Kuka omistaa generatiivisen AI-alustan?

Kuka omistaa generatiivisen AI-alustan?

Aikaleima: 19. tammikuuta 2023 11
Lähdesolmu: 1909271

Alamme nähdä teknologiapinon varhaiset vaiheet synnyttävässä tekoälyssä (AI). Sadat uudet startup-yritykset ryntäävät markkinoille kehittämään perusmalleja, rakentamaan tekoälyyn perustuvia sovelluksia ja stand up -infrastruktuuria/työkaluja.

Monet kuumat teknologiatrendit saavat liiallisen hypetyksen paljon ennen kuin markkinat umpeutuvat. Mutta generatiiviseen tekoälybuumiin on liittynyt todellisia voittoja todellisilla markkinoilla ja todellista vetovoimaa oikeilta yrityksiltä. Mallit, kuten Stable Diffusion ja ChatGPT, ovat asettamassa historiallisia ennätyksiä käyttäjien kasvulle, ja useat sovellukset ovat saavuttaneet 100 miljoonan dollarin vuosittaisen tulon alle vuosi julkaisun jälkeen. Vierekkäiset vertailut näyttävät tekoälymalleja päihittää ihmisiä joissakin tehtävissä useita suuruusluokkia. 

Joten on olemassa tarpeeksi varhaista tietoa, joka viittaa siihen, että massiivinen muutos on meneillään. Mitä emme tiedä, ja mistä on nyt tullut kriittinen kysymys, on: Missä näillä markkinoilla arvo kertyy?

Viime vuoden aikana olemme tavanneet kymmeniä startup-perustajia ja operaattoreita suurissa yrityksissä, jotka ovat tekemisissä suoraan generatiivisen tekoälyn kanssa. Olemme havainneet sen infrastruktuurin myyjät ovat luultavasti suurimmat voittajat näillä markkinoilla tähän mennessä, ja ne ovat saaneet suurimman osan pinon läpi virtaavista dollareista. Sovellusyritykset kasvavat päälinjan tuloja hyvin nopeasti, mutta usein kamppailevat säilyttämisen, tuotteiden eriyttämisen ja bruttomarginaalien kanssa. Ja useimmat mallintarjoajia, vaikka ne ovat vastuussa näiden markkinoiden olemassaolosta, eivät ole vielä saavuttaneet suurta kaupallista mittakaavaa.

Toisin sanoen yritykset, jotka luovat eniten lisäarvoa – eli kouluttavat generatiivisia tekoälymalleja ja soveltavat niitä uusiin sovelluksiin – eivät ole saaneet suurinta osaa siitä. Sen ennustaminen, mitä seuraavaksi tapahtuu, on paljon vaikeampaa. Mutta mielestämme tärkeintä on ymmärtää, mitkä pinon osat ovat todella eriytyneitä ja puolusteltuja. Tällä on suuri vaikutus markkinoiden rakenteeseen (eli horisontaaliseen vs. vertikaaliseen yrityksen kehitykseen) ja pitkän aikavälin arvon tekijöihin (esim. katteisiin ja säilyttämiseen). Toistaiseksi meillä on ollut vaikeuksia löytää rakenteellista puolustettavuutta kaikkialla pinossa, perinteisten vakiintuneiden vallihautojen ulkopuolella.

Suhtaudumme uskomattoman innokkaasti generatiiviseen tekoälyyn ja uskomme, että sillä on valtava vaikutus ohjelmistoteollisuuteen ja sen ulkopuolelle. Tämän postauksen tavoitteena on kartoittaa markkinoiden dynamiikkaa ja alkaa vastata laajempiin kysymyksiin generatiivisista AI-liiketoimintamalleista.

Korkeatasoinen tekniikkapino: infrastruktuuri, mallit ja sovellukset

Ymmärtääksemme, kuinka generatiiviset tekoälymarkkinat ovat muodostumassa, meidän on ensin määriteltävä, miltä pino näyttää tänään. Tässä on alustava näkemyksemme.

