Tangu ujio wa ChatGPT, jitihada za mara kwa mara za maendeleo katika mifumo mikubwa ya lugha (LLMs) imekuwa sifa bainifu ya mandhari ya AI. Lengo la awali kwenye ukubwa wa parameter limebadilika hatua kwa hatua kuelekea matumizi ya vitendo, lakini changamoto kubwa zinaendelea kwa biashara zinazotaka kutumia nguvu ya AI. Gharama kubwa zinazohusiana na nguvu ya kompyuta na asili iliyogawanyika ya mfumo wa ikolojia wa maombi ya AI bado ni sehemu muhimu za maumivu. Kampuni mara nyingi hugundua kuwa uwekezaji wao mkubwa katika AI haubadiliki kuwa faida zinazotarajiwa, na kusababisha ‘tatizo la ROI’ la kudumu.
Alfajiri ya MCP na A2A: Mabadiliko ya Dhana
Kuibuka kwa Itifaki ya Mfumo wa Muktadha (MCP) na itifaki za Agent2Agent (A2A) mnamo 2025 kunaashiria wakati muhimu katika mageuzi ya uundaji wa programu ya AI. MCP inalenga kuhalalisha violesura ili kuvunja silos za data, kuwezesha LLMs kupata rasilimali za nje kwa ufanisi na kuwezesha mtiririko wa data usio na mshono katika mifumo na majukwaa. A2A zaidi inakuza mwingiliano usio na mshono kati ya mawakala, kukuza ushirikiano na mawasiliano ili kuunda mifumo iliyounganishwa na iliyoambatana.
Mabadiliko kutoka MCP hadi A2A yanasisitiza msisitizo unaokua juu ya ‘uwazi’ kama kichocheo muhimu katika mfumo wa ikolojia wa maombi ya AI. Uwazi huu unajumuisha uingiliano wa kiufundi na roho ya ushirikiano. Kutoka kwa mtazamo mpana, mabadiliko haya yanaonyesha maendeleo ya asili katika maendeleo ya teknolojia: mabadiliko kutoka kwa msisimko wa awali hadi utekelezaji wa vitendo, na kutoka kwa uvumbuzi wa pekee hadi mageuzi ya mfumo wa ikolojia shirikishi.
Kihistoria, thamani ya LLMs imetajwa kupita kiasi kwa kiwango cha parameter na uwezo wa pekee. Leo, MCP na A2A zinashughulikia suala muhimu la uunganishaji kati ya programu za AI na kuunda upya mienendo ya ushindani ya mfumo wa ikolojia wa LLM. Uundaji wa programu ya AI unabadilika kutoka kwa mbinu ya ‘mbwa mwitu’ hadi mfumo wa kuunganishwa. Hii inahitaji tathmini mpya ya thamani ya AI kwa CTOs, kubadilisha mwelekeo kutoka kwa kutafuta tu ukubwa wa mfumo na mikakati ya ‘yote-ndani’ hadi kutumia majukwaa ambayo yanaunganisha uwezo tofauti wa AI. Lengo ni kupachika AI kiasili katika michakato ya biashara iliyopo na mifumo ya uzalishaji, kuboresha ufanisi wa jumla kupitia ushirikiano na viwango, kutatua shida muhimu na rasilimali ndogo za kompyuta, na kushinda ‘tatizo la ROI.’
Pigo la Kompyuta Iliyopotea na Matukio Yasiyolingana
Kukosa kushinda uwekezaji mwingi, kizuizi cha pato la chini kimekuwa kikisumbua utekelezaji wa LLMs kwa muda mrefu. Jambo hili linaonyesha utata uliojificha katika maendeleo ya AI. Kwanza, kuna upotezaji mkubwa katika nguvu ya kompyuta. Takwimu zinaonyesha kuwa vituo vya kompyuta vya kusudi la jumla vya kiwango cha biashara hufanya kazi kwa utumiaji wa 10-15% tu, na kuacha kiasi kikubwa cha rasilimali za kompyuta bila kazi. Pili, kuna upotoshaji wa matukio ambapo utendaji wa mfumo haufikii mahitaji halisi ya matukio ya biashara.
Suala moja la kawaida ni ‘mauaji ya kupita kiasi’ ya kutumia mifumo mikubwa kwa kazi nyepesi. Biashara zingine hutegemea kupita kiasi LLMs za kusudi la jumla kwa matumizi rahisi. Kwa kuongezea, asili ya kipekee ya matukio ya biashara huunda shida. Kutumia mifumo mikubwa husababisha gharama kubwa za kompyuta na nyakati ndefu za hitimisho. Kuchagua mifumo midogo kunaweza kutosheleza mahitaji ya biashara. Mgogoro huu unaonekana wazi katika matukio ya biashara yanayohitaji ujuzi maalum wa uwanja.
