Exowatt supera i modelli all'avanguardia in accuratezza con la personalizzazione serverless di SageMaker
aws ·
Exowatt ha utilizzato con successo la personalizzazione serverless di modelli Amazon SageMaker AI per creare agenti AI specializzati per la propria infrastruttura di energia solare, superando i modelli all'avanguardia in termini di accuratezza e riducendo significativamente i costi. L'azienda ha sviluppato due varianti distinte di modelli affinati: una variante Qwen3-1.7B per il triage degli allarmi basato su edge e una variante Qwen3-14B per l'analisi dei mercati energetici basata sul cloud. Sfruttando l'addestramento serverless, Exowatt ha eliminato la necessità di un provisioning manuale delle GPU, consentendole di iterare rapidamente e distribuire modelli pronti per la produzione in giorni anziché mesi. Il modello edge funziona offline su hardware CPU esistente, ottenendo un punteggio macro-F1 di 0,911 senza costi di connettività o inferenza. Nel frattempo, il modello cloud offre un macro-F1 di 0,975 a un costo circa 49 volte inferiore per mille risposte rispetto ai principali modelli proprietari leader di mercato come Claude Opus 4.7. Questo approccio dimostra che i modelli più piccoli, specifici per il compito e affinati, possono superare i modelli generalisti più grandi quando addestrati su dati curati di alta qualità. La pipeline risultante fornisce un percorso ripetibile dai dati operativi grezzi agli artefatti di distribuzione certificati sia negli ambienti edge vincolati che nei carichi di lavoro elastici del cloud.
aws