FX168财经网_全球视野外汇黄金加密货币NFT资讯网

A16z：生成式AI的机遇与挑战分析

又发了一篇有意思的文章，谈到他们认为的生成式 AI 价值捕获问题，比如说目前生成式 AI 在商业化落地存在哪些问题？价值捕获最大的部分在哪？笔者翻译后对部分内容进行了注解。文章主要两部分：第一部分，包括A16Z对生成式 AI 整个目前赛道的观察，以及存在什么问题；第二部分除了问题之外，还讲解了到底哪块能捕获最大的价值，无疑，得基础设施者的天下（请注意：这些大部分都是A16Z的 Portofolio，请大家本着客观理性的态度阅读，本文不构成任何投资建议或者对项目的推荐） *本文版权归A16Z所有，翻译仅为供大家学习使用。什么是生成式AI？生成式 AI是机器学习的一个类别，计算机可以根据用户的输入/提示，生成原创的新内容。目前这项技术最成熟的应用主要在文本和图像领域，不过几乎所有的创意领域都有类似的进步（生成式 AI 的技术应用），覆盖动画、声音效果、音乐，甚至是对具备完整个性的虚拟人物进行原创。第一部分：观察和预测人工智能应用正在迅速扩大规模，而留存并没有那么容易，并不是所有人都可以建立起来商业规模。生成式 AI 技术的早期阶段已浮现：比如说，数以百计的新兴 AI 创业公司正冲向市场，开始开发基础模型，构建 AI 原生应用程序、基础设施与工具。当然，确实会有很多热门技术趋势，会出现过度炒作的情况。但生成式人工智能的蓬勃发展，已经能看到很多公司产生了实实在在的营收。例如，像 Stable Diffusion 和 ChatGPT 这样的模型创造了用户增长的历史记录，有的应用在推出后不到一年，就达到了 1 亿美元的年营收，并且人工智能模型在部分任务中的表现要比人类的水平高几个数量级。我们发现，技术范式转型正在发生。但是，需要研究的关键问题在于：整个市场中，哪些地方会产生价值？过去一年里，我们和几十位生成式 AI 创业公司的创始人和大公司 AI 领域的专家。我们观察到目前为止，基础设施供应商很可能是这个市场上最大的赢家，因为基础设施可以获得经过整个生成式 AI 堆栈最多的流水和营收。尽管主攻应用开发的公司收入增长非常快，但这部分公司往往在用户留存、产品差异化和毛利率方面存在弱势。而大多数模型供应商目前还没有掌握大规模的商业化能力。再说的准确一点，那些能够创造最大价值的公司，比如说能够训练生成式人工智能模型，并将这种技术应用于新的应用程序，目前还没有完全抓住行业中的的大部分价值。所以，现在想要预测后面的行业趋势并不是那么容易。但是，想办法了解整个行业堆栈的哪些部分能做到真正的差异化，和可防御化很重要，因为这部分可以对整个市场结构（即横向与纵向的公司发展）和长期价值驱动力（如利润率和用户留存率）产生重大影响。但迄今为止，除了现有公司传统意义上的业务护城河，很难在（生成式人工智能的）堆栈上找到结构上可防御性。我们看好生成式人工智能赛道，也坚信这个领域对各个行业产生巨大影响。这篇文章的撰写目的，主要是为了描绘市场的动态，回答一些关于生成性人工智能商业模式更为广泛的问题。技术栈：基础设施、人工智能模型和应用程序想要了解生成式人工智能赛道和市场是如何形成的，首先需要定义目前整个行业的堆栈：整个生成式人工智能的堆栈可分为三层： 1.将生成式 AI 模型，与面向用户的产品应用集成，这种通常是运行自己的模型管道（"端到端应用"），或者依赖第三方 API （阿法兔研究笔记注释：这里我们说的模型管道，指的就是就是一个模型的输出作为下一个模型的输入） 2.为人工智能产品提供动力的模型，以专有 API 或开源检查点的形式提供（这反过来需要一个托管解决方案）（注释：这块说的是，要么把整个模型的构建方式以及预训练的模型（又叫检查点）开放出来，要么需要把整个模型的构建方式以及预训练的模保密，只开放一个接口 API，如果是前者的话，你就要自己去跑训练/微调/推理，所以需要知道它能什么样的环境、什么样的硬件基础上跑，所以需要有人提供一个托管平台处理模型运行环境的事情） 3.