Pino voidaan jakaa kolmeen kerrokseen:

  • Sovellukset jotka integroivat generatiivisia tekoälymalleja käyttäjäkohtaiseen tuotteeseen joko käyttämällä omia malliputkistoaan ("päästä päähän -sovelluksia") tai luottaen kolmannen osapuolen sovellusliittymään
  • Mallit jotka tehostavat tekoälytuotteita, jotka on saatavilla joko patentoituina sovellusliittyminä tai avoimen lähdekoodin tarkistuspisteinä (jotka puolestaan ​​edellyttävät isännöintiratkaisua)
  • Infrastruktuuri toimittajat (eli pilvialustojen ja laitteistojen valmistajat), jotka suorittavat koulutusta ja päättelykuormia generatiivisille tekoälymalleille

On tärkeää huomata: Tämä ei ole markkinakartta, vaan viitekehys markkinoiden analysointiin. Jokaisessa kategoriassa olemme listanneet muutamia esimerkkejä tunnetuista toimittajista. Emme ole yrittäneet olla kattavia tai luetella kaikkia hämmästyttäviä luovia tekoälysovelluksia, jotka on julkaistu. Emme myöskään mene tässä syvälle MLops- tai LLMops-työkaluihin, jotka eivät ole vielä kovin standardoituja ja joita käsitellään seuraavassa postauksessa.

Generatiivisten tekoälysovellusten ensimmäinen aalto alkaa saavuttaa mittakaavansa, mutta kamppailee säilyttämisen ja erilaistumisen kanssa

Aikaisemmissa teknologiasykleissä tavanomainen viisaus oli, että rakentaaksesi suuren, itsenäisen yrityksen sinun on omistettava loppuasiakas – olipa kyseessä sitten yksittäiset kuluttajat tai B2B-ostajat. On houkuttelevaa uskoa, että suurimmat generatiivisen tekoälyn yritykset ovat myös loppukäyttäjien sovelluksia. Toistaiseksi ei ole selvää, onko asia näin.

On varmaa, että luovien tekoälysovellusten kasvu on ollut huikeaa pelkän uutuuden ja lukuisten käyttötapausten vauhdittamana. Itse asiassa olemme tietoisia ainakin kolmesta tuoteryhmästä, joiden vuotuinen liikevaihto on jo ylittänyt 100 miljoonaa dollaria: kuvien luominen, tekstin kirjoittaminen ja koodin kirjoittaminen.

Pelkkä kasvu ei kuitenkaan riitä rakentamaan kestäviä ohjelmistoyrityksiä. Kriittisesti kasvun on oltava kannattavaa – siinä mielessä, että käyttäjät ja asiakkaat hankkivat rekisteröityessään voittoja (korkeat bruttomarginaalit) ja pysyvät mukana pitkään (korkea säilytys). Vahvan teknisen eron puuttuessa B2B- ja B2C-sovellukset tuovat pitkäaikaista asiakasarvoa verkkovaikutusten, datan säilyttämisen tai yhä monimutkaisempien työnkulkujen rakentamisen kautta.

Generatiivisessa tekoälyssä nämä oletukset eivät välttämättä pidä paikkaansa. Kaikissa sovellusyrityksissä, joiden kanssa olemme keskustelleet, on laaja valikoima bruttomarginaaleja – joissakin tapauksissa jopa 90 %, mutta useammin jopa 50–60 %, mikä johtuu suurelta osin mallipäätelmien kustannuksista. Kasvu suppilon huipulla on ollut hämmästyttävää, mutta on epäselvää, ovatko nykyiset asiakashankintastrategiat skaalautuvia – näemme jo maksetun hankinnan tehokkuuden ja säilyttämisen alkavan hiipua. Monet sovellukset ovat myös suhteellisen eriytymättömiä, koska ne luottavat samankaltaisiin taustalla oleviin tekoälymalleihin eivätkä ole havainneet selviä verkkovaikutuksia tai dataa/työnkulkuja, joita kilpailijoiden on vaikea kopioida.

