Baustellenmanagement der Zukunft durch KI. Während unser Gründer, der auch Redakteur des Chinese Green Building Council ist, aus sieh der politischer Ebene auch die Entwicklung im Auge behält, um abzuwägen, ob die Industrie bereit für die KI-Zeit ist; denn oft treiben politisch Entscheidungen den technologischen Wandel voran.

Ein weiteres Beispiel aus der Vermögensverwaltung: Unser Xintiandi Areal hat eine sehr große Grünfläche, die von den Menschen gern besucht wird. Mit einem Partnerunternehmen leiten wir effizient und in Echtzeit 240.000 Quadratmeter Park von der Online-Plattform. Beispielsweise überwachen wir Baumkrankheiten oder andere operationale Fragestellungen.

Deng Yongyi: Mit 5000 Zulieferern, wie verwalten Sie das? In einem Ihrer Beispiele, das Sie nannten.

Wei Tiantian: Dies ist ein großer Schmerzpunkt in der Bauweise Carbon Neutrality. Die Kontrolle der Kohlenstoffbilanz von Zulieferern ist kompliziert. Es gibt einige Methoden zur Messung, doch befindet sich die gesamte Bauindustrie erst in den Anfängen, weshalb KI bei der Verwaltung sehr zum Einsatz kam.

Ai Zhiyuan: Wir sind ein Unternehmen, das sich auf die Beschleunigung von Großmodellen konzentriert. Eine der größten wahrnehmbaren Veränderungen in den letzten zwei Jahren ist, dass Großmodelle größer geworden sind. Egal, ob die Modelle letztes Jahr in 3.5 oder 4 erschienen sind — die Ergebnisse waren gut, aber dürfen auch langsamer werden, und sie sind in 01er von besserer Qualität, aber noch langsamer.

Das Problem, dem unsere Kunden gegenüberstehen, ist, dass sie größere Modelle mit niedrigen Kosten verwenden wollen. Jeder Kunde möchte natürlich beides. Die Frage, wie wir die Effizienz von lokalisierten Anwendungen verbessern können, bedarf einer systematischen Gesamtbetrachtung.

Unser Vorschlag ist die "all-in-one"-Beschleunigungseinheit. Wir entwickelten ein Gesamtprodukt zur Beschleunigung der Großmodell-Inferenz. Wir formulierten zwei Kerntechnologien: Memory Trade-Off und heterogenes System-Ko-Koordinationsmodell. Memory Trade-Off reduziert die Menge an wiederholten Berechnungen durch Speicherung, während das heterogene System-Ko-Koordinationsmodell darauf abzielt, die Rechenressourcen des Gesamtsystems von CPU, GPU, RAM und Festplatte zu nutzen, um die Kosten zu senken.

Das Gefühl der Kunden zeigt sich in einer kürzlich eingegangenen Zusammenarbeit mit einem führenden Unternehmen auf dem Sicherheitsmarkt. Diese konnten auf ihren Geräten keine Billionen von Modell in ihrer Sicherheitsplattform ausführen. Dank unserer Technologie konnten sie es jetzt mit einer oder zwei Karten tun, was sicherheitsspezifische Anwendungsfälle mehrheitlich ermöglichen und wertvoll macht.

Ich denke, die AI-Infrastructure muss über Softwarealgorithmen und mehr Hardware-Zusammenspiel vorgehen, um die Endkosten zu senken. Denn während sich die heimischen Chips fortlaufend ändern mögen, gibt es immer noch einen Unterschied zu NVIDIAs Chip-Kapazitäten, was nicht allein auf CPU-Leistung zurückgreifen kann. Das erinnert ein wenig an IBMs Großrechner, die einst großen Nutzen boten, aber für kleine Teams, oder normale Leute unerschwinglich waren. Erst durch die PC-technologie konnte jeder einen Computer zu Hause haben und in der Arbeit und Alltag benutzen. Die reduzierung der Kosten ist eine dringende Angelegenheit und erfordert Hardware-, Software- und Modellentwickler, die darauf hinarbeiten, das Modell zeitnah in der gesamten Breite zu integrieren.

Deng Yongyi: Wir sind sozusagen eine Brücke, die in Richtung des Algorithmus´-Ebene Verbesserungen anstrebt, um mit weniger Rechenkapazität mehr Operationen zu managen, während wir darunter die Leistung von Chips verbessern müssen.

Ai Zhiyuan: So ist es, denn es gibt derzeit viele Produkte auf dem Chip-Markt, auch viele Großmodellprodukte. Eine Bestandsaufnahme der Modelle, die auf das Tsinghua-Modell abgestimmt sind, kann Dutzende zählen, es gibt hunderte in der Bestenliste. Wie finden, wie integrieren? Für den Nutzer ist das schwieriger. Das ist, was wir uns vorgenommen haben: Wir wollen das "Infra"-Level stärken, damit individuelle Modelle leichter verwendbar sind. Wir möchten, dass man in die unterste Schicht alle Hardware-Ressourcen optimal nutzt, denn jede Karte ist ohnehin teuer, eine Maschine kostet Hunderttausende, daher möchten wir mit eingegrenzten Budgets größtmögliche Effizienz erzielen.

Deng Yongyi: Sie helfen Geld zu sparen. Chips sind momentan knapp. Vielleicht machen wir in diesem Umfeld der Knappheit mehr Innovationen möglich.

Chen Haotian: Die vorherigen vier Gäste teilten ihre Beiträge in den Bereichen Marketing, Healthcare, öffentliche Verwaltung, gewerbliche Immobilien und aus der Perspektive der Modellbetrachtung. Ich möchte mit einem anderen Blickwinkel ein wenig rekapitulieren, wann die künstliche Intelligenz international eingeführt wurde und was der Wendepunkt für ihren Eintritt in den Bereich der Robotertechnik war.

Der Begriff "Künstliche Intelligenz" wurde um 1950 auf einer Tagung in den USA eingeführt. Eine Technologienatur erscheint nicht plötzlich, sie unterliegt einer langen Reihe von Höhen und Tiefen. Seit 1950 erlebte die KI viele Höhen und Tiefen. Nehmen wir den letzten bedeutenden Punkt um 2015 bis 2016, als AlphaGo aufkam. Es basierte auf einer beachtlichen Menge an professionellen Go-Spieler-Analyse, und der Roboter trainierte durch Selbstspiel, um so das bahnbrechende AlphaGo zu schaffen, welches sogar internationale Go-Meister besiegen konnte und das Potenzial von Deep- sowie Reinforcement Learning unter Beweis stellte.

Zu dieser Zeit verließen sich viele Benutzer auf ein System wie dieses, welches Deep Learning kann, Andrew in professionellen Bereichen, wie go, jedoch keine universelle Fähigkeit zeigte. Der Fokus auf KI ging zurück. Bis OpenAI Forschern und Entwicklern GPT 2.0 als Open Source-Projekt bereitstellte und viele Nutzer erkannten das Potenzial der universellen linguistischen Großmodelle auf neuer Ebene; Forscher damals erkannten, dass es in naher Zukunft bahnbrechende Produkte geben würde. So kam es dann Ende 2022 mit der Veröffentlichung von OpenAI’s ChatGPT. Auf Basis von GPT3.5, ausgehend von Milliarden von Parametern, brachte es ein revolutionäres Produkt hervor.

Sein Erfolg liegt darin, dass jeder Benutzer, egal ob mobil oder Computer, diesen Großmodell-System nutzt, und erkennt, dass die Reife der KI die Relevanz erreicht hat, um in gewissem Maße den Kontexterlebnisse zu verstehen und insbesondere Fachkräfte in der Arbeit zu unterstützen, bestimmte Aufgaben unabhängig zu bewältigen. Dieses Ereignis führte zu einer breiten Diskussion in den internationalen Medien: Ist der Einzug der KI in das Leben der Menschen nun Realität?

Was ist der Wendepunkt für den Robotik-Bereich? Im Jahr 2024, also dieses Jahr, bietet die Großmodell- oder KI-Technologie im Bereich der Robotik einzigartige Möglichkeiten. Einfach gesagt: Sie erweitert Fähigkeiten, die ursprünglich nur im Computer existierten, in die physische Welt hinein. Ein Beispiel: Sie stellen ChatGPT oder Kimi eine Frage: Was ist ein Apfel? Und er antwortet Ihnen Farbe, Reifegrad und Nährwerte. Doch bitten Sie Ihr Handy, Ihnen einen Apfel vom anderen Ende der Zimmer zu bringen: Ihr Handy kann das nicht, ein Computer hat keine mechanische Ausführung, aber ein Roboter mit embryonierten oder räumlichen Intelligenz schon: Er kann den Apfel greifen und Ihnen bringen.