为生成性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）需要注意的是，这块我们讲的并不是整个市场的生态图，而是一个分析市场的框架，本文在每个类别中都列出了一些知名厂商的例子，不过没有囊括列出目前所有最厉害的AIGC应用，也没有深入讨论 MLops 或 LLMops 工具，因为这块还没有达到完全成熟的标准化，有机会我们会继续讨论。第一波的生成式人工智能应用开始形成规模化，但在留存和差异化方面却不容易在之前的技术周期中，传统意义上的观点会认为，想要建立大型的、独立的公司，就必须拥有终端客户，这里的终端客户包括个人消费者和 B 2B买家。因为这种传统意义上的观点，大家很容易也认为：生成式人工智能中最大的机会也在于能够做面向终端用户的应用的公司。但是到目前为止，其实情况并不一定会这样。生成式人工智能应用的增长非常惊人，这种增长主要是由非常新颖和应用案例所驱动的，比如说图像生成、文案写作和代码编写，这三个产品类别的年收入已经超过了 1 亿美元。但是，光增长还不足以构建持久的软件公司，关键在于，这种增长必须是有利润，也就是说，用户和客户一旦注册就可以产生利润（高毛利），并且这种利润还需要能够长期可持续（高留存率）。如果公司之间不存在强大的技术差异化，B 2B和 B 2C应用程序只要通过网络效应，和数据优势，再或者构建愈发复杂的工作流程，从而获得成功。但是，在生成式人工智能领域，上述假设未必成立。在我们调研的做生成式人工智能 APP 的创业公司中，毛利率的变化范围很广，少数公司能达到 90% ，多数公司毛利率低至 50-60% ，这块主要由模型成本影响。尽管我们可以看到目前渠道顶端（Top-of-funnel ）的增长，但是，还不清楚目前客户获取策略是否可以持续，因为已经看到了很多付费获取的效率和留存率开始下降。目前市面上的很多应用程序也确实缺乏差异性，因为这些应用主要依赖于相似的底层人工智能模型，并没有发现明显能够具备独家网络效应、其他竞争对手很难复制的的杀手级应用和数据/工作流程。因此，目前我们还不知道能够建立可持续的生成式人工智能商业化业务的最佳实践到底是什么，随着语言模型的竞争和效率的提高，利润率应该会提高。随着那波仅仅因为人工智能的热度才来的用户逐步冷却，离开市场，用户留存率大概率会增加。并且，我们认为垂直整合的应用在制造差异化方面具备优势，但是很多还需要接下来的实践证明。展望未来，生成式 AI 应用会面临什么问题？在垂直整合（"模型+应用"）方面如果人工智能模型作为一种消费型服务，应用开发者可以用小团队模式快速迭代，并随着技术的进步，逐步更换模型供应商。但还有开发者不同意，他们认为，产品就是模型，从头开始训练是创造可防御性的唯一途径，这里指的是不断地对专有产品数据进行再训练（re-training）。但这就需要更高的资本，并且需要稳定的产品团队为代价的。构建功能与应用程序生成式人工智能产品具备很多形式：桌面应用，移动应用，Figma/Photoshop 插件，Chrome 扩展应用...甚至还包括 Discord 机器人。在用户已经在应用、有使用习惯的地方整合人工智能产品比较容易，因为用户界面较为简易。但是，这些公司里有哪些会成为独立的公司？哪些会被微软或谷歌人工智能巨头所吸纳？会和 Gartner 公司发布的炒作周期（hyper cycle) 一致？尚且不清楚当前的用户流失率，是不是都是早期人工智能产品所必须面对的，仅仅是我们当前这批人工智能产品所固有的。再或者，市场对生成式人工智能的兴趣，是否会随着市场炒作的消退而下降。这些问题，对开发 APP 应用程序公司存在重要的影响，包括何时选择融资的时机、设计用户获取策略、对于用户群的考虑有用户的优先度，以选择宣布产品市场匹配（Product Market Fit）时机。来源：金色财经

金色财经2023-01-30

Shutterstock联手LG推进变革

随着其继续与行业领袖合作来负责任地打造生成式AI未来，Shutterstock实施了这一最新举措，旨在为其合作伙伴、客户和贡献者提供合乎道德的跨越创意工作流程所有阶段的AI驱动技术。 "LG AI Research与最信任的战略合作伙伴Shutterstock紧密合作，开发了超级巨型AI——EXAONE，这款AI可以生成以独特的多模式架构以及巨量图像和文本为基础的创意视觉图像和字幕，" LG AI Research首席执行官Kyunghoon Bae博士表示。"LG AI Research携手Shutterstock正在构建EXAONE的成功商业案例，并在探索基于EXAONE Atelier的全新机会，这是一款创意AI工具包，设计用于利用生成式AI激发设计师和创作者的灵感。我们准备与所有企业合作，使我们的世界更有创意——受AI启发并由人类设计。" "自从大约20年前成立以来，Shutterstock一直致力于通过为用户提供创作元素来推动完美的艺术体验，从而提升创造力，"Shutterstock首席执行官Paul Hennessy表示。"我们通过与LG AI Research合作，将AI工具带给我们的客户来继续履行这一使命，这些工具通过AI图像字幕添加来实现过程中非创意部分的自动化，并通过生成式AI模型即时实现构想。无论是面向首席营销官还是自由职业创意总监，我们正在构建的AI驱动工具可为所有人消除创意过程中的关键痛点，并为流畅创意流程打开了更多空间。" 扩展我们的生成式AI足迹 Shutterstock已选择与LG AI Research合作，后者是生成式研发的全球先驱，同样致力于以合乎道德的方式创造AI技术。将被集成到Shutterstock平台上的LG AI Research复杂AI模型正通过来自Shutterstock的数百万张高分辨率图像和元数据进行训练，并将把基于文本的提示转换为图像。作品被用于训练模型的贡献者将通过Shutterstock的贡献者基金获得报酬，并在客户创建并授权使用其IP的新生成内容时还将获得报酬。 AI图像字幕添加：创意工作流程的游戏规则改变者 LG AI Research的EXAONE技术还可以将图像转换为高质量的说明和关键词来描述和标记内容，这可以帮助客户更快地找到资料。通过集成这种AI字幕添加能力，客户能够自动将标签和说明添加到他们使用Shutterstock上传和存储的内容中，从而轻松保持井井有条并在需要时找到用户所需的资料。业界的教育协作方法根据Shutterstock开展的一项调查显示，三分之二的客户和贡献者有兴趣学习公司关于AI生成内容的知识。为了满足大家这种日益增长的兴趣，并与业界分享最佳实践和经验，Shutterstock和LG AI Research将参加行业演示，包括2023年6月在温哥华举行的IEEE/CVF计算机视觉和模式识别会议，并共同举办活动，引导关于新的和合乎道德的AI模型开发的全球讨论。根据预计，客户和贡献者可于2023年看到这些功能被集成到Shutterstock平台中。前瞻性陈述本新闻稿包含1995年《私人证券诉讼改革法案》所定义的前瞻性陈述。除历史事实陈述之外的所有其他陈述均是前瞻性陈述。前瞻性陈述的例子包括但不限于以下相关陈述：指引、行业前景、未来业务、未来运营或财务状况结果、未来股息、我们完成收购以及将我们已收购或可能收购的企业整合到我们现有运营中的能力、新的或计划的功能、产品或服务、管理战略、我们的竞争地位和新冠疫情。您可以通过以下词语和其他类似词语及其否定形式来识别前瞻性陈述："可能"、"将要"、"将会"、"应该"、"可能"、"期望"、"旨在"、"预测"、"相信"、"估计"、"打算"、"计划"、"预计"、"估算"、"寻求"、"潜力"和"机会"。但是，并非所有前瞻性陈述都包含这些词语。前瞻性陈述受到已知和未知风险及不确定性和其他因素的影响，可能致使实际结果与文中前瞻性陈述所表达或暗示的结果存在重大差异。除其他文件外，该等风险和不确定性包括在我们最近10-K表年度报告和截至2022年6月30日的10-Q表季度报告以及公司可能不时向证券交易委员会提交的其他文件中题为"风险因素"下讨论的风险和不确定性。由于这些风险、不确定性和因素，Shutterstock的实际结果可能与本文所载前瞻性陈述中讨论或暗示的未来结果、绩效或成就存在重大差异。本新闻稿中包含的任何前瞻性陈述仅代表本文发布之日的情况，除法律要求外，Shutterstock不承担更新本新闻稿中所含信息或修改任何前瞻性陈述的义务，无论是出于新信息、未来的发展或是别的原因所致。

