NEW NVIDIA Nemotron 3.5 Lightning is ABSURD!! 🤯

1
00:00:00,000 --> 00:00:02,610
โมเดลใหม่อย่าง Nemotron 3.5 Lightning (โมเดล

2
00:00:02,610 --> 00:00:05,280
AI ของ NVIDIA) เพิ่งเปิดตัว และสิ่งที่ NVIDIA

3
00:00:05,280 --> 00:00:07,119
ทำในครั้งนี้โคตรจะสุดจริงๆ ครับ

4
00:00:07,119 --> 00:00:09,729
เรื่องมันเป็นแบบนี้ โมเดล AI ส่วนใหญ่เวลารัน

5
00:00:09,729 --> 00:00:11,450
มันจะใช้ทรัพยากรทุกอย่างที่มี

6
00:00:11,450 --> 00:00:14,060
พารามิเตอร์ทุกตัวทำงานหมด และพอเป็นโมเดลใหญ่

7
00:00:14,060 --> 00:00:16,492
มันก็ใช้เวลานาน ทำให้ทุกอย่างช้าลง NVIDIA

8
00:00:16,492 --> 00:00:18,094
มองเห็นปัญหานี้แล้วก็คิดว่า

9
00:00:18,094 --> 00:00:19,696
"แล้วถ้าเราไม่ทำแบบนั้นล่ะ?

10
00:00:19,696 --> 00:00:23,315
ถ้าเราสร้างโมเดลที่มีพารามิเตอร์ 30 พันล้าน แต่ให้มันใช้จริงๆ

11
00:00:23,315 --> 00:00:25,925
แค่ประมาณ 3 พันล้านต่อครั้งล่ะ?" นั่นแหละคือ

12
00:00:25,925 --> 00:00:28,298
Nemotron 3.5 Lightning พารามิเตอร์รวม 30

13
00:00:28,298 --> 00:00:30,612
พันล้าน แต่ใช้จริงแค่ 3 พันล้านต่อโทเคน

14
00:00:30,612 --> 00:00:33,103
(token) และการตัดสินใจเพียงข้อเดียวนี้แหละ

15
00:00:33,103 --> 00:00:35,358
ที่ทำให้การปล่อยเวอร์ชันนี้น่าจับตามอง

16
00:00:35,358 --> 00:00:37,019
ผมจะอธิบายว่าทำไมมันถึงสำคัญ

17
00:00:37,019 --> 00:00:39,451
ลองคิดแบบนี้นะครับ สมมติว่าคุณมีทีม 30 คน

18
00:00:39,451 --> 00:00:41,053
เป็นคนเก่ง เป็นผู้เชี่ยวชาญ

19
00:00:41,053 --> 00:00:43,366
แต่สำหรับงานส่วนใหญ่ คุณต้องการแค่ 3 คน

20
00:00:43,366 --> 00:00:45,739
ทำไมต้องให้ทั้ง 30 คนมาทำงานทุกครั้งล่ะ?

21
00:00:45,739 --> 00:00:48,290
มันเสียเวลา ทำให้ทุกอย่างช้าลง Nemotron 3.5

22
00:00:48,290 --> 00:00:50,723
Lightning มี router (ตัวจัดเส้นทาง) ในตัว

23
00:00:50,723 --> 00:00:51,817
พองานเข้ามา router

24
00:00:51,817 --> 00:00:54,664
ก็ดูว่างานนี้ผู้เชี่ยวชาญกลุ่มไหนต้องจัดการจริงๆ

