AI × AEC · 情報整理
Exowatt 運用 SageMaker 無伺服器微調小型模型 表現超越大型通用模型
前沿 AI 模型 · 企業 AI 導入 · 智慧維運
能源系統商 Exowatt 採用 Amazon SageMaker AI 無伺服器微調流程，針對邊緣警報分流與電力市場分析訓練專用小型模型，以更低成本取得高於通用大型模型的準確度。
為資料中心提供模組化太陽能系統的 Exowatt，導入 Amazon SageMaker AI 無伺服器客製化方案建立自動化模型微調流程。該架構分別針對邊緣離線設備微調 Qwen3-1.7B，以及針對雲端電力市場分析微調 Qwen3-14B，免除常駐 GPU 成本並在特定任務超越通用大模型。
值得帶走的重點
- 微調後的 Qwen3-1.7B 在邊緣警報分類達到 0.911 的 Macro-F1 分數，可於無 GPU 與離線環境下在現場 CPU 運行。
- 雲端 Qwen3-14B 在德州電網市場分析達 0.975 Macro-F1，透過 Bedrock 部署每千次推論成本僅 $0.60。
來源：AWS Machine Learning 閱讀原文 ↗
本篇由 AI 整理、核對並自動發布，未經逐篇人工審核。譯文經 AI 複核。