如何投AI？全球一线VC面临的“三大焦点问题”

哈喽！今天心血来潮给大家带来了《如何投AI？全球一线VC面临的“三大焦点问题”》，想必大家应该对科技周边都不陌生吧，那么阅读本文就都不会很困难，以下内容主要涉及到，若是你正在学习科技周边，千万别错过这篇文章~希望能帮助到你！

当下，人工智能迎来“iPhone时刻”，其传播速度超过历史上任何技术革命。

然而，摩根士丹利在报告中指出，不可否定的是AI发展的不确定性很高，VC们敏锐地发现了这一点，并指出以下“三大焦点问题”。

• AI增长显著，急需模块化

AI产业飞速发展，“技术扩散”速度超出互联网革命，其中模块化（Modularity)是AI实现更快增长的关键。

“技术扩散”（Tech Diffusion）是近年来最重要主题之一，是一项技术从首次得到商业化应用，经过大力推广、普遍采用阶段，直至最后因落后而被淘汰的过程。

前所未有的是人工智能技术向非技术领域扩散的速度和溢出效应。为了更清楚地表明这一点，大摩下图比较了1885年后电力革命、2007年后互联网革命和2022年后的人工智能革命的技术扩散速度。

其中，模块化（Modularity 分模块专门处理不同方面的任务)是通过创新堆栈实现更快增长和颠覆的关键。人工智能的不断增长需要广泛的互联网接入，而要实现广泛的互联网接入，则需要廉价的电力。反之亦然。类似基于这些人工智能大模型的模块化将应用于未来快速增长和中断的领域。

当面临越来越多不同任务时，AI的表现会越来越糟，因为模型训练无法覆盖所有场景。这也是大部分主流AI产品依赖提示词才会给出相对符合逻辑答案的原因，而“模块化”，即分模块专门处理不同方面的任务，是解决泛化问题的方案之一。）

比如，拥有大模型的公司开源插件，如OpenAI新发布的数据分析工具“代码解释器”，受益于这种模块化的扩展方法，会创造更大的使用广度、深度和粘性。然而，相对于历史上任何技术，采用速度之快也意味着Generative AI的s曲线只需几个月，而不是过去预期的几年或几十年。

• AI公司估值下滑并出现极端分化

AI企业的融资和估值中，也存在80/20法则（企业80%利润来自20%的项目），OpenAI最近又筹集了3亿美元，其估值在270-290亿美元之间。该公司在过去7轮融资中筹集的资金总额超过110亿美元。

目前还没有一个竞争对手能与OpenAI的ChatGPT相媲美，最近的平台数据显示，其月活跃用户数超过了Reddit、Netflix和Linkedin，接近20亿。

然而，平均而言，人工智能/ML公司的估值较它们2021年1月水平的估值水平低60%，当时AI/ML在处于炒作周期。尽管对人工智能的投资需求明显增长（占所有风险投资的10%），但只有少数私人人工智能公司的通过价值重估，OpenAI就是这样一家公司。

• 开源大模型可能挑战融资模式

最近几周讨论最激烈的问题是，面对开源模型，大模型公司的护城河到底有多大？

到2023年，已有超过120亿美元的资金被投入到了AI领域中，占据市场风险投资总额的10%。尽管再次达到帕累托点，80%的资金仍然落到大型模型所有者而非APP制造商手中。此后加速了向非科技行业的扩散。

当然，有一个很好的理由——训练越来越大的LLM成本昂贵，而利用那些具有API的模型来创建下游应用程序比较便宜，现在的现状似乎也是如此。

而开源LLM的出现是否会导致这一资本部署比例在某个时候出现反转——无论是在公开市场还是在私人市场，融资是否有利于低成本的开源LLM的出现？

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。