25
00:00:54,664 --> 00:00:57,393
กลุ่มเล็กๆ ก็ตื่นขึ้นมาทำงาน ที่เหลือก็นิ่งเฉย

26
00:00:57,393 --> 00:00:58,487
คุณได้คำตอบที่เร็ว

27
00:00:58,487 --> 00:01:01,156
แล้วก็ทำแบบนี้ซ้ำแล้วซ้ำเล่า นั่นคือเหตุผลที่

28
00:01:01,156 --> 00:01:03,529
NVIDIA อ้างว่าโมเดลนี้ให้ความเร็ว output

29
00:01:03,529 --> 00:01:06,258
(ผลลัพธ์) มากกว่าโมเดลอื่นในระดับเดียวกันถึง 4

30
00:01:06,258 --> 00:01:08,691
เท่า และทำงานแบบ agentic tasks (งานที่ AI

31
00:01:08,691 --> 00:01:10,411
ดำเนินการเอง) เสร็จไวขึ้น 30%

32
00:01:10,411 --> 00:01:12,132
โดยที่ความแม่นยำลดลงไม่มากนัก

33
00:01:12,132 --> 00:01:14,623
ถ้ายังไม่เคยรู้จักกัน ผมคือ digital avatar

34
00:01:14,623 --> 00:01:17,115
(อวตารดิจิทัล) ของ Julian Goldie ซีอีโอของ

35
00:01:17,115 --> 00:01:18,895
Goldie Agency เอเจนซี่ด้าน SEO

36
00:01:18,895 --> 00:01:21,386
ระหว่างที่เขาช่วยลูกค้าหาลีดและลูกค้าเพิ่ม

37
00:01:21,386 --> 00:01:23,166
ผมอยู่ตรงนี้เพื่ออัปเดตข่าว AI

38
00:01:23,166 --> 00:01:25,776
ล่าสุดให้คุณครับ แล้วทำไมความเร็วถึงสำคัญต่อ

39
00:01:25,776 --> 00:01:28,446
AI automation ในธุรกิจของคุณ? เพราะ AI agents

40
00:01:28,446 --> 00:01:30,997
(เอเจนต์ AI) ไม่ได้ตอบคำถามหนึ่งคำถามแล้วจบ

41
00:01:30,997 --> 00:01:33,192
พวกมันทำงานเป็นลูป เรียกใช้เครื่องมือ

42
00:01:33,192 --> 00:01:34,675
ตรวจสอบผลลัพธ์ มอบหมายงาน

43
00:01:34,675 --> 00:01:37,404
และรันคำสั่งซ้ำแล้วซ้ำเล่า และถ้าทุกขั้นตอนช้า

44
00:01:37,404 --> 00:01:39,836
เวิร์กโฟลว์ทั้งหมดของคุณก็ช้าตามไปด้วย AI

45
00:01:39,836 --> 00:01:40,963
agents ที่ทำงานยาวๆ

46
00:01:40,963 --> 00:01:43,099
ใช้เวลาส่วนใหญ่ไปกับงานที่ต้องทำซ้ำๆ

47
00:01:43,099 --> 00:01:45,531
ในปริมาณมาก ไม่ว่าจะเป็นการเรียกใช้ tools

48
00:01:45,531 --> 00:01:47,786
การตรวจสอบผลลัพธ์ หรือการมอบหมายงานให้

49
00:01:47,786 --> 00:01:50,040
sub-agents (เอเจนต์ย่อย) และ Lightning

50
00:01:50,040 --> 00:01:51,938
ถูกสร้างมาเพื่อเรื่องนี้โดยเฉพาะ

51
00:01:51,938 --> 00:01:53,837
คืองานที่ต้องทำซ้ำๆ อย่างรวดเร็ว

52
00:01:53,837 --> 00:01:56,091
ลองคิดดูว่ามันหมายถึงอะไรกับการทำ lead

53
00:01:56,091 --> 00:01:58,761
follow-up (ติดตามลูกค้าเป้าหมาย) แบบอัตโนมัติ

54
00:01:58,761 --> 00:02:01,193
การรัน content pipelines (สายพานคอนเทนต์)

55
00:02:01,193 --> 00:02:02,795
การจัดการขั้นตอน onboarding

56
00:02:02,795 --> 00:02:04,100
(การต้อนรับสมาชิกใหม่)

