מי הבעלים של פלטפורמת הבינה המלאכותית הגנרטיבית?

אנחנו מתחילים לראות את השלבים המוקדמים מאוד של מחסנית טכנולוגית מופיעים בבינה מלאכותית (AI). מאות סטארט-אפים חדשים ממהרים לשוק כדי לפתח מודלים בסיסיים, לבנות אפליקציות מקוריות בינה מלאכותית, ותשתיות/כלים עומדים.

טרנדים טכנולוגיים חמים רבים מקבלים הייפ יתר הרבה לפני שהשוק מדביק את הפער. אבל תנופת הבינה המלאכותית היצירתית לוותה ברווחים אמיתיים בשווקים האמיתיים, ובמשיכה אמיתית של חברות אמיתיות. מודלים כמו Stable Diffusion ו-ChatGPT מציבים שיאים היסטוריים לצמיחת משתמשים, ומספר יישומים הגיעו ל-100 מיליון דולר של הכנסה שנתית פחות משנה לאחר ההשקה. השוואות זו לצד זו מציגות מודלים של AI ביצועים טובים יותר מבני אדם בכמה משימות בסדרי גודל מרובים. 

אז יש מספיק נתונים מוקדמים כדי להצביע על שינוי מסיבי שמתרחש. מה שאנחנו לא יודעים, ומה שהפך כעת לשאלה הקריטית, הוא: היכן בשוק הזה יצמח שווי?

במהלך השנה האחרונה, נפגשנו עם עשרות מייסדי סטארטאפים ומפעילים בחברות גדולות העוסקות ישירות ב-AI גנרטיבי. ראינו את זה ספקי תשתית הם כנראה המנצחים הגדולים ביותר בשוק הזה עד כה, ותפסו את רוב הדולרים שזורמים בערימה. חברות אפליקציות הם מגדילים את ההכנסות מהשורה העליונה במהירות רבה, אך לעתים קרובות נאבקים עם שימור, בידול מוצרים ושולי רווח גולמיים. ורוב ספקי דגמים, למרות שאחראי לעצם קיומו של שוק זה, עדיין לא הגיעו לקנה מידה מסחרי גדול.

במילים אחרות, החברות שיצרו את הערך הרב ביותר - כלומר הכשרת מודלים של בינה מלאכותית ויישומם באפליקציות חדשות - לא תפסו את רובו. לחזות מה יקרה אחר כך הרבה יותר קשה. אבל אנחנו חושבים שהדבר העיקרי שצריך להבין הוא אילו חלקים בערימה באמת מובחנים וניתנים להגנה. תהיה לכך השפעה גדולה על מבנה השוק (כלומר התפתחות חברה אופקית לעומת אנכית) ועל המניעים של ערך לטווח ארוך (למשל מרווחים ושימור). עד כה, היה לנו קשה למצוא הגנה מבנית בְּכָל מָקוֹם בערימה, מחוץ לחפירים מסורתיים לבעלי תפקידים.

אנחנו שוריים להפליא ב-AI גנרטיבי ומאמינים שתהיה לה השפעה עצומה בתעשיית התוכנה ומחוצה לה. המטרה של פוסט זה היא למפות את הדינמיקה של השוק ולהתחיל לענות על השאלות הרחבות יותר על מודלים עסקיים גנרטיביים של AI.

ערימת טכנולוגיה ברמה גבוהה: תשתית, דגמים ואפליקציות

כדי להבין כיצד שוק הבינה המלאכותית הגנרטיבית מתגבש, ראשית עלינו להגדיר כיצד נראית המחסנית כיום. הנה ההשקפה המקדימה שלנו.

ניתן לחלק את הערימה לשלוש שכבות:

• יישומים המשלבים מודלים של בינה מלאכותית במוצר הפונה למשתמש, בין אם מפעילים צינורות מודל משלהם ("אפליקציות מקצה לקצה") או מסתמכים על ממשק API של צד שלישי
• מודלים שמספקים מוצרי AI, זמינים כ-API קנייניים או כנקודות ביקורת בקוד פתוח (אשר, בתורם, דורשים פתרון אירוח)
• תשתית ספקים (כלומר פלטפורמות ענן ויצרני חומרה) שמריצים עומסי הדרכה והסקת עבודה עבור דגמי AI גנרטיביים

חשוב לציין: זו לא מפת שוק, אלא מסגרת לניתוח השוק. בכל קטגוריה, רשמנו כמה דוגמאות של ספקים ידועים. לא עשינו שום ניסיון להיות מקיף או לרשום את כל יישומי הבינה המלאכותית המדהימים שיצאו לאור. אנחנו גם לא נכנסים כאן לעומק על MLops או LLMops tooling, שעדיין אינו סטנדרטי במיוחד ויטופל בפוסט עתידי.

