من يملك منصة الذكاء الاصطناعي التوليدية؟

من يملك منصة الذكاء الاصطناعي التوليدية؟

الطابع الزمني: 19 كانون الثاني (يناير) 2023 ، الساعة 11:30 صباحًا
عقدة المصدر: 1909271

لقد بدأنا في رؤية المراحل المبكرة جدًا من مجموعة التكنولوجيا تظهر في الذكاء الاصطناعي التوليدي (AI). يندفع المئات من الشركات الناشئة الجديدة إلى السوق لتطوير نماذج الأساس ، وبناء تطبيقات أصلية للذكاء الاصطناعي ، والبنية التحتية / الأدوات.

يتم المبالغة في الكثير من اتجاهات التكنولوجيا الساخنة قبل أن يلحق السوق بالركب. لكن الطفرة التوليدية للذكاء الاصطناعي رافقها مكاسب حقيقية في الأسواق الحقيقية ، وجاذبية حقيقية من شركات حقيقية. تسجل نماذج مثل Stable Diffusion و ChatGPT سجلات تاريخية لنمو المستخدمين ، وقد وصلت العديد من التطبيقات إلى 100 مليون دولار من الإيرادات السنوية بعد أقل من عام بعد الإطلاق. تُظهر المقارنات جنبًا إلى جنب نماذج الذكاء الاصطناعي يتفوق على البشر في بعض المهام بعدة أوامر من حيث الحجم. 

لذلك ، هناك ما يكفي من البيانات المبكرة للإشارة إلى حدوث تحول هائل. ما لا نعرفه ، والذي أصبح الآن السؤال الحاسم ، هو: أين ستتراكم القيمة في هذا السوق؟

على مدار العام الماضي ، التقينا بالعشرات من مؤسسي ومشغلي الشركات الناشئة في الشركات الكبيرة الذين يتعاملون مباشرة مع الذكاء الاصطناعي التوليدي. لقد لاحظنا ذلك بائعي البنية التحتية من المحتمل أن يكونوا أكبر الرابحين في هذا السوق حتى الآن ، حيث استحوذوا على غالبية الدولارات التي تتدفق عبر المكدس. شركات التطبيق تنمو الإيرادات الأساسية بسرعة كبيرة ولكنها غالبًا ما تواجه صعوبات في الاحتفاظ بها وتمايز المنتجات وإجمالي هوامش الربح. وأكثر موفري النموذجعلى الرغم من مسؤوليته عن وجود هذا السوق ، إلا أنه لم يحقق بعد نطاقًا تجاريًا كبيرًا.

بعبارة أخرى ، فإن الشركات التي تخلق أكبر قدر من القيمة - أي تدريب نماذج الذكاء الاصطناعي التوليدية وتطبيقها في تطبيقات جديدة - لم تستحوذ على معظمها. إن توقع ما سيحدث بعد ذلك هو أصعب بكثير. لكننا نعتقد أن الشيء الأساسي الذي يجب فهمه هو أي أجزاء من المكدس متمايزة حقًا ويمكن الدفاع عنها. سيكون لهذا تأثير كبير على هيكل السوق (أي التطوير الأفقي مقابل تطوير الشركة الرأسي) ومحركات القيمة طويلة الأجل (مثل الهوامش والاحتفاظ). حتى الآن ، واجهنا صعوبة في إيجاد دفاع بنيوي في أى مكان في المكدس ، خارج الخنادق التقليدية لشاغلي الوظائف.

نحن متفائلون بشكل لا يصدق بشأن الذكاء الاصطناعي التوليدي ونعتقد أنه سيكون له تأثير هائل في صناعة البرمجيات وخارجها. الهدف من هذا المنشور هو تحديد ديناميكيات السوق والبدء في الإجابة على الأسئلة الأوسع حول نماذج الأعمال التوليدية للذكاء الاصطناعي.

مكدس التكنولوجيا عالي المستوى: البنية التحتية والنماذج والتطبيقات

لفهم كيف يتشكل سوق الذكاء الاصطناعي التوليدي ، نحتاج أولاً إلى تحديد كيف تبدو المكدس اليوم. هنا وجهة نظرنا الأولية.