Fikiria tukio la kuoanisha talanta na kazi katika tasnia ya kuajiri. Kampuni zinahitaji mifumo iliyo na uwezo wa kina wa kufikiria ili kuelewa uhusiano mgumu kati ya wasifu na maelezo ya kazi huku pia wakidai nyakati za majibu ya haraka. Nyakati ndefu za hitimisho za LLMs za kusudi la jumla zinaweza kuharibu sana uzoefu wa mtumiaji, haswa chini ya mahitaji ya mtumiaji yenye mwingiliano mwingi.
Ili kusawazisha utendaji na ufanisi, uchujaji wa mfumo umepata nguvu katika miaka ya hivi karibuni. Uzinduzi wa DeepSeek-R1 mapema mwaka huu umeangazia zaidi thamani ya mbinu hii. Katika kushughulikia kazi ngumu za kufikiria, uchujaji wa mfumo hunasa muundo wa ‘mnyororo wa mawazo’ wa DeepSeek-R1, kuruhusu mifumo nyepesi ya wanafunzi kurithi uwezo wake wa kufikiria badala ya kuiga tu matokeo ya pato.
Kwa mfano, Zhaopin, jukwaa linaloongoza la kuajiri, iliajiri DeepSeek-R1 (vigezo 600+ bilioni) kama mfumo mwalimu wa kuchuja mnyororo wa mawazo na mantiki ya kufanya maamuzi inayotumiwa katika kazi za kuoanisha talanta na kazi. Walitumia jukwaa la ukuzaji wa mfumo wa Baidu AI Cloud Qianfan kuchuja mfumo mwalimu na kuhamisha kwa mfumo wa ERNIE Speed (vigezo 10+ bilioni), mfumo wa mwanafunzi. Mbinu hii ilipata utendaji unaolingana na mfumo mwalimu (DeepSeek-R1 ilipata usahihi wa 85% katika matokeo ya kiungo cha kufikiria, wakati mfumo wa mwanafunzi ulipata zaidi ya 81%), kasi iliyoboreshwa ya hitimisho hadi kiwango kinachokubalika, na kupunguza gharama hadi 30% ya asili huku ikifikia kasi ya haraka ya mara 1 kuliko DeepSeek-R1 kamili.
Hivi sasa, biashara kawaida huchukua mbinu mbili za uchujaji wa mfumo: kujenga mfumo kamili wa kiufundi kutoka kwa miundombinu na GPUs hadi mifumo ya mafunzo, au kutumia suluhisho za msingi wa jukwaa kama jukwaa la ukuzaji wa mfumo wa Qianfan au wauzaji wengine. Yao Sijia, mtaalam wa matumizi ya AI huko Zhaopin, alisema kuwa wakati Zhaopin ina mfumo wake wa mafunzo, walichagua jukwaa la ukuzaji wa mfumo wa Qianfan kwa uchujaji wa mfumo kwa sababu ya mambo matatu makuu:
- Msaada kamili: Jukwaa la ukuzaji wa mfumo wa Qianfan hutoa msaada unaoongoza wa tasnia kwa uchujaji wa mfumo, ikiboresha sana mnyororo mzima wa kiufundi karibu na matukio ya uchujaji.
- Udhibiti wa gharama: Ikilinganishwa na ununuzi na utunzaji wa vifaa kwa uhuru, jukwaa la ukuzaji wa mfumo wa Qianfan linatoa faida kubwa katika udhibiti wa gharama na ugawaji wa rasilimali rahisi zaidi.
- Uelewa wa kina wa matukio ya biashara: Timu ya suluhisho la kitaalam la Baidu inaelewa sana mahitaji muhimu kama vile ‘ulinganishaji sahihi’ na ‘jibu la mwingiliano mwingi’ katika uwanja wa kuajiri na inashirikiana na kampuni kuchunguza suluhisho.
Yao Sijia aliongeza kuwa Zhaopin itaendelea kuongoza matukio ya AI+ kuajiri, ikitumia teknolojia ya Urekebishaji Mzuri wa Kujifunza kwa Nguvu (RFT) ya Qianfan ili kuboresha zaidi utendaji wa mfumo. Wanapanga kuchunguza ikiwa mfumo mwalimu unaweza kuimarishwa zaidi na ikiwa mifumo bora ya thawabu inaweza kuboresha mifumo ya wanafunzi iliyochujwa tayari ili kuboresha usahihi. Qianfan ndio jukwaa la kwanza nchini Uchina kutengeneza njia zinazoongoza za kujifunza kwa nguvu kama vile RFT na GRPO. Kwa kubadilisha njia hizi za hali ya juu za kujifunza kwa nguvu kuwa suluhisho zinazoweza kutekelezwa, Qianfan inatoa kampuni kama Zhaopin uwezekano zaidi wa kuboresha utendaji wa mfumo.
