ஒரு மில்லியன் வணிகங்களை இலக்காகக் கொண்டு புதிய செயற்கை நுண்ணறிவு (AI) உத்தியை அறிமுகப்படுத்தும் Exabytes

Exabytes நிறுவனம் கோலாலம்பூரில் நடைபெற்ற Exabytes GROW AI உச்சிமாநாடு 2026-இல் அதிகாரப்பூர்வமாக GROW AI-ஐ அறிமுகப்படுத்தியுள்ளது. இந்த மூலோபாய முயற்சி 2030-ஆம் ஆண்டிற்குள் ஒரு மில்லியன் வணிகங்களை மேம்படுத்துவதை நோக்கமாகக் கொண்டுள்ளது. இது டிஜிட்டல் இருப்பை உருவாக்குவதிலிருந்து, பாதுகாப்பான மற்றும் நடைமுறைக்குரிய செயற்கை நுண்ணறிவை பெருமளவில் செயல்படுத்துவதை நோக்கி நிறுவனத்தின் கவனத்தை மாற்றுகிறது.

இந்த உத்தி நிறுவனத்தின் நீண்டகால GROW Digital பணியின் அடுத்த கட்டத்தைப் பிரதிபலிக்கிறது. அசல் வெளியீட்டாளரின் கூற்றுப்படி, இந்த முயற்சி நிறுவனங்கள் சிதறிய AI கருவிகள் மற்றும் தனிமைப்படுத்தப்பட்ட முன்னோடித் திட்டங்களைத் தாண்டிச் செல்ல உதவும் வகையில் வடிவமைக்கப்பட்டுள்ளது. மாறாக, செயல்பாட்டுத் திறன், முடிவெடுத்தல், வாடிக்கையாளர் ஈடுபாடு மற்றும் ஒட்டுமொத்த உற்பத்தித்திறனை மேம்படுத்தும் ஒருங்கிணைந்த AI பயன்பாடுகள் மூலம் நிறுவன அளவிலான செயல்பாட்டை அடைவதில் கவனம் செலுத்தப்படுகிறது.

இந்த மாற்றத்தை எளிதாக்க, Exabytes நிறுவனம் Aurora Mobile உடன் மூன்று ஆண்டு கால கூட்டாண்மையில் இணைந்துள்ளது. இந்தக் கூட்டு முயற்சி தென்கிழக்காசியா முழுவதும் நிறுவன அளவிலான AI தீர்வுகளை வழங்குவதையும், வணிகங்களின் டிஜிட்டல் மாற்றப் பயணங்களுக்கு ஆதரவளிக்க இரு நிறுவனங்களின் ஒருங்கிணைந்த பலத்தைப் பயன்படுத்துவதையும் நோக்கமாகக் கொண்டுள்ளது.

GROW AI கட்டமைப்பு, RASA என்று அழைக்கப்படும் நம்பகமான (Reliable), அணுகக்கூடிய (Accessible), அளவிடக்கூடிய (Scalable) மற்றும் AI-ஆல் இயக்கப்படும் (AI-driven) கொள்கைகளின் அடிப்படையில் கட்டமைக்கப்பட்டுள்ளது. இந்த ஒருங்கிணைந்த அணுகுமுறை, மேகக்கணி உள்கட்டமைப்பு (cloud infrastructure), இணைய பாதுகாப்பு, மின்னணு வணிகம், வணிகப் பயன்பாடுகள், பணியிட உற்பத்தித்திறன் மற்றும் ஆட்டோமேஷன் உள்ளிட்ட பல முக்கிய துறைகளில் Exabytes-இன் தற்போதைய திறன்களை ஒன்றிணைக்கிறது.

மலேசிய வணிகச் சூழலைப் பொறுத்தவரை, இந்த நகர்வு மிகவும் மேம்பட்ட தொழில்நுட்பத் தத்தெடுப்பை நோக்கிய மாற்றத்தைக் குறிக்கிறது. உள்ளூர் நிறுவனங்கள் டிஜிட்டல் முதன்மை பொருளாதாரத்தில் போட்டியிட விரும்பும் நிலையில், அளவிடக்கூடிய நிறுவன AI கருவிகளின் இருப்பு, ஆரம்பகால சோதனைகளைக் கடந்து நீண்டகால, அதிக தாக்கத்தை ஏற்படுத்தக்கூடிய செயல்பாட்டு மேம்பாடுகளை அடைவதற்கு அவசியமானதாக நிரூபிக்கப்படலாம்.