美通社2022-11-19

超百万用户注册, 希望人人都能成为设计师的Stability AI为何价值10亿美金？

红杉资本联合GPT-3发表了一篇名为《生成式AI：一个创造性的新世界》的文章，其中写道，“人们的梦想：生成式AI将创造和知识工作的编辑成本降至零，生产巨大的劳动生产率和经济价值，以及相应的市值。” 这也意味着，人人都能成为创作者将成为现实，AIGC内容平台将迎来爆发式增长。从AI作画到AI视频，我们的内容生产创作方式正在发生改变，AI技术正在创意产业中发挥着越来越大的作用。得益于相关技术的发展与迭代，使得AI可以快速、灵活地生成不同模态的数据内容，而Stable Diffusion的正式开源无疑是拉开了AIGC时代的帷幕，为更广泛的用户提供了重新定义想象力的机会。 Stability AI与其他大型AI公司的“家长式作风”不同，Emad Mostaque通过开源做到了将技术民主化，为那些真正有才华的开发者提供最大的自由度，同时，Stability AI还与各国政府和机构开展合作，以便建立更加开放的社区。 Stability AI正在催化其生态系统的发展，然而所有的平台都将向商业化的道路探索，因此能否建立一个良好的商业模式可能将是Stability AI成为龙头的关键，让我们拭目以待。为什么说AIGC对元宇宙很重要？全球知名咨询机构Gartner在《2021年预测：人工智能对人类和社会的影响》中指出，到2023年将有20%的内容被生成式AI所创建。同时，Gartner还预计到2021年生成式AI产生的数据将占所有数据的10%，而当下这一比例还不到1%，而Gartner所指的生成式AI正是我们现在所熟悉的AIGC。根据目前的内容生产来看，其实图文和音视频的创作门槛已经因为一些社交媒体的出现而变得简单起来，这也是内容生产力得到解放的重要原因，并由此带来了过去5年短视频的爆发增长。但另一方面，我们知道，现在一些流行的内容创造方式已经开始从2D转变为3D图像，这在创作上为不少内容从业者带来了门槛。因此，AIGC的出现可以极大降低这个门槛，并为元宇宙的出现埋下伏笔。诸如我们熟悉的虚拟人，如果仅仅是依赖人力来创作内容，包括虚拟人的人物创造、环境构造或者虚拟现实的增强都会极大耗费内容创作者精力，因此才出现了像EPIC公司开发的虚幻引擎，来减少虚拟场景的构建时间，但虚幻引擎依然不够友好，毕竟它不是普通人能够涉猎的内容创作方式。因此，在虚幻引擎的基础上，我们看到了AIGC的诞生，仅仅通过文字描述就能构建我们想要的音频、视频或者画面，这就好比以前耕作需要人力和畜力，但现在我们有了各种播种收割机，必然带来生产力的飞速提升。我们依然处于AIGC行业发展的早期，甚至我们可以将2022年定义为“AIGC元年”。而在元宇宙出现之前，AIGC的应用场景其实并没有那么丰富，毕竟大家对当下内容的需求已经足够。可随着元宇宙的发展和普及，我们发现，内容的构建成本被再次拉升，于是像AIGC这样可以便捷构建内容的方式被关注起来，也由此拉开了新的局面。可以说，元宇宙和AIGC就像需求和生产力变革的关系，当需求改变时，新的生产方式必然会被得到认可。当下AIGC的内容生成来说依然存在不少问题，比如内容创作没有边界，存在涉黄涉暴的情况，这也是人工智能与监管者需要寻找的契合点；以及部分AIGC的创作结果存在理解误区，导致出现“苹果长在水里”这样的神奇画面，尽管有趣，但并不符合现实意义，而这也是人工智能需要成长的地方。不过上述提到的关于AIGC的问题可能并不会妨碍其发展，问题只在于这些“问题”何时被解决，如此，人们对AIGC的关注和使用可能会进一步得到提升。当然，对于广大内容创作者来说，AIGC既是行业“神器”，也会是行业“利器”，掌握者可能在内容创作中再上台阶，错失者可能被人工智能所抛弃。 AIGC的突然爆红，会让我们感慨似乎站在了一个全新的时代开端上，但某种意义上其实我们也并不知道时代究竟何时到来。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2022-11-09

24小时热点