Walakini, uchujaji wa mfumo unaboresha tu utendaji wa mfumo mmoja. Katika matukio magumu ya biashara, ni muhimu kulinganisha kwa usahihi uwezo tofauti wa AI na matukio.
Fikiria simu mahiri. Katika matukio ya utambuzi wa nia kama vile wasaidizi wa simu, mifumo nyepesi kawaida hutumiwa kutambua haraka maswala ya mtumiaji. Kwa matukio ya maswali na majibu ya maarifa ya jumla kama vile maswali ya hali ya hewa na urejeshaji wa habari, mifumo ya ukubwa wa kati kawaida hutumiwa kutoa majibu sahihi na ya taarifa haraka. Katika uchambuzi wa data na matukio ya kufikiria kimantiki ambayo yanahitaji kufikiria kwa kina, mifumo mikubwa kawaida hutumiwa.
Hii inamaanisha kuwa simu mahiri inahitaji kupiga simu kwa urahisi LLMs nyingi katika matukio tofauti ya mahitaji ya mtumiaji. Kwa watengenezaji wa simu, hii inaleta changamoto kama vile gharama kubwa za uteuzi wa mfumo na michakato ngumu ya kupiga simu kwa sababu ya itifaki tofauti za kiolesura cha mfumo.
Ili kushughulikia shida hizi za tasnia, jukwaa la ukuzaji wa mfumo wa Qianfan lilitengeneza violesura vya uelekezaji wa mfumo. Ikilinganishwa na kutumia moja kwa moja mifumo asili ya kiwanda, inatoa ukuzaji maalum na uwezo wa bidhaa za kupiga API nje ya sanduku, kusaidia kampuni kuokoa mzigo wa kazi wa uhandisi na wakati wa ukuzaji huku ikipunguza gharama. Kwa kuongezea, jukwaa la ukuzaji wa mfumo wa Qianfan inasaidia kupiga simu rahisi kwa watumiaji wakubwa, kuhakikisha kasi na utulivu hata chini ya mahitaji ya kupiga simu ya mara kwa mara na mwingiliano mwingi.
Katika kiwango cha mfumo, uwezo wa kiufundi kama vile uchujaji wa mfumo na kupiga simu kwa mifumo mingi husaidia kampuni nyingi zaidi kuboresha ugawaji wa rasilimali, kuwezesha uwezo wa AI kulingana kwa usahihi na matukio ya biashara huku ikipunguza gharama. Katika kiwango cha maombi, MCP na A2A, ambazo zimekusanya umakini mkubwa wa tasnia, hupunguza zaidi gharama za majaribio na makosa za AI, kusaidia kampuni kuboresha mifumo ya ushirikiano wa maombi, na kubadilisha mfumo usio na ufanisi wa ‘kuvumbua upya gurudumu’ katika ukuzaji wa wakala wa jadi.
‘Mchanganyiko wa ngumi’ kutoka kwa mifumo hadi kwa programu ndio jibu bora la kusaidia LLMs kushinda ‘tatizo la ROI.’
Kutoka Kufungwa hadi Wazi: Kupunguza Kizuizi cha Majaribio ya AI
Tangu 2023, neno muhimu kwa utekelezaji wa matumizi ya AI limebadilika hatua kwa hatua hadi Wakala. Kufikia 2024, karibu kampuni zote zinajadili matumizi na ukuzaji wa Wakala. Walakini, Mawakala wakati huo walikosa uwezo wa kweli wa kupanga na walitegemea zaidi mitazamo ya mtiririko wa kazi, kuunganisha LLMs na programu za msingi kwa kushona au kuendesha vipengele kupitia sheria zinazoendeshwa na wataalam.
Kwa kuongezeka kwa hivi karibuni kwa itifaki za MCP na A2A, 2025 imekuwa ‘Mwaka wa Wakala Sifuri’ wa kweli. Hasa, athari ya MCP kwenye uwanja wa AI inalinganishwa na ile ya itifaki ya TCP/IP kwenye Mtandao.
