相信很多大家對(duì)全球247億美元豪賭GenAI，瘋狂入局AI成高風(fēng)險(xiǎn)博弈？還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

【新智元導(dǎo)讀】面對(duì)GenAI的技術(shù)浪潮，很多人都會(huì)在不斷迭代更新的技術(shù)中逐漸迷失。站在潮頭的Sapphire、Emergence、Menlo等風(fēng)投公司，又會(huì)如何看待這場(chǎng)AI變局的現(xiàn)狀與走向?

根據(jù)Sapphire Ventures的數(shù)據(jù)，GenAI領(lǐng)域從2022年到2023年迎來(lái)了爆發(fā)式的增長(zhǎng)，全球范圍（不含中國(guó)）的風(fēng)投資金總量從76億美元陡增到247億。

從今年第一季度的數(shù)據(jù)來(lái)看，2023年的市場(chǎng)熱度很有可能延續(xù)下去。

根據(jù)咨詢(xún)公司Quid的統(tǒng)計(jì)數(shù)據(jù)，最能吸引AI方向投資的三個(gè)細(xì)分領(lǐng)域分別是「AI基礎(chǔ)設(shè)施、研究和治理」、「自然語(yǔ)言處理」和「數(shù)據(jù)管理」。

投資大量涌入，帶來(lái)的直觀(guān)結(jié)果就是初創(chuàng)公司如雨后春筍般涌現(xiàn)。從美國(guó)、中國(guó)到英國(guó)、以色列，都成為了AI創(chuàng)新的重要源頭。

在投資大潮的催化下，GenAI領(lǐng)域的技術(shù)更新也達(dá)到了前所未有的迅速。

今年1月，Menlo Ventures對(duì)于現(xiàn)代AI技術(shù)棧的定義還是一個(gè)簡(jiǎn)潔的四層框架，從算力和基礎(chǔ)模型開(kāi)始，到數(shù)據(jù)、模型部署，以及最頂層的模型可觀(guān)測(cè)性。

而短短幾個(gè)月后的5月底，這個(gè)框架就已經(jīng)迅速過(guò)時(shí)，取而代之的是Sapphire Ventures發(fā)布的包含200多個(gè)公司、多個(gè)領(lǐng)域交織在一起的復(fù)雜技術(shù)網(wǎng)絡(luò)。

而且，GenAI的發(fā)展路徑不是單純技術(shù)創(chuàng)新問(wèn)題，商業(yè)戰(zhàn)略、金融、教育、政策等各方面的影響交織在一起。

數(shù)據(jù)隱私問(wèn)題引起了越來(lái)越多立法者的關(guān)注，AI法規(guī)即將出臺(tái)的壓力揮之不去;AI行業(yè)高薪的背后是持續(xù)的人才短缺，迫使科技公司不得不在內(nèi)部開(kāi)發(fā)和外包工作間取得平衡。

更為重要的是，控制成本、創(chuàng)造盈利的壓力，會(huì)與技術(shù)創(chuàng)新的各種原動(dòng)力相違背。持續(xù)不斷的開(kāi)源和閉源之爭(zhēng)就是最典型的例子。

相比傳統(tǒng)的軟件公司，推理和訓(xùn)練的算力支出會(huì)耗費(fèi)更多資金。然而，根據(jù)Emergence Capital的統(tǒng)計(jì)，只有58%的GenAI公司選擇通過(guò)產(chǎn)品營(yíng)利，這就又疊加了一重商業(yè)風(fēng)險(xiǎn)。

「亂花漸欲迷人眼」，投資熱潮、一夜暴富的表象下，入局GenAI實(shí)質(zhì)是一場(chǎng)高風(fēng)險(xiǎn)的技術(shù)博弈。在這個(gè)瞬息萬(wàn)變的場(chǎng)域中，今天最先進(jìn)的解決方案，很可能在一夜之間就被新的技術(shù)突破取代。

要面對(duì)GenAI迷宮中的這一切，也許答案只有一個(gè)——適應(yīng)性。

無(wú)論是科研、技術(shù)領(lǐng)域的從業(yè)者，還是公司中的決策者，都需要不斷調(diào)整目標(biāo)和愿景，與這個(gè)千變?nèi)f化的環(huán)境一同演進(jìn)，才能創(chuàng)造出實(shí)際的價(jià)值。

數(shù)據(jù)的「量」和「質(zhì)」

如果一直上溯到深度學(xué)習(xí)方興未艾時(shí)的ImageNet，可以發(fā)現(xiàn)，數(shù)據(jù)始終是AI的核心問(wèn)題之一。

隨著近年來(lái)GenAI和LLM的興起，數(shù)據(jù)也和算力一樣，成為AI基礎(chǔ)設(shè)施的一部分，也是需要盡力發(fā)掘的稀缺資源。

Epoch AI曾經(jīng)預(yù)言，LLM到2028年將耗盡互聯(lián)網(wǎng)上所有的高質(zhì)量文本數(shù)據(jù)，阻礙Scaling Law的「數(shù)據(jù)墻」似乎就在眼前。

面對(duì)數(shù)據(jù)短缺的挑戰(zhàn)，從GenAI自身給出的解決方案——合成數(shù)據(jù)，似乎是一條仍不明朗但頗有前景的道路。

早期研究曾指出，隨著合成數(shù)據(jù)比例的增加，迭代出的連續(xù)幾代模型的質(zhì)量和多樣性都會(huì)逐漸下降。

但另一方面，較少比例的合成數(shù)據(jù)和最新的現(xiàn)實(shí)數(shù)據(jù)混合后訓(xùn)練的模型，如Google最近發(fā)布的Gemma2，卻能表現(xiàn)出顯著的性能提升。

Epoch AI的創(chuàng)始人也曾表示，雖然我們能看到「數(shù)據(jù)耗盡」的前景，但目前還沒(méi)有感到恐慌的理由。合成數(shù)據(jù)、

多模態(tài)和遷移學(xué)習(xí)等方法都有望突破「數(shù)據(jù)墻」。

除了數(shù)據(jù)量的焦慮，數(shù)據(jù)質(zhì)量和數(shù)據(jù)治理也已經(jīng)成為關(guān)注的焦點(diǎn)。

上個(gè)月HuggingFace發(fā)布15萬(wàn)億token的FineWeb數(shù)據(jù)集，就著重強(qiáng)調(diào)了數(shù)據(jù)質(zhì)量的重要性。

微軟Phi-3小模型的技術(shù)報(bào)告中，也提及了一種「數(shù)據(jù)換參數(shù)」的策略。

對(duì)于企業(yè)和產(chǎn)品而言，數(shù)據(jù)質(zhì)量的重要維度也包括語(yǔ)義層和數(shù)據(jù)結(jié)構(gòu)（data fabrics），有望增強(qiáng)AI系統(tǒng)有效理解、使用企業(yè)數(shù)據(jù)的能力，從而帶來(lái)創(chuàng)新的功能和用例。

初創(chuàng)公司Illumex就開(kāi)發(fā)了一種名為「語(yǔ)義數(shù)據(jù)結(jié)構(gòu)」（semantic data fabric）的技術(shù)，他們的CEO解釋道，「data fabric有一種自動(dòng)創(chuàng)建出來(lái)的紋理，而非預(yù)先定義好的」，可以促進(jìn)更加動(dòng)態(tài)、上下文感知的數(shù)據(jù)交互。

此外，AI監(jiān)管和科技公司也把目光投向了數(shù)據(jù)治理領(lǐng)域——確保數(shù)據(jù)的使用符合倫理、安全并遵守法規(guī)。

DataBricks已經(jīng)將數(shù)據(jù)治理納入其平臺(tái)的核心，被描述為「一個(gè)連續(xù)的治理體系，從數(shù)據(jù)攝取一直到GenAI的提示和響應(yīng)」。

同時(shí)，Red Hat副總裁Steven Huels預(yù)測(cè)，我們會(huì)看到數(shù)據(jù)治理方面的大力推動(dòng)，尤其是隨著AI系統(tǒng)越來(lái)越多地影響關(guān)鍵業(yè)務(wù)決策。

