PDG de Tether : Les modèles efficaces réduisent les coûts de formation, l'inférence locale et en périphérie deviennent des tendances

Le 27 janvier, le PDG de Tether, Paolo Ardoino, a tweeté que l'entraînement de modèles puissants ne nécessitera plus des millions de GPU à l'avenir. Cette méthode reposant uniquement sur la force brute de calcul est à la fois inefficace et peu élégante. De meilleurs modèles réduiront considérablement les coûts d'entraînement, tandis que l'acquisition de données restera essentielle. L'inférence se déplacera vers des appareils locaux ou en périphérie, évitant ainsi de gaspiller des centaines de milliards de dollars uniquement en puissance de calcul.