يمكن تقسيم المكدس إلى ثلاث طبقات:

  • التطبيقات التي تدمج نماذج الذكاء الاصطناعي التوليدية في منتج يواجه المستخدم ، إما تشغيل خطوط الأنابيب النموذجية الخاصة بها ("تطبيقات من طرف إلى طرف") أو الاعتماد على واجهة برمجة تطبيقات تابعة لجهة خارجية
  • الموديلات تعمل على تشغيل منتجات الذكاء الاصطناعي ، والتي يتم توفيرها إما كواجهات برمجة تطبيقات مملوكة أو كنقاط تفتيش مفتوحة المصدر (والتي بدورها تتطلب حل استضافة)
  • البنية التحتية البائعين (مثل الأنظمة الأساسية السحابية ومصنعي الأجهزة) الذين يقومون بتشغيل التدريب واستنتاج أعباء العمل لنماذج الذكاء الاصطناعي التوليفية

من المهم ملاحظة: هذه ليست خريطة سوق ، ولكنها إطار لتحليل السوق. في كل فئة ، قمنا بإدراج بعض الأمثلة على البائعين المعروفين. لم نحاول أن نكون شاملين أو نسرد جميع تطبيقات الذكاء الاصطناعي المدهشة التي تم إصدارها. نحن أيضًا لا نتعمق هنا في أدوات MLops أو LLMops ، والتي لم يتم توحيدها بدرجة عالية حتى الآن وسيتم تناولها في منشور مستقبلي.

بدأت الموجة الأولى من تطبيقات الذكاء الاصطناعي التوليدية في الوصول إلى نطاق واسع ، لكنها تكافح من أجل الاحتفاظ بها والتمايز

في دورات التكنولوجيا السابقة ، كانت الحكمة التقليدية هي أنه لبناء شركة كبيرة ومستقلة ، يجب أن تمتلك العميل النهائي - سواء كان ذلك يعني المستهلكين الفرديين أو مشتري B2B. من المغري الاعتقاد بأن أكبر الشركات في مجال الذكاء الاصطناعي التوليدي ستكون أيضًا تطبيقات للمستخدم النهائي. حتى الآن ، ليس من الواضح أن هذا هو الحال.

من المؤكد أن نمو تطبيقات الذكاء الاصطناعي التوليدية كان مذهلاً ، مدفوعاً بالحداثة المطلقة وعدد كبير من حالات الاستخدام. في الواقع ، نحن على دراية بثلاث فئات من المنتجات على الأقل تجاوزت بالفعل 100 مليون دولار من الإيرادات السنوية: إنشاء الصور وكتابة النصوص وكتابة الكود.

ومع ذلك ، فإن النمو وحده لا يكفي لبناء شركات برمجيات دائمة. بشكل حاسم ، يجب أن يكون النمو مربحًا - بمعنى أن المستخدمين والعملاء ، بمجرد تسجيلهم ، يولدون أرباحًا (هوامش إجمالية عالية) ويستمرون لفترة طويلة (احتفاظ مرتفع). في حالة عدم وجود تمايز تقني قوي ، تعمل تطبيقات B2B و B2C على زيادة قيمة العملاء على المدى الطويل من خلال تأثيرات الشبكة أو التمسك بالبيانات أو بناء تدفقات عمل معقدة بشكل متزايد.

في الذكاء الاصطناعي التوليدي ، لا تكون هذه الافتراضات صحيحة بالضرورة. عبر شركات التطبيقات التي تحدثنا معها ، هناك نطاق واسع من الهوامش الإجمالية - تصل إلى 90٪ في حالات قليلة ولكن في كثير من الأحيان تصل إلى 50-60٪ ، مدفوعة إلى حد كبير بتكلفة الاستدلال النموذجي. لقد كان النمو في قمة التحويل مذهلاً ، لكن من غير الواضح ما إذا كانت استراتيجيات اكتساب العملاء الحالية قابلة للتطوير - نحن نشهد بالفعل فعالية اكتساب مدفوعة الأجر واستبقاء يبدأ في التراجع. العديد من التطبيقات أيضًا غير متمايزة نسبيًا ، نظرًا لأنها تعتمد على نماذج أساسية مماثلة للذكاء الاصطناعي ولم تكتشف تأثيرات الشبكة الواضحة ، أو البيانات / سير العمل ، التي يصعب على المنافسين تكرارها.