端到端vs.專(zhuān)用解決方案

GenAI這種新興事物顯得有些復(fù)雜，有些難以理解，因此許多企業(yè)都都傾向于采用全面的端到端解決方案，這反映了決策者們希望簡(jiǎn)化AI基礎(chǔ)設(shè)施、精簡(jiǎn)運(yùn)營(yíng)的愿望。

財(cái)務(wù)軟件公司Intuit決定在原有的龐大生態(tài)系統(tǒng)中整個(gè)GenAI時(shí)，他們面臨一個(gè)艱難抉擇——要讓數(shù)千名開(kāi)發(fā)人員在現(xiàn)有平臺(tái)的基礎(chǔ)上構(gòu)建AI嗎?

最后，Intuit選擇了一條更有雄心的道路:從頭開(kāi)始，創(chuàng)建一個(gè)全面的生成式AI操作系統(tǒng)GenOS。

公司首席數(shù)據(jù)官Ashok Srivastava這樣解釋這個(gè)決定:為了加速創(chuàng)新并保持一致性，「我們將額外構(gòu)建一層來(lái)抽象掉平臺(tái)的復(fù)雜性」。相比之下，讓各個(gè)團(tuán)隊(duì)構(gòu)建定制解決方案，會(huì)導(dǎo)致「高復(fù)雜性、低速和技術(shù)債務(wù)」。

同樣，Databricks最近對(duì)平臺(tái)功能進(jìn)行了擴(kuò)展，新推出的Model Serving和Feature Serving工具，能簡(jiǎn)化數(shù)據(jù)科學(xué)家部署模型的流程，代表了他們正在推進(jìn)更集成的AI基礎(chǔ)設(shè)施，提供更全面的解決方案。

《Marvelous MLOps》一書(shū)的作者M(jìn)aria Vechtomova指出，整個(gè)行業(yè)都需要這樣的簡(jiǎn)化:「機(jī)器學(xué)習(xí)團(tuán)隊(duì)?wèi)?yīng)該努力簡(jiǎn)化架構(gòu)，并盡量減少使用的工具數(shù)量。」

推動(dòng)端到端解決方案標(biāo)志著GenAI領(lǐng)域的成熟。企業(yè)不再滿(mǎn)足于零散方法的拼接，而是希望高效地?cái)U(kuò)展其AI項(xiàng)目。

與此同時(shí)，我們還見(jiàn)證了一個(gè)有趣的現(xiàn)象——盡管端到端平臺(tái)正在崛起，但專(zhuān)用解決方案仍在不斷涌現(xiàn)，

通常來(lái)說(shuō)，它們是對(duì)通用方案的補(bǔ)充，負(fù)責(zé)應(yīng)對(duì)可能被忽略的復(fù)雜挑戰(zhàn)，或者增強(qiáng)某些特定的功能。

專(zhuān)用解決方案的不斷涌現(xiàn)表明，在解決特定AI挑戰(zhàn)方面的創(chuàng)新仍然充滿(mǎn)活力。

即使市場(chǎng)正在圍繞少數(shù)幾個(gè)主要平臺(tái)進(jìn)行整合，這一趨勢(shì)仍在持續(xù)。

對(duì)于IT決策者來(lái)說(shuō)，任務(wù)很明確:仔細(xì)評(píng)估專(zhuān)用工具在某些方面是否能提供比更通用解決方案更顯著的優(yōu)勢(shì)。

開(kāi)源和專(zhuān)有的平衡

在GenAI領(lǐng)域，開(kāi)源和專(zhuān)有解決方案之間有非常活躍的相互作用。

曾經(jīng)以開(kāi)源Linux聞名的Red Hat公司最近宣布進(jìn)入Gen AI領(lǐng)域，他們開(kāi)發(fā)的產(chǎn)品Red Hat Enterprise Linux （RHEL） AI旨在讓更多人能夠使用LLM，并堅(jiān)守自己對(duì)開(kāi)源準(zhǔn)則的承諾。

然而，開(kāi)源解決方案通常需要公司內(nèi)部的大量專(zhuān)業(yè)人才，才能有效實(shí)施并維護(hù)。對(duì)于面臨人才短缺或希望快速行動(dòng)的組織來(lái)說(shuō)，這可能是一個(gè)挑戰(zhàn)。

另一方面，專(zhuān)有解決方案通常提供更集成和支持的體驗(yàn)。比如Databricks在支持開(kāi)源模型的同時(shí)，也專(zhuān)注于圍繞其專(zhuān)有平臺(tái)創(chuàng)建一個(gè)連貫的技術(shù)生態(tài)，能夠?yàn)榭蛻?hù)集成和管理各種AI模型。

理想的開(kāi)源和專(zhuān)有解決方案平衡將取決于組織的具體需求、資源和風(fēng)險(xiǎn)承受能力。隨著AI領(lǐng)域的發(fā)展，有效集成和管理這兩種類(lèi)型的解決方案，可能成為一個(gè)關(guān)鍵的競(jìng)爭(zhēng)優(yōu)勢(shì)。

平衡好開(kāi)源和專(zhuān)有方案的「潛力股」也許是最近崛起的AI新星Mistral。

Mistral推出的開(kāi)源模型既在社區(qū)引起了廣泛影響，得到全球開(kāi)發(fā)者的支持助力，同時(shí)也吸引到了潛在客戶(hù)，可供任何人檢查、定制的代碼加強(qiáng)了企業(yè)用戶(hù)對(duì)技術(shù)的信任。

創(chuàng)始人Arthur Mensch曾表示，「在構(gòu)建商業(yè)模式和堅(jiān)持我們的開(kāi)源價(jià)值觀(guān)之間找到一個(gè)平衡點(diǎn)是非常微妙的。我們希望創(chuàng)造新的事物、新的架構(gòu)，但是還想向我們的客戶(hù)提供一些額外的產(chǎn)品和服務(wù)。」

與現(xiàn)有系統(tǒng)的集成

在企業(yè)轉(zhuǎn)向GenAI的過(guò)程中，一個(gè)關(guān)鍵挑戰(zhàn)是如何將新功能集成到現(xiàn)有的業(yè)務(wù)流程與決策框架中，建立兩者之間的良好銜接和互動(dòng)。

這是AI系統(tǒng)落地的最后一步，也直接決定著AI方面的投資能否轉(zhuǎn)化為實(shí)在的商業(yè)價(jià)值。

令人驚訝的是，與頂層的產(chǎn)品功能相比，成功的集成反而更依賴(lài)于底層系統(tǒng)。實(shí)時(shí)系統(tǒng)、流處理、批量處理，這些「骨架」是構(gòu)建AI能力不可忽視的基礎(chǔ)。

對(duì)于許多組織來(lái)說(shuō)，數(shù)據(jù)方面也存在挑戰(zhàn)，難點(diǎn)在于A(yíng)I系統(tǒng)需要連接多樣化的，且常常孤立存在的數(shù)據(jù)源。初創(chuàng)公司Illumex就開(kāi)發(fā)了一種方案，允許企業(yè)利用現(xiàn)有的數(shù)據(jù)資產(chǎn)，而無(wú)需進(jìn)行大規(guī)模的重組。

安全集成是另一個(gè)關(guān)鍵因素。由于A(yíng)I系統(tǒng)通常處理敏感數(shù)據(jù)并做出重要決策，它們必須被納入現(xiàn)有的安全框架，并符合組織政策和監(jiān)管要求。

提示工程仍然是關(guān)鍵技能

精確且格式良好的提示，結(jié)合相關(guān)的上下文數(shù)據(jù)，能夠顯著影響模型輸出的質(zhì)量，這種效果常常令開(kāi)發(fā)者和用戶(hù)感到驚訝。

盡管最初對(duì)提示的長(zhǎng)期前景以及提示工程師這一新興職業(yè)存在懷疑，許多公司仍在積極尋找并高薪聘請(qǐng)具備提示工程技能的員工。

我們相信這一趨勢(shì)將持續(xù)，并將得到新興服務(wù)的進(jìn)一步支持，這些服務(wù)可以幫助公司制作、存儲(chǔ)、測(cè)試、管理和更新提示。

