ByteDance bildar AI-dataenhet på toppnivå i storsatsning på gigantmodell

ByteDance har inrättat en ny avdelning på toppnivå kallad "AI Data & Security". Detta lyfter företagets hantering av datastyrning samtidigt som man påbörjar träningen av vad som kan bli en av världens största AI-modeller.

Den nya enheten, som först rapporterades av den kinesiska tekniksajten 36Kr, ligger på samma organisatoriska nivå som ByteDances forskningsavdelning Seed AI, Flow och Douyin, enligt PANews. Den leds av Adam Wang, som tidigare ansvarade för TikToks plattformsäkerhet och livesändningar.kucoin

Samlar dataprocessen

Avdelningens kärnuppdrag är att tillhandahålla datatjänster över olika modaliteter för alla ByteDances stora modeller. Den integrerar Global Data-teamet, som grundades 2023 av TikTok-medgrundaren Fu Yue, tillsammans med företagets datamellanprogramvara DMC och AI-dataplattformen under Flow. Enheten täcker hela datalivscykeln, från standardisering och insamling till syntes, rensning, kvalitetsutvärdering och säkerhetsregelefterlevnad.kucoin

Bakgrunden: Nej till destillering

Omstruktureringen sker bara dagar efter att ByteDances grundare Zhang Yiming uppmanat företagets forskningsteam inom Seed AI att undvika att förbättra egna modeller genom att destillera konkurrerande system. "AI-utveckling kräver ett långsiktigt perspektiv och tålamod, snarare än att använda andras resultat för att nå kortsiktiga framgångar på topplistor", sa Zhang vid ett internt möte nyligen, enligt en rapport från Reuters som citerar kinesiska The Paper.mix929

Zhang sa till personalen att ByteDance måste vara beredda att "offra kortsiktiga vinster för långsiktiga mål" och tillade att destillering hindrar verkliga, långsiktiga tekniska genombrott.mix929

Direktivet väger extra tungt med tanke på det geopolitiska läget. Financial Times rapporterade den 7 augusti att ByteDance förhandstränar en modell med så många som 10 biljoner parametrar med hjälp av en "mixture-of-experts"-arkitektur. Detta kräver cirka 30 000 grafikprocessorer (GPU:er) och tre till sex månaders oavbruten förhandsträning. Den nya dataenheten verkar vara utformad för att säkerställa att träningsprocessen för detta projekt: och framtida projekt: sker med korrekt reglerad, internt insamlad data snarare än data som skrapats eller destillerats från västerländska system.wionews

Strukturell signal

Genom att placera AI-datastyrning på samma nivå som sina kärnavdelningar för AI-forskning och produktutveckling sänder ByteDance en organisatorisk signal om att dataursprung och regelefterlevnad inte är efterhandskonstruktioner, utan förutsättningar för företagets framtida ambitioner. Draget positionerar också företaget för att kunna försvara sig mot framtida anklagelser om immaterialrättsligt missbruk, i en tid då amerikanska tjänstemän har varnat för att "sanktioner och svartlistning kommer att ligga på bordet" för kinesiska företag som misstänks för att destillera amerikanska AI-system.wionews