AI에 어떻게 투자하나요? 글로벌 1위 VC가 직면한 '3대 중점 이슈'

현재 인공지능은 역사상 그 어떤 기술 혁명보다 빠르게 확산되며 'iPhone 순간'을 맞이하고 있습니다.

그러나 모건스탠리는 보고서에서 AI 개발의 불확실성이 높다는 점을 부인할 수 없다고 지적했고, VC들은 이를 예리하게 발견해 다음과 같은 '3대 중점 이슈'를 지적했다.

• AI는 크게 성장하고 있으며 모듈화가 시급히 필요합니다

AI 산업은 빠르게 발전하고 있으며, '기술 확산' 속도는 인터넷 혁명을 능가합니다. AI의 더 빠른 성장을 달성하는 열쇠는 모듈화입니다.

"기술 확산(Tech Diffusion)"은 최근 몇 년 동안 가장 중요한 주제 중 하나입니다. 이는 기술이 최초로 상업적으로 적용되는 과정부터 활발한 홍보와 광범위한 채택을 거쳐 후진성으로 인해 최종적으로 제거되는 과정입니다.

유례가 없는 것은 인공지능 기술이 비기술적 인접 분야로 확산되는 속도와 파급효과입니다. 이 점을 보다 명확하게 설명하기 위해 아래 차트에서는 1885년 이후 전기 혁명, 2007년 이후 인터넷 혁명, 2022년 이후 인공지능 혁명의 기술 확산 속도를 비교하고 있습니다.

그 중에서 모듈성(작업의 다양한 측면을 전문적으로 처리하는 모듈성 하위 모듈)은 혁신 스택을 통해 더 빠른 성장과 혼란을 달성하는 데 핵심입니다. AI의 지속적인 성장은 광범위한 인터넷 접속에 달려 있으며, 이를 가능하게 하려면 값싼 전기가 필요합니다. 이러한 대규모 인공 지능 모델은 모듈식 형태를 기반으로 하며 향후 급속한 성장과 혼란이 일어나는 영역에도 동일하게 적용 가능합니다.

모델 학습이 모든 시나리오를 다룰 수 없기 때문에 점점 더 다양한 작업에 직면할수록 AI의 성능은 점점 더 나빠집니다. 이는 대부분의 주류 AI 제품이 상대적으로 논리적인 답변을 제공하기 위해 프롬프트 단어에 의존하는 이유이기도 합니다. 즉, 모듈을 다양한 측면을 처리하기 위해 전문적인 작업으로 나누는 것이 일반화 문제에 대한 해결책 중 하나입니다. )

예를 들어, OpenAI가 새로 출시한 데이터 분석 도구인 "Code Interpreter"와 같이 대규모 모델을 보유한 회사의 오픈 소스 플러그인은 이러한 모듈식 확장 방법의 이점을 활용하고 사용 범위, 깊이 및 지속성을 더욱 높일 것입니다. 그러나 역사상 어떤 기술에 비해 채택 속도가 빠르다는 것은 Generative AI의 S-곡선이 과거에 예상했던 수년 또는 수십 년이 아닌 수개월 밖에 걸리지 않는다는 것을 의미합니다.

• AI 기업 가치가 하락하고 극심한 차별화가 발생했습니다

AI 회사의 자금 조달 및 평가에도 80/20 규칙이 존재합니다(회사 수익의 80%는 프로젝트의 20%에서 나옵니다). OpenAI는 최근 미화 3억 달러를 추가로 모금했으며 그 가치는 미화 270억 달러와 미화 270억 달러 사이입니다. 290억 달러. 회사는 지난 7라운드 동안 총 110억 달러 이상의 자금을 조달했습니다.

현재 OpenAI의 ChatGPT와 경쟁할 수 있는 경쟁자는 없습니다. 최근 플랫폼 데이터에 따르면 월간 활성 사용자 수가 Reddit, Netflix 및 Linkedin을 능가하며 20억 명에 가깝습니다.

그러나 평균적으로 AI/ML 기업의 가치 평가는 AI/ML이 과대광고 주기에 한창이던 2021년 1월의 가치 평가 수준보다 60% 낮습니다. AI에 대한 투자 수요의 뚜렷한 증가(전체 벤처캐피탈 투자의 10%)에도 불구하고 소수의 민간 AI 기업만이 재평가를 통과했으며, OpenAI도 그러한 기업 중 하나입니다.

• 오픈 소스 대형 모델이 금융 모델에 도전할 수 있음

최근 몇 주 동안 가장 뜨거운 질문은 오픈 소스 모델에 직면한 대형 모델 회사의 해자가 얼마나 큽니까?

2023년 기준 AI 분야 투자 자금은 120억 달러를 넘어 전체 시장 벤처캐피털의 10%를 차지했다. 파레토 포인트를 다시 달성했음에도 불구하고 현재 자금의 80%는 다운스트림 APP 제조업체가 아닌 대형 모델 소유자의 손에 남아 있습니다. 이후 비기술 산업으로의 확산이 가속화되었습니다.

물론, 그럴 만한 이유가 있습니다. 점점 더 큰 LLM을 교육하는 데는 비용이 많이 들고 API를 통해 해당 모델을 활용하여 다운스트림 애플리케이션을 만드는 것이 더 저렴하며 현재도 그런 것 같습니다.

오픈소스 LLM의 출현으로 인해 어느 시점에서 이 자본 배치 비율이 역전될까요? 공공 시장이든 민간 시장이든 자금 조달이 저비용 오픈 소스 LLM의 출현에 도움이 될까요?

위 내용은 AI에 어떻게 투자하나요? 글로벌 1위 VC가 직면한 '3대 중점 이슈'의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!