הגל הראשון של אפליקציות AI גנרטיביות מתחיל להגיע לקנה מידה, אך נאבק עם שימור ובידול

במחזורי טכנולוגיה קודמים, החוכמה המקובלת הייתה שכדי לבנות חברה גדולה ועצמאית, אתה חייב להיות הבעלים של לקוח הקצה - בין אם זה אומר צרכנים בודדים או קונים B2B. מפתה להאמין שהחברות הגדולות ביותר בתחום הבינה המלאכותית הגנרטיבית יהיו גם יישומי משתמש קצה. עד כה, לא ברור שזה המצב.

מה שבטוח, הצמיחה של יישומי AI גנרטיביים הייתה מדהימה, מונעת על ידי חידוש מוחלט ושפע של מקרי שימוש. למעשה, אנו מודעים לפחות לשלוש קטגוריות מוצרים שכבר עלו על 100 מיליון דולר מההכנסה השנתית: יצירת תמונות, קופירייטינג וכתיבת קוד.

עם זאת, צמיחה לבדה אינה מספיקה כדי לבנות חברות תוכנה עמידות. באופן קריטי, הצמיחה חייבת להיות רווחית - במובן זה שמשתמשים ולקוחות, ברגע שהם נרשמים, מייצרים רווחים (רווחים גולמיים גבוהים) ונשארים לאורך זמן (שימור גבוה). בהיעדר בידול טכני חזק, אפליקציות B2B ו-B2C מניבות ערך לקוחות לטווח ארוך באמצעות השפעות רשת, החזקה בנתונים או בניית זרימות עבודה מורכבות יותר ויותר.

ב-AI גנרטיבי, הנחות אלו לא בהכרח מתקיימות. בכל חברות אפליקציות שדיברנו איתן, יש מגוון רחב של שולי רווח גולמיים - גבוהים כמו 90% במקרים בודדים, אך לעתים קרובות יותר נמוך כמו 50-60%, המונעים בעיקר על ידי עלות הסקת המודל. הצמיחה בראש המשפך הייתה מדהימה, אבל לא ברור אם אסטרטגיות רכישת לקוחות נוכחיות יהיו ניתנות להרחבה - אנחנו כבר רואים את יעילות הרכישה בתשלום ושימור הרכישה מתחילים להצטמצם. אפליקציות רבות גם אינן מובחנות יחסית, מכיוון שהן מסתמכות על מודלים דומים של AI בינה מלאכותית ולא גילו אפקטים ברורים של רשת, או נתונים/זרימות עבודה, שקשה למתחרים לשכפל.

לכן, עדיין לא ברור שמכירת אפליקציות למשתמשי קצה היא הדרך היחידה, או אפילו הטובה ביותר, לבניית עסק בר-קיימא בינה מלאכותית. השוליים אמורים להשתפר ככל שתגדל התחרות והיעילות במודלים של שפה (עוד על כך בהמשך). השימור צריך לגדול ככל שתיירי בינה מלאכותית עוזבים את השוק. ויש טענה חזקה שלאפליקציות משולבות אנכית יש יתרון בהנעת בידול. אבל יש עוד הרבה מה להוכיח.

במבט קדימה, כמה מהשאלות הגדולות העומדות בפני חברות אפליקציות AI גנרטיביות כוללות:

• אינטגרציה אנכית ("דגם + אפליקציה"). צריכת מודלים של בינה מלאכותית כשירות מאפשרת למפתחי אפליקציות לעבור במהירות עם צוות קטן ולהחליף ספקי דגמים ככל שהטכנולוגיה מתקדמת. מהצד השני, כמה מפתחים טוענים שהמוצר is המודל, ושהכשרה מאפס היא הדרך היחידה ליצור הגנה - כלומר על ידי אימון מתמיד מחדש על נתוני מוצר קנייניים. אבל זה בא במחיר של דרישות הון הרבה יותר גבוהות וצוות מוצרים פחות זריז.
• בניית תכונות לעומת אפליקציות. מוצרי AI גנרטיביים לובשים מספר צורות שונות: אפליקציות לשולחן עבודה, אפליקציות לנייד, תוספים של Figma/Photoshop, הרחבות לכרום, אפילו בוטים של Discord. קל לשלב מוצרי AI שבהם המשתמשים כבר עובדים, מכיוון שממשק המשתמש הוא בדרך כלל רק תיבת טקסט. איזו מהן תהפוך לחברות עצמאיות - ואילו ייקלטו על ידי בעלי תפקידים, כמו מיקרוסופט או גוגל, שכבר שילבו AI בקווי המוצרים שלהם?
• ניהול דרך מחזור ההייפ. עדיין לא ברור אם הנטישה היא טבועה באצווה הנוכחית של מוצרי בינה מלאכותית, או אם זה חפץ של שוק מוקדם. או אם גל ההתעניינות בבינה מלאכותית יירד כשההייפ ירגע. לשאלות הללו יש השלכות חשובות על חברות האפליקציות, כולל מתי ללחוץ על דוושת הדלק בגיוס כספים; באיזו אגרסיביות להשקיע בגיוס לקוחות; אילו מקטעי משתמשים לתעדף; ומתי להכריז על התאמת המוצר לשוק.

ספקי מודלים המציאו בינה מלאכותית, אך לא הגיעו לקנה מידה מסחרי גדול

מה שאנו מכנים כיום AI גנרטיבי לא היה קיים ללא עבודת המחקר וההנדסה המבריקה שנעשתה במקומות כמו גוגל, OpenAI ויציבות. באמצעות ארכיטקטורות מודלים חדשות ומאמצים הרואיים להרחיב את קנה המידה של צינורות האימון, כולנו נהנים מהיכולות המרגשות של מודלים של שפה גדולה (LLM) ומודלים של יצירת תמונות.

עם זאת, ההכנסות הקשורות לחברות אלו עדיין קטנות יחסית לשימוש ולבאז. ביצירת תמונות, Stable Diffusion ראתה צמיחה נפיצה של קהילה, הנתמכת על ידי מערכת אקולוגית של ממשקי משתמש, הצעות מתארחות ושיטות כוונון עדין. אבל יציבות מוסרת את המחסומים העיקריים שלהם בחינם כעיקרון הליבה של העסק שלהם. במודלים של שפה טבעית, OpenAI שולט עם GPT-3/3.5 ו-ChatGPT. אבל יחסית כמה אפליקציות קטלניות שנבנו על OpenAI קיימות עד כה, והמחירים כבר היו ירד פעם אחת.

ייתכן שזו רק תופעה זמנית. יציבות היא חברה חדשה שעדיין לא התמקדה במונטיזציה. ל-OpenAI יש פוטנציאל להפוך לעסק ענק, להרוויח חלק ניכר מכל ההכנסות מקטגוריית NLP ככל שנבנות יותר אפליקציות קטלניות - במיוחד אם הן שילוב בתיק המוצרים של מיקרוסופט הולך חלק. בהתחשב בשימוש העצום במודלים אלה, ייתכן שההכנסות בקנה מידה גדול אינן רחוקות מאחור.

אבל יש גם כוחות מנוגדים. מודלים שפורסמו כקוד פתוח יכולים להתארח אצל כל אחד, כולל חברות חיצוניות שאינן נושאות בעלויות הכרוכות בהכשרת דגמים בקנה מידה גדול (עד עשרות או מאות מיליוני דולרים). ולא ברור אם דגמי קוד סגור כלשהם יכולים לשמור על היתרון שלהם ללא הגבלת זמן. לדוגמה, אנחנו מתחילים לראות LLMs שנבנו על ידי חברות כמו Anthropic, Cohere ו-Character.ai מתקרבים לרמות ביצועים של OpenAI, מאומנים על מערכי נתונים דומים (כלומר האינטרנט) ועם ארכיטקטורות מודלים דומות. הדוגמה של דיפוזיה יציבה מעידה על כך if מודלים של קוד פתוח מגיעים לרמה מספקת של ביצועים ותמיכה בקהילה, ואז חלופות קנייניות עשויות להתקשות להתחרות.

אולי הדרך הברורה ביותר עבור ספקי הדגמים, עד כה, היא שהמסחור כנראה קשור לאירוח. הביקוש לממשקי API קנייניים (למשל מ-OpenAI) גדל במהירות. שירותי אירוח עבור דגמי קוד פתוח (כגון Hugging Face ושכפול) מופיעים כמרכזים שימושיים לשיתוף ושילוב מודלים בקלות - ואפילו יש להם כמה השפעות רשת עקיפות בין יצרני מודלים וצרכנים. יש גם השערה חזקה שאפשר לייצר רווחים באמצעות הסכמי כוונון ואירוח עם לקוחות ארגוניים.

עם זאת, מעבר לכך, ישנן מספר שאלות גדולות העומדות בפני ספקי דגמים:

• סחורה. ישנה אמונה רווחת שדגמי AI יתכנסו בביצועים לאורך זמן. כשמדברים עם מפתחי אפליקציות, ברור שזה עדיין לא קרה, עם מובילים חזקים גם במודלים של טקסט וגם בתמונות. היתרונות שלהם אינם מבוססים על ארכיטקטורות מודל ייחודיות, אלא על דרישות הון גבוהות, נתוני אינטראקציה קנייניים עם מוצרים וכישרון בינה מלאכותית נדירה. האם זה ישמש יתרון עמיד?
• סיכון סיום הלימודים. הסתמכות על ספקי מודלים היא דרך מצוינת עבור חברות אפליקציות להתחיל, ואפילו להצמיח את העסקים שלהן. אבל יש להם תמריץ לבנות ו/או לארח דגמים משלהם ברגע שהם מגיעים לקנה מידה. ולספקי דגמים רבים יש הפצת לקוחות מוטה מאוד, כאשר כמה אפליקציות מייצגות את רוב ההכנסות. מה קורה אם/כאשר לקוחות אלו יעברו לפיתוח AI פנימי?
• כסף חשוב? ההבטחה של AI יצירתי היא כל כך גדולה - וגם עלולה להיות כל כך מזיקה - שספקי מודלים רבים התארגנו כתאגידים לתועלת הציבור (B corps), הנפיקו מניות רווח מוגבלות או שילבו באופן מפורש את טובת הציבור במשימתם. זה כלל לא הפריע למאמצי גיוס התרומות שלהם. אבל יש דיון סביר אם רוב ספקי הדגמים אכן רוצה כדי לתפוס ערך, ואם הם צריכים.

ספקי תשתית נוגעים בכל דבר, וקוצרים את הפירות

כמעט כל דבר ב-AI גנרטיבי עובר דרך GPU (או TPU) המתארח בענן בשלב מסוים. בין אם עבור ספקי מודלים / מעבדות מחקר המפעילות עומסי הדרכה, חברות מארחות המפעילות הסקה/כוונן עדין, או חברות יישומים שעושות שילוב כלשהו של שניהם - פלופים הם נשמת אפו של AI גנרטיבי. לראשונה מזה זמן רב מאוד, ההתקדמות בטכנולוגיית המחשוב המשבשת ביותר קשורה למחשוב מסיבית.

כתוצאה מכך, חלק ניכר מהכסף בשוק הבינה המלאכותית הגנרטיבי זורם בסופו של דבר לחברות תשתית. לשים קצת מאוד מספרים גסים סביבו: אנו מעריכים שבממוצע, חברות אפליקציות מוציאות כ-20-40% מההכנסות על הסקת מסקנות ועל כוונון עדין לכל לקוח. זה בדרך כלל משולם ישירות לספקי ענן עבור מופעי מחשוב או לספקי דגמי צד שלישי - אשר בתורם מוציאים כמחצית מהכנסותיהם על תשתית ענן. אז זה הגיוני לנחש ש-10-20% מ סך הרווחים ב-AI גנרטיבי עובר היום לספקי ענן.

נוסף על כך, סטארטאפים שהכשירו מודלים משלהם גייסו מיליארדי דולרים בהון סיכון - רובו (עד 80-90% בסבבים מוקדמים) מושקע בדרך כלל גם אצל ספקי הענן. חברות טכנולוגיה ציבוריות רבות מוציאות מאות מיליונים בשנה על הדרכת מודלים, עם ספקי ענן חיצוניים או ישירות עם יצרני חומרה.