Ei siis vielä ole selvää, että loppukäyttäjien sovellusten myynti on ainoa tai jopa paras tapa rakentaa kestävää generatiivista tekoälyliiketoimintaa. Marginaalien pitäisi parantua kilpailun ja kielimallien tehokkuuden lisääntyessä (lisätietoja alla). Sitoutumisen pitäisi lisääntyä, kun tekoälymatkailijat poistuvat markkinoilta. Ja on olemassa vahva argumentti, että vertikaalisesti integroiduilla sovelluksilla on etu erottumisessa. Mutta paljon on vielä todistettavaa.

Tulevaisuudessa joitain generatiivisten tekoälysovellusyritysten suuria kysymyksiä ovat:

  • Pystysuuntainen integrointi ("malli + sovellus"). Tekoälymallien käyttäminen palveluna antaa sovelluskehittäjille mahdollisuuden iteroida nopeasti pienen tiimin kanssa ja vaihtaa mallintarjoajia tekniikan kehittyessä. Kääntöpuolella jotkut kehittäjät väittävät, että tuote is mallia, ja että koulutus tyhjästä on ainoa tapa luoda puolustettavuutta – toisin sanoen jatkuvalla uudelleenkoulutuksella patentoiduilla tuotetiedoilla. Mutta sen kustannuksella on paljon korkeammat pääomavaatimukset ja vähemmän ketterä tuotetiimi.
  • Rakennusominaisuudet vs. sovellukset. Generatiivisilla tekoälytuotteilla on useita eri muotoja: työpöytäsovellukset, mobiilisovellukset, Figma/Photoshop-laajennukset, Chrome-laajennukset, jopa Discord-botit. Tekoälytuotteita on helppo integroida sinne, missä käyttäjät jo työskentelevät, koska käyttöliittymä on yleensä vain tekstiruutu. Mistä näistä tulee itsenäisiä yrityksiä – ja mitkä siirtyvät vakiintuneisiin toimijoihin, kuten Microsoft tai Google, jotka jo sisällyttävät tekoälyä tuotelinjoihinsa?
  • Hallitseminen hype-syklin läpi. Ei ole vielä selvää, liittyykö vaihtuvuus nykyiseen generatiivisten tekoälytuotteiden joukkoon vai onko se varhaisten markkinoiden artefakti. Tai jos kiinnostus generatiiviseen tekoälyyn putoaa, kun hype laantuu. Näillä kysymyksillä on tärkeitä seurauksia sovellusyrityksille, mukaan lukien milloin painaa kaasupoljinta varainhankinnassa; kuinka aggressiivisesti investoida asiakashankintaan; mitkä käyttäjäsegmentit priorisoida; ja milloin julistaa tuotteen markkinoille sopivaksi.

Mallintoimittajat keksivät generatiivisen tekoälyn, mutta eivät ole saavuttaneet suurta kaupallista mittakaavaa

Se, mitä nyt kutsumme generatiiviseksi tekoälyksi, ei olisi olemassa ilman loistavaa tutkimus- ja suunnittelutyötä, jota tehdään Googlen, OpenAI:n ja Stabilityn kaltaisissa paikoissa. Uusien malliarkkitehtuurien ja sankarillisten pyrkimysten skaalata koulutusputkia ansiosta me kaikki hyödymme nykyisten suurten kielimallien (LLM) ja kuvan luomismallien hämmästyttävästä kyvystä.

Näihin yrityksiin liittyvät tulot ovat kuitenkin edelleen suhteellisen pieniä verrattuna käyttöön ja kuhinaan. Kuvien luomisessa Stable Diffusion on nähnyt räjähdysmäisen yhteisön kasvun, jota tukee käyttöliittymien, isännöityjen tarjousten ja hienosäätömenetelmien ekosysteemi. Mutta Stability luovuttaa tärkeimmät tarkastuspisteensä ilmaiseksi liiketoimintansa ydinperiaatteeksi. Luonnollisissa kielimalleissa OpenAI hallitsee GPT-3/3.5:n ja ChatGPT:n kanssa. Mutta suhteellisesti Tähän mennessä on olemassa muutamia OpenAI:lle rakennettuja tappajasovelluksia, ja hinnat ovat jo pudonnut kerran.

