生成式AI创企的大问题：不缺钱，缺训练数据

科技周边小白一枚，正在不断学习积累知识，现将学习到的知识记录一下，也是将我的所得分享给大家！而今天这篇文章《生成式AI创企的大问题：不缺钱，缺训练数据》带大家来了解一下##content_title##，希望对大家的知识积累有所帮助，从而弥补自己的不足，助力实战开发！

6月16日消息，多个生成式人工智能初创公司已获得数十亿美元融资，但如果无法获取适合的数据，那么就可能走向失败。由于大公司往往不愿意与初创公司分享专有数据，尤其是在研发大型语言模型时，因此这项任务非常艰巨。

风险投资公司Primary Venture Partners的联合创始人和普通合伙人布拉德·斯沃卢加(Brad Svrluga)表示：“我们看到很多公司都在人工智能领域寻求卓越应用，但他们往往无法获得能开发强大应用的数据，更不用说能帮助他们在业务中拥有强大竞争力的专有数据了。”

现在，拥有合适数据比以往任何时候都更加重要。投资公司Bullpen Capital的驻场首席技术官保罗·泰马（Paul Tyma）表示，现在开发实际模型已经趋于商业化，真正的价值就在于数据。

根据PitchBook的统计，去年全年生成式人工智能初创公司获得的风险投资为48亿美元，但今年前五个月已经达到127亿美元。现在，其中许多公司都在金融或医疗保健等领域寻求构建更小众的人工智能模型，但要获得相关领域的训练数据集并不容易。

一些初创人工智能公司的目标是与拥有大量数据的大型企业建立合作关系。例如，安永负责税务的全球副总裁玛娜·里克(Marna Ricker)表示，由于公司拥有海量的交易数据，每天都有开发生成式人工智能的初创公司前来接洽。但安永负责客户服务的全球管理合伙人安迪·鲍德温(Andy Baldwin)表示，他担心如果用安永的数据来训练外部模型会发生什么。

鲍德温问道：“这些数据到底归谁所有？我们训练模型时的访问权限是什么？其他人如何能够使用这个模型？”。“数据也是我们知识产权的一部分。”

通过使用每个客户的数据训练不同的模型，初创公司能够避免知识产权问题。创业公司TermSheet正在利用这一策略打造生成式人工智能模型Ethan，这款产品可以为房地产开发商、经纪人和投资者解答行业问题。但TermSheet首席执行官兼联合创始人罗杰·史密斯(Roger Smith)表示，即便是让客户同意这样做，也需要费一番口舌。

法律科技公司Logikcull的联合创始人兼首席执行官安迪·威尔逊(Andy Wilson)则认为，如何让企业相信你拥有很好的网络安全状况，能够切实保护这些数据，这也是一个挑战。

风投机构Primary Venture Partners的斯沃卢加表示，大型科技公司在开发生成式人工智能应用方面可能比初创公司更有优势，部分原因是它们已经获得了大客户的信任，大客户对它们处理数据也很满意。

金融服务公司Truist的首席数据官特蕾西·丹尼尔斯（Tracy Daniels）表示，在探索人工智能用例方面，她目前只与大型技术供应商合作，而不是与初创公司合作。丹尼尔斯认为大型供应商更能保证数据安全。

初创公司即使已经通过使用公开数据获得了一定的优势，仍需应对如何利用企业数据集来完善模型的挑战。人工智能初创公司Veesual可以生成用户试穿衣服的图像。尽管公司最初是通过互联网上的公共图像进行模型训练，但是获取大型零售商自家数据以提升效果十分困难。

Veesual首席执行官兼联合创始人马克西姆·帕特(Maxime Patte)表示，在某些情况下，大型零售商要求Veesual为使用相关数据支付巨额款项或拿出部分公司股份，但这些交易最终都没有谈拢。

PatentPal是一家使用生成式人工智能技术来协助律师事务所撰写专利申请文件的初创公司。根据首席执行官兼创始人杰克·徐(Jack Xu)的说法，公司利用公开的专利申请文件来训练模型。他表示，若持续使用加密或匿名的实际客户反馈内容进行训练，有可能提高工具的准确性。但这一过程很复杂，因为反馈必须与商业机密等高度敏感的数据分离开来。

“对处于早期发展阶段的创业公司来说，一个是品牌认知的问题，一个是社会认同的问题，”他说。

同时压力也在与日俱增。斯特拉克资本(Struck Capital)创始人兼管理合伙人亚当·斯特拉克(Adam Struck)表示，一些初创公司正在争相在某些细分市场获取更多数据，看谁的速度更快。

如果你知道某个数据集是专有的，你就想要抢先获取，然后就会进行排他性的谈判。换句话说，你希望在别人之前获取它。”“从这个意义上说，这几乎成了一场军备竞赛。”（辰辰）

今天带大家了解了的相关知识，希望对你有所帮助；关于科技周边的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~