لذلك ، ليس من الواضح بعد أن بيع تطبيقات المستخدم النهائي هو السبيل الوحيد ، أو حتى الأفضل ، لبناء أعمال ذكاء اصطناعي توليدية مستدامة. يجب أن تتحسن الهوامش مع زيادة المنافسة والكفاءة في نماذج اللغة (المزيد حول هذا أدناه). يجب زيادة الاحتفاظ مع مغادرة السياح الذين يستخدمون الذكاء الاصطناعي السوق. وهناك حجة قوية يجب طرحها على أن التطبيقات المتكاملة رأسياً لها ميزة في قيادة التمايز. ولكن لا يزال هناك الكثير لإثباته.

بالنظر إلى المستقبل ، تتضمن بعض الأسئلة الكبيرة التي تواجه شركات تطبيقات الذكاء الاصطناعي التوليدية ما يلي:

  • التكامل الرأسي ("النموذج + التطبيق"). يتيح استخدام نماذج الذكاء الاصطناعي كخدمة لمطوري التطبيقات إمكانية التكرار بسرعة مع فريق صغير وتبادل موفري النماذج مع تقدم التكنولوجيا. على الجانب الآخر ، يجادل بعض المطورين بأن المنتج is النموذج ، وهذا التدريب من نقطة الصفر هو الطريقة الوحيدة لخلق قابلية الدفاع - أي عن طريق إعادة التدريب المستمر على بيانات المنتج الاحتكارية. ولكنه يأتي على حساب متطلبات رأس مال أعلى بكثير وفريق منتج أقل ذكاءً.
  • ميزات البناء مقابل التطبيقات. تأخذ منتجات الذكاء الاصطناعي التوليدية عددًا من الأشكال المختلفة: تطبيقات سطح المكتب ، وتطبيقات الأجهزة المحمولة ، ومكونات Figma / Photoshop الإضافية ، وملحقات Chrome ، وحتى برامج Discord bots. من السهل دمج منتجات AI حيث يعمل المستخدمون بالفعل ، نظرًا لأن واجهة المستخدم هي بشكل عام مجرد مربع نص. أي من هذه الشركات ستصبح شركات قائمة بذاتها - وأيها سيتم استيعابها من قبل الشركات القائمة ، مثل Microsoft أو Google ، التي تقوم بالفعل بدمج الذكاء الاصطناعي في خطوط إنتاجها؟
  • الإدارة من خلال دورة الضجيج. لم يتضح بعد ما إذا كان الاضطراب متأصلًا في الدفعة الحالية من منتجات الذكاء الاصطناعي التوليدية ، أو ما إذا كانت قطعة أثرية من سوق مبكر. أو إذا كان الاهتمام المتزايد بالذكاء الاصطناعي التوليدي سينخفض ​​مع انحسار الضجيج. هذه الأسئلة لها آثار مهمة على شركات التطبيقات ، بما في ذلك متى تضغط على دواسة الوقود في جمع التبرعات ؛ كيف تستثمر بقوة في اكتساب العملاء ؛ شرائح المستخدم التي يجب تحديد أولوياتها ؛ ومتى يتم إعلان ملاءمة المنتج للسوق.

اخترع مقدمو النماذج الذكاء الاصطناعي التوليدي ، لكنهم لم يصلوا إلى نطاق تجاري كبير

ما نسميه الآن الذكاء الاصطناعي التوليدي لن يكون موجودًا بدون البحث الرائع والعمل الهندسي المنجز في أماكن مثل Google و OpenAI و Stability. من خلال تصميمات النماذج الجديدة والجهود البطولية لتوسيع نطاق خطوط التدريب ، نستفيد جميعًا من القدرات المذهلة لنماذج اللغة الكبيرة الحالية (LLMs) ونماذج توليد الصور.

ومع ذلك ، فإن الإيرادات المرتبطة بهذه الشركات لا تزال صغيرة نسبيًا مقارنة بالاستخدام والطنين. في إنشاء الصور ، شهد الانتشار المستقر نموًا هائلاً في المجتمع ، مدعومًا بنظام بيئي لواجهات المستخدم ، والعروض المستضافة ، وطرق الضبط الدقيق. لكن الاستقرار يمنح نقاط التفتيش الرئيسية الخاصة بهم بعيدًا مجانًا كعقيدة أساسية لأعمالهم. في نماذج اللغة الطبيعية ، تهيمن OpenAI مع GPT-3 / 3.5 و ChatGPT. لكن نسبيا يوجد عدد قليل من التطبيقات القاتلة المبنية على OpenAI حتى الآن ، والأسعار موجودة بالفعل انخفض مرة واحدة.

قد تكون هذه مجرد ظاهرة مؤقتة. الاستقرار شركة جديدة لم تركز بعد على تحقيق الدخل. تمتلك OpenAI القدرة على أن تصبح شركة ضخمة ، وتحقق جزءًا كبيرًا من جميع إيرادات فئة البرمجة اللغوية العصبية (NLP) حيث يتم إنشاء المزيد من التطبيقات القاتلة - خاصةً إذا كانت الاندماج في حافظة منتجات Microsoft يسير بسلاسة. بالنظر إلى الاستخدام الضخم لهذه النماذج ، قد لا تكون الإيرادات الكبيرة متخلفة عن الركب.

لكن هناك أيضًا قوى موازية. يمكن لأي شخص استضافة النماذج التي تم إصدارها كمصدر مفتوح ، بما في ذلك الشركات الخارجية التي لا تتحمل التكاليف المرتبطة بتدريب النماذج على نطاق واسع (تصل إلى عشرات أو مئات الملايين من الدولارات). وليس من الواضح ما إذا كان بإمكان أي نماذج مغلقة المصدر أن تحافظ على حافتها إلى أجل غير مسمى. على سبيل المثال ، بدأنا نرى LLMs التي أنشأتها شركات مثل Anthropic و Cohere و Character.ai تقترب من مستويات OpenAI للأداء ، مدربة على مجموعات بيانات مماثلة (مثل الإنترنت) وبنماذج معمارية مماثلة. ويشير مثال "الانتشار المستقر" إلى ذلك if تصل النماذج مفتوحة المصدر إلى مستوى كافٍ من الأداء والدعم المجتمعي ، ثم قد تجد البدائل المسجلة الملكية صعوبة في المنافسة.

ربما تكون أوضح الوجبات الجاهزة لمقدمي النماذج ، حتى الآن ، هي أن التسويق من المحتمل أن يكون مرتبطًا بالاستضافة. يتزايد الطلب على واجهات برمجة التطبيقات (APIs) الخاصة (على سبيل المثال من OpenAI) بسرعة. تظهر خدمات الاستضافة للنماذج مفتوحة المصدر (مثل Hugging Face و Replicate) كمحاور مفيدة لمشاركة النماذج ودمجها بسهولة - وحتى لها بعض تأثيرات الشبكة غير المباشرة بين منتجي النماذج والمستهلكين. هناك أيضًا فرضية قوية مفادها أنه من الممكن تحقيق الدخل من خلال اتفاقيات التوليف والاستضافة مع عملاء المؤسسات.

علاوة على ذلك ، هناك عدد من الأسئلة الكبيرة التي تواجه موفري النماذج:

  • سلعة. هناك اعتقاد شائع بأن نماذج الذكاء الاصطناعي ستتقارب في الأداء بمرور الوقت. عند التحدث إلى مطوري التطبيقات ، من الواضح أن هذا لم يحدث بعد ، مع رواد أقوياء في كل من نماذج النصوص والصور. لا تستند مزاياها إلى بنى نموذجية فريدة ، ولكن على متطلبات رأس مال عالية ، وبيانات تفاعل المنتج الخاصة ، وموهبة الذكاء الاصطناعي النادرة. هل سيكون هذا بمثابة ميزة دائمة؟
  • مخاطر التخرج. يعد الاعتماد على موفري النماذج طريقة رائعة لشركات التطبيقات للبدء ، وحتى لتنمية أعمالها. لكن هناك حافزًا لهم لبناء و / أو استضافة نماذجهم الخاصة بمجرد وصولهم إلى الحجم. والعديد من مزودي النماذج لديهم توزيعات منحرفة للغاية للعملاء ، مع وجود عدد قليل من التطبيقات التي تمثل غالبية الإيرادات. ماذا يحدث إذا / عندما يتحول هؤلاء العملاء إلى تطوير الذكاء الاصطناعي داخليًا؟
  • هل المال مهم؟ إن الوعد بالذكاء الاصطناعي التوليدي كبير جدًا - ومن المحتمل أيضًا أن يكون ضارًا جدًا - لدرجة أن العديد من مزودي النماذج قد نظموا كشركات ذات منفعة عامة (B corps) ، أو أصدروا أسهمًا في الأرباح ، أو قاموا بدمج الصالح العام بشكل صريح في مهمتهم. هذا لم يعرقل على الإطلاق جهودهم لجمع الأموال. ولكن هناك مناقشة معقولة حول ما إذا كان معظم مزودي العارضين في الواقع تريد لالتقاط القيمة ، وإذا كان ينبغي.

