Bagaimana untuk melabur dalam AI? 'Tiga isu fokus utama' yang dihadapi oleh VC peringkat pertama global

Pada masa ini, kecerdasan buatan membawa "detik iPhone", merebak lebih pantas daripada mana-mana revolusi teknologi dalam sejarah.

Walau bagaimanapun, Morgan Stanley menegaskan dalam laporan itu bahawa tidak dapat dinafikan bahawa ketidakpastian pembangunan AI adalah tinggi telah menemui perkara ini dan menunjukkan "tiga isu fokus utama" berikut.

• AI telah berkembang dengan ketara dan memerlukan pemodulatan segera

Industri AI berkembang pesat, dan kelajuan "penyebaran teknologi" melebihi revolusi Internet adalah kunci untuk mencapai pertumbuhan yang lebih pantas dalam AI.

"Tech Diffusion" (Tech Diffusion) adalah salah satu tema yang paling penting dalam beberapa tahun kebelakangan ini Ia adalah proses teknologi dari aplikasi komersial pertamanya, melalui promosi yang giat dan penggunaan meluas, sehingga ia akhirnya dihapuskan kerana kemunduran. .

Apa yang tidak pernah berlaku sebelum ini ialah kelajuan dan kesan limpahan penyebaran teknologi kecerdasan buatan ke dalam medan bersebelahan bukan teknikal. Untuk menggambarkan perkara ini dengan lebih jelas, carta di bawah membandingkan kelajuan penyebaran teknologi revolusi elektrik selepas 1885, revolusi Internet selepas 2007 dan revolusi kecerdasan buatan selepas 2022.

Antaranya, modulariti (sub-modul Modulariti yang mengkhususkan diri dalam pelbagai aspek tugas) adalah kunci untuk mencapai pertumbuhan dan gangguan yang lebih pantas melalui timbunan inovasi. Pertumbuhan AI yang berterusan bergantung pada akses internet yang meluas, yang seterusnya memerlukan tenaga elektrik yang murah untuk membolehkannya. Model besar kecerdasan buatan ini akan berdasarkan bentuk modular dan sama-sama boleh digunakan untuk kawasan pertumbuhan pesat dan gangguan pada masa hadapan.

Memandangkan semakin banyak tugas berbeza dihadapi, prestasi AI semakin teruk, kerana latihan model tidak dapat merangkumi semua senario. Ini juga merupakan sebab mengapa kebanyakan produk AI arus perdana bergantung pada kata-kata pantas untuk memberikan jawapan yang agak logik, iaitu, membahagikan modul kepada tugas khusus untuk mengendalikan aspek yang berbeza, adalah salah satu penyelesaian kepada masalah generalisasi. )

Contohnya, pemalam sumber terbuka untuk syarikat yang mempunyai model besar, seperti alat analisis data OpenAI yang baru dikeluarkan "Code Interpreter", mendapat manfaat daripada kaedah pengembangan modular ini dan akan mewujudkan keluasan, kedalaman dan kelekatan penggunaan yang lebih besar. Walau bagaimanapun, kadar penggunaan yang pantas berbanding mana-mana teknologi dalam sejarah juga bermakna bahawa keluk S Generatif AI hanya akan mengambil masa berbulan-bulan, berbanding tahun atau dekad yang dijangkakan pada masa lalu.

• Penilaian syarikat AI telah menurun dan pembezaan melampau telah berlaku

Peraturan 80/20 juga wujud dalam pembiayaan dan penilaian syarikat AI (80% daripada keuntungan syarikat datang daripada 20% daripada projeknya, OpenAI baru-baru ini memperoleh AS$300 juta lagi, dan penilaiannya adalah antara AS$27 bilion dan AS$29 bilion. Syarikat itu telah mengumpulkan sejumlah lebih daripada $11 bilion dalam pembiayaan sepanjang tujuh pusingan yang lalu.

Pada masa ini tiada pesaing yang boleh bersaing dengan OpenAI's ChatGPT Data platform terkini menunjukkan bahawa bilangan pengguna aktif bulanannya melebihi Reddit, Netflix dan Linkedin, dan hampir 2 bilion.

Walau bagaimanapun, secara purata, penilaian syarikat AI/ML adalah 60% lebih rendah daripada tahap penilaian mereka pada Januari 2021, apabila AI/ML berada di tengah-tengah kitaran gembar-gembur. Walaupun pertumbuhan jelas dalam permintaan pelaburan untuk AI (menyumbangkan 10% daripada semua pelaburan modal teroka), hanya beberapa syarikat AI swasta yang telah lulus penilaian semula, dan OpenAI adalah salah satu syarikat sedemikian.

• Model besar sumber terbuka mungkin mencabar model pembiayaan

Persoalan yang paling hangat dalam beberapa minggu kebelakangan ini ialah seberapa besar parit syarikat model besar dalam menghadapi model sumber terbuka?

Sehingga 2023, dana pelaburan dalam bidang AI telah melebihi AS$12 bilion, mencakupi 10% daripada jumlah modal teroka pasaran. Walaupun mencapai semula mata Pareto, 80% daripada pembiayaan pada masa ini kekal di tangan pemilik model besar dan bukannya pengeluar APP hiliran. Penyebaran ke dalam industri bukan teknologi telah dipercepatkan.

Sudah tentu, ada sebab yang kukuh - melatih LLM yang lebih besar dan lebih besar adalah mahal, dan memanfaatkan model tersebut dengan API untuk mencipta aplikasi hiliran adalah lebih murah, dan nampaknya itu berlaku sekarang.

Adakah kemunculan LLM sumber terbuka akan menyebabkan nisbah penggunaan modal ini berubah pada satu ketika - sama ada dalam pasaran awam atau pasaran swasta, adakah pembiayaan akan kondusif kepada kemunculan LLM sumber terbuka kos rendah?

Atas ialah kandungan terperinci Bagaimana untuk melabur dalam AI? 'Tiga isu fokus utama' yang dihadapi oleh VC peringkat pertama global. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!