當(dāng)下，人工智能迎來“iPhone時刻”，其傳播速度超過歷史上任何技術(shù)革命。

(資料圖片僅供參考)

然而，摩根士丹利在報告中指出，不可否定的是AI發(fā)展的不確定性很高，VC們敏銳地發(fā)現(xiàn)了這一點(diǎn)，并指出以下“三大焦點(diǎn)問題”。

AI增長顯著，急需模塊化

AI產(chǎn)業(yè)飛速發(fā)展，“技術(shù)擴(kuò)散”速度超出互聯(lián)網(wǎng)革命，其中模塊化（Modularity)是AI實(shí)現(xiàn)更快增長的關(guān)鍵。

“技術(shù)擴(kuò)散”（Tech Diffusion）是近年來最重要主題之一，是一項技術(shù)從首次得到商業(yè)化應(yīng)用，經(jīng)過大力推廣、普遍采用階段，直至最后因落后而被淘汰的過程。

而人工智能的技術(shù)擴(kuò)散速度，即向非技術(shù)鄰近領(lǐng)域的溢出效應(yīng)，是前所未有的。為了更清楚地表明這一點(diǎn)，大摩下圖比較了1885年后電力革命、2007年后互聯(lián)網(wǎng)革命和2022年后的人工智能革命的技術(shù)擴(kuò)散速度。

其中，模塊化（Modularity 分模塊專門處理不同方面的任務(wù))是通過創(chuàng)新堆棧實(shí)現(xiàn)更快增長和顛覆的關(guān)鍵。如果沒有廣泛的互聯(lián)網(wǎng)接入，人工智能的增長是難以持續(xù)的，而如果沒有廉價電力的接入，這反過來也是不可能的。未來快速增長和中斷的領(lǐng)域?qū)⒃谶@些人工智能的大模型的基礎(chǔ)上類似地模塊化。

(注：模型訓(xùn)練無法覆蓋所有場景，當(dāng)遇到越來越多種不同的任務(wù)時，AI表現(xiàn)變得越來越糟糕。這也是大部分主流AI產(chǎn)品依賴提示詞才會給出相對符合邏輯答案的原因，而“模塊化”，即分模塊專門處理不同方面的任務(wù)，是解決泛化問題的方案之一。）

比如，擁有大模型的公司開源插件，如OpenAI新發(fā)布的數(shù)據(jù)分析工具“代碼解釋器”，受益于這種模塊化的擴(kuò)展方法，會創(chuàng)造更大的使用廣度、深度和粘性。然而，相對于歷史上任何技術(shù)，采用速度之快也意味著Generative AI的s曲線只需幾個月，而不是過去預(yù)期的幾年或幾十年。

AI公司估值下滑并出現(xiàn)極端分化

AI企業(yè)的融資和估值中，也存在80/20法則（企業(yè)80%利潤來自20%的項目），OpenAI最近又籌集了3億美元，其估值在270-290億美元之間。該公司在過去7輪融資中籌集的資金總額超過110億美元。

目前還沒有一個競爭對手能與OpenAI的ChatGPT相媲美，最近的平臺數(shù)據(jù)顯示，其月活躍用戶數(shù)超過了Reddit、Netflix和Linkedin，接近20億。

然而，平均而言，人工智能/ML公司的估值較它們2021年1月水平的估值水平低60%，當(dāng)時AI/ML在處于炒作周期。盡管對人工智能的投資需求明顯增長（占所有風(fēng)險投資的10%），但只有少數(shù)私人人工智能公司的通過價值重估，OpenAI就是這樣一家公司。

開源大模型可能挑戰(zhàn)融資模式

最近幾周討論最激烈的問題是，面對開源模型，大模型公司的護(hù)城河到底有多大？

2023年，被投入AI領(lǐng)域的資金已經(jīng)超過120億美元（占市場風(fēng)險投資總額的10%）。然而，再次達(dá)到上述帕累托點(diǎn)，目前80%的資金集中在大模型所有者，而不是下游的APP制造商手中。此后加速了向非科技行業(yè)的擴(kuò)散。

當(dāng)然，有一個很好的理由——訓(xùn)練越來越大的LLM成本昂貴，而利用那些具有API的模型來創(chuàng)建下游應(yīng)用程序比較便宜，現(xiàn)在的現(xiàn)狀似乎也是如此。

而開源LLM的出現(xiàn)是否會導(dǎo)致這一資本部署比例在某個時候出現(xiàn)反轉(zhuǎn)——無論是在公開市場還是在私人市場，融資是否有利于低成本的開源LLM的出現(xiàn)？

風(fēng)險提示及免責(zé)條款 市場有風(fēng)險，投資需謹(jǐn)慎。本文不構(gòu)成個人投資建議，也未考慮到個別用戶特殊的投資目標(biāo)、財務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點(diǎn)或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞：