人工智能:A16Z | 生成式AI的機遇與挑戰分析

1.前言

什么是生成式AI？

生成式AI是機器學習的一個類別，計算機可以根據用戶的輸入/提示，生成原創的新內容。目前這項技術最成熟的應用主要在文本和圖像領域，不過幾乎所有的創意領域都有類似的進步，覆蓋動畫、聲音效果、音樂，甚至是對具備完整個性的虛擬人物進行原創。

第一部分：觀察和預測

人工智能應用正在迅速擴大規模，而留存并沒有那么容易，并不是所有人都可以建立起來商業規模。

生成式AI技術的早期階段已浮現：

比如說，數以百計的新興AI創業公司正沖向市場，開始開發基礎模型，構建AI原生應用程序、基礎設施與工具。

當然，確實會有很多熱門技術趨勢，會出現過度炒作的情況。但生成式人工智能的蓬勃發展，已經能看到很多公司產生了實實在在的營收。

Beosin：Arcadia Finance項目遭受攻擊，黑客獲利約45萬美元:金色財經報道，7月10日，Beosin EagleEye監測顯示，鏈上保證金協議Arcadia Finance項目遭受黑客攻擊，黑客獲利約45萬美元。[2023/7/10 10:45:30]

例如，像StableDiffusion和ChatGPT這樣的模型創造了用戶增長的歷史記錄，有的應用在推出后不到一年，就達到了1億美元的年營收，并且人工智能模型在部分任務中的表現要比人類的水平高幾個數量級。

我們發現，技術范式轉型正在發生。但是，需要研究的關鍵問題在于：整個市場中，哪些地方會產生價值？

過去一年里，我們和幾十位生成式AI創業公司的創始人和大公司AI領域的專家。我們觀察到目前為止，基礎設施供應商很可能是這個市場上最大的贏家，因為基礎設施可以獲得經過整個生成式AI堆棧最多的流水和營收。

1inch與Arbitrum上去中心化現貨訂單簿Lighter合作:6月30日消息，DEX聚合器1inch發文稱，已與Arbitrum上去中心化現貨訂單簿Lighter建立合作伙伴關系，旨在為Arbitrum上貨幣對提供最佳價格發現，降低用戶交易成本。[2023/7/1 22:11:29]

盡管主攻應用開發的公司收入增長非常快，但這部分公司往往在用戶留存、產品差異化和毛利率方面存在弱勢。而大多數模型供應商目前還沒有掌握大規模的商業化能力。

再說的準確一點，那些能夠創造最大價值的公司，比如說能夠訓練生成式人工智能模型，并將這種技術應用于新的應用程序，目前還沒有完全抓住行業中的的大部分價值。所以，現在想要預測后面的行業趨勢并不是那么容易。

但是，想辦法了解整個行業堆棧的哪些部分能做到真正的差異化，和可防御化很重要，因為這部分可以對整個市場結構和長期價值驅動力產生重大影響。

數據：持有100-1000枚比特幣的鯨魚地址近兩日增持逾2萬枚BTC:4月23日消息，根據鏈上分析公司Santiment的最新數據，在長達一個月的拋售期后，持有100-1000枚比特幣的鯨魚地址在過去兩天內增持20007枚比特幣。這表明這些鯨魚對比特幣的長期前景充滿信心，并將當前的下跌視為買入機會。

并非所有鯨魚地址都是如此，有些可能具有不同的交易策略或動機。例如，也有持有超1000枚比特幣的鯨魚地址最近一直在賣出而不是買入，可能是為了獲利了結或重新平衡他們的投資組合。此外，一些鯨魚可能是機構投資者或高凈值個人，他們會訪問場外交易市場或衍生品，而這些交易沒有反映在鏈上數據中。

盡管如此，比特幣持倉較低范圍內的鯨魚積累趨勢可能表明，一些散戶投資者或小規模交易者正在逢低買入。這可能會為價格提供一些支撐，并防止其進一步下跌。（Zycrypto）[2023/4/23 14:21:04]

但迄今為止，除了現有公司傳統意義上的業務護城河，很難在堆棧上找到結構上可防御性。

紐約梅隆銀行獲監管機構批準，將為客戶持有加密貨幣資產:10月11日消息，約梅隆銀行表示已獲得監管機構批準，將開始為客戶持有加密貨幣資產，成為美國首家在同一平臺上保護數字資產和傳統投資的大型銀行。（華爾街日報）[2022/10/11 10:31:21]

我們看好生成式人工智能賽道，也堅信這個領域對各個行業產生巨大影響。這篇文章的撰寫目的，主要是為了描繪市場的動態，回答一些關于生成性人工智能商業模式更為廣泛的問題。