Tämä voi olla vain tilapäinen ilmiö. Stability on uusi yritys, joka ei ole vielä keskittynyt kaupallistamiseen. OpenAI:sta voi tulla massiivinen liiketoiminta, joka ansaitsee merkittävän osan kaikista NLP-luokan tuloista, kun lisää tappavia sovelluksia rakennetaan – varsinkin jos integrointi Microsoftin tuotevalikoimaan menee sujuvasti. Kun otetaan huomioon näiden mallien valtava käyttö, suuret tulot eivät välttämättä jää jäljelle.

Mutta on myös vastavoimia. Avoimena lähdekoodina julkaistuja malleja voivat isännöidä kuka tahansa, myös ulkopuoliset yritykset, jotka eivät vastaa laajamittaiseen mallikoulutukseen liittyvistä kustannuksista (jopa kymmeniä tai satoja miljoonia dollareita). Eikä ole selvää, pystyvätkö suljetun lähdekoodin mallit säilyttämään etunsa loputtomiin. Alamme esimerkiksi nähdä, että Anthropicin, Coheren ja Character.ai:n kaltaisten yritysten rakentamat LLM:t tulevat lähemmäksi OpenAI-suorituskykyä, ja ne on koulutettu samanlaisilla tietojoukoilla (esim. Internet) ja samanlaisilla malliarkkitehtuureilla. Esimerkki vakaasta diffuusiosta viittaa siihen if avoimen lähdekoodin mallit saavuttavat riittävän suorituskyvyn ja yhteisön tuen, jolloin patentoitujen vaihtoehtojen voi olla vaikea kilpailla.

Ehkä selkein toteamus mallintarjoajille toistaiseksi on, että kaupallistaminen on todennäköisesti sidottu isännöintiin. Omien sovellusliittymien (esim. OpenAI:lta) kysyntä kasvaa nopeasti. Avoimen lähdekoodin mallien isännöintipalvelut (esim. Hugging Face ja Replicate) ovat nousemassa hyödyllisiksi keskukseksi mallien jakamiseen ja integrointiin – ja niillä on jopa joitain epäsuoria verkkovaikutuksia mallien tuottajien ja kuluttajien välillä. On myös vahva hypoteesi, että on mahdollista ansaita rahaa hienosäätö- ja isännöintisopimusten avulla yritysasiakkaiden kanssa.

Sen lisäksi mallintarjoajien edessä on kuitenkin useita suuria kysymyksiä:

  • kaupallistaminen. On olemassa yleinen uskomus, että tekoälymallit lähentyvät suorituskykyään ajan myötä. Puhuessamme sovelluskehittäjien kanssa on selvää, että niin ei ole vielä tapahtunut, sillä sekä teksti- että kuvamalleissa on vahvat johtajat. Niiden edut eivät perustu ainutlaatuisiin malliarkkitehtuureihin, vaan korkeisiin pääomavaatimuksiin, omaan tuotevuorovaikutustietoon ja niukkaan tekoälykykyyn. Toimiiko tämä kestävänä etuna?
  • Valmistumisen riski. Mallintarjoajiin luottaminen on sovellusyrityksille loistava tapa päästä alkuun ja jopa kasvattaa liiketoimintaansa. Mutta heillä on kannustin rakentaa ja/tai isännöidä omia mallejaan, kun ne saavuttavat mittakaavan. Ja monilla mallintarjoajilla on erittäin vino asiakasjakaumat, ja muutamat sovellukset edustavat suurinta osaa tuloista. Mitä tapahtuu, jos/kun nämä asiakkaat siirtyvät käyttämään omaa tekoälykehitystä?
  • Onko raha tärkeä? Lupaus generatiivisesta tekoälystä on niin suuri – ja mahdollisesti niin haitallinen –, että monet mallintarjoajat ovat järjestäytyneet yleishyödyllisiksi yhtiöiksi (B corps), laskeneet liikkeeseen rajattuja voitto-osuuksia tai muutoin sisällyttäneet yleishyödykkeen nimenomaisesti tehtäväänsä. Tämä ei ole mitenkään estänyt heidän varainkeruupyrkimyksiään. Mutta on järkevää keskustelua siitä, ovatko useimmat mallintarjoajat todella haluta arvon kaappaamiseen, ja jos pitäisi.

