为了促进印度以企业为重点的AI创新，商业软件提供商Zoho推出了其名为Zia的本土大型语言模型（LLMS）套件。这些模型专为企业使用而设计，有三种尺寸：13亿，26亿和70亿个参数，并完全使用NVIDIA GPU在内部建造。
人工智能模型
AI模型的大小通常用其具有的参数数来描述。更多的参数通常意味着该模型可以学习更复杂的模式，但它还需要更多的数据和成本密集的计算能力才能有效培训。
与面向消费者的AI平台不同，Zia LLM紧密整合到Zoho的55多个业务应用程序中，并旨在支持CRM，Finance，HR和客户支持等上下文企业工作流程。该公司表示，这些模型托管在Zoho自己的数据中心中，使客户能够将其数据完全保存在Zoho生态系统中，这与依靠第三方LLM LLM提供商形成鲜明对比。
“没有使用客户数据来培训该模型。我们使用了公开可用和专有数据的组合，” Zoho研究总监Ramprakash Ramamoorthy在发布会上说。他补充说：“我们已经从头开始建立了模型，对隐私，效率和企业的相关性进行了优化。”
Ramamoorthy指出，如今，大多数SaaS公司都在云和AI服务提供商上花费很大一部分收入，从而导致成本最终转移给客户。通过在自己的数据中心和基础基础设施中进行大量投资，Zoho旨在控制这些费用，同时创新，以获得更好的整体体验。
他补充说：“我们不想成为计算机或AI的经销商。”
Zia llm
Zoho使用Zia LLM，旨在右尺寸AI模型以适合特定的用例。例如，13亿个参数模型可以为结构化数据任务（例如异常检测或收入报告）提供动力，而70亿个参数版本可以处理跨企业数据的更复杂，非结构化的查询。
Ramamoorthy指出，这种目标方法降低了推理成本并提高了能源效率。
Zoho Benchmarked Zia LLM反对Meta的Llama 2，一个70亿个参数模型；和Llama 3，一个80亿个参数模型。 Zia LLM的表现优于Llama 2，尽管参数较少，但在行业标准任务中却达到了Llama 3的近80％。通常，具有更多层的较大型号的推理成本更高，而对于较小的型号，推理成本更便宜。
Zoho计划将Zia LLM扩展到32、70和1000亿参数。为了支持这一点，Zoho与NVIDIA合作，正在自己的GPU基础架构进行投资。
除LLM外，Zoho还推出了自己的英语自动语音识别模型（ASR）模型，扩大了其AI基础架构堆栈。该模型旨在支持诸如销售呼叫转录和情感分析之类的企业功能，也是内部建造的，并针对Openai的Whisper等模型进行了标准。
英语的语音识别模型具有20亿参数。 Zoho还将为15种印度语言建立ASR模型，该模型将在未来几个月内推出，并具有10亿个参数。 Ramamoorthy说：“我们都节俭了，因为我们想减少GPU支出。”
该公司表示，所有的AI功能都将无需额外费用捆绑到现有的Zoho定价计划中。客户还可以选择通过Zoho的AI桥和模型上下文协议（MCP）服务器插入第三方LLM和人类等第三方LLM。
