ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
AI是一场泡沫吗?
3819点击    2024-09-13 14:13

文章摘要


AI产业迅速发展,技术周期性显著,潜力与挑战并存。


• ???? AI市场分层:基础模型、支持平台、应用程序


• ???? AI提升生产力,但企业广泛应用仍有障碍


• ???? 初创公司领先,但传统企业加速追赶


最近看到小红书上有一些偏悲观的声音,只要说“AI、大模型是一场泡沫”之类的,就会有不少浏览和点赞,仿佛是新的流量密码……


但同时,我也在即刻上、Reddit上,新看到非常多好玩、好用的AI应用尝试——从Cursor建站到刚哥的“汉语新解”Prompt,还有不少已经商业化的产品或者新功能,都让人耳目一新。


悲观者总有自洽的解释,但乐观者又开始整活了……


看到最近Lightspeed对市场上的各类“AI整活”重新做了梳理,涉及到的产品很多,总结很精当,图表也特别漂亮。


之前介绍过Lightspeed关于AI前世今生论文的梳理:《通向AGI之路|人工智能史上最重磅的19篇论文,系统展示AI如何从象牙塔走进生活!》,是我非常非常喜欢的内容。15年,19篇论文,4大研究阵营,作为目录和研究框架,值得收藏!


Lightspeed作为美国最头部的VC之一,投资了我们熟悉的Zoom,AI领域的Scale AI、Poni.ai等,更在非常初期阶段就投中了美团、拼多多等。


Lightspeed在过去十年中,一直密切关注人工智能研究。经常积极参与帮助科研人员,将他们的想法转化为开创性的企业。是 Mistral、SKILD 和 Snorkel 的早期支持者,这些公司都源自AI技术的底层基础发现。


今天介绍的内容是Lightspeed的一次“AI时间定格”,只看当下。哪怕很多AI产品只是昙花一现,但这里留下了他们此刻的闪耀。


在时光机里,五年后的我们和AI,都在回眸今天的一举一动。


泡沫与否,也许也并没有那么重要。当下的行动,可能直接决定了我们的未来……以下内容来自Lightspeed最近研究,设计AI市场的竞争分层、产品格局等。


技术,本质上具有周期性,没有哪项技术像AI一样经历了如此多的起伏周期。


在经历了多个漫长的AI寒冬之后,该技术现在正迎来一个炙手可热的夏天,并且没有丝毫降温的迹象。


几乎所有围绕这项技术的能量和活动都可以追溯到生成式人工智能的兴起——更具体地说,可以追溯到 18 个月前 OpenAI 于 2022 年 11 月推出的 ChatGPT 3。


从那时起,Gen AI 就大举进入大众文化,为我们的词汇引入了许多新术语——包括即时工程师、深度伪造和人工智能女友。到现在为止,就连你的祖父母也听说过 ChatGPT。


尽管这种“一夜成名”实际上是经过多年酝酿的,但其突然出现并产生的巨大影响却让世界上一些最大的科技公司陷入了困境。


自那时起,亚马逊、谷歌和 Meta 等公司一直在竞相追赶,并取得了不同程度的成功(以及一些明显的失误)


Gen AI 的出现也为整个初创企业生态系统打开了闸门,从大型语言模型 (LLM) 到支持基础设施平台,以及不断增长的消费者、企业和特定行业应用程序。


简而言之,人工智能行业正在迅速发展。一些今天备受关注的公司可能在几年后就不复存在了。同样,那些将在塑造这个新兴行业中发挥重要作用的初创企业可能甚至还不存在。我们的目的是提供当今人工智能市场的快照,我们预计会影响其未来的因素,以及我们认为市场长期的发展方向。


第一部分:拥挤嘈杂的市场


如今,人工智能市场上至少有 200 多家初创公司在争夺关注,它们分布在 24 个类别中。但它们大致分为三个层次:基础模型、支持平台和应用程序。



基础模型层。这些是新一代人工智能应用的基本构建块。基础模型使对话聊天机器人能够解析书面或口头提示并生成文本、图像、音频、视频甚至代码等输出。


在过去 18 个月中,基础模型的数量呈爆炸式增长,从 OpenAI 的 GPT4、Google Gemini 和 Anthropic 的 Claude 等专有 LLM, 到 Mistral*、Falcon 和 Llama 等开源模型。还有一些模型经过训练可以生成特定类型的输出,例如图像(Midjourney、Stability.ai*)、音乐和音频(Suno*、Udio)、视频(Pika Labs*、Sora)和代码(Codex、Github Copilot)


值得注意的是,在过去一年中,我们看到小型语言模型 (SLM) 数量有所增加。这些模型在狭窄领域中的表现几乎与大型模型一样好,但成本更低,碳足迹更小。SLM 还使用较小、经过严格筛选的数据集进行训练 — — 这使得它们不太容易出现幻觉和版权问题,更适合有针对性的用例。


平台支持层。这一层由各种中间件平台组成,这些平台执行基本但不那么光鲜的任务。从自动标记大量训练数据集到增强机器学习的安全性和可解释性,这些平台在 AI 生态系统的成功中发挥着通常不为人知但至关重要的作用。它们还有助于解决整个行业的 GPU 短缺问题,并使企业能够以合规、隐私优先的方式开发自己的 LLM 。


应用层。绝大多数人工智能初创公司都在这一层运营,专注于基础模型和最终用户之间的“最后一英里”。这些应用程序可以进一步细分为消费者、企业和行业特定类别。


虽然面向消费者的应用程序往往备受关注,但我们相信企业应用程序将成为可扩展且持久的 AI 市场的支柱。虽然我们预计更有限的垂直工具将率先获得有意义的关注,但端到端工作流自动化最终将从根本上颠覆整个软件类别,从而为几乎所有行业带来数万亿美元的价值。


第二部分:Lightspeed对企业 AI 的看法


虽然我们认识到人工智能的明显潜力,但我们也承认其炒作日益增多。这场游戏仍处于早期阶段,让这些模型为企业客户提供可衡量的价值仍是一项正在进行的工作。


在解决对准确性、可靠性和一致性的担忧之前,企业广泛接受人工智能平台的障碍仍然存在。


当今企业 AI 市场瞬息万变,市场状况每天都在变化,有时甚至每小时都在变化,这意味着我们必须接受未来“会发生什么”的不确定性。不过,从目前的情况来看,我们还是可以得出一些可靠的结论。


1. 知识检索将推动生产力的提高,但周到的用户界面(UI)将使其超速运转。


尽管有人猜测人工智能可能会取代数千名知识型员工的工作,但生成式人工智能给企业带来的最大好处是增强现有员工队伍,而不是让这些员工被自动化取代。最近的研究预测,大约八成美国工人的 10% 工作将被人工智能取代,而其余工人的至少一半工作将实现自动化。


当今企业的基本用例绝大多数仍是提供轻松的信息访问。80 % 到 90%的企业数据都是非结构化或半结构化的,包括电子邮件、聊天、视频、网页等。法学硕士擅长分析这些数据并使其易于访问。


提供安全访问企业数据的对话式工作助理将提高工程师、销售人员、营销团队、法律部门和后台人员的工作效率。在未来五年内,使用人工智能可以为专业人士每周节省多达 12 个小时的时间。到 2030 年,该技术可以为全球经济贡献超过15 万亿美元,几乎全部来自生产力的提高。


因此,人机协作和直观的用户界面将成为企业在可预见的未来追求的模式,而在特定领域提供快速成功的点解决方案将首先被采用。


2. 厌恶科技的行业将开始采用人工智能。


Abridge 和 Ambience(健康)、Harvey 和 EvenUp(法律)、Inceptive 和 Cradle(生物技术)、Avalara 和 Anaplan(金融)等垂直应用程序以及其他平台都是人工智能能够解决行业特定问题的典型例子。


随着我们对 LLM 的优势和局限性以及它们最适合的用例类型有了更深入的了解,我们将开始看到更多特定领域的用途出现并主导企业格局。特别是,我们预计生成式人工智能将渗透到传统上对软件具有抵抗力的行业,如制造业、建筑业和制药业——我们认为这些行业代表着一些最有趣的投资机会。


3. 垂直应用程序提供最直接的影响,但真正的长期利益在于系统集成。


这项技术在由明确护栏划定的狭义空间内运行时最为强大。经过精心调优的模型和精选的数据集可提供可衡量的投资回报率,同时避免大型 LLM 的大多数陷阱。


但目前,大多数企业都在独立应用程序中部署 AI。因此,人们往往过于关注单个应用程序的性能。当这些应用程序集成在一起并作为一个有凝聚力的系统工作时,更有趣的功能将会出现。我们认为,最大的转变将发生在企业转向复合 AI时,将不同的模型组合成更广泛的 AI 架构。


4. 初创公司目前处于领先地位,但现有企业正在崛起。


当前人工智能初创企业格局的特点是存在大量噪音,这主要是因为许多新企业在独特创新方面提供的帮助很少。进入当前一代人工智能领域的门槛仍然很低,而且这种情况已经开始显现。许多早期应用不包含大量原创知识产权;如果没有专有数据或深厚的领域经验,这些企业就好比在流沙地基上建造建筑物。


老牌软件巨头纷纷将自己重塑为人工智能公司,这让情况变得更加复杂;然而,其中许多公司只是将人工智能功能附加到现有产品中,而没有实质性的整合或愿景。


好消息是——许多真正有思想、有产品意识的人还没有真正地第一次回答这些问题。


就像云计算热潮一样,我们相信,无论是现在还是未来,最有前途的初创公司都将由拥有深厚领域专业知识的创始人与擅长构建新一代人工智能解决方案的工程师组成。特别是,我们预计强大的产品思维和以用户为中心的理念将使真正的创新者与潮流追随者脱颖而出。


5. 颠覆才刚刚开始,最好的想法尚未出现。


大多数组织仍处于实验阶段——正在摸索前进的道路,但还没有全速前进。


许多人仍在努力解决一些基本问题,例如:我们是否拥有正确的数据来使这项技术发挥作用?是否有足够的防护措施来避免版权侵权、数据泄露、缺乏透明度或潜在偏见等潜在问题?我们如何重新定义工作,让我们的员工和这项新技术能够无冲突地合作?当这些基础模型达到 AGI 时,这些应用程序将产生什么影响?


这是AI市场令人兴奋的时刻,但也仍处于早期阶段。


也许,不妨让我们先收藏此刻、记住此刻,然后用一点点行动,去影响不远的未来。


多啦A梦口袋里的神奇产品,今天很多已经成为了现实。


今天的我们,又何尝不是已经乘坐时光机回到了过去的自己……


文章来自于微信公众号“AI异类弗兰克”


关键词: AI , 大模型 , 人工智能 , AI行业
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

2
prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。

项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md

在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0