57
00:02:04,100 --> 00:02:05,820
การดูแลการมีส่วนร่วมของสมาชิก

58
00:02:05,820 --> 00:02:08,609
อะไรก็ตามที่เอเจนต์ต้องทำงานแบบเดิมซ้ำเป็นร้อยๆ

59
00:02:08,609 --> 00:02:10,329
ครั้ง ด้วยโมเดลที่เร็วขนาดนี้

60
00:02:10,329 --> 00:02:12,228
เวิร์กโฟลว์พวกนี้ไม่ใช่แค่รันได้

61
00:02:12,228 --> 00:02:13,889
แต่รันแบบพุ่งปรี๊ดเลยล่ะครับ

62
00:02:13,889 --> 00:02:16,262
และโมเดลนี้เป็นแบบเปิด เต็มรูปแบบ NVIDIA

63
00:02:16,262 --> 00:02:18,753
เผยแพร่ weights (ค่าน้ำหนัก) ชุดข้อมูลเทรน

64
00:02:18,753 --> 00:02:21,364
และสูตรการฝึก ภายใต้สัญญาอนุญาตแบบเปิด (Open

65
00:02:21,364 --> 00:02:24,033
Model License 1.1) คุณดาวน์โหลดไปใช้ ปรับแต่ง

66
00:02:24,033 --> 00:02:26,525
(fine-tune) ด้วยข้อมูลของคุณเอง และ deploy

67
00:02:26,525 --> 00:02:29,194
ไปที่ไหนก็ได้ตามต้องการ ตอนนี้ภายใน AI Profit

68
00:02:29,194 --> 00:02:31,627
Boardroom เรากำลังสร้างระบบ AI automation

69
00:02:31,627 --> 00:02:34,356
แบบครบวงจร โดยเฉพาะกับโมเดลอย่าง NeMo Megatron

70
00:02:34,356 --> 00:02:35,450
3.5 Lightning

71
00:02:35,450 --> 00:02:37,763
เรากำลังวางแผนวิธีตั้งค่าเวิร์กโฟลว์แบบ

72
00:02:37,763 --> 00:02:40,433
agentic ความเร็วสูง ที่จะขยาย pipeline ของคุณ

73
00:02:40,433 --> 00:02:42,450
ทำให้การเลี้ยงลีด (lead nurturing)

74
00:02:42,450 --> 00:02:44,704
เป็นอัตโนมัติ จัดการ onboarding สมาชิก

75
00:02:44,704 --> 00:02:46,781
และยกภาระงานซ้ำซากออกจากตัวคุณไปเลย

76
00:02:46,781 --> 00:02:49,154
ทุกสัปดาห์เราจัดคอลให้คำปรึกษาสด 4 ครั้ง

77
00:02:49,154 --> 00:02:53,128
ซึ่งคุณสามารถถามคำถามเกี่ยวกับการตั้งค่าของคุณโดยตรงและได้คำตอบจริง

78
00:02:53,128 --> 00:02:56,510
มีบทช่วยสอนแบบทีละขั้นตอนสำหรับทุกเครื่องมือที่ปล่อยออกมา

79
00:02:56,510 --> 00:02:57,993
รวมถึงตัวนี้ด้วย มีแผน 30

80
00:02:57,993 --> 00:03:00,722
วันเพื่อให้รู้ว่าควรสร้างอะไรก่อน มีคลังพรอมต์

81
00:03:00,722 --> 00:03:03,036
(prompt library) และเจ้าของธุรกิจ 3,700

82
00:03:03,036 --> 00:03:05,527
คนที่กำลังใช้เวิร์กโฟลว์เหล่านี้อยู่ตอนนี้

83
00:03:05,527 --> 00:03:07,841
พวกเขาเป็นคนที่คลุกคลีกับเรื่องนี้จริงๆ

84
00:03:07,841 --> 00:03:09,917
และพร้อมให้ความช่วยเหลือ 24 ชั่วโมง

85
00:03:09,917 --> 00:03:12,290
ถ้าคุณอยากนำ NeMo Megatron 3.5 Lightning

86
00:03:12,290 --> 00:03:13,773
ไปใช้ในธุรกิจอย่างถูกวิธี

87
00:03:13,773 --> 00:03:15,197
นี่คือที่ที่คุณควรมาครับ

88
00:03:15,197 --> 00:03:17,511
ลิงก์อยู่ในคำอธิบายวิดีโอ หรือเข้าไปที่

89
00:03:17,511 --> 00:03:18,757
AIprofitboardroom.com

90
00:03:18,757 --> 00:03:21,308
ต่อไปนี้คือจุดที่ยิ่งน่าสนใจกว่าเดิม NVIDIA

91
00:03:21,308 --> 00:03:23,681
ปล่อยอะไรอีกอย่างออกมาพร้อมกับ Lightning

92
00:03:23,681 --> 00:03:25,876
และมันอาจเป็นข่าวที่ใหญ่ที่สุดด้วยซ้ำ

93
00:03:25,876 --> 00:03:27,418
มันชื่อว่า NeMo Switchyard

94
00:03:27,418 --> 00:03:30,088
ซึ่งเป็นไลบรารีจัดเส้นทางโมเดลแบบ open source

95
00:03:30,088 --> 00:03:31,689
สำหรับ AI agents Switchyard

96
00:03:31,689 --> 00:03:34,003
จะส่งแต่ละพรอมต์ในเวิร์กโฟลว์ของเอเจนต์

97
00:03:34,003 --> 00:03:37,385
ไปยังโมเดลที่เก่งและมีประสิทธิภาพที่สุดสำหรับขั้นตอนนั้นๆ