זה מה שהיינו מכנים, במונחים טכניים, "הרבה כסף" - במיוחד עבור שוק בהתהוות. רובו מושקע ב- ביג 3 עננים: שירותי האינטרנט של אמזון (AWS), Google Cloud Platform (GCP) ו-Microsoft Azure. ספקי הענן הללו ביחד להוציא יותר מ $ 100 מיליארד דולר בשנה ב-capex כדי להבטיח שיש להם את הפלטפורמות המקיפות, האמינות והתחרותיות ביותר. ב-AI גנרטיבי, במיוחד, הם גם נהנים ממגבלות אספקה ​​מכיוון שיש להם גישה מועדפת לחומרה דלה (למשל Nvidia A100 ו-H100 GPUs).

עם זאת, מעניין, אנו מתחילים לראות תחרות אמינה מתעוררת. מתמודדים כמו אורקל עשו דרך עם הוצאות השקעה גדולות ותמריצי מכירות. וכמה סטארט-אפים, כמו Coreweave ו-Lambda Labs, צמחו במהירות עם פתרונות המיועדים במיוחד למפתחי דגמים גדולים. הם מתחרים על עלות, זמינות ותמיכה מותאמת אישית. הם גם חושפים הפשטות משאבים מפורטות יותר (כלומר קונטיינרים), בעוד שהעננים הגדולים מציעים רק מופעי VM בשל מגבלות וירטואליזציה של GPU.

מאחורי הקלעים, הפעלת הרוב המכריע של עומסי העבודה בינה מלאכותית, היא אולי המנצחת הגדולה ביותר בבינה מלאכותית עד כה: Nvidia. החברה דיווח על 3.8 דולר מיליארדים מהכנסות מרכז הנתונים GPU ברבעון השלישי של שנת הכספים 2023, כולל חלק משמעותי עבור מקרי שימוש בינה מלאכותית. והם בנו חפירים חזקים סביב העסק הזה באמצעות עשרות שנים של השקעה בארכיטקטורת GPU, מערכת אקולוגית של תוכנה חזקה ושימוש עמוק בקהילה האקדמית. ניתוח אחד אחרון מצא שמעבדי Nvidia מצוינים במאמרי מחקר פי 90 יותר מהסטארט-אפים המובילים של שבבי AI ביחד.

אפשרויות חומרה אחרות קיימות, כולל יחידות עיבוד טנזור של Google (TPUs); AMD Instinct GPUs; שבבי AWS Inferentia ו-Trainium; ומאיצי בינה מלאכותית של סטארט-אפים כמו Cerebras, Sambanova ו- Graphcore. אינטל, מאוחרת למשחק, נכנסת לשוק גם עם שבבי Habana היוקרתיים ומעבדי ה-GPU של Ponte Vecchio. אבל עד כה, מעטים מהשבבים החדשים הללו תפסו נתח שוק משמעותי. שני החריגים לצפייה הם גוגל, ש-TPUs שלה צברו אחיזה בקהילת ה-Stable Diffusion ובכמה עסקאות GCP גדולות, ו-TSMC, שלפי ההערכות מייצרת את כל מהשבבים המפורטים כאן, כולל GPUs של Nvidia (אינטל משתמשת בשילוב של דגמים משלה ו-TSMC כדי לייצר את השבבים שלה).

תשתית היא, במילים אחרות, שכבה משתלמת, עמידה ולכאורה ניתנת להגנה בערימה. השאלות הגדולות שיש לענות עליהן עבור חברות אינפרא כוללות:

• שמירה על עומסי עבודה חסרי מדינה. GPUs של Nvidia זהים בכל מקום שאתה שוכר אותם. רוב עומסי העבודה של AI הם חסרי מדינה, במובן זה שהסקת מודל אינה דורשת מסדי נתונים או אחסון מחוברים (מלבד עבור משקלי המודל עצמם). המשמעות היא שעומסי עבודה של AI עשויים להיות ניידים יותר בעננים מאשר עומסי עבודה מסורתיים של יישומים. כיצד, בהקשר זה, יכולים ספקי ענן ליצור דביקות ולמנוע מלקוחות לקפוץ לאופציה הזולה ביותר?
• לשרוד את סוף המחסור בשבבים. התמחור עבור ספקי ענן, ועבור Nvidia עצמה, נתמך על ידי אספקה ​​נדירה של ה-GPUs הנחשקים ביותר. ספק אחד אמר לנו שמחיר המחירון עבור A100s יש למעשה גדל מאז ההשקה, וזה מאוד יוצא דופן עבור חומרת מחשוב. כאשר מגבלת אספקה ​​זו יוסר בסופו של דבר, באמצעות ייצור מוגבר ו/או אימוץ של פלטפורמות חומרה חדשות, כיצד זה ישפיע על ספקי הענן?
• האם ענן מאתגר יכול לפרוץ? אנחנו מאמינים מאוד בזה עננים אנכיים ייקח נתח שוק מ-3 הגדולים עם הצעות מיוחדות יותר. בתחום הבינה המלאכותית עד כה, המאתגרים מצאו משיכה משמעותית באמצעות בידול טכני מתון ותמיכה של Nvidia - עבורה ספקי הענן המכהנים הם הלקוחות הגדולים ביותר וגם המתחרים המתפתחים. השאלה לטווח ארוך היא, האם זה יספיק כדי להתגבר על יתרונות הקנה מידה של ה-Big 3?

