Exowatt supera modelos de fronteira em precisão com customização serverless do SageMaker
aws ·
A Exowatt utilizou com sucesso a personalização de modelos sem servidor do Amazon SageMaker AI para criar agentes de IA especializados em sua infraestrutura de energia solar, superando os modelos de fronteira em precisão e reduzindo significativamente os custos. A empresa desenvolveu dois modelos distintos ajustados: uma variante Qwen3-1.7B para triagem de alarmes baseada em borda e uma variante Qwen3-14B para análise de mercado de energia na nuvem. Ao aproveitar o treinamento sem servidor, a Exowatt eliminou a necessidade de provisionamento manual de GPUs, permitindo iterar rapidamente e implantar modelos prontos para produção em dias, em vez de meses. O modelo de borda opera offline em hardware de CPU existente, alcançando uma pontuação macro-F1 de 0,911 sem conectividade ou custos de inferência. Enquanto isso, o modelo na nuvem entrega uma macro-F1 de 0,975 a um custo aproximadamente 49 vezes menor por mil respostas em comparação com modelos proprietários líderes como o Claude Opus 4.7. Esta abordagem demonstra que modelos menores e ajustados para tarefas específicas podem superar modelos maiores de propósito geral quando treinados com dados curados de alta qualidade. O pipeline resultante fornece um caminho repetível desde dados operacionais brutos até artefatos de implantação certificados, tanto em ambientes de borda restritos quanto em cargas de trabalho elásticas na nuvem.
aws