98
00:03:37,385 --> 00:03:39,639
โดยเลือกจากทั้งโมเดล open source โมเดล

99
00:03:39,639 --> 00:03:41,419
proprietary และโมเดลของ NVIDIA

100
00:03:41,419 --> 00:03:43,198
โดยไม่ต้องเขียนแอปพลิเคชันใหม่

101
00:03:43,198 --> 00:03:44,919
ลองนึกภาพตามนะครับ เอเจนต์ AI

102
00:03:44,919 --> 00:03:47,055
ของคุณได้รับงานที่ซับซ้อน ทั้งวางแผน

103
00:03:47,055 --> 00:03:48,478
คิดเชิงเหตุผล วางกลยุทธ์

104
00:03:48,478 --> 00:03:50,377
งานพวกนั้นส่งไปให้โมเดล frontier

105
00:03:50,377 --> 00:03:53,046
(โมเดลระดับแนวหน้า) ตัวใหญ่ แล้วพอวางแผนเสร็จ

106
00:03:53,046 --> 00:03:55,479
งานลงมือทำทั้งหมด ไม่ว่าจะรันนี่ เช็คนั่น

107
00:03:55,479 --> 00:03:58,208
ตรวจสอบนี่ จัดรูปแบบนั่น ทำซ้ำ ก็จะถูกส่งไปที่

108
00:03:58,208 --> 00:04:00,343
NeMo Megatron 3.5 Lightning ซึ่งเร็ว

109
00:04:00,343 --> 00:04:02,716
มีประสิทธิภาพ และเชี่ยวชาญเฉพาะทาง หนึ่ง

110
00:04:02,716 --> 00:04:03,810
router สองโมเดล

111
00:04:03,810 --> 00:04:07,014
ให้ประสิทธิภาพดีกว่าการใช้โมเดลเดียวทำทุกอย่างหลายเท่า

112
00:04:07,014 --> 00:04:09,505
Nemotron 3.5 Lightning ได้คะแนน 24 บนดัชนี

113
00:04:09,505 --> 00:04:11,760
Artificial Analysis Intelligence Index

114
00:04:11,760 --> 00:04:12,853
ซึ่งพุ่งขึ้น 9

115
00:04:12,853 --> 00:04:15,523
คะแนนเมื่อเทียบกับโมเดลรุ่นก่อนอย่าง Nemotron

116
00:04:15,523 --> 00:04:18,193
3 Nano ดังนั้นคุณไม่ได้แค่ได้โมเดลที่เร็วขึ้น

117
00:04:18,193 --> 00:04:19,735
แต่ได้โมเดลที่ฉลาดขึ้นด้วย

118
00:04:19,735 --> 00:04:22,167
มาพูดถึงกันว่าโมเดลตัวนี้รันได้ที่ไหนบ้าง

119
00:04:22,167 --> 00:04:24,837
เพราะส่วนนี้เซอร์ไพรส์จริงๆ โมเดลนี้รันบน GPU

120
00:04:24,837 --> 00:04:27,151
สำหรับผู้บริโภคเพียงตัวเดียว รวมถึง GPU

121
00:04:27,151 --> 00:04:29,642
ในเครื่อง NVIDIA RTX PC หรือระบบ DGX Spark

122
00:04:29,642 --> 00:04:31,659
ของบริษัท คุณไม่ต้องมี data center

123
00:04:31,659 --> 00:04:33,854
(ศูนย์ข้อมูล) ไม่ต้องมี cloud credits

124
00:04:33,854 --> 00:04:35,931
(เครดิตคลาวด์) คุณสามารถรันโมเดล 30

125
00:04:35,931 --> 00:04:37,025
พันล้านพารามิเตอร์

126
00:04:37,025 --> 00:04:39,754
ซึ่งเทียบชั้นกับโมเดลที่ใหญ่กว่า 4 เท่า บน GPU

127
00:04:39,754 --> 00:04:40,940
ตั้งโต๊ะเครื่องเดียว

128
00:04:40,940 --> 00:04:44,084
สำหรับเจ้าของธุรกิจที่อยากเก็บเวิร์กโฟลว์ไว้ในเครื่อง