Er nimmt die ursprünglich entfernte Fähigkeit aus der Computerwelt und bringt sie in unsere reale, physische Umgebung, sodass sich sein Wert als schwer greifbar und von großem Ausmaß in die Realität zieht. Das ist die Entwicklung der Robotertechnik im Zusammenhang mit der Entwicklung der künstlichen Intelligenz.

Deng Yongyi: In diesem Jahr ist die verkörperte Intelligenz ein heißes Thema, ob auf der Roboterkonferenz weltweit, präsentiert jedes einzelne Unternehmen seine verkörperten Roboter, humanoid, vierbeinig und in diversen Variationen. Dieses Jahr sah ich sogar einen Akupunktur-Roboter der traditionellen chinesischen Medizin, der Massagen geben kann. Mit der steigenden Leistungsfähigkeit von Großmodellen steigen mit der Intelligenz der Roboter neue Möglichkeiten auf: Beispielsweise weniger mobile Personen können von dieser Mobilität profitieren oder ihre erledigten Aufgaben ausführen. Die Bedeutung und Einfluss in der physischen Welt sind weitreichend.

Herausforderungen und Chancen

Deng Yongyi: Während wir von begeisternden Momenten sprechen, möchte ich das Publikum auf die aktuellen Herausforderungen und Grenzen in der Industrie aufmerksam machen, die mit KI zusammenhängen. Innerhalb der Branche gibt es vielseitige Perspektiven. Was sind in Ihrem jeweiligen Gebiet bestehende Herausforderungen bei der Einführung der KI und gibt es einige effektive Lösungen, die innerhalb der Branche angewandt werden?

Chen Haotian: Interessanterweise bin ich gestern aus Shenzhen nach Peking gekommen, um an einem kleinen KI-Startup-Treffen teilzunehmen. Es ist schwer, so viele Menschen hier in so einer ausgedehnten Stadt wie Peking an einem Tisch in Wangjing zusammenzubringen, aber es war eine anregende technische, innovative Diskussion und alle waren da.

Die Beteiligten, meine ehemaligen Kommilitonen, kommen aus allen Bereichen, von Psychologie über Finanzen bis hin zu Personalmanagement, eine bunte Mischung an Branchen. Das reflektiert eine gute Nachricht: Künstliche Intelligenz ist in vielen Szenarien und Anwendungen bekannt geworden und wird als potenziell vorteilhaft zur Verbesserung ihrer Arbeit, Leben und Karriere betrachtet.

Allerdings spürte ich auch eine Menge Sorgen. Viele Bemerkungen bezogen sich darauf: Kommt das KI-Zeitalter tatsächlich auf uns zu? Für viele sind die letzten zwei Jahre gekennzeichnet durch versteckte Hürden, insbesondere hat der berufliche Zielfortschritt unter den Einsteigern als auch jungen Studierenden gelitten, was die Frage aufwirft: Ist der Wechsel zur KI oder sogar ein Volleben daran tatsächlich ein sinnvoll? Haben Sie das Zeug für die nächste Stufe ihrer Karriere? Sie kamen mit diesen Fragen, hofften auf Antworten, was möglicherweise auch viele Zuschauer heute beschäftigt. Doch als Branchenvertreter möchte ich ein wenig kaltes Wasser über die Euphorie gießen.

Zwei Beobachtungen möchte ich teilen: Die erste Beobachtung betrifft ChatGPT oder das einheimische Kimi-System, die für enorme Kapitalbeschaffung Bekanntheit erlangt haben. Doch wie steht es um deren Kommerzialisierung? Fragen Sie Ihre Freunde: Wie viele haben wirklich für ChatGPT bezahlt, wie viele nutzen Kimi? Abseits der Neugier über neue Technologien und der Furcht, durch Unkenntnis der KI-Technologie am Arbeitsplatz ersetzt zu werden, wie viele haben diese Produkte aus echtem Interesse, die eigene Arbeit oder das Leben zu verbessern, gekauft?

Der Kapitalmarkt hat uns bereits eine klare Antwort gegeben: Das Investitions-Interesse der Kapitalgeber in Großmodelle kühlte ab der zweiten Jahreshälfte kontinuierlich ab. Nicht nur eine Feinstimmung, sondern möglicherweise ein Einfrieren. Da die kommerziellen Möglichkeiten eines B2C-Großmodells nicht den Erwartungen entsprachen, zogen sich Investoren zurück.