Zhou Ze’an, Mkurugenzi Mtendaji wa Biyao Technology, alisema katika mahojiano na InfoQ kwamba thamani kuu ya MCP kwa uwanja wa AI inaonyeshwa katika vipimo vitatu:
- Uhalalishaji wa kupiga simu za zana za LLM: Hapo zamani, kila kampuni ilikuwa na utekelezaji wake wa Simu ya Kazi, na tofauti kubwa kati yao. MCP inaanzisha kiwango cha ufikiaji kilichounganishwa, kuwezesha uhalalishaji wa kweli wa miradi ya upangaji wa programu kati ya wateja na seva. Kwa kuongezea, MCP inawezesha mwingiliano sio tu kati ya LLMs ambazo zinaunga mkono Simu ya Kazi lakini pia na LLMs ambazo hazina huduma hii.
- Kutatua changamoto za ushirikiano wa zana: Kiwango kilichounganishwa cha itifaki ya MCP hufanya ujenzi wa huduma za Wakala kuwa tofauti zaidi. Wasanidi wanahitaji kuzingatia sio tu Mawakala wao na huduma za MCP lakini pia jinsi ya kuunganisha uwezo wa nje ili kufikia kazi zenye nguvu zaidi za Wakala.
- Kudhibiti muktadha mzima kupitia LLMs, na kusababisha mwingiliano rafiki zaidi: Wakati wa kujenga michakato, inaweza kutumia anuwai zaidi ya vyanzo vya data kutatua kazi ngumu ambazo hapo awali hazikuwezekana.
‘Kwa ujumla, itifaki ya MCP inapunguza sana kizuizi kwa kampuni kupitisha teknolojia ya AI. Hapo zamani, mchakato wa ujumuishaji wa kiufundi wa kufikia Mawakala ulikuwa ngumu. Sasa, kampuni hazihitaji tena kuelewa kwa undani maelezo magumu ya utekelezaji wa kiufundi lakini zinahitaji tu kufafanua mahitaji yao ya biashara,’ Zhou Ze’an alisema. Biyao Technology imefungua kikamilifu uwezo wa usindikaji wa hati wa LLM yake ya wima ya tasnia ya rasilimali watu ‘Bole’ iliyojitengeneza kupitia itifaki ya MCP, pamoja na mikataba, wasifu, na PPTs, na ikawa mmoja wa watengenezaji wa kwanza wa biashara kuzindua vipengele vya MCP kwenye jukwaa la ukuzaji wa programu ya Qianfan. Hivi sasa, biashara yoyote au msanidi mmoja mmoja anaweza kupiga simu moja kwa moja uwezo wake wa kitaalam kwenye jukwaa la Qianfan.
‘Baidu itasaidia wasanidi kukumbatia MCP kikamilifu na kwa kina.’ Katika Mkutano wa Wasanidi wa AI wa Baidu wa Create2025 uliofanyika Aprili 25, jukwaa la Qianfan lilizindua rasmi huduma za MCP za kiwango cha biashara. Mwanzilishi wa Baidu Li Yanhong alionyesha kesi ya jukwaa la Qianfan kukumbatia MCP, kuruhusu wasanidi kupata kwa urahisi seva 1000 za MCP, pamoja na utaftaji wa AI wa Baidu, ramani, na Wenku, wakati wa kuunda Mawakala. Kwa kuongezea, Qianfan ilizindua zana ya msimbo mdogo ya kuunda Seva za MCP, kuruhusu wasanidi kuunda kwa urahisi Seva zao za MCP kwenye Qianfan na kuzichapisha kwenye Qianfan MCP Square kwa kubofya mara moja. Seva hizi za MCP pia zitaorodheshwa mara moja na utaftaji wa Baidu, zikiwaruhusu kugunduliwa na kutumiwa na wasanidi zaidi.
Kwa kweli, Qianfan imekuwa ikiendelea kutatua shida ya maili ya mwisho ya utekelezaji wa AI kabla ya kuongezeka kwa itifaki ya MCP, kusaidia kampuni kwa ufanisi na vizuizi vya chini kufurahiya faida za teknolojia ya AI na kutoa suluhisho za kukomaa kwa tasnia nyingi.
Kwa mfano, katika tasnia ya nyumba nzuri, kampuni kwa ujumla zinakabiliwa na shida ya kawaida: jinsi ya kutoa huduma sahihi za akili kwa mifumo mingi ya bidhaa? Kwa utekelezaji ulioharakishwa wa LLMs, kampuni nyingi zaidi zinatumia Mawakala kutoa haraka watumiaji majibu sahihi na ya kibinafsi. Walakini, hii pia inaleta changamoto mpya: jinsi ya kukuza na kusimamia Mawakala wengi? Bidhaa nzuri za nyumbani kawaida zina aina nyingi tofauti za bidhaa na mifumo. Kujenga Wakala kwa kila bidhaa kando hakuwezi kusababisha tu gharama kubwa za maendeleo lakini pia gharama kubwa za usimamizi na matengenezo katika hatua za baadaye.