129
00:04:44,084 --> 00:04:46,635
เก็บข้อมูลเป็นส่วนตัว และไม่พึ่งพา external

130
00:04:46,635 --> 00:04:48,534
APIs (API ภายนอก) สำหรับทุกอย่าง

131
00:04:48,534 --> 00:04:49,779
สิ่งนี้ทำให้เป็นไปได้

132
00:04:49,779 --> 00:04:52,330
คุณเป็นเจ้าของระบบทั้งหมด และถ้าอยาก deploy

133
00:04:52,330 --> 00:04:54,288
ขึ้นคลาวด์ Nemotron 3.5 Lightning

134
00:04:54,288 --> 00:04:56,602
มีให้ใช้งานบน Hugging Face, ModelScope,

135
00:04:56,602 --> 00:04:58,975
OpenRouter และ build.nvidia.com ในรูปแบบ

136
00:04:58,975 --> 00:05:00,339
NVIDIA NIM microservice

137
00:05:00,339 --> 00:05:02,772
รวมถึงแพลตฟอร์มคลาวด์อีกหลากหลาย จะ local

138
00:05:02,772 --> 00:05:04,670
จะคลาวด์ จะทั้งสองแบบผสมกันก็ได้

139
00:05:04,670 --> 00:05:05,975
มาพูดถึงสถาปัตยกรรมกัน

140
00:05:05,975 --> 00:05:08,585
เพราะนี่คือสิ่งที่ทำให้มันเร็วจริงๆ Nemotron

141
00:05:08,585 --> 00:05:11,314
3.5 Lightning ใช้สถาปัตยกรรมแบบ hybrid ระหว่าง

142
00:05:11,314 --> 00:05:13,391
Mamba 2 บวก MoE (Mixture of Experts

143
00:05:13,391 --> 00:05:16,001
การผสมผู้เชี่ยวชาญ) บวก attention ชั้น Mamba

144
00:05:16,001 --> 00:05:18,493
จัดการการสร้างเนื้อหาโดยไม่ต้องสะสม memory

145
00:05:18,493 --> 00:05:19,798
cache (แคชหน่วยความจำ)

146
00:05:19,798 --> 00:05:22,467
ก้อนใหญ่ที่ทำให้ช้าลงเมื่องานยาวขึ้น ชั้น MoE

147
00:05:22,467 --> 00:05:24,959
จะเปิดใช้งานเฉพาะผู้เชี่ยวชาญที่คุณต้องการ

148
00:05:24,959 --> 00:05:26,383
ส่วน selective attention

149
00:05:26,383 --> 00:05:27,747
(การใส่ใจแบบเลือกเฉพาะ)

150
00:05:27,747 --> 00:05:30,358
ทำให้การให้เหตุผลเฉียบคม ทั้งสามทำงานร่วมกัน

151
00:05:30,358 --> 00:05:32,731
แล้ว NVIDIA ก็เพิ่ม speculative decoding

152
00:05:32,731 --> 00:05:35,282
(การถอดรหัสแบบคาดเดาล่วงหน้า) ขึ้นไปอีกชั้น

153
00:05:35,282 --> 00:05:37,951
NVIDIA ส่งโมเดล draft (โมเดลร่าง) มาให้สองตัว

154
00:05:37,951 --> 00:05:40,621
คือ DSparc สำหรับการอนุมานบน DGX Spark และงาน

155
00:05:40,621 --> 00:05:42,756
data center ที่มีการทำงานพร้อมกันต่ำ

156
00:05:42,756 --> 00:05:45,129
กับอีกตัวคือ DFlasher นี่คือวิธีทำงานของ

157
00:05:45,129 --> 00:05:47,146
speculative decoding แบบเข้าใจง่าย

158
00:05:47,146 --> 00:05:48,452
แทนที่จะสร้างทีละโทเคน

159
00:05:48,452 --> 00:05:50,350
โมเดลร่างขนาดเล็กกว่าจะเดาคร่าวๆ

160
00:05:50,350 --> 00:05:55,927
ว่าโทเคนสองสามตัวถัดไปน่าจะเป็นอะไร จากนั้นโมเดลหลักก็ตรวจสอบ ถ้าถูก ซึ่งมักจะถูกสำหรับงานซ้ำๆ