Infrastruktuuritoimittajat koskettavat kaikkea ja saavat palkinnot

Lähes kaikki generatiivisessa tekoälyssä kulkee jossain vaiheessa pilvipohjaisen GPU:n (tai TPU:n) läpi. Olipa kyseessä mallintarjoajille / tutkimuslaboratorioille, jotka suorittavat koulutustyökuormia, hosting-yritykset, jotka suorittavat päätelmiä/hienosäätöä, tai sovellusyritykset, jotka tekevät jonkin yhdistelmän molemmista - LEIPUU ovat generatiivisen tekoälyn elinehto. Ensimmäistä kertaa hyvin pitkään aikaan kaikkein häiritsevimmän laskentatekniikan kehitys on massiivisesti sidottu laskemiseen.

Tämän seurauksena suuri osa generatiivisten tekoälymarkkinoiden rahoista virtaa lopulta infrastruktuuriyrityksiin. laittaa vähän hyvin karkeat luvut: Arvioimme, että sovellusyritykset käyttävät keskimäärin noin 20–40 % liikevaihdostaan ​​päättelyyn ja asiakaskohtaiseen hienosäätöön. Tämä maksetaan yleensä joko suoraan pilvipalveluntarjoajille laskentatapauksista tai kolmannen osapuolen mallintarjoajille – jotka puolestaan ​​käyttävät noin puolet tuloistaan ​​pilviinfrastruktuuriin. Joten on järkevää olettaa, että 10-20 % kokonaistulot generatiivisessa tekoälyssä nykyään pilvipalveluntarjoajat.

Tämän lisäksi omia mallejaan harjoittelevat startup-yritykset ovat keränneet miljardeja dollareita riskipääomaa – josta suurin osa (jopa 80-90 % alkukierroksilla) käytetään tyypillisesti myös pilvipalveluntarjoajien kanssa. Monet julkiset teknologiayritykset käyttävät satoja miljoonia vuodessa mallikoulutukseen joko ulkoisten pilvipalveluntarjoajien tai suoraan laitevalmistajien kanssa.

Tätä kutsuisimme teknisesti "paljon rahaksi" - varsinkin syntymässä oleville markkinoille. Suurin osa siitä kuluu Big 3 pilvet: Amazon Web Services (AWS), Google Cloud Platform (GCP) ja Microsoft Azure. Nämä pilvipalveluntarjoajat yhdessä kuluttaa enemmän kuin $ 100 miljardia vuodessa capexissa varmistaakseen, että heillä on kattavimmat, luotettavimmat ja kustannuskilpailukykyisimmat alustat. Erityisesti generatiivisessa tekoälyssä he hyötyvät myös tarjonnan rajoituksista, koska heillä on etuoikeus käyttää niukkoja laitteistoja (esim. Nvidia A100 ja H100 GPU:t).

Mielenkiintoista on kuitenkin, että alamme nähdä uskottavaa kilpailua. Oraclen kaltaiset haastajat ovat tunkeutuneet suuriin investointimenoihin ja myyntikannustimiin. Ja muutamat startupit, kuten Coreweave ja Lambda Labs, ovat kasvaneet nopeasti erityisesti suurille mallinkehittäjille suunnatuilla ratkaisuilla. He kilpailevat hinnasta, saatavuudesta ja henkilökohtaisesta tuesta. Ne paljastavat myös yksityiskohtaisempia resurssien abstraktioita (eli kontit), kun taas suuret pilvet tarjoavat vain VM-instanssit GPU-virtualisointirajoitusten vuoksi.