אז... היכן יצטבר ערך?

כמובן, אנחנו עדיין לא יודעים. אבל בהתבסס על הנתונים המוקדמים שיש לנו עבור AI גנרטיבי, בשילוב עם הניסיון שלנו עם חברות AI/ML קודמות, האינטואיציה שלנו היא הבאה. 

לא נראה, היום, שום חפיר מערכתי בבינה מלאכותית. כקירוב מסדר ראשון, יישומים חסרים בידול מוצר חזק מכיוון שהם משתמשים במודלים דומים; מודלים מתמודדים עם בידול לא ברור לטווח ארוך מכיוון שהם מאומנים על מערכי נתונים דומים עם ארכיטקטורות דומות; לספקי ענן חסר בידול טכני עמוק מכיוון שהם מריצים את אותם GPUs; ואפילו חברות החומרה מייצרות את השבבים שלהן באותם מותגים.

יש, כמובן, את החפירים הסטנדרטיים: חפירים בקנה מידה ("יש לי או יכול לגייס יותר כסף ממך!"), חפירות שרשרת האספקה ​​("יש לי את ה-GPU, לך אין!"), חפירי מערכת אקולוגית (" כולם כבר משתמשים בתוכנה שלי!"), חפירות אלגוריתמיות ("אנחנו יותר חכמים ממך!"), חפירות הפצה ("כבר יש לי צוות מכירות ויותר לקוחות ממך!") וחפירות צנרת נתונים ("אני' זחלתי יותר מהאינטרנט ממך!"). אבל אף אחד מהחפירים האלה לא נוטה להיות עמיד לטווח ארוך. וזה מוקדם מדי לדעת אם השפעות רשת חזקות וישירות תופסות אחיזה בכל שכבה של הערימה.

בהתבסס על הנתונים הזמינים, פשוט לא ברור אם תהיה דינמיקה ארוכת טווח, המנצחת, ב-AI הגנרטיבי.

זה מוזר. אבל עבורנו, אלו חדשות טובות. קשה לתפוס את הגודל הפוטנציאלי של השוק הזה - איפשהו כל התוכנה ו כל המאמצים האנושיים - אז אנחנו מצפים להרבה הרבה שחקנים ותחרות בריאה בכל רמות הערימה. אנו מצפים גם מחברות רוחביות ואנכיות להצליח, כשהגישה הטובה ביותר מוכתבת על ידי שווקי קצה ומשתמשי קצה. לדוגמה, אם הבידול העיקרי בתוצר הסופי הוא ה-AI עצמו, סביר להניח שהאנכיזציה (כלומר צימוד הדוק של האפליקציה הפונה למשתמש לדגם הביתי) תנצח. בעוד שאם הבינה המלאכותית היא חלק ממערך תכונות גדול יותר עם זנב ארוך, אז סביר יותר שתתרחש אופקית. כמובן, עלינו לראות גם בניית חפירים מסורתיים יותר לאורך זמן - ואולי אפילו נראה סוגים חדשים של חפירים תופסים אחיזה.

בכל מקרה, דבר אחד שאנחנו בטוחים לגביו הוא שה-AI הגנרטיבי משנה את המשחק. כולנו לומדים את הכללים בזמן אמת, יש כמות עצומה של ערך שתיפתח, והנוף הטכנולוגי הולך להיראות שונה בהרבה כתוצאה מכך. ואנחנו כאן בשביל זה!

כל התמונות בפוסט הזה נוצרו באמצעות Midjourney.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה כאן.
• מקור: https://a16z.com/2023/01/19/who-owns-the-generative-ai-platform/