Zweitens, was ist auf unserem Markt im Bereich der räumlichen Modelle? Das sollte verständlich sein: Künstliche Intelligenz wird stets datengetrieben sein. Die Datenerfassung aus der physischen Welt ist weit hinter den Daten für die Textverarbeitung zurückgeblieben. Im Bereich der Verkörperten Intelligenz kann die Datenmenge nicht mit intelligenten Anwendungsszenarien mithalten. Gemäß Stanford Professorin Fei-Fei Li: Es ist unerträglich versucht, aber weiterhin entfernt. Wie fern? Möglicherweise drei bis fünf Jahre entfernt. Doch für Forscher bedeutet ferne, einen weitaus weiter reichende Perspektive.

Zurück zur Herausforderung: Wie gehen wir mit diesen Problemen um? Um ehrlich zu sein, glauben wir, dass verkörperte Intelligenz eines Tages eine Realität wird. Aber wir bleiben nicht untätig, sondern treiben am Fortschritt.

Was können wir tun? Es wird gemeinhin nachvollzogen, dass es mehr Datenproduktion geben muss, sowohl beim Training durch mehr Roboter in der physischen Welt, als auch die Generierung virtueller simulierte Kontextmodelle zur Trainingssimulation — eine kontinuierliche Datenproduktion.

Außerdem fördern wir die Teilnahme weiterer Forscher am Großmodell- und KI-Wissenschaft-Technologie-Bereich, was ein investitionswürdiger Bereich ist. Das Tsinghua-Team sagt ebenfalls, dass man im Großmodell investieren muss. Das bedeutet nicht in der Kommerzialisierung, sondern aus dem akademischen Bereich heraus, wissenschaftliche Forschungsergebnisse zu generieren. Öffnung für Open Source, Ermutigung zur gemeinsamen Freigabe der Beiträge bedeutet, dass die Großmodell-Technologie besser fortschreiten kann.

Deng Yongyi: Welche Daten fehlen Ihnen besonders? Da KI im physischen Raum und Robotik einiges umfasst, gibt es viele Text- oder Bildmodell-Daten im Internet, wann fehlen Ihnen Bilddaten in bestimmten Szenarien oder andere Informationen?

Chen Haotian: Ein einfacher Fall, eine Tür zu öffnen: Als Mensch müssen wir nicht nachdenken, wir wissen, dass wir die Tür schieben müssen, aber ein Roboter versteht das nicht. Was bedeutet es, eine Tür zu öffnen? Man muss den Griff lokalisieren, zwischen unterschiedlichen Griffen, ob man sie heben oder drücken muss. Was tun bei unterschiedlichen Türen, wie viel Druck benötige ich zum Öffnen? Das erfordert jahrelange Datensammlung und Training, um es zu meistern. Selbst ein simples Türöffnen stellt für Robotern eine komplexe Herausforderung dar, insbesondere in unbekannter Umgebung, aber durch Training und Daten kann es irgendwann bewältigt werden.

Deng Yongyi: Sie müssen den gesamten Prozess also zerlegen, und jeder Schritt muss trainiert werden.

Chen Haotian: Zum Glück besitzen Großmodelle die Kapazitäten des Sprachverständnisses und Aufgabenzerlegung. Fragt man ein Großmodell, wie man die Tür öffnet, wird es Ihnen die Schritte zur Zerlegung der Aufgabe mitteilen. Bedeutend für die sogenannte räumliche Intelligenz im physischen Raum ist dies die Potenzialität der Großmodelle.

Ai Zhiyuan: Chen hat den Nagel auf den Kopf getroffen. Der Schmerzpunkt ist, dass die Anwendungen von Großmodellen langsamer als gedacht eintreten, Effekte nicht die Erwartungen erfüllen, Chen hat uns kaltes Wasser ins Gesicht gegossen, ich versuche es ein wenig zu wirbeln.

Derzeit existieren viele Großmodelle, doch bleibt das Gap zwischen dem tatsächlich gelieferten Nutzen und den aufgebrachten Kosten bestehen. Zum Beispiel kostet ein Fahrrad zur alltäglichen Fortbewegung ein paar Hundert Euro, lohnt für den Alltag, aber ein Fahrrad für zig Tausende Franken veranlasst zum Nachdenken, da eine Alternative dafür ein Auto sein könnte. Großmodelle erleben in etwa zwei Jahren Fortschritt auf breiter Forschung: Es vergehen seltene Monate bevor neue Forschungsresultate erkennbar werden.