161
00:05:55,927 --> 00:05:58,003
โมเดลก็จะรับหลายโทเคนในขั้นตอนเดียว

162
00:05:58,003 --> 00:05:59,664
ทำให้สร้างผลลัพธ์ได้เร็วขึ้น

163
00:05:59,664 --> 00:06:02,096
สำหรับเอเจนต์ที่ทำงานแบบเดิมซ้ำๆ ตลอดเวลา

164
00:06:02,096 --> 00:06:04,054
นี่คือจุดที่ speculative decoding

165
00:06:04,054 --> 00:06:06,546
ช่วยได้มากที่สุด วิดีโอระบุว่าโมเดลมาพร้อม

166
00:06:06,546 --> 00:06:09,097
checkpoint แบบ NVFP4 และ BF16 ที่ใช้ kernel

167
00:06:09,097 --> 00:06:11,529
NVFP4 ชุดเดียวกับที่ขับเคลื่อน Nemotron 3

168
00:06:11,529 --> 00:06:14,139
Ultra บน GPU ตระกูล NVIDIA Blackwell, Hopper

169
00:06:14,139 --> 00:06:16,512
และ Ampere ไฟล์เดียวกันใช้ได้ทั้งใน data

170
00:06:16,512 --> 00:06:18,529
center และบน DGX Spark บนโต๊ะทำงาน

171
00:06:18,529 --> 00:06:21,021
โมเดลเดียวกัน น้ำหนักเดียวกัน ไฟล์เดียวกัน

172
00:06:21,021 --> 00:06:22,504
คุณเลือกเองว่าจะรันที่ไหน

173
00:06:22,504 --> 00:06:23,928
ทีนี้ขอซูมออกมามองภาพรวม

174
00:06:23,928 --> 00:06:25,945
เพราะมันมีเรื่องใหญ่กว่านี้ NVIDIA

175
00:06:25,945 --> 00:06:28,555
ไม่ได้แค่ปล่อยโมเดลตัวเดียว แต่ปล่อยทั้งสแตก

176
00:06:28,555 --> 00:06:30,691
(stack) Lightning คือตัวทำงานที่เร็ว

177
00:06:30,691 --> 00:06:33,064
Switchyard คือตัวควบคุมจราจร และ Reuters

178
00:06:33,064 --> 00:06:35,318
รายงานเมื่อวันที่ 11 สิงหาคมว่า NVIDIA

179
00:06:35,318 --> 00:06:36,564
กำลังพัฒนา Nemotron 4

180
00:06:36,564 --> 00:06:38,818
ซึ่งเป็นตระกูลโมเดลพารามิเตอร์ล้านล้าน

181
00:06:38,818 --> 00:06:39,912
(trillion)

182
00:06:39,912 --> 00:06:43,234
โดยมีกลยุทธ์คือขับเคลื่อนทั้งระบบนิเวศผ่านการกระจายโมเดล

183
00:06:43,234 --> 00:06:44,480
(model proliferation)

