我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
幾點要點需要納入考慮：
- 問題評估：首先要徹底理解問題，主要挑戰是什麼？您正在處理什麼規模的資料？
- 技能評估：團隊的熟練程度是多少？熟悉某些平台可能會加速開發。
- 可擴展性：考慮成長性，所選的解決方案會隨著資料的成長或問題複雜性的增加而擴展嗎？
- 社群和支援：具有活躍社群的工具和模型可能會有所幫助。
- 互通性：解決方案與現有系統或未來潛在工具的整合程度如何？
我們現在已經進入人工智慧產業化時代，Microsoft Azure、Google Cloud、Amazon Web Services (AWS) 和 IBM 等提供的 AI 服務是任何開發人員或開發團隊都無法比擬的，科技巨頭擁有價值數百萬美元的超級計算機，擁有大量資料集來訓練Transformer Model和一般人工智慧模型。
大型科技巨頭擁有許多已經使用其雲端服務的企業客戶，因此，與任何其他解決方案相比，向現有雲端架構添加Transformer API 所需的工作量更少。
小公司甚至個人都可以透過 API 存取最強大的 Transformer 模型，而幾乎不需要開發投資，無需成為工程師或擁有博士學位。
例如，OpenAI 平台現在擁有適用於市場上一些最有效的 Transformer 模型的 Software as a Service (SaaS) API。