Obwohl es nicht unbedingt den Erwartungen entspricht, bleibt das Interesse für Großmodelle und dessen voranschreitende Forschungsaktivität stark. Mindestens im wissenschaftlichen Forschungsfeld gibt es täglich Neuerungen.

Kostentechnisch muss sich die allgemeine Kostenreduzierung fortsetzen, damit Unternehmen und Konsumenten von den Einsparungen profitieren. Wenn das gelingt, spiegelt sich der vermehrte Einsatz von Großmodellen im täglichen Leben. Obwohl unsere Technologie in etwa eine Größenordnung der gegenwärtigen Großmodell-Kosten und Latenz verringert, ist weiterhin teuer.

Vergleicht man die Kosten, etwa die Google Ads Gebühren sind höher als ihre Suchkosten. Dadurch verdienen sie. Doch für Betriebskosten beim Großmodell ist der Umkehrschluss die bestehende Herausforderung, die anfallenden Kosten durch grobmodellierte Anwendungen sind vergleichsweise entsprechend teuer. Beim OpenAI Erziehungskosten übersteigt das Einkommen bedeutend. Das unternehmensweite Einkommen eines Großmodells aufzuwiegen bleibt ein Problem.

Die Kostensenkung ist ein Bottom-up-Prozess. Wir wünschen uns, dass Großmodelle für die Nutzung am Ende zugänglich sind, etwa bei Robotern durch den natürlichen Sprachgebrauch ihre Arbeitsweise ändern:

Es bestehen jedoch mannigfaltige Probleme, etwa die Rechennutzenbeschränkungen der Grundchip-Technologien und, dass Großmodelle notwendige Berechnungen erforderlich machen. Die verbundenen Kalkulationsausführungen erfordern so viele Rechengänge, dass Softwareunterstützung notwendig ist, um Kosten zu senken.

Chen spricht davon, dass Förderungsmaßnahmen von Open Source-Bemühungen unabdinglich sind. Ich befürworte dies ebenfalls. Lasst mich ein Projekt hervorheben, bei dem wir die Eröffnung von Mooncake in Memorium das Projekt initiieren, mit Mooncake, ein Großmodell-Inferenz-Architektur. Durch die Trennung von Speichern und Verarbeitung sowie die Transformation, hoffen wir, die Durchsatzkapazitäten verbessern, die Kosten senken und den ausgereiften IT-Anwendungskapazitäten gerecht werden zu können. Wir hoffen, Open-Source-Ökosysteme fördern zu helfen, um überall in unser täglichen Arbeiten und Leben von KI-Vorteilen genießen zu können.

Wei Tiantian: Was aus unserer Sicht nicht ausgereift ist, besonders in unserem Segment. Die gewerbliche Immobilienbranche hat spezifische Eigenschaften, unterscheidet sich von Industrie, oder Medizin. Man hat höhere Flexibilität in den Immobilien, freie Neubepreisungen und der Bereich ist hochgradig verteilt.

In den vergangenen Jahren stießen wir auf zahlreiche kleinere Unternehmen, große Unternehmen die sich mit spezifischen Anwendungsfällen befassten, um genauer auf dedizierte Bedürfnisse einzugehen. Das erweist eine besondere Herausforderung bei der kosteneffizienten Wirtschaftlichkeit. Dies deckt einen Erkenntnis auf.

Im Vergleich zu Jungunternehmen stießen wir auf Versuche durch zahlreiche Teams, um maßgeschneiderte Produkte für den Markt zu entwickeln. Doch wo die Rentabilität in der Entwicklung nicht ausreicht, ein bemerkbarer Umstand. Rationale, Unternehmenswerte auf kleinere produktorientierte Unternehmen zu setzen ist schwierig.

Deng Yongyi: Wenn Sie KI-Projekte spezifizieren, die Sie anwenden, worauf achten Sie — Stabilität, Zuverlässigkeit, Kosten, noch was anderes?

Wei Tiantian: Stabilität zählt, denn Immobilien sind nicht Hochtechnologien, alle relevanten Tätigkeiten können auch Menschen erledigen. Doch Maschinen führen Arbeiten einfacher aus, effizienter und sicherer. Ergo, die Bereitschaft Maschinen in vollem Umfang zu ersetzen bleibt im Hemmungsbereich. Nehmen Sie den Mond als Beispiel, ja der Mensch ist auf physische Schranken beschränkt, das spiegelt die branchenweite Herausforderung.