智能體已來(lái)，但為時(shí)尚早

AI智能體可以使模型（或一系列模型）在用戶(hù)幾乎不干預(yù)的情況下完成一個(gè)或一系列動(dòng)作。

智能體工作流程有望擴(kuò)展模型的使用方式，并使開(kāi)發(fā)者能夠單獨(dú)優(yōu)化每個(gè)步驟，從而可能帶來(lái)顯著的生產(chǎn)力提升。

雖然如今真正的自主智能體尚未成為現(xiàn)實(shí)，但我們觀(guān)察到越來(lái)越多的服務(wù)正在幫助用戶(hù)構(gòu)建輕量級(jí)的定制助手，比如微軟對(duì)C o p i l o t最近的更新。

這些助手能夠處理更復(fù)雜的工程工作流程（不僅限于代碼輔助）、從多個(gè)來(lái)源提取和總結(jié)信息、自動(dòng)標(biāo)記數(shù)據(jù)等任務(wù)。

生成式人工智能的激進(jìn)未來(lái)

隨著GenAI快速發(fā)展，對(duì)技術(shù)棧的探索也愈發(fā)深入，從端到端解決方案到專(zhuān)用工具，從數(shù)據(jù)質(zhì)量到治理框架。

可以肯定的是，我們正在見(jiàn)證企業(yè)技術(shù)的變革時(shí)刻，但這還只是個(gè)開(kāi)始。

最近，AI大牛Andrej Karpathy描繪了一幅更加激進(jìn)的未來(lái)圖景。

他設(shè)想了一個(gè)「100%完全軟件2.0計(jì)算機(jī)」，其中單個(gè)神經(jīng)網(wǎng)絡(luò)取代了所有傳統(tǒng)軟件。

其中，設(shè)備輸入如音頻、視頻和觸摸將直接輸入到神經(jīng)網(wǎng)絡(luò)中，輸出則通過(guò)揚(yáng)聲器和屏幕顯示為音頻和視頻。

這個(gè)概念遠(yuǎn)超我們當(dāng)前對(duì)操作系統(tǒng)、框架甚至不同類(lèi)型軟件之間區(qū)別的理解——應(yīng)用程序之間的界限變得模糊，整個(gè)計(jì)算體驗(yàn)將由一個(gè)統(tǒng)一的AI系統(tǒng)來(lái)調(diào)控。

雖然這樣的愿景可能顯得遙遠(yuǎn)，但它強(qiáng)調(diào)了一點(diǎn):GenAI不僅能重塑單個(gè)應(yīng)用程序或業(yè)務(wù)流程，還能改變計(jì)算的基本性質(zhì)。

今天在構(gòu)建AI基礎(chǔ)設(shè)施時(shí)做出的選擇將為未來(lái)的創(chuàng)新奠定基礎(chǔ)。靈活性、可擴(kuò)展性和接受范式轉(zhuǎn)變的意愿將是關(guān)鍵。

不論我們談?wù)摰氖嵌说蕉似脚_(tái)，還是AI驅(qū)動(dòng)的計(jì)算環(huán)境，成功的關(guān)鍵在于培養(yǎng)適應(yīng)性。

參考資料:

https://venturebeat.com/ai/ai-stack-attack-navigating-the-generative-tech-maze/

https://menlovc.com/perspective/the-modern-ai-stack-design-principles-for-the-future-of-enterprise-ai-architectures/

https://sapphireventures.com/blog/building-the-future-a-deep-dive-into-the-generative-ai-app-infrastructure-stack/#gallery-4

https://www.emcap.com/thoughts/beyond-benchmarks/

https://www.visualcapitalist.com/mapped-the-number-of-ai-startups-by-country/

以上就是關(guān)于【全球247億美元豪賭GenAI，瘋狂入局AI成高風(fēng)險(xiǎn)博弈？】的相關(guān)內(nèi)容，希望對(duì)大家有幫助！

　　免責(zé)聲明：本文由用戶(hù)上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！