يلمس بائعو البنية التحتية كل شيء ويحصدون الثمار

يمر كل شيء تقريبًا في الذكاء الاصطناعي التوليدي عبر وحدة معالجة الرسومات (GPU) المستضافة على السحابة (أو TPU) في مرحلة ما. سواء لموفري النماذج / مختبرات الأبحاث التي تدير أعباء العمل التدريبية ، أو الشركات المضيفة التي تقوم بتشغيل الاستدلال / الضبط الدقيق ، أو شركات التطبيقات التي تقوم بمزيج من الاثنين معًا - FLOPS هي شريان الحياة للذكاء الاصطناعي التوليدي. لأول مرة منذ وقت طويل جدًا ، كان التقدم في أكثر تقنيات الحوسبة اضطرابًا مرتبطًا بالحوسبة على نطاق واسع.

نتيجة لذلك ، يتدفق الكثير من الأموال في سوق الذكاء الاصطناعي التوليفي في النهاية إلى شركات البنية التحتية. لوضع بعض جدا أرقام تقريبية حولها: نقدر أن شركات التطبيقات ، في المتوسط ​​، تنفق حوالي 20-40 ٪ من الإيرادات على الاستدلال والضبط الدقيق لكل عميل. يتم دفع هذا عادةً إما مباشرةً إلى موفري الخدمات السحابية لمثيلات الحوسبة أو لموفري النماذج التابعين لجهات خارجية - الذين ، بدورهم ، ينفقون حوالي نصف إيراداتهم على البنية التحتية السحابية. لذلك ، من المعقول تخمين أن 10-20٪ من إجمالي الإيرادات في الذكاء الاصطناعي التوليدي يذهب اليوم إلى مقدمي الخدمات السحابية.

علاوة على ذلك ، قامت الشركات الناشئة التي تدرب نماذجها الخاصة بجمع مليارات الدولارات من رأس المال الاستثماري - وغالبًا ما يتم إنفاق معظمها (ما يصل إلى 80-90٪ في الجولات المبكرة) أيضًا مع مزودي الخدمات السحابية. تنفق العديد من شركات التكنولوجيا العامة مئات الملايين سنويًا على التدريب على النموذج ، إما مع موفري السحابة الخارجيين أو مباشرة مع الشركات المصنعة للأجهزة.

هذا ما نسميه ، من الناحية الفنية ، "الكثير من المال" - خاصة لسوق ناشئ. يتم إنفاق معظمها في كبير 3 السحاب: Amazon Web Services (AWS) و Google Cloud Platform (GCP) و Microsoft Azure. موفرو السحابة هؤلاء بشكل جماعي تنفق أكثر من $ 100 مليار سنويًا في النفقات الرأسمالية للتأكد من أن لديهم أكثر المنصات شمولاً وموثوقية وتنافسية من حيث التكلفة. في الذكاء الاصطناعي التوليدي ، على وجه الخصوص ، يستفيدون أيضًا من قيود التوريد لأن لديهم وصولًا تفضيليًا إلى الأجهزة النادرة (مثل Nvidia A100 و H100 GPUs).

ومن المثير للاهتمام أننا بدأنا نشهد ظهور منافسة ذات مصداقية. حقق المنافسون مثل Oracle نجاحات من خلال النفقات الرأسمالية الكبيرة وحوافز المبيعات. وقد نمت بعض الشركات الناشئة ، مثل Coreweave و Lambda Labs ، بسرعة مع حلول تستهدف بشكل خاص مطوري النماذج الكبار. يتنافسون على التكلفة والتوافر والدعم الشخصي. كما أنها تكشف المزيد من عمليات تجريد الموارد الدقيقة (مثل الحاويات) ، بينما لا تقدم السحابات الكبيرة سوى مثيلات VM نظرًا لحدود المحاكاة الافتراضية لوحدة معالجة الرسومات.

