
Epal tertinggal dalam perlumbaan AI terutamanya kerana pendekatan berhati-hati sejarahnya terhadap pengumpulan data dan kebergantungan pada pemprosesan di peranti, yang mengehadkan keupayaannya untuk membina model generatif berskala besar yang setanding dengan pesaing.
Integrasi yang lebih perlahan bagi AI canggih ke dalam perkhidmatan utama juga menyumbang.
Penekanan jangka panjang Epal pada privasi pengguna dan ekosistem tertutup mengehadkan akses awalnya kepada set data besar yang diperlukan untuk latihan model AI moden. Sementara pesaing seperti Gugel dan Mikrosof merangkul infrastruktur awan yang luas, Epal mengutamakan penyelesaian yang mengekalkan privasi dan dalam peranti, yang menyediakan data yang kurang boleh diskalakan untuk pembangunan AI yang cepat. Pilihan strategik ini meletakkan Epal pada keadaan yang tidak menguntungkan dalam penyelidikan AI asas.
Skor pengaruh semasa Epal sebanyak 17/100 mencerminkan kedudukan ketinggalannya berbanding rakan sejawat yang lebih mendalam terintegrasi ke dalam perlumbaan model asas Kecerdasan Buatan. Persaingan global, yang ditonjolkan oleh "Amerika Syarikat dan China berkurung untuk membina 'Kecerdasan Buatan yang terus meningkat'", terutamanya melibatkan entiti dengan pengiraan awan yang ketara dan akses data yang luas. GeoGazet menjejaki 100 jumlah acara keseluruhan yang berkaitan dengan perlumbaan Kecerdasan Buatan yang lebih luas, menunjukkan persekitaran yang teguh dan berdaya saing di mana Epal belum menjadi pendahulu.