Exowatt 用 SageMaker 微调小模型，精度超前沿模型
热点事件持续更新
Exowatt 用 SageMaker 微调小模型，精度超前沿模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
AWS 发文介绍，能源公司 Exowatt 借助 Amazon SageMaker AI 的无服务器模型定制功能，为边缘和云端两个部署目标微调出任务专用模型。AWS 称，这些模型精度超过前沿模型，成本最高降低 49 倍。 具体做法是：边缘告警分诊使用基于 Qwen3-1.7B 的模型，量化后运行在站点现有 CPU 上，无需 GPU，也无需联网；云端能源市场分析使用基于 Qwen3-14B 的模型，通过 Amazon Bedrock Custom Model Import 托管。AWS 称，该流程把从原始运营数据到完成评估并部署的路径，从数月缩短到数天。 成本方面，AWS 称该模型无闲置成本，仅在运行时按每小时 6.86 美元计费；边缘路径每 1000 次决策为 0 美元，不计计量 API 或 GPU 推理费用。这些数字均为 AWS 的说法。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 00:50
Exowatt 用 SageMaker 无服务器模型定制，精度超越前沿模型且成本低至 1/49报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AWS Machine Learning BlogExowatt 用 SageMaker 无服务器模型定制，精度超越前沿模型且成本低至 1/49
Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，为边缘和云端两个部署目标微调出任务专用模型，精度超过前沿模型，成本最高降低 49 倍。其边缘告警分诊基于 Qwen3-1.7B，云端能源市场分析基于 Qwen3-14B，后者通过 Amazon Bedrock Custom Model Import 托管。该流程将原始运营数据到已评估部署产物的路径从数月缩短到数天。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。