技術棧：基礎設施、人工智能模型和應用程序

想要了解生成式人工智能賽道和市場是如何形成的，首先需要定義目前整個行業的堆棧：

整個生成式人工智能的堆棧可分為三層：

Crypto.com通過收購OK-BIT和PnLink在韓國完成了注冊:8月8日消息，據官方公告，總部位于新加坡的加密貨幣交易所Crypto.com宣布，通過收購韓國支付服務提供商PnLink和虛擬資產服務提供商OK-BIT，它已經完成了韓國電子金融交易法和虛擬資產服務提供商的注冊。（crypto.com）[2022/8/8 12:08:44]

1.將生成式AI模型，與面向用戶的產品應用集成，這種通常是運行自己的模型管道，或者依賴第三方API(阿法兔研究筆記注釋：這里我們說的模型管道，指的就是就是一個模型的輸出作為下一個模型的輸入）

2.為人工智能產品提供動力的模型，以專有API或開源檢查點的形式提供

開放出來，要么需要把整個模型的構建方式以及預訓練的模保密，只開放一個接口API，如果是前者的話，你就要自己去跑訓練/微調/推理，所以需要知道它能什么樣的環境、什么樣的硬件基礎上跑，所以需要有人提供一個托管平臺處理模型運行環境的事情）

3.為生成性人工智能模型運行訓練和推理工作負載的基礎設施供應商

需要注意的是，這塊我們講的并不是整個市場的生態圖，而是一個分析市場的框架，本文在每個類別中都列出了一些知名廠商的例子，不過沒有囊括列出目前所有最厲害的AIGC應用，也沒有深入討論MLops或LLMops工具，因為這塊還沒有達到完全成熟的標準化，有機會我們會繼續討論。

第一波的生成式人工智能應用開始形成規模化，但在留存和差異化方面卻不容易

在之前的技術周期中，傳統意義上的觀點會認為，想要建立大型的、獨立的公司，就必須擁有終端客戶，這里的終端客戶包括個人消費者和B2B買家。

因為這種傳統意義上的觀點，大家很容易也認為：生成式人工智能中最大的機會也在于能夠做面向終端用戶的應用的公司。

但是到目前為止，其實情況并不一定會這樣。

生成式人工智能應用的增長非常驚人，這種增長主要是由非常新穎和應用案例所驅動的，比如說圖像生成、文案寫作和代碼編寫，這三個產品類別的年收入已經超過了1億美元。

但是，光增長還不足以構建持久的軟件公司，關鍵在于，這種增長必須是有利潤，也就是說，用戶和客戶一旦注冊就可以產生利潤，并且這種利潤還需要能夠長期可持續。

如果公司之間不存在強大的技術差異化，B2B和B2C應用程序只要通過網絡效應，和數據優勢，再或者構建愈發復雜的工作流程，從而獲得成功。

但是，在生成式人工智能領域，上述假設未必成立。在我們調研的做生成式人工智能APP的創業公司中，毛利率的變化范圍很廣，少數公司能達到90%，多數公司毛利率低至50-60%，這塊主要由模型成本影響。

盡管我們可以看到目前渠道頂端的增長，但是，還不清楚目前客戶獲取策略是否可以持續，因為已經看到了很多付費獲取的效率和留存率開始下降。

目前市面上的很多應用程序也確實缺乏差異性，因為這些應用主要依賴于相似的底層人工智能模型，并沒有發現明顯能夠具備獨家網絡效應、其他競爭對手很難復制的的殺手級應用和數據/工作流程。

因此，目前我們還不知道能夠建立可持續的生成式人工智能商業化業務的最佳實踐到底是什么，隨著語言模型的競爭和效率的提高，利潤率應該會提高。隨著那波僅僅因為人工智能的熱度才來的用戶逐步冷卻，離開市場，用戶留存率大概率會增加。并且，我們認為垂直整合的應用在制造差異化方面具備優勢，但是很多還需要接下來的實踐證明。

展望未來，生成式AI應用會面臨什么問題？

在垂直整合方面:?如果人工智能模型作為一種消費型服務，應用開發者可以用小團隊模式快速迭代，并隨著技術的進步，逐步更換模型供應商。但還有開發者不同意，他們認為，產品就是模型，從頭開始訓練是創造可防御性的唯一途徑，這里指的是不斷地對專有產品數據進行再訓練。但這就需要更高的資本，并且需要穩定的產品團隊為代價的。

構建功能與應用程序。生成式人工智能產品具備很多形式：桌面應用，移動應用，Figma/Photoshop插件，Chrome擴展應用...甚至還包括Discord機器人。在用戶已經在應用、有使用習慣的地方整合人工智能產品比較容易，因為用戶界面較為簡易。但是，這些公司里有哪些會成為獨立的公司？哪些會被微軟或谷歌人工智能巨頭所吸納？

會和Gartner公司發布的炒作周期時機。

Tags：人工智能比特幣BITCRY《人工智能》電影解析自己在家挖比特幣違法嗎bitkeep錢包被盜能追回嗎XEN Crypto

以太坊交易