【生成式AI】谁拥有生成式 AI 平台？

• 技术栈早期阶段出现在生成人工智能 (AI) 中。新创业公司正涌入市场，开发基础模型、构建 AI 原生应用程序并建立基础设施/工具。
• 许多热门技术趋势在市场赶上之前就被过度炒作了。生成式人工智能的繁荣伴随着真实市场的实际收益，以及来自真实公司的真正吸引力。
• Stable Diffusion、ChatGPT 等模型正在创造用户增长的历史记录，多个应用程序在推出后不到一年的时间就达到了 1 亿美元的年化收入。
• 人工智能模型在某些任务中的表现优于人类多个数量级。

市场的价值将增长点

• 基础架构供应商可能是该市场迄今为止的最大赢家，占据了流经堆栈的大部分资金。
• 应用程序公司的收入增长非常快，但往往在留存率、产品差异化和毛利率方面苦苦挣扎。
• 模型提供商（大多数），虽然负责这个市场的存在，但尚未实现大规模的商业规模。
  换句话说，创造最大价值的公司——即训练生成式 AI 模型并将其应用于新应用程序——并没有获得大部分价值。
  非常看好生成式人工智能，相信它将对软件行业及其他行业产生巨大影响。
  这篇文章的目的是描绘出市场动态，并开始回答有关生成式 AI 商业模式的更广泛问题。

技术栈：基础架构、模型和应用程序

生成式人工智能市场的形成，分析市场的框架。

技术栈可以分为三层：

1. Applications：将生成的 AI 模型集成到面向用户的产品中的应用程序，运行自己的模型管道（“端到端应用程序”）或依赖第三方 API
2. Models：为 AI 产品提供动力的模型 ，可以作为专有 API 或开源检查点（反过来，这需要托管解决方案）提供
3. Infrastructure venors：为生成人工智能模型运行训练和推理工作负载的 基础设施供应商（即云平台和硬件制造商）

生成式 AI 应用程序留存率和差异化方面举步维艰

• 在纯粹的新颖性和大量用例的推动下，生成式 AI 应用程序的增长一直是惊人的。 至少三个产品类别的年收入已经超过 1 亿美元：图像生成、文案撰写和代码编写。
• 增长必须是有利可图的——从某种意义上说，用户和客户一旦注册，就会产生利润（高毛利率）并长期坚持（高保留率）。
• 已经看到付费获取的有效性和保留率开始下降。 因为它们依赖于类似的底层人工智能模型，并且没有发现竞争对手难以复制的明显网络效应或数据/工作流。
• 销售终端用户应用程序是建立可持续的生成式 AI 业务的唯一甚至最佳途径尚不明显。
• 随着语言模型的竞争和效率的提高，利润率应该会提高。
• 垂直整合的应用程序在推动差异化方面具有优势。

生成式 AI 应用程序公司面临的一些问题

• 垂直整合（模型+应用程序）。
  • 将 AI 模型作为服务使用，可以让应用程序开发人员与小团队快速迭代，并随着技术进步交换模型提供商。
  • 认为产品就是模型，通过专有产品数据不断地重新训练。 但这以更高的资本要求和更不灵活的产品团队为代价。
• 构建功能与应用程序。
  • 生成式 AI 产品有多种不同的形式
  • 桌面应用程序、移动应用程序、Figma/Photoshop 插件、Chrome 扩展程序，甚至是 Discord 机器人。
• 通过炒作周期进行管理。
  • 目前尚不清楚流失是当前批次的生成式 AI 产品固有的，还是早期市场的产物。
  • 随着炒作的消退，对生成式人工智能的兴趣是否会下降。

模型提供商尚未达到大规模商业规模

• 谷歌、OpenAI 和 Stability 通过新颖的模型架构和扩展训练管道所做的出色研究和工程工作，使得生成式 AI 高速发展。大型语言模型 (LLM) 和图像生成模型的功能令人惊叹。
• 与使用量和口碑相比，与这些公司相关的收入仍然相对较小。
  • 在图像生成方面，Stable Diffusion 在用户界面、托管产品和微调方法的生态系统的支持下出现了爆炸性的社区增长。核心原则免费提供。
  • 在自然语言模型中，OpenAI 以 GPT-3/3.5 和 ChatGPT 占据主导地位。但到目前为止，基于 OpenAI 构建的杀手级应用相对较少。未来顺利集成到 Microsoft 的产品组合中，将带来大规模收入。

闭源模型也有其优势

• 由 Anthropic、Cohere 和 Character.ai 等公司构建的 LLM 更接近 OpenAI 的性能水平，在类似的数据集上训练并使用类似的模型架构。
• Stable Diffusion 的例子表明，如果开源模型达到足够的性能水平和社区支持，那么专有替代品可能会发现难以竞争。
• 对于模型提供商来说，最明显的收获可能是商业化可能与托管有关。
• 对专有 API的需求正在迅速增长。
• 开源模型的托管服务正在成为方便共享和集成模型的有用中心。（例如 Hugging Face 和 Replicate）
• 可以通过与企业客户的微调和托管协议来获利。

基础设施供应商是目前的最大赢家

• 生成式 AI 中的几乎所有内容都在某个时刻通过云托管 GPU（或 TPU）。无论是运行训练工作负载的模型提供商/研究实验室、运行推理/微调的托管公司
• 最具颠覆性的计算技术的进步第一次受到大规模计算的限制。
• 生成人工智能市场的大量资金最终流向了基础设施公司。大约 10-20% 流向了云提供商。
• 三大云：亚马逊网络服务 (AWS)、谷歌云平台 (GCP) 和 Microsoft Azure。特别是在生成式 AI 中，他们还受益于供应限制，因为他们可以优先使用稀缺硬件（例如 Nvidia A100 和 H100 GPU）。
• 在幕后，运行绝大多数 AI 工作负载的可能是迄今为止生成 AI 领域的最大赢家：Nvidia。通过数十年来对 GPU 架构的投资、强大的软件生态系统以及在学术界的深入使用，他们围绕这项业务建立了强大的护城河。

系统性的护城河

• 今天生成式人工智能似乎没有任何系统性的护城河。
  • 应用程序缺乏很强的产品差异化，因为它们使用相似的模型
  • 模型面临不明确的长期差异，因为它们是在具有相似架构的相似数据集上训练的
  • 云提供商缺乏深度的技术差异化，因为他们运行相同的 GPU
  • 甚至硬件公司也在同一家工厂生产芯片
    标准的护城河：
• 规模护城河（“我拥有或可以筹集到比你更多的钱！”）
• 供应链护城河（“我有 GPU，你没有！”）
• 生态系统护城河（“每个人都已经在使用我的软件了！”）
• 算法护城河（“我们比你聪明！”）
• 分销护城河（“我已经有一个销售团队和比你更多的客户！”）
• 数据管道护城河（“我在互联网上的爬行比你还多！”）

无论如何，我们可以肯定的是，生成式 AI 会改变游戏规则。我们都在实时学习规则，将会释放出巨大的价值，因此技术领域将变得非常非常不同。我们为此而来！

🔗 原文链接：who-owns-the-generative-ai-platform