184
00:06:44,480 --> 00:06:46,972
คุณจึงได้ผู้เชี่ยวชาญตัวเล็กที่เร็ว router

185
00:06:46,972 --> 00:06:49,701
ที่คอยตัดสินว่าใครควรทำอะไร และโมเดล reasoning

186
00:06:49,701 --> 00:06:51,955
แนวหน้าในอนาคตที่จัดการงานคิดยากที่สุด

187
00:06:51,955 --> 00:06:54,031
ระบบนิเวศเดียว โมเดลเฉพาะทางหลายตัว

188
00:06:54,031 --> 00:06:56,167
แต่ละตัวทำงานที่มันถูกสร้างมา NVIDIA

189
00:06:56,167 --> 00:06:58,244
เพิ่งมอบโมเดลทำงานที่เร็ว เปิดกว้าง

190
00:06:58,244 --> 00:06:59,430
และเชี่ยวชาญเฉพาะทาง

191
00:06:59,430 --> 00:07:01,684
พร้อมระบบจัดเส้นทางให้กับคนที่สร้าง AI

192
00:07:01,684 --> 00:07:02,778
automation

193
00:07:02,778 --> 00:07:05,448
คำถามเดียวคือคุณจะเริ่มใช้มันเร็วแค่ไหน ภายใน

194
00:07:05,448 --> 00:07:08,177
AI Profit Boardroom เราวางแผนวิธีผสาน Nemotron

195
00:07:08,177 --> 00:07:09,271
3.5 Lightning

196
00:07:09,271 --> 00:07:11,347
เข้ากับเวิร์กโฟลว์ธุรกิจจริงไว้แล้ว

197
00:07:11,347 --> 00:07:13,067
วิธีตั้งค่าร่วมกับ Switchyard

198
00:07:13,067 --> 00:07:16,271
เพื่อให้เอเจนต์ของคุณจัดเส้นทางงานไปยังโมเดลที่ถูกต้อง

199
00:07:16,271 --> 00:07:18,881
วิธี fine-tune ด้วยข้อมูลของคุณเอง วิธีสร้าง

200
00:07:18,881 --> 00:07:21,610
pipeline แบบทำงานตลอดเวลาที่จัดการการเลี้ยงลีด

201
00:07:21,610 --> 00:07:22,915
การมีส่วนร่วมของสมาชิก

202
00:07:22,915 --> 00:07:25,170
และการกระจายคอนเทนต์ของคุณโดยอัตโนมัติ

203
00:07:25,170 --> 00:07:27,365
เราจัดคอลให้คำปรึกษาสัปดาห์ละ 4 ครั้ง

204
00:07:27,365 --> 00:07:30,034
ซึ่งคุณสามารถนำระบบของคุณมาและรับฟีดแบ็กสดได้

205
00:07:30,034 --> 00:07:32,704
มีบทช่วยสอนรายวันพาคุณผ่านทุกขั้นตอน มีแผน 30

206
00:07:32,704 --> 00:07:34,840
วันเต็มสำหรับสร้างระบบ AI automation

207
00:07:34,840 --> 00:07:35,933
ของคุณตั้งแต่ศูนย์

208
00:07:35,933 --> 00:07:38,603
มีคลังพรอมต์ที่สร้างรอบเวิร์กโฟลว์แบบ agentic

209
00:07:38,603 --> 00:07:40,442
และเจ้าของธุรกิจ 3,700 คนในนั้น

210
00:07:40,442 --> 00:07:43,052
หลายคนกำลังสร้างด้วยระบบนิเวศโมเดลของ NVIDIA

211
00:07:43,052 --> 00:07:45,307
อยู่แล้ว และพร้อมให้ความช่วยเหลือ 24/7

212
00:07:45,307 --> 00:07:47,739
ถ้าอยากสร้างอย่างจริงจังและได้ผลลัพธ์จริง

213
00:07:47,739 --> 00:07:50,409
มาร่วมกับเราได้ครับ ลิงก์อยู่ในคำอธิบายวิดีโอ

214
00:07:50,409 --> 00:07:53,078
หรือไปที่ aiprofitboardroom.com และถ้าอยากได้

215
00:07:53,078 --> 00:07:55,689
SOPs เต็มรูปแบบ เวิร์กโฟลว์ และกรณีการใช้งาน

216
00:07:55,689 --> 00:07:58,417
AI กว่า 100 กรณี รวมถึงการตั้งค่า Nemotron 3.5

217
00:07:58,417 --> 00:07:59,511
Lightning

218
00:07:59,511 --> 00:08:02,240
ที่นำไปต่อเข้ากับธุรกิจของคุณได้ทันที เข้าร่วม

219
00:08:02,240 --> 00:08:04,910
AI Success Lab ได้เลย ฟรีครับ มีสมาชิก 87,000

220
00:08:04,910 --> 00:08:07,045
คน โน้ตทั้งหมดจากวิดีโอนี้อยู่ในนั้น

221
00:08:07,045 --> 00:08:10,427
พร้อมคำแนะนำทีละขั้นตอนสำหรับทุกอย่างที่เราครอบคลุมวันนี้

222
00:08:10,427 --> 00:08:12,800
ลิงก์อยู่ในคอมเมนต์และคำอธิบายวิดีโอครับ