وراء الكواليس ، تشغيل الغالبية العظمى من أعباء عمل الذكاء الاصطناعي ، ربما يكون الفائز الأكبر في الذكاء الاصطناعي التوليدي حتى الآن: Nvidia. الشركة ذكرت 3.8 دولار مليار من إيرادات وحدة معالجة الرسومات لمركز البيانات في الربع الثالث من العام المالي 2023, بما في ذلك جزء مفيد لحالات استخدام الذكاء الاصطناعي التوليدية. وقد قاموا ببناء خنادق قوية حول هذا العمل عبر عقود من الاستثمار في بنية وحدة معالجة الرسومات ، ونظام بيئي قوي للبرامج ، واستخدام عميق في المجتمع الأكاديمي. تحليل حديث واحد وجدت أن Nvidia GPUs تم الاستشهاد بها في الأوراق البحثية 90 مرة أكثر من الشركات الناشئة التي تعمل في مجال الذكاء الاصطناعي مجتمعة.

توجد خيارات أخرى للأجهزة ، بما في ذلك وحدات معالجة Google Tensor (TPU) ؛ وحدات معالجة الرسومات AMD Instinct ؛ شرائح AWS Inferentia و Trainium ؛ ومسرعات الذكاء الاصطناعي من الشركات الناشئة مثل Cerebras و Sambanova و Graphcore. دخلت Intel ، في وقت متأخر من اللعبة ، السوق أيضًا مع رقائق Habana المتطورة ووحدات معالجة الرسومات Ponte Vecchio. لكن حتى الآن ، القليل من هذه الرقائق الجديدة حصلت على حصة كبيرة في السوق. الاستثناءان اللذان يجب مشاهدتهما هما Google ، التي اكتسبت TPU الخاصة بها زخمًا في مجتمع Stable Diffusion وفي بعض صفقات GCP الكبيرة ، و TSMC ، التي يُعتقد أنها تصنع من جميع من الشرائح المدرجة هنا ، بما في ذلك وحدات معالجة الرسومات Nvidia (تستخدم Intel مزيجًا من fabs الخاصة بها و TSMC لصنع رقائقها).

بعبارة أخرى ، البنية التحتية هي طبقة مربحة ودائمة ويمكن الدفاع عنها على ما يبدو في المكدس. تتضمن الأسئلة الكبيرة التي يجب الإجابة عليها لشركات البنية التحتية ما يلي:

  • التمسك بأعباء العمل عديمة الجنسية. إن وحدات معالجة الرسومات Nvidia هي نفسها أينما كنت تستأجرها. معظم أحمال عمل الذكاء الاصطناعي عديمة الحالة ، بمعنى أن الاستدلال النموذجي لا يتطلب قواعد بيانات أو تخزينًا مرفقًا (بخلاف أوزان النموذج نفسها). هذا يعني أن أعباء عمل الذكاء الاصطناعي قد تكون أكثر قابلية للنقل عبر السحابة من أعباء عمل التطبيقات التقليدية. كيف ، في هذا السياق ، يمكن لمقدمي الخدمات السحابية أن يخلقوا ثباتًا ويمنع العملاء من القفز إلى الخيار الأرخص؟
  • النجاة من نهاية ندرة الرقائق. تم دعم التسعير لموفري الخدمات السحابية ، وبالنسبة لـ Nvidia نفسها ، من خلال الإمدادات النادرة لوحدات معالجة الرسومات المرغوبة. أخبرنا أحد المزودين أن سعر القائمة لـ A100s بالفعل زيادة منذ الإطلاق ، وهو أمر غير معتاد للغاية بالنسبة لأجهزة الحوسبة. عندما يتم إزالة قيد العرض هذا في النهاية ، من خلال زيادة الإنتاج و / أو اعتماد منصات أجهزة جديدة ، كيف سيؤثر هذا على موفري السحابة؟
  • هل يمكن لسحابة منافس الاختراق؟ نحن نؤمن بذلك بقوة غيوم عمودية سوف تأخذ حصة السوق من الثلاثة الكبار مع المزيد من العروض المتخصصة. في الذكاء الاصطناعي حتى الآن ، نجح المتنافسون في تحقيق قوة جذب ذات مغزى من خلال التمايز التقني المعتدل ودعم Nvidia - التي يعتبر مقدمو الخدمات السحابية الحاليون بالنسبة لهم أكبر العملاء والمنافسين الناشئين. السؤال طويل المدى هو ، هل سيكون هذا كافيًا للتغلب على مزايا الميزان في الثلاثة الكبار؟