Unter solchen Konstellation, bleibt die große Anforderung Aufgaben zu übernehmen für Maschinen im Hintergrund.

Wen Hao: Warum sind aktuelle Großmodelle hoch im Fokus, in der realen Anwendung aber teuer und schwer zu finanzieren, unflexible zu profitablem Prozess zu lokalisieren? Beim Durchleuchten solcher Baustellen kann ich vier Gedankengänge erörtern:

Erstens, Großmodelle wurden ursprünglich konzipiert, um den Weg zur universellen Künstlichen Intelligenz (AGI) zu ebnen, nicht um spezifische Offerten für Branchenanwendungen zu liefern. Daher existieren erhebliche technische Herausforderungen, um Großmodelle in branchenspezifischen Anwendungsfällen zu integrieren. Dies umfasst die weite Kenntnis tiefgreifender Branchenkenntnisse und Branchen-Praxis.

Zweitens, Großmodelle durchlaufen rapide Entwicklungen, allein etwa alle drei bis sechs Monate lassen sich erkennbare Fortschritte verzeichnen. In einem solch dynamischen Umfeld bleibt die Integration von Großmodellen und spezifischen Anwendungsfeldern mit digitalen Herausforderungen überschattet. Durch technologische Fortschrittsdynamik und die Anforderungen der jeweiligen Fachgebiete resultieren Diskrepanzen bei den Applicationse's Resultaten.

Drittens, der Digitalisierungsfortschritt unterschiedlichst Branchensegmente kennt in China diskrepante Entwicklungen. Wie es Herr Wei formulierte: Viele traditionelle Sparten sind weiterhin von Digitalisierungsbemühungen unberührt, oder stecken weiterhin im vor-digitalisierten Zeitalter fest, von Intelligenzgesteuerten Services fehlt weit und breit noch Spuren. Zurückführen auf Daten, eine Angebotsbremsung.

Viertens, Herausforderungen beim Übergang vom Wissenstransfer von großen, umfassenden Arbeitsstücken zur digitalen Verwertung, in Einklang mit keinen technischen Background, wie z. B. der Integration der TCM-Kapazitäten mit traditioneller chinesischer Technik. Der feine Wissenstransfer-Konnex, teils erheblich langwierig, auch Energieaufwand im Vergleich steht zur graben Kommunikation und Kooperation.

Doch mit CAS Intelligence Fokus auf B2B- und B2G-Geschäftsmodell, trotz langwierige Zyklen starken Wettbewerbs bringt den Kunden Erleichterung durch von Ergebnis-Outcomes reichlohnend zu honorieren. Dementsprechend sagt uns dies die Positionierung unsere Vorteile, wo Kunden aufgrund des Nutzungswert, fortführend an unseren Diensten festhielten jeweilige Anerkennungen durchschleien.

Deng Yongyi: Es bleibt hinter KI massenhaft Arbeit, die Draft Tasks werden entsprechend wichtiger beachtet, wie überall: kein Ergebnis ohne Datenset-Up-Automation, die Daten sind Vorrausetzung zur Pokust/Finalisierung.

Zhou Dan: Die Entwicklung von Großmodellen im nachgezogenen Praxis-Bereich, auch Klienten Demonstrpage-Insessoriamentech.

1) Aufrechterhaltung Unternehmen-interner Datenverwaltung

2) Servicebereitstellungen bei Bedienung. Eine eigen Ihneneigene erste Bestrebung auf Strecken House Building, etwas zu leisten, durchgeführt no solution-

urriculum Deployment hinzuführen, dies kündet diese ich als Hauptsorggebiet. Die fabelhaften tech-inspired, emerging events deepen opportunities need a assortment for presenting in parallel views, energy-saving enhancements come-ready inspections für lead-data秋目al ideally providing earlier version corroboró up through uKu. enhancements phrases Mineral-Exhibited rather than Modelly deep prime service outlines.

Ein Monat, gewisse outlier-statistics limit uns fine service-induced-multual-prime-view facilitated task and In Practical Instances bature commitment positive drive stability immune خزیمزکیچ to originally culminate sphere 上塚خوزانeskou ChineseMuseum از یقینى تو제로ج