Kwa mfano, chapa inayoongoza ya nyumba nzuri ilitumia jukwaa la ukuzaji wa programu ya Baidu AI Cloud Qianfan kutibu majina ya faili kama vipande huru na kupachika habari ya kipande cha jina la faili katika kila kipande kilichoandaliwa vizuri. Badala ya kujenga Wakala kwa kila bidhaa kando, walihitaji tu kupanga msingi wa maarifa unaolingana na kufafanua majina ya mfumo wa bidhaa. Halafu, wangeweza kutumia mkakati wa uchambuzi otomatiki wa mfumo wa RAG wa jukwaa la Qianfan kufikia ulinganishaji sahihi wa mifumo ya bidhaa na sehemu za maarifa.
Jukwaa la ukuzaji wa programu ya Qianfan pia hutoa chapa na seti ya zana za uendeshaji kujenga kitovu chenye akili kinachoendelea kubadilika. Kupitia kazi ya kurudisha data, rekodi zote za mwingiliano wa mtumiaji hubadilishwa kuwa vifaa vya uboreshaji. Wafanyikazi wa uendeshaji wanaweza kuona shida za mara kwa mara katika wakati halisi na kuingilia mara moja kwenye sehemu za maarifa ambazo hazijagunduliwa, na kutengeneza kitanzi kilichofungwa cha ‘operesheni - maoni - uboreshaji’. Kwa kuongezea, jukwaa la ukuzaji wa programu ya Qianfan na Msaidizi wa Xiaodu AI walijenga pamoja mfumo wa mwingiliano wa sauti. Kwa kutegemea mfumo huu, chapa inaweza kuwezesha vifaa ‘kuzungumza’ moja kwa moja na watumiaji, kufikia uzoefu wa mwingiliano wa asili, ufanisi, na kibinafsi.
Kutoka MCP hadi A2A, uwazi umekuwa neno muhimu jipya katika mfumo wa ikolojia wa matumizi ya LLM. Uwazi pia ndio nia ya asili ya jukwaa la Qianfan. Tangu siku ya kwanza ya kutolewa kwake mnamo 2023, Qianfan imepitisha msimamo wazi zaidi wa kufikia utajiri wa LLMs za mtu mwingine. Hivi sasa, Qianfan ina ufikiaji wa mifumo zaidi ya 100 kutoka kwa wauzaji wa mfumo zaidi ya 30, inayofunika aina 11 za uwezo kama vile maandishi, picha, na kufikiria kwa kina, pamoja na mifumo ya mtu mwingine kama vile DeepSeek, LLaMA, Tongyi, na Vidu. Pia inatoa anuwai kamili ya Wenxin LLMs, pamoja na mfumo mpya wa asili wa multimodal Wenxin 4.5 Turbo na mfumo wa kufikiria kwa kina Wenxin X1 Turbo, pamoja na mfumo wa kufikiria kwa kina Wenxin X1 uliotolewa hapo awali.
Kwa kampuni zinazotaka kutekeleza haraka teknolojia ya AI, Baidu AI Cloud inazidi kuwa chaguo la kwanza. Takwimu za soko ndio uthibitisho bora. Hivi sasa, jukwaa la Qianfan linahudumia wateja zaidi ya 400,000, na kiwango cha kupenya cha zaidi ya 60% katika biashara kuu. Kulingana na Ripoti ya Ufuatiliaji na Ufahamu wa Mradi wa Zabuni Kubwa wa Uchina (2025Q1), Baidu ilipata kwanza mara mbili kwa idadi ya miradi mikubwa ya zabuni na kiasi cha zabuni zilizoshinda katika robo ya kwanza: kushinda miradi 19 mikubwa ya zabuni na kiasi cha mradi kilichofunuliwa cha zaidi ya yuan milioni 450, na miradi mikubwa ya zabuni iliyoshinda ilikuwa karibu yote kutoka kwa wateja wa biashara ya serikali kuu katika tasnia kama vile nishati na fedha.
Kadi ya ripoti ya Baidu AI Cloud pia inatuma ishara kwa ulimwengu wa nje: katika vita hivi vya muda mrefu vya utekelezaji wa teknolojia ya AI, ni suluhisho tu ambazo zinaelewa kweli sehemu za maumivu za tasnia na zinaweza kusaidia kampuni kupunguza gharama za majaribio na makosa ndizo muhimu zaidi.