إذن ... أين ستتراكم القيمة؟

بالطبع ، لا نعرف حتى الآن. ولكن استنادًا إلى البيانات الأولية التي لدينا للذكاء الاصطناعي التوليدي ، جنبًا إلى جنب مع تجربتنا مع شركات AI / ML السابقة، حدسنا هو ما يلي. 

لا يبدو ، اليوم ، وجود أي خنادق نظامية في الذكاء الاصطناعي التوليدي. كتقريب من الدرجة الأولى ، تفتقر التطبيقات إلى تمايز قوي بين المنتجات لأنها تستخدم نماذج متشابهة ؛ تواجه النماذج تمايزًا غير واضح على المدى الطويل لأنها مدربة على مجموعات بيانات مماثلة ذات بنى متشابهة ؛ يفتقر مقدمو الخدمات السحابية إلى تمايز تقني عميق لأنهم يديرون نفس وحدات معالجة الرسومات ؛ وحتى شركات الأجهزة تصنع رقائقها بنفس المنتجات الجاهزة.

هناك ، بالطبع ، الخنادق القياسية: الخنادق على نطاق واسع ("لدي أو يمكنني جمع أموال أكثر منك!") ، خنادق سلسلة التوريد ("لدي وحدات معالجة الرسومات ، أنت لا تفعل!") ، خنادق النظام البيئي (" يستخدم الجميع برنامجي بالفعل! ") وخنادق خوارزمية (" نحن أكثر ذكاء منك! ") وخنادق التوزيع (" لدي بالفعل فريق مبيعات وعدد من العملاء أكثر منك! ") وخنادق خط أنابيب البيانات (" أنا " لقد زحفوا على الإنترنت أكثر منك! "). لكن أيا من هذه الخنادق تميل إلى أن تكون متينة على المدى الطويل. ومن السابق لأوانه معرفة ما إذا كانت تأثيرات الشبكة القوية والمباشرة تترسخ في أي طبقة من المكدس.

استنادًا إلى البيانات المتاحة ، ليس من الواضح ما إذا كان سيكون هناك ديناميكية طويلة الأجل ، الفائز يأخذ كل شيء في الذكاء الاصطناعي التوليدي.

هذا غريب. لكن بالنسبة لنا ، إنها أخبار جيدة. من الصعب فهم الحجم المحتمل لهذا السوق - في مكان ما بينهما كل البرامج و كل المساعي البشرية - لذلك نتوقع الكثير والكثير من اللاعبين ومنافسة صحية على جميع مستويات المكدس. نتوقع أيضًا أن تنجح كل من الشركات الأفقية والعمودية ، مع اتباع أفضل نهج تمليه الأسواق النهائية والمستخدمون النهائيون. على سبيل المثال ، إذا كان التمايز الأساسي في المنتج النهائي هو الذكاء الاصطناعي نفسه ، فمن المحتمل أن يفوز التحويل الرأسي (أي اقتران التطبيق الذي يواجه المستخدم بإحكام بالنموذج المحلي). بينما إذا كان الذكاء الاصطناعي جزءًا من مجموعة ميزات أكبر وطويلة الذيل ، فمن المرجح أن يحدث الأفقي. بالطبع ، يجب أن نرى أيضًا بناء المزيد من الخنادق التقليدية بمرور الوقت - وقد نرى أيضًا أنواعًا جديدة من الخنادق.

مهما كان الأمر ، فإن الشيء الوحيد الذي نحن على يقين منه هو أن الذكاء الاصطناعي التوليدي يغير اللعبة. نتعلم جميعًا القواعد في الوقت الفعلي ، وهناك قدر هائل من القيمة التي سيتم فتحها ، وسيبدو المشهد التكنولوجي مختلفًا كثيرًا نتيجة لذلك. ونحن هنا من أجل ذلك!

تم إنشاء جميع الصور في هذا المنشور باستخدام Midjourney.

الطابع الزمني:

اكثر من أندرسن هورويتز