Kulissien takana, suurimman osan tekoälytyökuormista, on kenties suurin voittaja generatiivisessa tekoälyssä tähän mennessä: Nvidia. Yritys ilmoitti 3.8 XNUMX dollaria miljardi datakeskusten GPU-liikevaihdosta sen tilikauden 2023 kolmannella neljänneksellä, sisältää merkityksellisen osan generatiivisia tekoälyn käyttötapauksia varten. Ja he ovat rakentaneet vahvat vallihautat tämän liiketoiminnan ympärille vuosikymmeniä investoimalla GPU-arkkitehtuuriin, vahvaan ohjelmistoekosysteemiin ja laajaan käyttöön akateemisessa yhteisössä. Yksi tuore analyysi havaitsi, että Nvidia-grafiikkasuorittimet mainitaan tutkimuspapereissa 90 kertaa enemmän kuin parhaita tekoälysiruja yhteensä.

Muita laitteistovaihtoehtoja on olemassa, mukaan lukien Google Tensor Processing Units (TPU:t); AMD Instinct GPU:t; AWS Inferentia ja Trainium-sirut; ja tekoälykiihdyttimet uusilta yrityksiltä, ​​kuten Cerebras, Sambanova ja Graphcore. Pelin myöhässä oleva Intel on myös tulossa markkinoille huippuluokan Habana-siruillaan ja Ponte Vecchio -grafiikkasuorittimillaan. Mutta toistaiseksi harvat näistä uusista siruista ovat ottaneet merkittävän markkinaosuuden. Kaksi poikkeusta, joita kannattaa katsoa, ​​ovat Google, jonka TPU:t ovat saaneet vetovoimaa Stable Diffusion -yhteisössä ja joissakin suurissa GCP-sopimuksissa, ja TSMC, jonka uskotaan valmistavan kaikki tässä luetelluista siruista, mukaan lukien Nvidia-grafiikkasuorittimet (Intel käyttää sirujensa valmistukseen yhdistelmää omia fabejaan ja TSMC:tä).

Infrastruktuuri on toisin sanoen tuottoisa, kestävä ja näennäisesti suojattava kerros pinossa. Infrayritysten suuria kysymyksiä ovat:

  • Pysyminen valtiottomista työkuormista. Nvidian GPU:t ovat samat missä tahansa vuokraat ne. Useimmat tekoälyn työkuormat ovat tilattomia siinä mielessä, että mallin päättely ei vaadi liitettyjä tietokantoja tai tallennustilaa (muita kuin itse mallin painotuksia varten). Tämä tarkoittaa, että tekoälyn työkuormat voivat olla paremmin siirrettävissä pilvissä kuin perinteiset sovellustyökuormat. Miten pilvipalveluntarjoajat voivat tässä yhteydessä luoda tahmeutta ja estää asiakkaita hyppäämästä halvimpaan vaihtoehtoon?
  • Selviytyminen sirupulan lopusta. Pilvipalveluntarjoajien ja itse Nvidian hinnoittelua ovat tukeneet halutuimpien grafiikkasuorittimien niukat tarvikkeet. Yksi palveluntarjoaja kertoi meille, että A100: n listahinta on itse asiassa kasvoi julkaisusta lähtien, mikä on erittäin epätavallista laskentalaitteistolle. Kun tämä toimitusrajoitus lopulta poistetaan lisääntyneen tuotannon ja/tai uusien laitteistoalustojen käyttöönoton myötä, miten tämä vaikuttaa pilvipalveluntarjoajiin?
  • Voiko haastajapilvi murtautua läpi? Uskomme siihen vahvasti pystysuorat pilvet ottaa markkinaosuuden suurelta kolmelta erikoistuneemmilla tarjouksilla. Tekoälyssä haastajat ovat tähän mennessä saavuttaneet mielekästä vetovoimaa maltillisen teknisen eriyttämisen ja Nvidian tuen avulla – jolle vakiintuneet pilvipalveluntarjoajat ovat sekä suurimpia asiakkaita että nousevia kilpailijoita. Pitkän aikavälin kysymys on, riittääkö tämä voittamaan suuren 3:n mittakaavaedut?

Joten… mihin arvo kertyy?

Emme tietenkään vielä tiedä. Mutta perustuen varhaisiin tietoihin, joita meillä on generatiivisesta tekoälystä yhdistettynä kokemuksemme aikaisemmista AI/ML-yrityksistä, intuitiomme on seuraava. 

Nykyään generatiivisessa tekoälyssä ei näytä olevan systeemisiä vallihautoja. Ensimmäisen asteen approksimaationa sovelluksilta puuttuu vahva tuoteerottelu, koska ne käyttävät samanlaisia ​​malleja; mallit kohtaavat epäselvää pitkän aikavälin eroa, koska ne on koulutettu samankaltaisiin tietosarjoihin, joilla on samanlainen arkkitehtuuri; pilvipalveluntarjoajilta puuttuu syvä tekninen ero, koska ne käyttävät samoja GPU:ita; ja jopa laitteistoyritykset valmistavat sirujaan samoissa tehtaissa.

On tietysti olemassa vakiovallihautat: vaakavallihautat ("Minulla on tai voin kerätä enemmän rahaa kuin sinä!"), toimitusketjuvallihautat ("Minulla on GPU:t, sinulla ei!"), ekosysteemivallihautat (" Kaikki käyttävät jo ohjelmistoani!"), algoritmivallihautat ("Olemme älykkäämpiä kuin sinä!"), jakeluvallihautat ("Minulla on jo myyntitiimi ja enemmän asiakkaita kuin sinä!") ja dataputkivallihautat ("Minä" olen indeksoinut enemmän Internetiä kuin sinä!"). Mutta mikään näistä vallihautaista ei yleensä ole kestävä pitkällä aikavälillä. Ja on liian aikaista sanoa, vallitsevatko vahvat suorat verkkovaikutukset missä tahansa pinon kerroksessa.

Käytettävissä olevien tietojen perusteella ei vain ole selvää, tuleeko generatiivisessa tekoälyssä olemaan pitkän aikavälin voittaja-kaikki dynamiikkaa.

Tämä on outoa. Mutta meille se on hyvä uutinen. Näiden markkinoiden potentiaalista kokoa on vaikea käsittää – jossain välissä kaikki ohjelmistot ja kaikki inhimilliset pyrkimykset - joten odotamme monia, monia pelaajia ja tervettä kilpailua pinon kaikilla tasoilla. Odotamme myös sekä horisontaalisten että vertikaalisten yritysten menestyvän parhaalla loppumarkkinoiden ja loppukäyttäjien sanelemalla lähestymistavalla. Esimerkiksi, jos ensisijainen ero lopputuotteessa on itse tekoäly, on todennäköistä, että vertikaalisaatio (eli käyttäjälle suunnatun sovelluksen tiivis yhdistäminen kotimaiseen malliin) voittaa. Jos taas tekoäly on osa suurempaa, pitkähäntäistä ominaisuusjoukkoa, on todennäköisempää, että vaakasuuntaisuus tapahtuu. Tietysti meidän pitäisi nähdä myös perinteisten vallihautojen rakentamista ajan mittaan - ja voimme jopa nähdä uudentyyppisten vallihautojen omaksuvan.

Joka tapauksessa olemme varmoja siitä, että generatiivinen tekoäly muuttaa peliä. Opimme kaikki säännöt reaaliajassa, valtava määrä arvoa vapautuu, ja tämän seurauksena tekninen maisema näyttää paljon, paljon erilaiselta. Ja olemme täällä sitä varten!

Kaikki tämän postauksen kuvat on luotu Midjourneylla.

Aikaleima:

Lisää aiheesta Andreessen Horowitz